1：实验设计与方法选择：

本研究采用结合主成分分析（PCA）的广义回归神经网络（GRNN）模型估算PM1.0浓度，整合了葵花8号卫星气溶胶光学厚度（AOD）数据、地面PM2.5与PM1.0实测值、气象数据及地理数据。通过克里金插值法处理PM2.5数据的空间变异性。

2：0浓度，整合了葵花8号卫星气溶胶光学厚度（AOD）数据、地面PM5与PM0实测值、气象数据及地理数据。通过克里金插值法处理PM5数据的空间变异性。 样本选取与数据来源：

2. 样本选取与数据来源：数据采集时段为2015年7月至2017年6月，包含中国环境监测总站1430个站点的PM2.5观测数据、中国气象局73个站点的PM1.0数据、葵花8号卫星小时级AOD数据、欧洲中期天气预报中心再分析资料中的气象参数（温度、相对湿度、风速、地面气压、边界层高度），以及美国地质调查局数字高程模型（DEM）和MODIS归一化植被指数（NDVI）等地理数据。

3：5观测数据、中国气象局73个站点的PM0数据、葵花8号卫星小时级AOD数据、欧洲中期天气预报中心再分析资料中的气象参数（温度、相对湿度、风速、地面气压、边界层高度），以及美国地质调查局数字高程模型（DEM）和MODIS归一化植被指数（NDVI）等地理数据。 实验设备与材料清单：

3. 实验设备与材料清单：卫星数据（葵花8号AOD）、地面PM监测站点、神经网络建模与插值计算的计算机工具。

4：实验流程与操作步骤：

数据预处理包括采用克里金法对PM2.5进行空间插值、运用PCA降低输入变量间的多重共线性、使用输入变量（AOD、插值PM2.5、气象及地理参数）训练GRNN模型以估算PM1.0浓度，并通过十折交叉验证评估精度。

5：5进行空间插值、运用PCA降低输入变量间的多重共线性、使用输入变量（AOD、插值PM气象及地理参数）训练GRNN模型以估算PM0浓度，并通过十折交叉验证评估精度。 数据分析方法：

5. 数据分析方法：采用R2、RMSE、MAE和AIC进行统计评估，分析昼夜/季节变化规律、空间分布特征及误差来源。