城市内部PM_(2.5)浓度分布具有明显的空间异质性,而传统方法基于遥感数据或监测站点数据进行分析,难以揭示高时空分辨率下城市内部的PM_(2.5)浓度分布特征,缺少不同时刻城市场景(如:道路、工业区、住宅区等)对PM_(2.5)浓度复杂非线性影响的解析。本研究将移动监测传感器安装于快递车上,采集福州市主城区南部不同类型场景的PM_(2.5)浓度,然后融合地理加权回归(Geographical　Weighted　Regression,　GWR)和梯度提升决策树(Gradient　Boosting　Decision　Tree,　GBDT)方法,提出一种基于GWR-GBDT的PM_(2.5)模拟与场景解析模型,能够较好地拟合气象、场景因素与PM_(2.5)浓度的非线性关系,提升了城市PM_(2.5)污染精细监测能力;并结合部分依赖图解析不同时段不同场景因素对PM_(2.5)浓度的非线性作用影响。结果表明:(1)基于移动PM_(2.5)浓度监测数据,利用GWR-GBDT模型能够较好地模拟城市场景、气象和PM_(2.5)浓度之间的非线性关系,能够有效精细模拟PM_(2.5)浓度的空间分布,十折验证R2结果为0.52～0.94;(2)通过部分依赖图分析同一场景在不同时段对PM_(2.5)浓度响应的异质性,发现各类场景对PM_(2.5)浓度提升或抑制作用并不稳定;(3)解析不同时段人类活动与城市场景对PM_(2.5)浓度的交互作用发现,教育医疗单位和住宅区两类场景对PM_(2.5)浓度的提升作用都与人类通勤有密切关系,高污染场景中的建筑工地在采取的洒水降尘措施后能在数小时内有效缓解PM_(2.5)污染,公园文体服务区在多数时段对PM_(2.5)浓度具有抑制作用,工业区和道路多数时段会致使对PM_(2.5)浓度提升;(4)从PM_(2.5)浓度的空间分布来看,福州市主城区南部PM_(2.5)浓度总体呈现东南高-西北低的分布趋势,建筑工地、道路和工业区场景轻度以上污染面积占比明显高于其他场景,公园场景总体PM_(2.5)浓度较低,山体公园傍晚会受到周边工业区的影响而导致PM_(2.5)浓度升高,而城市陆地外围水域对沿岸PM_(2.5)浓度具有抑制作用;(5)研究结果可为不同场景下PM_(2.5)污染精细化治理、城市规划以及老人、儿童等高危人群的PM_(2.5)污染暴露风险防范提供支持。