大气污染的综合防治需要从不同尺度的区域出发, 充分研究区域的环境特点, 需要对空气质量有作用的多种因素进行全面系统的分析, 获取大气污染物浓度时空分布是了解区域污染特征的重要途径。 获取高空间分辨的大气污染物柱浓度分布情况是掌握区域污染程度的重要前提。 由大气扩散模型, 排放源周边的大气污染物的柱浓度服从高斯分布。 将车载被动差分光学吸收光谱（DOAS）获取的对流层污染气体垂直柱浓度空间分布信息结合序贯高斯模拟方法重构了高空间分辨率的区域污染物柱浓度分布及其误差分布。 分别选取工业园区（钢铁企业）、 城市区域（北京市怀柔城区、 北京市通州城区）等典型区块进行走航观测, 获取观测路径上的NO2和HCHO柱浓度, 结合地理信息网格化车载观测数据, 利用序贯高斯模拟获取了观测区域的NO2和HCHO柱浓度分布以及污染物柱浓度误差分布, 重点分析了该方法在排放特征不同的区域柱浓度分布模拟重构的可行性及重构结果的不确定性。 某钢铁企业、 怀柔城区、 通州城区内污染源依次减少, 气态污染物分布的结构复杂性依次降低。 由半方差分析结果, 某钢铁企业由于NO2排放源多, 污染物柱浓度空间依赖性略弱, 城市区域污染物柱浓度表现出强烈的空间相关性, 并且整体呈现出了区域污染源越复杂, 空间相关性的范围越小的特点。 基于立体监测数据获取了观测区域百米空间分辨的污染物垂直柱浓度分布及误差分布, 在不依赖下垫面数据、 源清单数据或人口分布数据的基础上基于实测数据低成本地获取了重点工业区或城市区域气态污染物的分布细节, 同已有的卫星遥感等方法获取污染气体垂直柱浓度分布相比, 空间分辨率提高了2～3个数量级, 同时通过柱浓度误差分布定量评估了模拟重构的准确性。 针对不同排放特征的重点区域大气污染状况, 提供了新的准确性可评价的实测手段, 该方法对了解区域污染状况、 污染控制对策及控制效果的评估具有重要作用。