基于2018年中国逐日PM_2.5数据，选用随机森林方法构建了高精度PM_2.5浓度估算模型，并在季节和区域尺度上验证了其时空适用性，进一步利用特征重要性方法系统阐释了各影响因子对PM_2.5浓度变化的重要程度，最后利用偏依赖技术探究了不同影响因素的交互作用对PM_2.5浓度变化产生的综合影响。结果表明：(1) 相比于多元线性回归与极端梯度提升树模型，利用多源数据构建的随机森林模型精度最高，可准确模拟出PM_2.5的浓度，且在季节和区域尺度上也有良好的适用性；(2) PM_2.5浓度估算模型的特征重要性排序分析发现，对2018年全国日均PM_2.5浓度影响显著的因子主要是时空、大气边界层高度等全局性因素，表明大气污染防治应把握PM_2.5传输机制，强化区域联防联控；(3) 偏依赖交互效应研究发现温度和相对湿度以及年积日、纬度、温度和大气边界层高度的组合对PM_2.5浓度变化会产生显著影响，说明提升空气质量要从多因子协同治理的角度出发。