针对PM_2.5化学组分监测中地面观测离散、垂直探测不足和区域连续表征能力有限等问题，本研究构建了“地面重构-垂直反演-机理解释-同化再分析”一体化技术框架。首先，基于多源地面观测和深度学习模型，实现了PM_2.5关键化学组分小时浓度的高精度重构；进一步结合地基激光雷达长期观测与物理约束深度学习方法，获得了硫酸盐（SO₄^2-）、硝酸盐（NO₃^-）、铵盐（NH₄⁺）、有机物（OM）和黑碳（BC）等组分的边界层垂直廓线，拓展了化学组分从地面到垂直方向的连续监测能力。在此基础上，以硫酸盐为例，利用可解释人工智能方法定量揭示其垂直分布的关键驱动因素，结果表明气象条件总体贡献高于化学前体物，湿度、温度及区域输送对边界层硫酸盐演变具有重要影响。最后，构建了传统化学传输模式同化系统和增量式人工智能同化系统，提升了PM_2.5化学组分区域连续模拟与再分析能力。研究可为大气环境多尺度监测、污染成因诊断及智慧决策提供科学支撑。