ปัญหาฝุ่นละอองขนาดเล็กที่มีขนาดเส้นผ่านศูนย์กลางเล็กกว่า 2.5 ไมครอน (PM2.5) ในบรรยากาศนับเป็นปัญหาสิ่งแวดล้อมที่สำคัญ ที่ส่งผลกระทบต่อสุขภาพ สถานีตรวจวัดฝุ่นเหล่านี้มีอยู่อย่างจำกัดและไม่ได้ครอบคลุมทั่วทุกพื้นที่ จึงทำให้ขาดข้อมูลเพื่อการจัดการในด้านการวงแผนเพื่อลดฝุ่น และการเฝ้าระวังผลกระทบต่อสุขภาพ การศึกษานี้มีจุดประสงค์เพื่อศึกษาการกระจายตัวของฝุ่น PM2.5 เชิงพื้นที่และเวลา ศึกษาความสัมพันธ์กับปัจจัยทางอุตุนิยมวิทยา รวมถึงการสร้างแบบจำลองสมการถดถอยการใช้ที่ดิน (Land use regression model: LUR) เพื่อคาดการณ์ปริมาณฝุ่น PM2.5 ในบรรยากาศของกรุงเทพมหานครและปริมณฑล ในการศึกษานี้มีการนำข้อมูล PM2.5 ย้อนหลัง 10 ปี จากสถานีตรวจวัดมาใช้ โดยอาศัยข้อมูลการใช้ที่ดิน ข้อมูลอุตุนิยมวิทยา ภาพถ่ายดาวเทียม มาประกอบ และใช้สมการถดถอยพหุคูณในรูปแบบการวัดซ้ำ ในการสร้างแบบจำลอง การศึกษาพบว่า ฝุ่น PM2.5 มีการกระจายตัวแปรผันตามฤดูกาล และมีความสัมพันธ์ในระดับสูงกับฝุ่น PM10 และ มีความสัมพันธ์ในรดับปานกลางกับ NO2 และ O3 โดยปริมาณฝุ่นมีสูงในพื้นที่ฝั่งตะวันตกไปจนถึงทิศเหนือของกรุงเทพ ฯ ในการสร้างแบบจำลองได้ใช้ข้อมูลย้อนหลังตั้งแต่เดือนมิถุนายน 2560 ถึง กันยายน 2564 ซึ่งเป็นข้อมูลที่สมบูรณ์ที่สุดมาใช้สร้าง จากแบบจำลองถดถอยการใช้ที่ดินพบว่าปริมาณ NO2 ในบรรยากาศ และ พื้นที่ถนน การคมนาคมขนส่ง สถานีรถ สนามบิน ในรัศมี 500 เมตร สัมพันธ์กับปริมาณฝุ่น PM2.5 ที่สูงขึ้น ในขณะที่พื้นที่เมือง การค้า ในรัศมี 100 เมตร และพื้นที่แหล่งน้ำ ในรัศมี 200 เมตร สัมพันธ์กับปริมาณฝุ่นที่ลดลง (p < 0.001) แบบจำลองที่ได้มีค่า R2 = 0.78 (RMSE = 0.0932) และมีค่า Cross-validation R2 = 0.76 แบบจำลองที่ได้สามารถนำไปใช้ในการพยากรณ์ฝุ่น PM2.5 บริเวณที่ไม่มีสถานีตรวจวัดได้ ข้อมูลความสัมพันธ์กับการใช้ที่ดินนี้จะเป็นแนวทางประยุกต์ใช้เพื่อการจัดสรรพื้นที่ให้เหมาะสมที่จะช่วยลดปริมาณฝุ่น PM2.5 ในเขตพื้นที่กรุงเทพมหานครและปริมณฑล และแบบจำลองนี้ยังสามารถใช้เพื่อการประเมินผลกระทบต่อสุขภาพจาก PM2.5 ต่อไป<br><br>Particulate matter with an aerodynamic less than 2.5 ?m (PM2.5) is important environmental issue. Exposure to high concentration of PM2.5 can cause the adverse health outcomes. The monitoring station number is limited and not cover the large area. This study aims to investigate the spatiotemporal distribution of PM2.5 and correlation with other meteorological parameters. Moreover, the study also aims to develop the land use regression model (LUR) for PM2.5 prediction in Bangkok and vicinity area. The retrospective data from monitoring stations for 10 years were used along with the meteorological data, land use data, and remote sensing data. Multivariate regression analysis with repeated measure data were used to construct LUR. Results suggested that PM2.5 in Bangkok and vicinity area were seasonally distributed. PM2.5 levels were highly correlated with PM10 and moderate correlated with NO2, and O3. PM2.5 is highly concentrated in the west to the north of Bangkok area. To develop LUR, the most complete data period from June 2017 to September 2020 were used. Final LUR model suggested that NO2 level and the road, transportation, and airport area within 500 m buffer zone were significantly associated with the increasing of PM2.5 level, while the town and commercial areas and the water body area were significantly associated with the decreasing of PM2.5 (p < 0.001). The LUR model R2 = 0.76 (RMSE = 0.0932) with the Cross-validation R2 = 0.76. This LUR model can be used to predict PM2.5 level in the other location where the monitoring station is not available. The relationship between PM2.5 and land use in this study can be a guideline for the proper land management to reduce the PM2.5 in Bangkok and vicinity area. Moreover, the LUR can also be used for the health impact assessment from PM2.5 exposure.