Con el rápido desarrollo de la industrialización y urbanización, la contaminación del aire se está volviendo cada vez más grave. La predicción precisa de la concentración de PM es de gran importancia para la protección del medio ambiente y la salud pública. Nuestro estudio toma el área urbana de Nanning, que tiene características geográficas, climáticas y de fuentes de contaminación únicas, como objeto. Basándose en los datos de ráster de doble resolución temporal del Conjunto de Datos de PM de Alta Resolución y Alta Calidad de China (CHAP) de 2012 a 2023, se lleva a cabo el estudio de predicción de concentración de PM utilizando los modelos SARIMA, Prophet y LightGBM. El estudio compara sistemáticamente el rendimiento de cada modelo desde las dimensiones espaciales y temporales utilizando indicadores como el error cuadrático medio (MSE), el error absoluto medio (MAE) y el coeficiente de determinación (R). Los resultados muestran que el modelo LightGBM tiene una fuerte capacidad para extraer relaciones no lineales complejas, pero su estabilidad es pobre. El modelo Prophet tiene ventajas evidentes en el tratamiento de la estacionalidad y la tendencia de series temporales, pero carece de adaptabilidad a cambios complejos. El modelo SARIMA se basa en la teoría de predicción de series temporales y se desempeña bien en algunos escenarios, pero tiene limitaciones en el tratamiento de datos no estacionarios y la heterogeneidad espacial. Nuestra investigación proporciona una referencia de rendimiento de modelos multidimensionales para predicciones de concentración de PM posteriores, ayuda a los investigadores a seleccionar modelos razonablemente según diferentes escenarios y necesidades, proporciona nuevas ideas para analizar patrones de cambio de concentración y promueve el desarrollo de investigaciones relacionadas en el campo de la ciencia ambiental.