Los factores ambientales naturales y la intensidad de la actividad humana, los dos principales factores que afectan la distribución espacial y temporal de la concentración de PM cerca de la superficie, tienen diferentes mecanismos de acción sobre la concentración de PM. En este artículo, se propone un modelo híbrido secuencial de dos etapas GTWR-XGBoost con el objetivo de detectar la expresión de la heterogeneidad espaciotemporal en el modelo de recuperación de concentración de PM de aprendizaje automático tradicional y la dificultad de expresar la compleja relación no lineal en el modelo de regresión estadística. En la primera etapa, se utilizan los factores ambientales naturales para predecir la concentración de PM con características espaciotemporales mediante el método de diagnóstico de colinealidad y el método de Regresión Geográficamente y Temporalmente Ponderada (GTWR). En la segunda etapa, los resultados de simulación de la primera etapa y los factores naturales eliminados a través de la regresión paso a paso LUR en la primera etapa se introducen en el modelo XGBoost junto con los factores de intensidad de actividad humana en la zona de amortiguamiento con el mejor coeficiente de correlación de PM, y finalmente la distribución temporal y espacial de la concentración de PM. Tomando como ejemplo el Círculo Económico de Chengdu-Chongqing, se utiliza el modelo propuesto para recuperar la concentración de PM y se compara con el modelo único GTWR, XGBoost y el modelo de acoplamiento publicado recientemente. Los resultados experimentales muestran que la validación cruzada del modelo GTWR-XGBoost de dos etapas es de 0.92, 5.44 ug·m y 4.12 ug·m, respectivamente. En comparación con los modelos únicos anteriores, aumentó en 0.01 y 0.12, y disminuyó en más de 0.11 y 3.1, respectivamente. En comparación con el modelo de acoplamiento publicado recientemente, aumentó en 0.02 y se redujo en más de 0.4. Además, la concentración de PM en Chengdu-Chongqing mostró cambios temporales y espaciales estacionales obvios, y las proporciones de influencia de los factores ambientales naturales y de la intensidad de las actividades humanas sobre el PM fueron 0.66 y 0.34. Los resultados muestran que el modelo GTWR-XGBoost de dos etapas no solo puede describir la heterogeneidad y reflejar objetivamente la compleja relación no lineal entre el fenómeno y los factores influyentes, sino también mejorar la interpretabilidad del fenómeno al simular las características de distribución espaciotemporal de la concentración de PM.