气候变化与森林植被影响着PM_(2.5)质量浓度的分布，而PM_(2.5)作为空气的重要污染物也可直接或间接影响森林植被生长。目前，基于光学气溶胶厚度（AOD）反演日间PM_(2.5)的技术已经较为成熟，夜间PM_(2.5)作为日间PM_(2.5)的补充，对于PM_(2.5)的全天监测具有重要意义。基于辐射传输理论，以夜间灯光亮度、增强型植被指数和7个气象因素（2 m露点温度、2 m温度、U风速分量、V风速分量、大气表面压力、蒸发量、降雨量）作为输入变量，夜间PM_(2.5)质量浓度作为响应变量，建立机器学习估算模型，以期为东北三省夜间PM_(2.5)质量浓度监测提供参考。结果表明，基于集成树构建的模型具有较高的估算精度，其拟合优度（R2）为0.68，平均绝对误差（MAE）为7.05μg/m~3，均方根误差（RMSE）为11.62μg/m~3。此外，通过分析东北三省各监测站PM_(2.5)估算值与真实值的误差，发现模型具有一定的时空敏感性。通过及时准确地掌控夜间PM_(2.5)质量浓度的分布状况，可以为森林植被保护工作的开展提供参考。