随着人类经济社会发展及自然环境变化,华北地区灰霾频发,河北省尤为严重,对人类生产生活和身体健康都具有显著影响,灰霾已成为河北发展最急需解决的环境问题。悬浮在大气中的颗粒物（particulate matter,PM）是灰霾发生的根源所在。其中,可吸入颗粒物(PM₁₀)及细颗粒物(PM_2.5)是大气颗粒物最重要的组成成分,很大程度上决定空气质量指数（Air Quality Index,AQI）的好坏。对PM_2.5和PM₁₀的相关研究已成为热点。PM_2.5和PM₁₀监测最高效的方法就是可以小尺度实时监测的地面监测站。然而对于经济欠发达地区,覆盖密度不足、维护不够、基础设施不完善等原因,仅靠这一种监测手段难以实现可靠、稳定的高时间分辨率监测。需要其他简单高效且具高时间分辨率的监测手段作为补充。近两年,有学者发现GNSS对流层延迟与大气颗粒物浓度之间存在相关性,而GNSS对流层延迟是可以高时间分率近实时解算的,为利用GNSS对流层延迟监测大气颗粒物浓度提供了可能性。本文在GNSS对流层延迟与大气颗粒物浓度的存在相关性出的基础上,以河北省保定市和唐山市的秋冬季节数据为例,分析了二者相关性的来源,并联合气象元素分别建立线性和非线性的回归模型。主要工作和贡献如下:（1）以小时和日均值两个尺度,系统分析了大气颗粒物浓度、大气可降水量和地表水气含量的变化规律及相关性。研究发现,地表水气含量与大气颗粒物浓度24h整点时刻变化规律相近,而与大气可降水量在日均值尺度上具有相似的变化规律。在小时尺度上,大气可降水量与大气颗粒物浓度存在正相关性,相关系数主要集中在0.3-0.5;地表水汽含量与大气颗粒物浓度也存在正相关性,相关系数主要在0.5-0.7之间。证实PWV和地表水汽含量可用于监测大气颗粒物浓度。同时,分析了气温等气象元素与大气颗粒物浓度的相关性,为后续的建模提供基础。（2）提出基于大气可降水量、地表水汽含量和气象元素建立多元线性回归模型。经过对比分析,加入大气可降水量和地表水汽含量可使模型精度提高约20%;通过分析大气颗粒物浓度的自相关性和偏自相关性,又提出在多元线性回归模型中,加入大气颗粒物浓度基础值,经分析可使模型精度再提高约50%。考虑到加入浓度基础值模型在使用时需要采用递推方式,存在误差累计,需要数据验证其实际效用。经数据分析得出,在6小时内,递推模型是可靠的,PM_2.5递推精度在50-80μg/m³以内,PM₁₀递推模型精度可以在80-110μg/m³以内。（3）提出基于大气可降水量、地表水汽含量、大气颗粒物浓度基础值、气象元素建立大气颗粒物浓度广义可加模型。并根据大气颗粒物浓度本身的日周期性以及广义可加模型非单调非线性的特性,提出将时刻值作为解释变量加入到模型中。经数据验证,时刻值的加入能改进模型精度约5%;无浓度基础值加入时,PM_2.5广义可加模型比线性模型精度可提高10%-30%;加入浓度基础值时,PM_2.5广义可加模型比线性模型精度可提高15%。在内插6小时以内数据时,广义可加模型与线性模型精度大部分情形下基本相当。而在6小时之后,无浓度基础值的广义可加模型精度更稳定且更高。综合各模型的实际使用效用,在内插6小时以内数据时,选择交叉检验精度更高的加入浓度基础值的广义可加模型或者线性模型。对于内插超过6小时的数据时,则无浓度基础值的广义可加模型更为可靠。这样基本可以保证PM_2.5浓度24小时内缺失数据内插精度在50-80μg/8)³以内,PM₁₀浓度24小时内缺失数据内插精度在80-110μg/8)³以内。（4）分析了大气颗粒物浓度与GNSS数据处理的关系。结果表明,GNSS相对定位基线解算和精密单点定位的精度与大气颗粒物浓度没有显著的直接关系;大气颗粒物浓度也不会显著影响GNSS反演大气可降水量的精度。经过分析,大气可降水量是因为与地表水汽含量共同作用,表征大气垂直运动,进而表现出与大气颗粒物浓度的相关性。