本文研究了2013年-2018年云贵高原地区颗粒污染物的时空变化特征及其影响气象因子。使用了2013–2018年中国高分辨率大气污染再分析数据集（CAQRA）、MERRA-2气溶胶数据作为颗粒物资料,ERA5再分析数据、全球资料同化系统气象数据（GDAS）作为气象数据。首先对2013年-2018年间的颗粒物的不同时间尺度变化进行讨论,侧重于研究云贵高原颗粒物污染发生的3、4月;其次对3、4月内的时次进行每隔6小时的后向轨迹模式追踪,根据气团来源的不同分为4类,发现类型2为污染型,进而讨论在类型2下,气象因子对颗粒物浓度变化的影响;接着在类型2下筛选出污染事件,探求污染事件内气象因子的变化,并进一步研究典型天气系统对污染的影响;最后详细分析了一次典型污染过程,检验污染天气类型以及气象影响因子的合理性。主要研究成果如下:从年际变化来看,2013-2018年间云贵高原PM2.5、PM10都是整体下降趋势,而PM2.5浓度下降较为明显,云南省PM10浓度总体略有下降,其中云南省西部的PM10浓度甚至略有升高。在年内变化中,3-4月是云南省污染最严重的月份,12-1月是贵州省污染最严重的月份。在日变化中,9-12时为一天中PM2.5浓度最大的时刻。通过EOF分析的空间第二模态可发现,云南省与贵州省的空间系数相反,因此造成两个省颗粒物污染的主控因素可能不同,云南污染最严重的地方主要位于西部和南部边境地区,而贵州污染最严重的地区主要位于东北部靠近四川盆地的区域。3、4月云南省的颗粒物浓度与境外气溶胶有关。利用Hysplit后向轨迹模式将2013-2018年间3、4月每隔6小时的气团路径进行聚类分析,聚类数目为4,类型1为偏西路径（近距离）,占比30%;类型2为偏南路径,占比26%;类型3为偏西路径（远距离）,占比21%;类型4为东北路径,发生次数33次,占比2%。其中类型2下污染物浓度最大,可以认为是污染型,在此类型中700h Pa-500h Pa间在中南半岛南部沿海均存在槽,其主要表现在700h Pa上,槽的最深处可达14oN,从地表至700h Pa间均存在偏南风,在中南半岛与云南之间形成了深厚的传输层,有利于东南亚及周边地区的污染物向云南进行输送。利用逐步回归分析筛选影响2013-2018年3、4月间颗粒物浓度的气象要素,发现地面2m温度（t2m）、地面10m经向风速（v10）、边界层高度（BLH）和地表相对湿度（rh）四个气象因子对PM2.5、PM10浓度有很大贡献。利用百分位法进行划分,t2m与颗粒物的关系呈U型结构,在t2m＜282.7K时,PM2.5、PM10浓度达到最大值,t2m在282.7K-287.8K的区间内,随着温度的增大,颗粒物浓度并没有明显改变,在大于287.8K后,颗粒物浓度有着明显上升趋势;v10＜0时,即偏北风时,PM2.5、PM10的平均浓度极小,在v10＞0时,即为偏南风,PM2.5、PM10浓度随着风速的加大而增加;PM2.5、PM10浓度随边界层高度（BLH）的变化为一个不规则的”W”型,当BLH＞130.4m时,PM2.5随着边界层高度增加浓度降低,而当BLH＞1537.7m时,PM2.5、PM10随着边界层高度增加浓度显著升高;rh＜64.3%时,PM2.5及PM10下降速率最快,而rh＞79.1%后,其变化幅度不大在污染事件前后三天内,云南省中部及西部t2m呈现先升高,后下降的趋势,而云南省东部及贵州省的t2m持续上升;云贵高原区域v10整体呈现先升高,后下降的趋势;云南省中部及西部BLH为持续升高的趋势,而云南省东部及贵州省的BLH为先升高,再降低的变化。云南省中部及西部rh将持续上升而云南省东部及贵州省的rh呈现先升高,后下降的趋势。槽的出现与否并不能代表出现较强的污染,而槽线的不同位置,对于污染的来源以及扩散有着很大影响,槽线位置在89°E-91°E时,虽然颗粒物的源地附近浓度较高,但是没有很好的扩散条件,而在91°E-93°E时,颗粒物可以扩散至位于云南省东北部的昆明市及东南部的蒙自市,其PM2.5浓度均值达到极大值。