大气污染地面观测提供空间点的浓度信息，三维化学传输模式提供网格面的浓度信息，两者在进行对比验证或同化融合时会因为空间尺度不匹配引入误差，即观测代表性误差。为了评估和量化地面观测代表性误差，本文分别基于高密度地面观测网络数据和高分辨率模拟数据开展了观测代表性误差估计研究。　　首先结合京津冀地区大气污染国控监测站与区县监测站的地面观测数据，对京津冀地区PM2.5、PM10、SO2、NO2、CO和O3的地面观测代表性误差进行了客观估计，发现直接采用Elbern等(2007)方法及其参数会显著低估京津冀地区SO2、CO和O3地面观测的代表性误差。在此基础上，对Elbern等(2007)方法的误差特征参数进行了本地化修正，建立了京津冀地区多污染物地面观测代表性误差的客观估计方法。结果表明，在较粗网格模式分辨率下(如30km×30km)，网格内不同站点监测的污染物浓度值差异可能很大，当利用单个观测站点与模式网格化数据进行对比验证或同化融合时，观测点与模式网格面不匹配引入的代表性误差是一个重要误差因素，在模式验证和数据同化应用中必须对其考虑，这个误差有可能超过模式自身产生的误差。　　基于上述高密度观测网络代表性误差研究的不足之处在于目前观测站点主要分布在大城市城中心或区县城中心，主要反映城区站点的代表性误差信息，难以体现城区和郊区之间差别。针对这一问题，本文采用了高分辨率模拟数据来进一步探讨这一问题。因为计算资源有限，数据存储量巨大，本文仅选取北京地区建立高分辨率模拟数据，水平分辨率为1km×1km，利用这一数据对不同区域观测代表性误差进行了估计。结果发现，城区观测站点代表性误差高于郊区站点代表性误差，这表明利用地面观测站点开展模式验证或同化时，需要考虑不同类别站点的区域代表性问题。在与观测站点重合的城区，基于高分辨率模拟数据估计的PM2.5、PM10代表性误差与基于高密度观测网络数据估计的结果较为一致。在不同网格分辨率下估计的代表性误差变化曲线也与观测研究相似，表明本文对Elbem等(2007)方法的误差特征参数进行本地化修正是合理的，适用于我国。根据模式网格分辨率和代表性误差估计值的关系，给出了不同分辨率下考虑代表性误差下模拟误差（模拟值-观测值）的合理波动范围和根据不同需求挑选合适模式分辨率的建议。