PM2.5是大气中的悬浮颗粒物,其颗粒直径小于或者等于2.5μm。PM2.5指数高低表示雾霾天气的严重程度。GNSS信号穿越大气层时,会受到大气水汽的影响,产生信号延迟的现象。雾霾天气来临时,PM2.5颗粒物的增加,大气水汽也会随之变化。能否根据PM2.5、水汽和对流层延迟三者之间的变化,探寻它们之间的关系模型,利用水汽进行雾霾监测。雾霾是近些年来一直困扰着我们的大气污染现象。如果能够及时获得雾霾天气的预报,就能采取一些降低雾霾的相应措施,减小其危害。地基GNSS探测水汽技术衍生于气象学和GNSS技术,近些年来已经在水汽探测方面获得一些成果,成为一种有效的探测手段。地基GNSS水汽反演技术能够进行全天候观测,不受云、雨等天气的影响,利用现有的CORS网络节省资源,反演结果精度高,具有传统技术不可比拟的技术优势。地基GNSS反演水汽过程主要是利用卫星信号在大气传播过程中产生的对流层延迟进行大气水汽的解算,对流层延迟包括静力延迟和湿延迟,其中静力延迟也称干延迟,可以通过气温和气压等地面大气因素利用静力延迟模型进行计算。湿延迟受水汽影响变化无常,不能够算出其精确值,但可以从对流层总延迟中扣除静力延迟获得湿延迟。再通过转换系数,将湿延迟转换为大气水汽。本次研究运用高精度数据处理软件GAMIT。选取香港卫星定位参考网站的数据,首先解算出香港地区的大气可降水量,结合香港环境保护署提供的PM2.5浓度数据,分析它们趋势图的变化情况。再对PM2.5与大气可降水量PWV（Precipitable Water Vapor）进行相关性分析和回归方程的建立,应用于雾霾监测。同时考虑到大气污染物在特定条件下会形成PM2.5前的气态物质,将大气污染物一氧化碳（CO）、二氧化氮（NO₂）、PM10等六种污染物与PWV、PM2.5结合在一起,进一步分析它们之间的关系,并利用多元线性回归建立关系模型。主要研究内容如下:（1）对比分析陈永奇（2007）、王晓英（2011）、刘焱雄（2000）和Bevis（1992）四种8)模型的精度,结果表明:王晓英（2011）模型的平均偏差约0.65mm,明显优于其他模型,满足香港地区反演高精度水汽的需求。（2）对PM2.5与ZTD、ZWD、ZHD、PWV进行相关性分析。通过对比天顶总延迟（ZTD）、天顶湿延迟（ZWD）、天顶静力延迟（ZHD）和大气可降水量（PWV）与PM2.5的变化趋势图,发现PM2.5与ZHD的趋势大致相同,而与ZTD、ZWD和PWV呈趋势相反。进一步对其进行相关性系数的确定。通过对香港卫星定位参考站网和香港空气素质监测站数据的匹配,选取了基本能够覆盖整个香港地区的蓝地～屯门、锦田～元朗、粉岭～大埔、黄石～塔门、沙田～沙田、昂船洲～深水埗六个站的数据,对六个站的分析结果为:PM2.5与ZTD、ZWD、ZHD、PWV的相关系数最大值分别为0.637、0.787、0.617、0.658,均通过了0.01的显著性检验,说明它们之间具有明显的相关性。（3）建立了PWV与PM2.5线性回归模型,并用2015年数据对模型进行精度的评定。该模型方程R2最大值为0.433,对观测值和估计值进行分析验证了模型的适用性。对香港地区锦田～元朗站一次雾霾期间PWV与PM2.5的相互变化进行了描述和分析。水汽和雾霾都具有季节性,进一步分析了PM2.5与水汽四季的相关性。（4）结合大气污染物一氧化碳（CO）、二氧化氮（NO₂）、氮氧化物（NO_x）、二氧化硫（SO₂）、臭氧（O3）、PM10数据与PWV,分析其与PM2.5的相关关系,建立它们之间的多元线性回归方程。回归方程R2最大值为0.957,说明该方程回归效果显著。通过2015年1月屯门～蓝地站的数据进行了模型精度的验证,真实值和预测值的相关系数为0.98,说明该方程回归效果显著,该模型用于雾霾的监测具有一定的实用性。