空气污染不仅会影响人们的生活与健康,而且对整个社会经济的可持续发展也会产生很大的影响,因此对空气污染及其预报的研究十分重要。基于此,本文利用全国不同气候区10个代表城市（哈尔滨、乌鲁木齐、兰州、太原、北京、拉萨、成都、武汉、南京和广州）2015²017年逐日逐小时PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO的浓度资料,研究了10个代表城市污染物浓度的时间变化特征,以及污染物浓度之间的相互关系;并利用同期NCEP/NCAR的GFS数值预报产品（位势高度、风速u、v分量、垂直速度、气温和相对湿度,以及地面露点温度、边界层厚度和边界层通风系数等空气污染气象参数）,计算了温带、亚热带城市（以北京和广州为代表城市）相关的空气污染气象参数（稳定能量、假相当位温差、近地面等压面高度场梯度、低层平均风速、涡度、散度、温度平流等）。在此基础上,研究了北京和广州空气污染物浓度与气象条件的关系,采用逐步回归方法,建立了两个城市空气污染物浓度(PM_2.5、SO₂和O₃)的预报方程,并对预报结果进行了检验。主要研究结果如下:（1）10个代表城市PM_2.5、PM₁₀、SO₂、NO₂和CO五种污染物浓度年变化基本呈“冬季高夏季低”的特点,而污染物O₃浓度的年变化趋势则相反;北方代表城市污染物浓度的年变化幅度大于南方代表城市。六种污染物浓度存在明显的日变化特征,其中O₃浓度在14:00¹6:00达到最高,夜间浓度最低;其它五种污染物浓度峰值多出现在上午和夜间,谷值基本出现在16:00左右。北方代表城市除SO₂和O₃外,其它四种污染物浓度的日变化均呈两峰两谷型;南方代表城市除PM_2.5、SO₂和O₃外,其它三种污染物浓度的日变化均呈两峰两谷型。所有代表城市PM_2.5、PM₁₀、SO₂、NO₂、CO五种污染物之间均呈正相关,除广州以外的其它代表城市,O₃与其它污染物均呈负相关,而广州PM_2.5、PM₁₀与O₃呈正相关,SO₂、NO₂、CO与O₃呈负相关。PM_2.5与PM₁₀浓度的正相关程度最高,O₃与NO₂浓度的负相关程度最高。（2）对2015²017年温度年较差与纬度协同作用对六种污染物浓度年较差影响的研究得出的结论为:在温度年较差与纬度的协同作用下,纬度高是导致PM_2.5和PM₁₀浓度年较差增大的主导因素,温度年较差的增大进一步加强了纬度对浓度年较差的作用;SO₂浓度年较差与温度年较差之间的关系不明显,但在39°N左右达到浓度年较差峰值;纬度为22°N、32°N和42°N时,NO₂浓度年较差基本始终处于较大的状态,在峰值对应的纬度,NO₂浓度年较差随着温度年较差的增大而进一步增大;温度年较差为5℃左右,O₃浓度年较差最小,纬度高、温度年较差为23℃左右的条件下,O₃浓度年较差最大;纬度高、温度年较差大对CO浓度年较差的影响有协同加强的作用。（3）通过优选和统计分析以往很少采用但能更好代表边界层整层大气扩散特征的相关空气污染气象参数与北京和广州三种污染物(PM_2.5、SO₂和O₃)浓度之间的关系,研究表明稳定能量、假相当位温差、涡度和温度平流与北京和广州市PM_2.5、SO₂的相关程度近于相反;稳定能量和涡度与两个城市O₃之间以负相关为主,假相当位温差与北京和广州市O₃之间分别以负相关和正相关为主,温度平流刚好相反。其中温度平流与三种污染物浓度之间的相关程度比其它气象条件低,且没有明显的分布规律。（4）高度场梯度和低层平均风速与广州市PM_2.5、SO₂的负相关程度高于北京;高度场梯度与两个城市O₃之间以正相关为主,低层平均风速与北京和广州市O₃之间分别以正相关和负相关为主。散度与北京市PM_2.5、SO₂、O₃的正相关程度都高于广州。边界层厚度与两个城市PM_2.5、SO₂之间以负相关为主,与O₃之间呈正相关。（5）边界层通风系数与北京和广州市PM_2.5、SO₂之间呈负相关,与O₃之间以正相关为主。垂直速度与北京和广州市PM_2.5、SO₂、O₃之间以正相关为主。地面露点温度与北京市PM_2.5、SO₂和O₃之间以正相关为主;与广州市PM_2.5、SO₂和O₃之间以负相关为主。（6）在优选空气污染气象参数的基础上,采用高空间分辨率的NCEP/NCAR的GFS数值预报产品,利用逐小时空气污染物浓度资料和逐步回归方法,筛选了最佳预报因子,建立了温带的北京和热带的广州逐3小时的0⁷2小时短期精细化空气污染物浓度预报模型,能够拟合PM_2.5、SO₂和O₃污染物浓度随边界层气象条件的变化增大或减小的趋势,可为制作考虑气象因素影响更为全面的精细化空气质量预报提供参考与技术支持,经检验可以应用于当地的空气质量预报工作。