细颗粒物（PM2．5）是长三角地区冬季空气污染的累积主导地，其中气象要素起着重要作用。结合WRF化学模型和WRF FDDA技术，分析了2019年1月12日至16日长三角地区典型的PM2．5污染过程。通过敏感性试验，研究量化分析地表温度、风速和相对湿度对该地区PM2．5浓度的影响，并利用自动气象站观测数据的四维数据同化试验，探讨气象场对PM2．5模拟的改善。模拟结果表明，长三角地区PM2．5的污染受到气象条件的显著影响，PM2．5浓度与风速和温度显著相关，与相对湿度呈正相关。水平风速降低40%，温度升高3%，相对湿度增加20%，导致高山浓度变化分别为+4.68%、-2.82%和+2.2%。气象资料的同化显著提高了模拟气象场的精度，均方根误差相对湿度（RMSE）统计下降9.68%，气温下降1.02，风速下降0.35m·s－1，这也提高了高山集中度的模拟效果。其中，模拟和观测的高山浓度之间的相关系数增加了0.11，RMSE降低了9.17 g·l。定量研究气象要素气候变化对大气污染物的影响，通过数据同化改进高山模拟，可以提高大气污染的预测水平和有效控制