细颗粒物(PM2.5)是世界卫生组织认定的致癌物之一。近年来中国（尤其是京津冀地区）PM2.5污染事件频发，引发了大众对PM2.5健康影响的强烈关注，PM2.5的健康效应也成为当前研究的热点。PM2.5暴露浓度的计算是研究健康效应的基础，在大样本队列研究中，往往使用暴露模型来估算个体暴露浓度，然而传统的暴露模型普遍存在时空分辨率低、假设不合理和依赖测量数据等不足。　　本研究以个体行为轨迹为基础建立精细化PM2.5暴露模型。首先本研究面向研究区域进行人群问卷调查，获取人群行为模式，确定暴露模型构成形式。问卷调查了研究区域人群日均活动时间、日常出行方式、日均活动范围和周边污染源等，获取有效问卷671份。综合调查统计结果，本研究确定暴露模型由四个主要模块组成，分别是:GPS模块、浓度场模块、微环境模块和污染源模块。各模块原始数据分别为GPS接收器、卫星遥感图像、研究区域建筑物边界以及污染源经纬度。本研究使用VBA、Python等编程软件处理各类数据，统一数据格式成为暴露模型组成模块。通过GPS模块在浓度场模块中检索对应时空处的PM2.5浓度，并与微环境模块、污染源模块交互，调整、修正不同时空处的暴露浓度，之后积分计算目标日均PM2.5暴露浓度。　　本研究通过定点个体采样和移动个体采样分别验证暴露模型的合理性与准确性。定点采样招募国科大雁栖湖与玉泉路校区学生、保安志愿者携带GPS接收器与个体采样器于校园内活动，对比模型估算浓度与采样实测浓度。模拟值与实测值线性回归方程为y=0.85x(R2=0.86)，符合程度较高，证明暴露模型构成形式的合理。移动采样招募两名志愿者在日常生活中携带GPS信号和个体采样器，对比模型估算浓度与采样实测浓度。在PM2.5浓度低时，两名志愿者模拟值与实测值的线性回归方程的斜率和R2分别为1.05、0.85与0.59、0.57，模拟值可较好地代表志愿者个体暴露。但在PM2.5浓度高时，暴露模型会低估个体暴露浓度。　　本研究使用PMF与CMB模型分别对部分定点暴露样品与移动暴露样品进行污染物来源解析，发现个体样品与环境样品在污染源构成上存在差异，其中香烟源为个体暴露样品中特有的污染源，约占PM2.5暴露浓度的3.6％。个体样品中存在与环境样品相比比例较高的污染源，可能是导致暴露模型低估个体PM2.5暴露浓度的原因。移动暴露样品之间的有机碳(OC)污染源组成类似，个体行为轨迹的不同对源贡献比例存在一定影响。其他OC源的贡献率不可忽略，占OC暴露的6.9％～7.9％，可能是导致暴露模型低估个体暴露浓度的原因。　　本研究使用北京市环境保护监测中心公布的环境数据与中国科学院中国人群前瞻性生物样本库健康数据，探寻与PM2.5有关联的人体暴露标志物。利用逐步回归纳入P值小于0.05的影响指标，发现环境PM2.5浓度变化会影响人群收缩压以及血小板压积指标的变化。