改革开放以来,随着工业化、城镇化进程的加快,我国城市大气污染等环境问题日益突出,曾严重影响人类生产生活。近年来,各大城市积极出台大气治理政策措施,打赢蓝天保卫战,我国空气质量得到了改善。为了解我国城市空气污染现状,研究基于函数型数据的视角,通过Pseudo分位数函数型聚类方法,以PM2.5颗粒物为代表,对我国343个城市的污染物浓度数据进行了聚类分析。该聚类方法更容易发现数据中不同层次的分布信息,借此分析了我国城市不同污染城市群的时空特征和主要变化模式。Pseudo分位数函数型聚类方法将我国城市划分为四个城市群。其结果表明我国城市空气质量情况从地理上看,污染情况呈现出由外向内逐渐加重的趋势,说明城市空气质量存在显著的空间差异性。从时间上看,四类城市群的时间特征有显著的相似性,均呈现出冬春高、夏秋低的趋势;其次,各区域PM2.5浓度变化较同步,峰值和谷值出现的时间段相接近,但是不同区域的波动频次和幅度有所区别;最后,与2019年和2020年相比,2021年大部分城市PM2.5浓度的年波动幅度和波动频率均有所下降,说明近年来这些城市的空气质量防控取得了一定的成效。通过与K-Means聚类方法及函数型K-Means聚类方法的聚类结果进行比较,发现基于Pseudo分位数函数型聚类方法对我国城市空气质量进行聚类的结果更佳,不仅各类城市群的差异和时空特征更明显,而且城市分类的准确度更高,更符合实际情况。