本文的研究工作旨在通过研究分析2016年11月至2017年10月的沈阳市8个环境空气质量监测站点（国控）的6种主要大气污染物(PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃)的公开发布的监测数据,利用R语言分析工具进行了多时空尺度的总体特征和关联特征分析,结合冬季供暖期与非供暖期存在供暖燃煤污染差异的先验知识,对沈阳市冬季供暖燃煤污染的贡献率进行了量化评估方法研究,从而为沈阳市大气污染治理的科学化和系统化,提供科学依据和技术支持。本文中,关于沈阳市大气污染物时空关联特征分析和污染源量化评估的主要研究内容和研究结论如下:（1）分析了沈阳市主要大气污染物在多时空尺度下的总体特征。通过分析沈阳市全年主要大气污染的月变化特征,发现PM_2.5、PM₁₀、SO₂、NO₂和CO五种大气污染物的月变化趋势较为相似,但冬季供暖期的浓度明显比非供暖期高;O₃的月变化则正好相反。通过分析沈阳市供暖期与非供暖期不同城市区域的首要大气污染物及其占比,发现在供暖期的首要大气污染物主要为PM₁₀与SO₂,且主城区的SO₂作为首要大气污染物出现的占比明显远远高于周边城区;在非供暖期,首要大气污染物主要为O₃和PM₁₀,且各类污染物在不同的城市区域的占比相对稳定。通过分析沈阳市供暖期与非供暖期大气污染物浓度的24小时迁移变化规律,发现24小时内的大气污染物无论是浓度低值和浓度高值时段出现的时间点,供暖期与非供暖期都较高的一致性,即其迁移变化过程具有高度的相似性。（2）利用Apriori算法和R语言工具包,对供暖期与非供暖期的沈阳市不同城市区域的主要大气污染物时空关联特征进行了详细分析。发现沈阳市发生严重的PM_2.5污染总是表现为多种污染物同时发生,多种污染物质同时出现时,即使含有浓度未达到污染标准的物质,也会使污染效应倍增;PM₁₀与SO₂、NO₂组合存在于大气时,PM_2.5污染的发生概率较高;在单一污染物中,PM₁₀浓度的高低对PM_2.5污染的形成具有关键性作用;在供暖期,主城区PM₁₀严重污染与PM_2.5严重污染并发的概率比周边城区大;在非供暖期,主城区多种大气污染物并发PM_2.5污染的概率较周边城区明显降低。（3）沈阳市冬季供暖燃煤污染贡献率的量化评估。依据冬季供暖期与非供暖期存在供暖燃煤污染差异的先验知识,通过主要大气污染物在供暖期和非供暖的关联特征对比分析,发现PM_2.5、PM₁₀、SO₂、NO₂和CO具有相似强关联规则,但浓度等级存在较大差异,证明了冬季燃煤污染存在的突出贡献率。另一方面,通过上述五种大气污染物在供暖期和非供暖的24小时分布特征对比分析,发现其分布特征具有高度的相似性,并通过离散弗雷歇距离进行了验证。最后利用背景差分法对全市、主城区和周边城区的冬季供暖燃煤污染贡献率进行了量化评估。研究发现,沈阳市冬季供暖燃煤对PM_2.5、PM₁₀、SO₂、NO₂和CO的贡献率都较高。其中,对SO₂的贡献率最大,达到76.29%;其次为CO,达到56.94%;再次为PM_2.5,达到46.68%;而且,在主城区区域的贡献率明显高于周边城区区域。这说明,供暖燃煤对大气环境的影响较大,容易造成大气污染,且在人口密度越大的地区（主城区）其影响更大。（4）基于LINUX操作系统、MySQL数据库和R语言开发的大气污染物监测数据分析系统开发。从实际应用的角度出发,围绕降低系统运行成本、提高系统稳定性和保证数据安全性的系统要求,本文设计了“公共云→私有云+应用端”的系统架构和数据输入输出的流向约束。使用百度云服务器对数据进行存储和管理,并使用私有云托管进行数据分析的应用服务以供用户进行数据访问。采用可自动运行R语言数据分析脚本文件的Shiny-Server Web服务器,仅利用主流的浏览器,即可实现客户端的数据分析可视化应用服务,极大地降低了系统的开发成本、开发复杂度和开发周期。