研究发现大气颗粒物对人类健康风险、空气污染以及全球气候变化均存在不利的影响,了解与研究大气颗粒物的来源及排放特征对大气污染控制非常重要,源解析技术正是对大气颗粒物的来源进行定性或定量解析的方法。受体模型已成为分析颗粒物来源的重要工具,其中化学质量平衡模型(CMB)与多元统计模型被广泛应用。源成分谱确定的合理性和准确性直接关系到CMB模型解析结果的可靠性；多元统计模型对环境受体数据量有较高的要求。因此,本文对源成分谱的替代可行性与合理性进行分析与验证,并采用正态分布原理进行环境受体数据的建立。在上述源成分谱与受体数据处理的基础上,对2010年与2010年12月-2012年1月分别测定的兰州市可吸入颗粒物(PM1o)样本中的无机组分(金属元素与水溶性离子)及PAHs进行源解析研究,判断主要的污染源并得到各源类的贡献率。(1)区域可替代源成分谱数据的建立方法应用系统聚类和方差分析方法,对收集到的我国35个城市的PM1o有效实测源成分谱进行聚类和区域的划分。对聚为一类的各城市源成分谱进行主成分分析,所得主成分得分系数作为权重,加权运算建立可替代源成分谱。利用R、CD以及CMB模型解析所得源贡献的相对误差,评价可替代源成分谱的合理性及可行性。得到6类污染源的13个可替代源成分谱,即煤烟尘与扬尘各三个,土壤风沙尘、钢铁尘与建筑水泥尘各两个,机动车尾气尘一个。煤烟尘、土壤风沙尘及钢铁尘与对应区域实测源成分谱的相关度最高,可以满足替代解析准确度的要求；建筑水泥尘无明显区域特征,需要具体分析水泥型号、建筑材料等化学特征来考虑能否进行替代解析；机动车尾气尘由于数据代表性不足,建议在研究中尽可能采用实测源成分谱；扬尘与土壤风沙尘、建筑水泥尘等在化学组成特征上存在一定的相关性,会影响模型解析的准确度,因此其替代标准有待进一步研究。(2)环境受体模拟数据的扩展方法遵循污染物扩散传输的规律及多元统计模型对环境受体数据的要求,以环境大气中各化学成分的质量浓度均值及标准偏差作为基础数据,设定满足无负值、模拟数据与均值间的偏差较小的要求,采用正态分布原理进行环境受体数据的扩展。并应用主成分／绝对主成分得分(PCA/APCS)及正定矩阵(PMF)模型验证扩展方法的可行性与合理性。结果表明正态扩展能够满足大气环境中颗粒物浓度变化的基本特征,并且经正态扩展得到的模拟环境受体数据可使得各化学成分间的相关性更趋于稳定,有助于得到更加合理、稳定的解析结果。(3)对兰州市PM10的源解析研究应用PMF与CMB模型解析兰州市PM10中的金属元素与水溶性离子。因环境受体数据中各化学成分的相关性影响,多元统计模型解析易得到混合污染源；而基于分析确定的可替代源成分谱,应用CMB模型可得到具体污染源贡献结果。两种模型对兰州市PM10的源解析结果存在一定的差异性,但污染源的判断基本一致。PMF模型解析得到污染源包括土壤风沙尘与建筑水泥尘(37.2%)、机动车尾气尘(22.5%)、煤烟尘(31.9%)与二次源(8.5%)；CMB模型解析得到污染源分别为土壤风沙尘(27.4%)、建筑水泥尘(5.2%)、机动车尾气尘(26.8%)、煤烟尘(26.6%)、二次源(8.6%)及钢铁尘(1.3%)由于PAHs的源成分谱具有较高的变化性与差异性,未能建立PAHs的区域可替代源成分谱,因此应用正态扩展方法进行兰州市PM10中PAHs的源解析研究工作,并分别采用定性与定量的方法分析确定兰州市PM10中PAHs的贡献源类包括交通排放源、燃煤源、餐饮燃油源与炼油源。其中交通排放源(29.8%)与燃煤排放源(22.8%)是最主要的贡献源类；餐饮燃油源的贡献最低(15.7%)；此外,炼油源(31.4%)的判断存在一定的不确定性,需要进一步通过实测源成分谱的对比研究,以更准确的判断污染源类型。