随着我国城市化进程不断加快，以PM2.5为首要污染物的大中型城市环境问题一直倍受关注，PM2.5不仅关系到城市空气质量，而且严重影响到公众的身体健康，对于城市PM2.5污染的严重性、时空分布的差异性以及影响因素的复杂性，GIS技术可以提供有效的时空特征分析方法，且遥感观测成果可以提供可靠的数据源。
　　因此，本文以太原市城区作为研究区，利用GIS空间分析得到了城区近三年间PM2.5污染年度分布变化特征，同时结合中分辨率成像光谱仪（Moderate-Resolution Imaging Spectroradiometer，MODIS）遥感数据和城区土地利用数据，建立随机分析模型和季节线性回归模型，预测了太原市城区PM2.5污染季节分布变化特征，并对采暖期和不同季节的污染变迁状况做出了深入探究，主要研究内容和结论包括：
　　（1）2016-2018年PM2.5质量浓度每日最高点时刻在10:00和0:00左右，最低点在6:00和17:00左右。2016年采暖期的PM2.5污染分布集中于城区中部和南部地带，经过2017年秋冬季大气污染防治后，采暖期在城区中部地带污染物浓度明显减弱，整体上呈现“南高北低”的分布格局，大气污染治理过程中，太原市本地污染来源逐渐减小，高污染轨迹气流多来自城区西和西南方向的近距离输送。三年非采暖期间污染差异不大，2018年相比于2016和2017年有略微的改善。
　　（2）随机分析模型拟合结果R2为0.926，同时典型区域站点验证结果R2高达0.858，RMSE为11.731μg·m-3，说明随机分析模型对于太原市城区PM2.5时空分布预测具备较好的适用性，能合理的获取太原市城区近地面PM2.5时空分布状况。线性回归模型的整体R2为0.890，RMSE仅为7.689μg·m-3，体现了在随机分析模型的基础上，季节线性回归模型结果能够较为出色的表达城区PM2.5浓度的季节分布特征状况。
　　（3）太原市城区PM2.5污染季节强弱整体表现为：冬季>秋季>春季>夏季，PM2.5浓度高值区域多分布于城区中部、南部和东南部地带。从不同时期变化情况来看，整体PM2.5浓度在春-夏季节变换过程中只有局部山区有小幅上升趋势，其他区域均呈现轻微减弱现象，夏-秋和秋-冬季节转换中PM2.5浓度逐级升高，其中城区南部上升趋势最为明显，而在冬-春季节转换中PM2.5浓度明显下降。
　　（4）城区春季、秋季所对应的PM2.5污染主要来自外在气流传输，较高的输送方向多来自西部区域，以途径陕西省中部城市和山西吕梁一带造成的污染强度尤为突出。夏季污染物主要来自太原市的本地贡献，各方向轨迹所对应的PM2.5质量浓度污染差别不大。冬季污染物不仅很大一部分来自太原本地区域，同时西和西南部城市例如山西吕梁、晋中和陕西西安及延安一带的颗粒物汇入集聚也对城区污染格局产生了一定影响。
　　本文对太原市城区PM2.5污染时空分布和潜在来源进行分析，不仅可以为颗粒物污染研究方法提供一定的理论参考，同时为政府和环境治理部门制定相关环保政策提供相应的科学依据。