本文利用2013-2016年兰州市的空气污染物小时浓度数据对兰州的空气污染物浓度时空变化特征进行了分析。针对兰州首要污染物PM₁₀和PM_2.5,本文利用混合单颗粒拉格朗日集合轨迹模型（简称HYSPLIT）计算了城区代表点和郊区代表点的96小时后向轨迹。结合后向轨迹数据与颗粒物浓度数据,本文分析了PSCF方法和CWT方法对监测点数据分辨率、监测点位置等因素的敏感性,确定了与兰州PM₁₀和PM_2.5关系最为密切的外来潜在源,计算得到了外来源和本地源对兰州PM₁₀和PM_2.5的贡献。主要的结论如下:（1）除O3外,在供暖期CO、NO₂、PM₁₀、PM_2.5和SO₂浓度都比较高,与非供暖期形成鲜明对比。由于沙尘天气,4月和5月PM₁₀浓度也会出现高值。O3在每年的3-9月份浓度较高。周变化方面,6种污染物各有变化特征,但变化特征不明显,周一至周日浓度没有明显变化规律。（2）6种污染物在日变化方面各有特征,但都在日间达到一天内的最高值。城区和郊区PM₁₀浓度在傍晚最低。城区和郊区PM_2.5浓度在夜间有明显差别。城区CO浓度傍晚时分最低,郊区下半夜浓度最低。NO₂的日变化曲线有类似“双峰双谷”的形态,但郊区下半夜的“谷”并不明显,郊区NO₂浓度在下半夜也比较高。O3和SO₂无论城区还是郊区,都只有一个“峰”,城区和郊区的变化曲线相当一致。（3）城区和郊区CO、NO₂、PM₁₀、PM_2.5和SO₂这5种污染物冬季浓度最高,夏季浓度最低,春季和秋季处于前两者之间。O3则是春夏季节要明显高于秋冬季节,即3-8月的平均浓度高于9月至次年2月。另外,考虑城区和郊区的差别,除O3月均浓度郊区高于城区外,其余5种污染物城区的月均浓度都要略高于郊区,说明城区总体的空气污染程度要高于郊区。（4）对于PSCF方法,高分辨率的监测浓度资料可以避免由于低分辨率资料带来的某些网格PSCF概率增大现象。城区和郊区的监测点资料的结果都能反映城区和郊区的潜在源基本一致。监测点不同的风速和风向对结果影响不小。临界百分位数浓度的选取对于PSCF概率影响不大,但降低百分位数浓度,会放大个别源。对于CWT方法,城区和郊区的权重浓度在空间分布上差别不大,但监测点污染物浓度的高低对权重浓度的高值有一定影响。不同风速下的CWT权重浓度图揭示了不同的高值区域,风速对CWT方法的结果有较大影响,但风向对CWT的结果影响不大。（5）古尔班通古特沙漠地区、青海省部分地区与塔克拉玛干沙漠部分地区是权重浓度水平较高的地区,是与兰州的颗粒物污染关系最为密切的外来潜在源。2013-2016年外来源对兰州PM₁₀和PM_2.5的贡献分别为9.0%和6.9%,本地源对兰州PM₁₀和PM_2.5的贡献分别为91.0%和93.1%。