近二十年来,中国风电总装机量和新增装机量呈现上升趋势,风电装机和运行会对大气环境产生一定的影响。为了探究中国风电场发展对大气中污染物的影响,本文利用气象模型（Weather Research and Forecasting,WRF）和空气质量模型（Community Multi-scale Air Quality,CMAQ）,对2009年至2018年有、无风电场条件的大气污染物浓度分布进行模拟,对比分析风电场产生的影响。使用观测数据对WRF模型和CMAQ模型进行验证,气象参数（风速、风向、温度、相对湿度）一致度（IA）均大于0.7,平均偏差MBE和均方根误差RMSE都比较小。污染物(NO₂、PM_2.5、SO₂)验证的相关系数R为0.69,平均分数偏差MFB为10%,平均分数误差MFE为50%,均满足“偏差标准”要求。对NO_x、PM_2.5和SO₂浓度在有、无风电场结果差值进行分析,结果表明在风电场影响下,冬季污染物浓度差有显著性变化,京津冀和内蒙古中部地区浓度升高,东南沿海以及中部地区浓度下降,月均浓度差值80%分布在-2²?g/m³。夏季污染物浓度差值变化较大,东三省、京津冀、陕西等地浓度升高,长三角、珠三角、川渝等中部地区污染物浓度下降,其中月均浓度87%分布在-10¹0?g/m³。使用综合过程速率分析（IPR）技术,评估各种物理化学过程在风电场作用下对PM_2.5生成速率的变化。冬季,京津冀、长三角、珠三角和川渝地区PM_2.5主要源过程均为人为源排放和气溶胶过程,贡献率为39%和58%,主要汇过程为干沉降过程,贡献率均为52%。夏季,四个地区对PM_2.5生成源过程为垂直扩散和源排放过程,平均贡献率为55%和31%。在风电场作用下,各物理化学过程对PM_2.5生成速率冬季基本不变,夏季变化较大。垂直扩散对PM_2.5生成速率减小,PM_2.5浓度下降。干沉降和气溶胶过程减弱,对PM_2.5消除作用减弱,导致PM_2.5浓度增加。基于随机森林算法建立模型,分析气象参数变化对PM_2.5浓度变化的影响,特征重要性表明风速、相对湿度和温度对PM_2.5浓度差的重要性较大,特征重要性分别为0.0312、0.0247、0.0231。