针对广州市大气二次有机碳（SOC）的研究首次在城市层面揭示了其空间分布特征及形成机制。该研究基于2022年全年四个典型站点（城市、郊区和农村）每小时分辨率的大气碳组分数据，结合可解释机器学习技术，量化了不同因素对SOC浓度变化的贡献。

主要发现：

SOC浓度呈现明显的城市高于郊区的梯度分布，城市站点年均浓度约为2.77–3.68 μgC/m³，郊区及农村站点为2.16–2.45 μgC/m³。

• 光化学反应是城市和郊区SOC生成的主导因素，贡献率超50%，但在农村站点降至约30%。

• 气象条件与液相反应分别贡献约20%；农村站点初级排放对SOC的贡献显著升高（33%），主要源于老化城市污染团的区域传输。

• 船舶排放对沿海郊区站点SOC有显著影响，而两个城市站点的SOC对前体物（NMHC和O₃）的响应差异揭示了区域传输的不均匀性。

•  超过50%的SOC来自广州外部，凸显区域协同治理的重要性。

创新点：

• 首次在城市尺度运用可解释机器学习（CatBoost+SHAP）解析SOC来源，将影响因素归为光化学反应、液相过程、初级排放和气象条件四大类。

•  采用多站点同步观测和最小二乘（MRS）方法精准估算SOC，突破传统单点研究的局限。

•  量化了本地排放、区域传输和背景浓度的贡献，为精准治污提供科学依据。

该研究强调，未来大气治理需打破单一城市限制，构建区域协同防控策略。成果发表于《Atmospheric Environment》，第一作者为许潇健，为粤港澳大湾区空气质量精细化管控提供关键支撑。