课题组基于崇明东滩湿地2022-2023年的长期观测，结合稳态法与机器学习模型，系统研究了海岸环境下NO₃自由基的寿命及其驱动因素。相关成果以Machine learning-optimized interpretability analysis for identifying key drivers of NO₃ lifetime variability为题发表于《Journal of Environmental Sciences》，2023级硕士生曹胜帅为第一作者。

       NO₃自由基是夜间大气中最重要的氧化剂之一，对臭氧污染和二次气溶胶生成具有重要影响。研究发现，NO₃自由基寿命存在显著的季节变化和气团差异。通过机器学习与SHAP可解释性分析，明确了NO₂是影响寿命的主导因子，同时揭示了臭氧、相对湿度和风速等因素在不同环境条件下的重要作用。结果表明，污染气团中寿命受前体物控制更强，而在清洁与过渡气团中，气象条件和边界层特征发挥了更突出的作用。

       该成果不仅揭示了海岸湿地环境下夜间氮氧化学的复杂性，也展示了机器学习方法在解析大气化学过程中的优势。研究为理解人类活动与区域输送对夜间氧化能力的影响提供了新证据，对评估区域大气环境变化具有重要意义。

原文链接：Cao, S.; Wang, S.; Yan, Y.; Liu, J.; Gu, C.; Zhou, B. Machine learning-optimized interpretability analysis for identifying key drivers of NO₃ lifetime variability. Journal of Environmental Sciences. 2025, DOI: https://doi.org/10.1016/j.jes.2025.06.064.