挥发性和黏度是大气二次有机气溶胶（SOA）的重要物理属性，影响气粒转化，并进而影响与SOA相关的环境与气候效应的准确评估。准确预测挥发性和黏度依赖官能团信息，然而SOA组分非常复杂，外场观测常难以获取详细的分子结构信息。我们在前期研究工作中发展了基于分子组成计算挥发性(Li et al., 2016)和黏度(Li et al., 2020)的新方法，即利用有机物中碳、氧、氮和硫的数目计算单个有机分子的饱和质量浓度C⁰和玻璃态转变温度(T_g)；该方法不用依赖于难以测量的分子结构信息，并可与高分辨率气溶胶质谱仪观测数据结合，因此可应用于外场观测、实验室研究或气溶胶模式中计算有机物的挥发性和黏度。本研究我们进一步发展了一种基于分子组成的机器学习方法预测C⁰，可改进对低挥发性有机物C⁰的预测能力。SOA的黏度则可通过斯托克斯–爱因斯坦方程与颗粒相的传质系数（D_b）相联系，因此对气-粒转化、非均相反应、以及污染物长距离输送等都有重要影响。我们通过黏度进一步计算了颗粒相的传质系数（D_b）并改进了N₂O₅非均相摄取系数的计算，以说明黏度对大气多相化学的重要影响。本研究可为SOA挥发性和相态的预测提供新的模式工具和参数化方法，减小其预测结果的不确定性，进而有助于三维化学传输模式准确模拟大气气溶胶复杂的多相过程。
 

饱和质量浓度,高分辨率质谱,相态,多相反应