为揭示我国典型区域背景臭氧的来源与驱动机制，本研究基于2014-2024年TAP臭氧数据集和ERA5-Land气象数据，选取西藏、珠三角和淮河流域为研究对象，采用TCEQ与 PCA法估算背景臭氧浓度，并结合随机森林/XGBoost模型与SHAP方法解析其驱动因素。结果表明：（1）三区域背景臭氧浓度均呈显著上升趋势，区域传输贡献占主导（77%-86%），其中淮河流域贡献率最高（85.8%）且增幅最大（+11.5%）。（2）气象因子是背景臭氧的关键驱动因素，但存在显著的区域与季节分异：西藏受太阳辐射和气压主导；珠三角受太阳辐射、温度和风场共同影响，且海陆风对输送有重要调控作用；淮河流域则以太阳辐射和温度为主，高湿度等条件具有抑制作用。（3）地理环境、气候系统和排放强度的差异导致了区域间背景臭氧特征的不同。本研究证实了机器学习结合SHAP在解析复杂环境机制中的有效性，并提出了融合机器学习与数值模式进行背景臭氧源解析的前瞻思路。研究结果强调了区域联防联控和差异化管控在臭氧污染防治中的重要性，为我国制定科学的臭氧防控策略提供了数据支撑和理论依据。

臭氧；区域背景；机器学习；SHAP分析