El rastreo de fuentes de contaminación del aire es vital para la prevención y control efectivos de la contaminación, sin embargo, los métodos tradicionales a menudo requieren grandes cantidades de datos manuales, tienen una generalizabilidad limitada entre regiones y presentan desafíos para capturar interacciones complejas de contaminantes. Este estudio presenta AirTrace-SA (Rastreo de Contaminación del Aire para Atribución de Fuentes), un novedoso modelo híbrido de aprendizaje profundo diseñado para la identificación y cuantificación precisa de fuentes de contaminación del aire. AirTrace-SA comprende tres componentes principales: un extractor de características jerárquico (HFE) que extrae características multiescala de componentes químicos, un puente de asociación de fuentes (SAB) que vincula características químicas a fuentes de contaminación a través de un mecanismo de decisión en múltiples pasos, y un cuantificador de contribución de fuentes (SCQ) basado en el regresor TabNet para la predicción precisa de las contribuciones de las fuentes. Evaluado en conjuntos de datos de calidad del aire reales de cinco ciudades (Lanzhou, Luoyang, Haikou, Urumqi y Hangzhou), AirTrace-SA logra un R2 promedio de 0.88 (que varía de 0.84 a 0.94 en una validación cruzada de 10 pliegues), un error absoluto medio (MAE) promedio de 0.60 (que varía de 0.46 a 0.78 en cinco ciudades) y un error cuadrático medio (RMSE) promedio de 1.06 (que varía de 0.51 a 1.62 en diez fuentes de contaminación). El modelo supera a modelos de referencia como 1D CNN y LightGBM en términos de estabilidad, precisión y generalización entre ciudades. El análisis de importancia de características identifica las principales contribuciones de las categorías de fuentes, mejorando aún más la interpretabilidad. Al reducir la dependencia de la recolección de datos intensiva en mano de obra y proporcionar un rastreo de fuentes escalable y de alta precisión, AirTrace-SA ofrece una herramienta poderosa para la gestión ambiental que apoya estrategias de reducción de emisiones específicas y desarrollo sostenible.