盐湖城长期城市排放趋势：研究一氧化碳（CO）、二氧化碳（CO₂）和氮氧化物（NOₓ）的浓度变化

盐湖城2005-2023年氮氧化物（NOx）、一氧化碳（CO）和二氧化碳（CO2）浓度增强比分析显示，NOx和CO排放显著下降，CO2保持稳定，印证了增强比法对城市人为源排放的监测有效性。COVID-19封锁期间排放量锐减25%，揭示交通源控制成效及多行业协同减排趋势。

作者：Haley Humble、J.C. Lin、D.V. Mallia、C. Harkins、B.C. McDonald、M.A. Garcia、M. Ostlie

美国犹他大学大气科学系，盐湖城，犹他州

摘要

本研究分析了2005年至2023年间氮氧化物（NO_X ≡ NO + NO₂）、一氧化碳（CO）和二氧化碳（CO₂）浓度的长期变化趋势（Δ = 实测浓度 - 背景浓度），这些变化用于识别与人为活动相关的局部污染增加。近二十年来，在同一地点持续进行的一氧化碳（CO₂）、一氧化碳（CO）和氮氧化物（NO_X）的现场测量为我们提供了独特的机会，以评估盐湖城的排放趋势，并识别该城市特定行业中的变化。盐湖城位于盐湖谷一个快速发展的城市区域中心。这些趋势通过增强比（ΔNO_X:ΔCO₂ 和 ΔCO:ΔCO₂）进行评估，并与Vulcan和FIVE-VCP-NEI17^NRT等先前的研究和排放清单进行了比较。在研究期间，ΔNO_X和ΔCO均持续下降，表明主要来自道路交通行业的排放量大幅减少。相比之下，ΔCO₂的长期变化相对稳定。ΔCO₂的稳定性与ΔNO_X和ΔCO的下降共同强调了增强比作为城市人为排放源的可靠指标的作用。统计上显著的ΔNO_X:ΔCO₂和ΔCO:ΔCO₂比率下降进一步表明氮氧化物（NO_X和一氧化碳（CO）的排放量持续减少。然而，这些增强比的下降速度随时间放缓，表明排放减少的势头有所减缓。此外，工作日与周末的ΔNO_X:ΔCO₂和ΔCO:ΔCO₂比率趋于一致，这可能反映了非交通源相对于道路交通排放的贡献变化，也可能受到道路交通柴油排放控制的影响。COVID-19疫情期间，所有监测点的增强比均显著下降，反映了交通行为的改变以及包括工业和其他来源（如农业、商业、住宅、铁路、机场）在内的多个行业的排放量减少。

引言

空气质量差继续对公众健康和社会构成重大挑战，尤其是在全球快速发展的城市中心（Parrish等人，2011年；Seto等人，2012年；Winkler等人，2018年；Lin等人，2018年）。像盐湖谷（SLV）这样的城市化地区的空气质量差一直与不良健康后果相关，尤其是呼吸系统和心血管疾病（Pope等人，1999年、2002年、2015年；Jerrett等人，2009年；Thurston等人，2017年；Vaughan等人，2019年；Ou等人，2020年）。

盐湖城（SLC）作为犹他州的首府，其快速发展的SLV地区拥有多样化的排放源，为研究空气质量及其广泛影响提供了独特的机会（Lin等人，2018年；Mitchell等人，2022年；Flowerday等人，2023年）。SLV拥有世界上运行时间最长的城市二氧化碳（CO₂监测网络之一，该网络始于2001年（Pataki等人，2003年；Lin等人，2018年；Mitchell等人，2018年）。与当地氮氧化物（NO_X ≡ 一氧化氮（NO）+ 二氧化氮（NO₂）和一氧化碳（CO）的排放源相比，二氧化碳（CO₂的排放源已经得到了较为深入的研究（Bares等人，2018年；Lin等人，2018年；Mitchell等人，2018年；Hall等人，2020年；Mallia等人，2020年、2023年）。正如2015-2016年冬季使用CO₂排放清单（NEI-14、Vulcan、Hestia）的SLV研究所示，二氧化碳（CO₂浓度被证明是氮氧化物（NO_X等共排放污染物的有用指标（Bares等人，2018年）。

氮氧化物（NO_X、一氧化碳（CO）和二氧化碳（CO₂）是内燃机常见的共排放物质，其中二氧化碳（CO₂反映了燃烧过程中消耗的燃料总量（Huff和Thiemens，1998年；Kato等人，1999年；Tsunogai等人，2003年；Ammoura等人，2014年）。大气浓度的增加（通常定义为实测值与统计背景值之间的差异，即ΔNO_X、ΔCO和ΔCO₂）被用来识别与当地人为活动相关的信号（Bares等人，2018年；Shah等人，2020年；Anderson等人，2021年）。柴油车排放的氮氧化物（NO_X通常比汽油车更多（Wallington等人，2013年；Yang等人，2019年；Yu等人，2021年），而汽油车通常排放更多的一氧化碳（Gorse和Norbeck，1981年；Platt等人，2017年；Hassoon等人，2019年）。先前的研究使用化学物质的增强比（ΔNO_X、ΔCO和ΔCO₂）作为人为排放源的标志（Brown和Stutz，2012年；McDonald等人，2013年；McDuffie等人，2019年；Huang等人，2020年；Shah等人，2020年）。由于不同的增强比可能与不同的排放行业相关，因此观察到的ΔNO_X:ΔCO₂和ΔCO:ΔCO₂比率可以作为识别主要排放行业的代理指标，并有助于约束排放清单（McDonald等人，2012年、2013年、2018b年；Anderson等人，2021年）。

由于氮氧化物（NO_X和一氧化碳（CO）主要是通过化石燃料燃烧产生的污染物，因此传统上在城市环境或主要道路和州际公路附近进行研究，因为这些地方的排放最为集中（Naus等人，2018年；Ren等人，2020年；Anderson等人，2021年；Jiang等人，2017年）。柴油发动机是氮氧化物（NO_X排放的主要来源之一，因此美国环保署（EPA）在2008年至2015年间实施了更严格的排放控制措施（EPA，2006年），其中包括逐步引入选择性催化还原（SCR）系统，该系统使用柴油排气液（DEF）添加剂，适用于道路和非道路车辆（EPA，2006年；Yu等人，2021年）。城市一氧化碳（CO）排放的减少归因于车辆中催化转化器的引入和燃烧效率的持续提高（Tsunogai等人，2003年；Naus等人，2018年）。先前的研究支持城市ΔCO:ΔCO₂比率主要代表移动源的排放（Vimont等人，2017年；Salmon等人，2018年；Yanez等人，2025年）。其他研究表明，一氧化碳（CO）也可用于识别来自工业设施和发电单元（EGUs）等非移动源的贡献（Peischl等人，2010年；Pollack等人，2012年；Brioude等人，2013年；Davis等人，2017年；Ren等人，2020年；Anderson等人，2021年）。此外，非道路汽油发动机也成为一氧化碳（CO）排放的重要来源（McDonald等人，2018年）。

在过去二十年里，随着车辆变得更加清洁，城市中心的氮氧化物（NO_X和一氧化碳（CO）排放量有所减少（McDonald等人，2013年；Jiang等人，2018年；Yu等人，2021年；Yanez等人，2025年）。尽管许多研究通过分析氮氧化物（NO_X与一氧化碳（CO）的比率及其趋势来研究城市氮氧化物（NO_X和一氧化碳（CO）的排放（Hassler等人，2016年），但大多数研究基于较短的记录（< 10年），并且仅关注两种共排放污染物（Baasandorj等人，2017年；Bares等人，2018年；Shah等人，2020年；Anderson等人，2021年）。相比之下，我们的研究利用了2005年至2023年这19年间一个快速发展的都市区域内三种关键人为排放物质（氮氧化物（NO_X、一氧化碳（CO）和二氧化碳（CO₂）的长期数据。该数据集涵盖了COVID-19封锁前后的时期，使我们能够评估人类活动变化的影响。COVID-19引发了与人为活动突然减少相关的排放变化（Silva等人，2022年）。美国各地的温室气体相关排放变化不一，人口密集地区的减少最为显著（Chen等人，2020年）。据推测，这些变化与交通量的减少有关，据报道减少幅度高达30%（Turner等人，2020年；Mallia等人，2023年）。然而，很少有研究探讨像氮氧化物（NO_X和一氧化碳（CO）这样的共排放污染物在多个时间尺度上与二氧化碳（CO₂之间的关系，特别是在像SLV这样的快速发展的城市地区。

了解这些污染物在数周、季节和年份间的关系变化对于识别排放模式的变化和评估监管措施的有效性至关重要。为此，我们分析了SLV地区氮氧化物（NO_X、一氧化碳（CO）和二氧化碳（CO₂）之间的关系。本研究调查了氮氧化物（NO_X和一氧化碳（CO）浓度的减少，并探讨了这些变化与SLV地区排放行业变化之间的关系。此外，本研究还将探讨2020年及以后排放源特征的变化，量化这些变化的幅度，并将其归因于特定行业。

本研究关注的关键问题包括：

• 1.
  长期观测和模拟的氮氧化物（NO_X、一氧化碳（CO）和二氧化碳（CO₂）浓度变化表明人类活动对SLV地区氮氧化物（NO_X和一氧化碳（CO）排放的影响是什么？
• 2.
  工作日和周末的氮氧化物（NO_X、一氧化碳（CO）和二氧化碳（CO₂排放如何变化，这些变化的驱动因素是什么？
• 3.
  氮氧化物（NO_X、一氧化碳（CO）和二氧化碳（CO₂排放在2020年春季及之后的COVID-19封锁期间和之后有何反应？

部分内容摘录

站点描述

本研究使用的测量数据来自盐湖城（SLC）内的三个站点：Hawthorne（HWT）、Rosepark（RPK）和犹他大学（UOU）（图1，表1）。HWT位于SLC市中心南部，由犹他州环境质量部空气质量司管理。自2002年以来，该站点一直持续监测氮氧化物（NO_X和一氧化碳（CO）的浓度。HWT的测量数据由犹他大学在相邻站点进行的二氧化碳（CO₂测量数据补充

长期排放趋势

HWT站点的氮氧化物（NO_X、一氧化碳（CO）的长期季节平均值以及氮氧化物（NO_X:ΔCO₂和ΔCO:ΔCO₂比率在2005年至2023年间显示出统计学上的显著下降（表2，图3，图4，表S1）。相比之下，二氧化碳（CO₂的增强比在时间上相对稳定，周末几乎没有统计学上的变化（表2）。这表明氮氧化物（NO_X:ΔCO₂比率的下降（范围为-4.8%至-1.9%（ppb ppm^-1）年^-1）主要是由于氮氧化物（NO_X的减少（表2，图4）。

总结

工作日和周末氮氧化物（NO_X:ΔCO₂和ΔCO:ΔCO₂比率的趋同可能反映了排放源构成的变化。在工作日，氮氧化物（NO_X的减少主要归因于道路交通和汽油车辆；而周末氮氧化物（NO_X的减少与柴油活动的减少以及“其他”来源的相对较大贡献有关。工作日的一氧化碳（CO）排放减少似乎是由于道路交通和非道路交通来源的输入减少所致，而周末的一氧化碳（CO）

作者贡献声明

Colin Harkins：写作——审稿与编辑。Derek V Mallia：写作——审稿与编辑，初稿撰写。John C Lin：写作——审稿与编辑，初稿撰写，监督。Megan A Ostlie：写作——审稿与编辑。Maria A Garcia：写作——审稿与编辑。Brian C McDonald：写作——审稿与编辑。Haley K Humble：写作——审稿与编辑，初稿撰写，可视化，验证，监督，软件，资源，项目管理，方法论

未引用的参考文献

美国环境保护署（EPAU.S.），2006年；美国环境保护署（EPAU.S.），2020年；美国环境保护署（EPAU.S.），2024年；Gratz等人，2015年；Hagan等人，2022年；Hassoon，2019年；Helfert等人，2007年；Hrdina等人，2021年；Lopez等人，2013年；McDonald等人，2023年；McDonald等人，无日期；Mitchell和Zajchowski，2022年；Miyazaki等人，2017年；Pina和Tchepel，2023年；Ren等人，2018年；Shah等人，2019年；Turnbull等人，2019年；Yañez等人，2025年；Zare等人

利益冲突声明

☒ 作者声明以下可能的财务利益/个人关系可能被视为潜在的利益冲突：Haley Kay Humble报告称她获得了国家海洋和大气管理局的财务支持。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

我们感谢国家海洋和大气管理局的AC4项目（奖项编号：#NA20OAR4310301）的资助。我们还要感谢犹他大学的高性能计算中心提供的计算资源。特别感谢James Mineau对PCAP阈值的计算。同时，我们也感谢Aaron Meyer、Savanna Wolvin和Jeffrey Humble的帮助，以及Jessica Haskins、Gannet Hallar和Timothy Garrett的宝贵支持