Processing math: 100%

厌氧发酵产挥发性脂肪酸实现太湖蓝藻泥的减量与资源化

陆小游, 刘宏波, 黄芳, 董璐, 温佳欣, 张慧旻, 刘和. 厌氧发酵产挥发性脂肪酸实现太湖蓝藻泥的减量与资源化[J]. 环境工程学报, 2020, 14(5): 1376-1384. doi: 10.12030/j.cjee.201907172
引用本文: 陆小游, 刘宏波, 黄芳, 董璐, 温佳欣, 张慧旻, 刘和. 厌氧发酵产挥发性脂肪酸实现太湖蓝藻泥的减量与资源化[J]. 环境工程学报, 2020, 14(5): 1376-1384. doi: 10.12030/j.cjee.201907172
LU Xiaoyou, LIU Hongbo, HUANG Fang, DONG Lu, WEN Jiaxin, ZHANG Huimin, LIU He. Reduction and resource utilization of cyanobacteria from Taihu Lake via anaerobic fermentation for volatile fatty acids production[J]. Chinese Journal of Environmental Engineering, 2020, 14(5): 1376-1384. doi: 10.12030/j.cjee.201907172
Citation: LU Xiaoyou, LIU Hongbo, HUANG Fang, DONG Lu, WEN Jiaxin, ZHANG Huimin, LIU He. Reduction and resource utilization of cyanobacteria from Taihu Lake via anaerobic fermentation for volatile fatty acids production[J]. Chinese Journal of Environmental Engineering, 2020, 14(5): 1376-1384. doi: 10.12030/j.cjee.201907172

厌氧发酵产挥发性脂肪酸实现太湖蓝藻泥的减量与资源化

    作者简介: 陆小游(1994—),男,硕士研究生。研究方向:废物资源化工程。E-mail:luxiaoyoujn@126.com
    通讯作者: 刘和(1974—),男,博士,教授。研究方向:固废污染控制与资源化。E-mail:liuhe@jiangnan.edu.cn
  • 基金项目:
    国家水体污染控制与治理科技重大专项(2017ZX07203-001)
  • 中图分类号: X705

Reduction and resource utilization of cyanobacteria from Taihu Lake via anaerobic fermentation for volatile fatty acids production

    Corresponding author: LIU He, liuhe@jiangnan.edu.cn
  • 摘要: 采用热碱预处理及厌氧发酵技术实现了太湖蓝藻生产挥发性脂肪酸(VFAs)。结果表明,热碱预处理(T=90 ℃,pH=12)可以促进蓝藻中的固相有机质溶于液相中,溶解性的化学需氧量(SCOD)、碳水化合物和蛋白质相比未预处理分别提高了10.3、12.3和4.8倍。三维荧光光谱(3D-EEM)分析表明,热碱预处理能提高蓝藻可生物利用性,同时降低腐殖酸的含量,有利于后续生物转化。在序批式厌氧发酵产酸运行模式下,平均总挥发性脂肪酸(TVFAs)浓度达到18.64 g·L−1,产酸效率(1 g VSS中VFAs的占比)为46%。半连续运行模式下,平均TVFAs可以达到15.56 g·L−1,产酸效率为26%。蓝藻中溶解性碳水化合物和蛋白质降解率分别为50.43%和47.04%。同时,蓝藻中总悬浮固体(TSS)和挥发性悬浮固体(VSS)的降解率分别为24.5%和43.4%,达到了很好的减量化效果,但残留物中还存在大量有机物未生物转化。
  • 挥发性氯代烃(volatile chlorinated hydrocarbons,VCHs)是一类挥发性和毒性极强的挥发性有机物(volatile organic compounds,VOCs),常作为优良的化学溶剂及其中间体应用于各工业领域,是VOCs污染地块中常见的特征污染物[1]。VOCs污染物具有化学性质活泼、易挥发、易暴露迁移等特点,导致其在调查评估中对采集、保存以及运输等各环节的技术要求更为严格[2]。我国现行的污染地块调查方法主要以SH-30冲击钻探采样并送检有资质的实验室为主,依据土壤检测数据判断地块VOCs污染状况[2-3]。而众多项目案例及研究表明[2,4-7],土壤数据无法准确、完整地反映地块VOCs污染状况及环境风险。因土壤包气带中的VOCs主要以吸附形态、非水相液体、土壤水和土壤气4种形态赋存,其分布具有较大的时间和空间非均质性,土壤浓度数据无法客观反映土壤气中的VOCs[4,8];采样、运输等过程中存在不同程度的挥发,导致检测结果偏低,甚至完全失真[4]。此外,现行调查方法还存在成本高、项目周期长等缺点,在大型污染地块调查中尤为突显[9]

    基于膜界面探针(membrane interface probe,MIP)并结合配备卤素专用检测器(halogen specific detector,XSD)的便携式检测设备的MIP系统,能够在原位将土壤中不同赋存形态的VOCs收集并输送至便携式检测设备进行现场检测,进而快速识别地块VOCs污染范围及程度[10-14]。Geoprobe公司标准操作手册和相关文献表明[13-16],MIP系统的电极集成土壤电导率检测器电信号值(EC)能够判断土壤质地,卤素专用检测器能测定土壤中含卤素的有机化合物。MIP系统快速调查技术能够获取高密度的数据,可实时调整调查方案,具有时效性高、成本低等优势,但缺点在于检测数据不能准确表征具体的物质和含量[13-14,16]。而现行调查方法获取的实验室检测数据准确性强,且能测定具体的物质和含量[9]。因此,将上述两种方法有效结合,应具有快速且高效地开展地块VOCs污染状况调查工作的潜力。

    本研究以华北地区某VCHs污染地块为研究对象,利用现行调查方法与MIP系统快速调查技术相结合的方式开展地块污染状况调查。研究MIP系统调查所得电信号值和现行调查方法所得地层信息与污染数据之间的关联性;在此基础上,采用MIP系统快速调查技术完成地块污染状况调查工作,并建立地块地层及污染物电信号值空间分布图,以明确地块VCHs的污染分布特征。

    研究地块为华北地区某溶剂厂生产用地。该厂建于1980年,占地约7 000 m2,主要生产二氯乙烷等有机溶剂。地块关停搬迁至今已近30 a,生产设施、构筑物等均已拆除消纳,扰动严重。地块南侧和西侧为居民区和市政道路,北侧和东侧均为临建。地块内及周边有刺激性异味。地块埋深15.0 m范围内地层分为6层,表层为填土层,以下呈现粉质黏土层与砂层交替分布。含水层以细砂为主,厚度约3.0 m,水位埋深约8.0~9.0 m,受大气降水影响而波动。

    调查过程分为2个阶段依次进行:1)基于现行调查方法完成地块污染识别和场地钻探调查,初步明确地块地层结构、具体的特征污染物及其含量;2)验证并建立地块地层信息、实验室检测数据和MIP验证点位电信号值的关联性,利用MIP系统完成地块污染状况调查并明确污染物空间分布状况。

    图1所示,场地钻探调查共布设土壤采样点4个(MS1~MS4),钻孔深度12.0~15.0 m,采集土壤样品36个,并送至有检验检测资质的实验室,检测VCHs全指标。实验室检测方法为《土壤和沉积物 挥发性有机物的测定 吹扫捕集/气相色谱-质谱法》 (HJ 605-2011)[17]。MIP系统调查共布设11个调查点(M1~M11),其中,M1~M4为场地钻探调查点位对应的MIP验证点位,间隔采样深度为1.5 cm,检测电信号为EC和XSD。

    图 1  场地钻探调查和MIP系统调查点位分布图
    Figure 1.  Distribution of site drilling survey points and MIP system survey points

    场地钻探调查主要设备有SH-30钻机、Easy draw采样器、吹扫捕集浓缩仪(Tekmar TMR-ATOMX)和气相色谱质谱联用仪(安捷伦7890B-5977B)等。

    MIP系统调查主要有Geoprobe钻机(6610DT型)、膜界面探针以及配备XSD检测器(5360型)的便携式检测设备等(美国Geoprobe公司)。膜界面探针主要由MIP钻管(含半透膜介质气体采集器)、气体传输线和深度测量系统组成。MIP信号响应强度的校准参考Geoprobe公司标准操作手册[15],使用配备的铜质校准配件(EC标准值为55 mS·m−1)和不锈钢质校准配件(280~300 mS·m−1)进行EC信号值校准;现场配制不同浓度梯度的三氯乙烯作为校准溶液,记录检测器出现响应的时间及峰值对XSD信号值进行校准。

    表1所示,4个钻探点位(34个样品)都存在VCHs的检出,对比GB36600-2018《土壤环境质量 建设用地土壤污染风险管控标准(试行)》[18],检出普遍且超标严重的污染物主要有1,1,2-三氯乙烷、三氯乙烯、四氯乙烯等。1,1,2-三氯乙烷最高浓度为2 910 000.00 μg·kg−1,最大超标4 849.00倍。地块最大污染深度近13.0 m。超标样品集中在MS1和MS2点位地下1.0~5.0 m深度范围的粉黏土中,污染分布较为集中。

    表 1  场地钻探调查污染数据结果分析
    Table 1.  Analysis of pollution data of site drilling survey
    污染物土壤污染风险筛选值/(μg·kg−1)最高检测数值/(μg·kg−1)检出率/%超标率/%最大超标倍数
    1,1,2-三氯乙烷600.002 910 000.0088.8947.224 849.00
    三氯乙烯700.00175 000.0069.4444.44249.00
    氯乙烯120.0037 000.0041.6727.7829.83
    1,1,2,2-四氯乙烷1 600.00510 000.0058.3313.89317.75
    1,2,3-三氯丙烷50.004 560.0030.5619.4490.21
    1,2-二氯乙烷520.0041 200.0058.3316.6778.23
    四氯乙烯1 1000.00504 000.0094.4416.6744.82
    1,4-二氯苯5 600.00137 000.0069.4411.1123.46
    氯仿300.005 310.0058.3313.8916.70
    氯苯6 8000.00601 000.0088.898.337.84
      注:土壤污染风险筛选值是指土壤中污染物含量对人体健康风险的临界值,超过该值时,表明可能存在风险;未超过,则表明风险可忽略。
     | Show Table
    DownLoad: CSV

    1)地层结构与EC信号值相关性分析。比对分析场地钻探调查钻孔地层岩性与其对应MIP-EC信号值(图2),发现EC信号值能更详尽地表征地层结构信息。钻探调查4个钻孔表明,该地块埋深15.0 m内主要有填土、粉黏土和砂土共3种土壤类型,分为6个土层:填土层(层底深度0.8~3.8 m)、粉黏层(2.5~5.7 m)、砂层(8.0~10.0 m)、粉黏层(10.8~11.0 m)、砂层(14.2 m)和粉黏层(15.0 m)。有研究发现[19-20],在相同条件下,土壤EC信号值越高,表明其细颗粒含量越高,反之则含量越低;砂土的EC信号值一般为1~10 mS·m−1,黏土约10~300 mS·m−1。当土壤含水率为15%~30%时,EC信号值随含水率的增加而逐渐增加;超过30%后,EC信号值则不再增加[21-22]。本地块4个MIP验证点结果显示:第1层砖渣碎石填土(层底深度为0.7~3.0 m),EC信号值为0~70 mS·m−1;第2层粉黏填土(1.6~3.6 m),EC为20~85 mS·m−1;第3层粉黏层(5.1~5.6 m),EC为40~125 mS·m−1;第4层砂层(含粉黏)(8.0~9.0 m),EC为0~90 mS·m−1;第5层粉黏土(含黏粉)(9.6~10.5 m),EC为30~170 mS·m−1;第6层砂层(11.2~11.8 m),EC为0~50 mS·m−1;第7层粉黏层(15.0 m),EC为50~170 mS·m−1(图2)。MIP系统通过现地实时采集大量的EC信号值(间隔1.5 cm),能准确且连贯地刻画地层结构信息,避免了因钻探采样间距过大、操作不规范、土质鉴别不准确等因素而造成的地层信息偏差;同时,降低了钻探取样、土工试验等环节的经济和时间成本。此外,图2(a)和图2(b)中M1和M2点位粉黏土的EC信号值明显高于其它2个点位,因此推断是该2个点位粉黏土中VCHs含量较高所致。相关研究表明[19,22-23],土壤孔隙中的有机污染物长期在微生物的作用下,促使土壤孔隙水的盐度升高,进而降低了土壤电阻率,且黏土的降低效果最为明显(近50倍)。基于11个MIP点位的EC信号值,模拟建立了地块地层结构分布三维图(图3),明确了地块地层空间分布特征,可为地块污染特征分析奠定基础。

    图 2  MIP验证点EC信号值与场地钻探调查钻孔土壤岩性对比
    Figure 2.  Comparison of EC signal values of MIP survey point and site drilling survey borehole soil lithology
    图 3  地块地层结构分布图
    Figure 3.  Distribution map of site stratum structure

    2)样品检测数值与XSD信号值相关性分析。将场地钻探调查点位土样中的VCHs检测数值换算成对应物质在样品中的有机氯元素质量分数,并将每个土样采集深度±10 cm范围内XSD信号值的平均值作为该样品的总有机氯元素质量分数对应的XSD信号值,二者呈正相关(图4)。MS1和MS2点的污染物种类多、检测数值高,其对应的M1和M2点XSD信号值分布范围分别为100 000~750 000和200 000~900 000 μV。MS3和MS4点污染程度较低,对应的M3和M4点XSD信号值都低于200 000 μV。XSD检测器信号输出上限为1 000 000 μV。图4(b)所示,当信号值大于500 000 μV时,XSD信号值与土壤样品有机氯元素质量分数的相关性变差并出现“拖尾”现象;因有机氯元素质量分数过高时(>1 500 000 μg·kg−1),XSD检测器受影响而无法快速回归基线。图4(c)和图4(d)中VCHs检测数值较低,均呈现XSD信号值较低且被基线信号波动所覆盖的现象。

    图 4  场地钻探调查土壤样品有机氯元素质量分数与MIP系统调查XSD信号值比对
    Figure 4.  Comparison of mass fraction of organic chlorine elements in soil samples of site drilling survey and XSD signal values of MIP system survey

    图5(a)所示,地块范围内XSD信号值y(<500 000 μV)与土壤样品有机氯元素质量分数x的线性回归方程为:y=34.889x+56 284(R2=0.810 3),拟合度较差。相关研究表明,土壤质地、渗透率等因素对MIP系统检测信号值影响显著[24-25]。CHRISTY等[24]发现,在1 g黏土中1 μg汽油的MIP-PID响应信号值为50 000 μV,而砂土仅为10 000 μV。

    图 5  MIP系统调查XSD信号值(<500 000 μV)与土壤样品有机氯元素质量分数的回归分析
    Figure 5.  Linear regression analysis between XSD signal value (<500 000 μV) of MIP system survey and mass fraction of organic chlorine in soil samples

    依据地层结构和土质差异,将调查地块分为低渗透层(黏土层)和高渗透层(砂层)。由图5(b)和图5(c)可见,同一土层中的XSD信号值(<500 000 μV)与其对应的有机氯元素质量分数x的线性回归方程拟合度较高(R2>0.99)。低渗透层中单位质量有机氯元素(以ug计)增加对应的XSD响应信号值约为100 000 μV,而高渗透层约为30 000 μV。推断其原因为:一方面,砂土颗粒间孔隙大,MIP探头加热(120 ℃)促使污染物可能向四周扩撒逃逸,影响VCHs收集与检测;另一方面,粉黏土渗透性差且VCHs含量高,受热脱附后能够大量且持续地进入半透膜并输送至检测器。此外,MIP系统在单位深度范围内检测的样品密度远大于现行调查方法,且可现场实时获取检测信号值,有效地规避了采样及运输环节的VOCs损失,同时节省了大量的检测费用和时间,能够快速而高效地反映调查地块不同土质中的污染程度及范围。

    场地钻探调查数据显示,1,1,2-三氯乙烷中的氯元素占比地块总有机氯元素约28%。我国现行的GB 36600-2018《土壤环境质量 建设用地土壤污染风险管控标准(试行)》[18]中,该物质的土壤污染风险筛选值为600.00 μg·kg−1。使用低渗透层和高渗透层的回归方程计算,对应的土壤中总有机氯XSD值分别约为220 000 μV和90 000 μV。基于11个MIP点位的检测电信号值,建立了调查地块VCHs的XSD信号值与地块粉黏层三维可视图(图6)。

    图 6  MIP系统调查点XSD信号值与地块粉黏层分布三维图
    Figure 6.  Three-dimensional map of XSD signal value of MIP system survey and distribution of silt clay layer

    图6可看出,高渗透层(XSD>90 000 μV)和低渗透层(XSD>220 000 μV)都已受到不同程度的污染。地块西南部M1和M2点所在区域的填土层变层处及其下层粉黏土污染最重(XSD>800 000 μV),1,1,2-三氯乙烷最高含量为2 910 000.00 μg·kg−1。随着深度的增加,污染程度逐渐减小,且在垂向上的污染分布呈现连续性,推断该区域为地下储罐或管线渗漏污染区。渗漏的VCHs通过包气带毛细裂缝快速进入土壤,在挥发、淋溶以及自身重力作用下,污染物在土壤颗粒、土壤渗滤液和土壤空气中分配并达到平衡[26-27]。地块填土层对VCHs吸附阻隔能力弱,污染物在填土层以下的粉黏土层中富集滞留,该现象与MCCALL等[19]的研究结果相符。随着时间的推移以及污染物的不断渗漏,污染物再次分配并发生质体流动,进一步垂向迁移至空气或地下水中[27-29]。这解释了地块空气中的明显刺鼻异味,同时含水层土壤受到污染。沉积在含水层底板的VCHs污染物(ρ>1),随着地下水流动扩散,会进一步发生横向迁移[30]。因此,地块埋深10.0~12.0 m深度的含水层粉黏夹层及隔水底板存在污染物横向迁移的现象。

    1)采用现行调查方法初步明确了调查地块的地层以粉黏层和砂层为主,MS1和MS2点位区域为重污染区,特征污染物是以1,1,2-三氯乙烷、三氯乙烯、四氯乙烯等为主的VCHs,最大污染深度为13.0 m。

    2)MIP系统调查结果验证显示,MIP-EC信号值能更详尽地表征地块的地层结构;在地块同一种土质中,MIP-XSD信号值(<500 000 μV)与实验室检测数据的线性回归拟合度相对较高(R2>0.99)。

    3)基于11个MIP系统调查点位电信号值信息,明确了调查地块的污染状况:M1和M2点位区域为地块污染渗漏区,污染物主要富集于渗漏区粉黏层中,自上而下污染程度逐渐减小。VCHs污染物已垂向迁移至空气和地下水环境,并在含水层中的粉黏夹层和隔水底板发生横向迁移。

    4)针对VOCs污染地块,在利用现行调查方法初步明确地块地层信息和特征污染物前提条件下,使用MIP系统联合开展污染状况调查,可快速且高效地表征地块VOCs污染空间分布特征。

  • 图 1  厌氧产酸发酵罐模式和流程图

    Figure 1.  Anaerobic fermentation tank model and process flow diagram

    图 2  蓝藻热碱预处理后SCOD浓度、溶出率变化(提供给半连续运行反应器)

    Figure 2.  Variations of SCOD and solution rate after thermal-alkaline pretreatment (provided for semi-continuous operation)

    图 3  发酵过程中有机酸构成和总挥发性脂肪酸产率的变化

    Figure 3.  Variations of VFAs composition and yield during fermentation

    图 4  预处理后和发酵后溶解性碳水化合物和蛋白质浓度的变化

    Figure 4.  Variations of polysaccharide concentration and protein concentration after pretreatment and fermentation

    图 5  预处理后和发酵后TN和NH+4-N浓度的变化

    Figure 5.  Variations of TN and NH+4-N concentration after pretreatment and fermentation

    图 6  发酵过程中蓝藻TSS、VSS的变化

    Figure 6.  Variations of TSS and VSS concentration during fermentation

    图 7  在各阶段中蓝藻溶解性有机物的三维荧光光谱

    Figure 7.  Excitation-emission matrix (EEM) fluorescence spectra of DOM extracted from cyanobacteria in different phases

    表 1  种泥、底物的基本理化性质

    Table 1.  Characteristics of cyanobacteria and seed sludge

    供试材料TSS/(g·L−1)(VSS/TSS)/%TCOD/(mg·L−1)SCOD/(mg·L−1)pH溶解性碳水化合物/(mg·L−1)溶解性蛋白质/(mg·L−1)溶解性氨氮/(mg·L−1)溶解性总氮/(mg·L−1)
    产酸种泥10270.56 842.24.6730756.4358.5997.8
    序批式进料蓝藻725545 614.41 228.15.8284.7826.140.8241.3
    半连续进料蓝藻808079 7044 250.46.16442 333.646.7564.2
    供试材料TSS/(g·L−1)(VSS/TSS)/%TCOD/(mg·L−1)SCOD/(mg·L−1)pH溶解性碳水化合物/(mg·L−1)溶解性蛋白质/(mg·L−1)溶解性氨氮/(mg·L−1)溶解性总氮/(mg·L−1)
    产酸种泥10270.56 842.24.6730756.4358.5997.8
    序批式进料蓝藻725545 614.41 228.15.8284.7826.140.8241.3
    半连续进料蓝藻808079 7044 250.46.16442 333.646.7564.2
    下载: 导出CSV
  • [1] 刘刚, 屠春宝, 毕相东, 等. 碱法热处理对蓝藻厌氧发酵生物转化及微囊藻毒素降解效果的影响[J]. 农业资源与环境学报, 2016, 33(6): 547-553.
    [2] 韩士群, 严少华, 王震宇, 等. 太湖蓝藻无害化处理资源化利用[J]. 自然资源学报, 2009, 24(3): 431-438. doi: 10.3321/j.issn:1000-3037.2009.03.007
    [3] NAGARAJAN D, LEE D J, KONDO A, et al. Recent insights into biohydrogen production by microalgae from biophotolysis to dark fermentation[J]. Bioresource Technology, 2017, 227: 373-387. doi: 10.1016/j.biortech.2016.12.104
    [4] KIM D, KIM S, HAN J I, et al. Carbon balance of major volatile fatty acids (VFAs) in recycling algal residue via a VFA-platform for reproduction of algal biomass[J]. Journal of Environmental Management, 2019, 237: 228-234.
    [5] SEO C, KIM W, CHANG H N, et al. Comprehensive study on volatile fatty acid production from Ettlia sp. residue with molecular analysis of the microbial community[J]. Algal Research, 2016, 17: 161-167. doi: 10.1016/j.algal.2016.04.015
    [6] WANG J, LIU H, FU B, et al. Trophic link between syntrophic acetogens and homoacetogens during the anaerobic acidogenic fermentation of sewage sludge[J]. Biochemical Engineering Journal, 2013, 70: 1-8. doi: 10.1016/j.bej.2012.09.012
    [7] JIE W G, PENG Y Z, REN N Q, et al. Volatile fatty acids (VFAs) accumulation and microbial community structure of excess sludge (ES) at different pHs[J]. Bioresource Technology, 2014, 152: 124-129. doi: 10.1016/j.biortech.2013.11.011
    [8] RAS M, GIRBAL-NEUHAUSER E, PAUL E, et al. Protein extraction from activated sludge: An analytical approach[J]. Water Research, 2008, 42(8/9): 1867-1878. doi: 10.1016/j.watres.2007.11.011
    [9] 国家环境保护总局. 水和废水监测分析方法[M]. 4版. 北京: 中国环境科学出版社, 2002.
    [10] CHO H U, KIM H G, KIM Y M, et al. Volatile fatty acid recovery by anaerobic fermentation from blue-green algae: Effect of pretreatment[J]. Bioresource Technology, 2017, 244(2): 1433-1438.
    [11] PARK K Y, KWEON J, CHANTRASAKDAKUL P, et al. Anaerobic digestion of microalgal biomass with ultrasonic disintegration[J]. International Biodeterioration & Biodegradation, 2013, 85: 598-602.
    [12] PASSOS F, FERRER I. Influence of hydrothermal pretreatment on microalgal biomass anaerobic digestion and bioenergy production[J]. Water Research, 2015, 68: 364-373. doi: 10.1016/j.watres.2014.10.015
    [13] EHIMEN E A, SUN Z F, CARRINGTON C G, et al. Anaerobic digestion of microalgae residues resulting from the biodiesel production process[J]. Applied Energy, 2011, 88(10): 3454-3463. doi: 10.1016/j.apenergy.2010.10.020
    [14] SURESH A, SEO C, CHANG H N, et al. Improved volatile fatty acid and biomethane production from lipid removed microalgal residue(LRmuAR) through pretreatment[J]. Bioresource Technology, 2013, 149: 590-594. doi: 10.1016/j.biortech.2013.09.123
    [15] MA H J, LIU H, ZHANG L H, et al. Novel insight into the relationship between organic substrate composition and volatile fatty acids distribution in acidogenic co-fermentation[J]. Biotechnology for Biofuels, 2017, 10: 137. doi: 10.1186/s13068-017-0821-1
    [16] WANG K, YIN J, SHEN D S, et al. Anaerobic digestion of food waste for volatile fatty acids (VFAs) production with different types of inoculum: Effect of pH[J]. Bioresource Technology, 2014, 161: 395-401. doi: 10.1016/j.biortech.2014.03.088
    [17] SHI X C, LIN J, ZUO J N, et al. Effects of free ammonia on volatile fatty acid accumulation and process performance in the anaerobic digestion of two typical bio-wastes[J]. Journal of Environmental Sciences, 2017, 55: 49-57. doi: 10.1016/j.jes.2016.07.006
    [18] MASPOLIM Y, ZHOU Y, GUO C, et al. Comparison of single-stage and two-phase anaerobic sludge digestion systems performance and microbial community dynamics[J]. Chemosphere, 2015, 140: 54-62. doi: 10.1016/j.chemosphere.2014.07.028
    [19] SUNG S, LIU T. Ammonia inhibition on thermophilic anaerobic digestion[J]. Chemosphere, 2003, 53(1): 43-52. doi: 10.1016/S0045-6535(03)00434-X
    [20] STERLING M C, LACEY R E, ENGLER C R, et al. Effects of ammonia nitrogen on H2 and CH4 production during anaerobic digestion of dairy cattle manure[J]. Bioresource Technology, 2001, 77(1): 9-18. doi: 10.1016/S0960-8524(00)00138-3
    [21] LIU H, HAN P, LIU H B, et al. Full-scale production of VFAs from sewage sludge by anaerobic alkaline fermentation to improve biological nutrients removal in domestic wastewater[J]. Bioresource Technology, 2018, 260: 105-114. doi: 10.1016/j.biortech.2018.03.105
    [22] WANG K, LI W G, GONG X J, et al. Spectral study of dissolved organic matter in biosolid during the composting process using inorganic bulking agent: UV-vis, GPC, FTIR and EEM[J]. International Biodeterioration & Biodegradation, 2013, 85: 617-623.
    [23] JIA X, ZHU C W, LI M X, et al. A comparison of treatment techniques to enhance fermentative hydrogen production from piggery anaerobic digested residues[J]. International Journal of Hydrogen Energy, 2013, 38(21): 8691-8698. doi: 10.1016/j.ijhydene.2013.05.013
    [24] JIMENEZ J, GONIDEC E, RIVERO J A C, et al. Prediction of anaerobic biodegradability and bioaccessibility of municipal sludge by coupling sequential extractions with fluorescence spectroscopy: Towards ADM1 variables characterization[J]. Water Research, 2014, 50: 359-372. doi: 10.1016/j.watres.2013.10.048
    [25] MA Y Q, GU J, LIU Y. Evaluation of anaerobic digestion of food waste and waste activated sludge: Soluble COD versus its chemical composition[J]. Science of the Total Environment, 2018, 643: 21-27. doi: 10.1016/j.scitotenv.2018.06.187
  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、全文浏览量、PDF下载量统计信息摘要浏览量全文浏览量PDF下载量2024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-042025-050Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 2.7 %DOWNLOAD: 2.7 %HTML全文: 93.2 %HTML全文: 93.2 %摘要: 4.1 %摘要: 4.1 %DOWNLOADHTML全文摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 89.2 %其他: 89.2 %Anwo: 0.0 %Anwo: 0.0 %Ashburn: 0.1 %Ashburn: 0.1 %Baima: 0.1 %Baima: 0.1 %Beijing: 3.4 %Beijing: 3.4 %Boulder: 0.1 %Boulder: 0.1 %Chang'an: 0.0 %Chang'an: 0.0 %Changsha: 0.5 %Changsha: 0.5 %Chaowai: 0.0 %Chaowai: 0.0 %Chongqing: 0.0 %Chongqing: 0.0 %Daejeon: 0.1 %Daejeon: 0.1 %Dongguan: 0.0 %Dongguan: 0.0 %Guangzhou: 0.2 %Guangzhou: 0.2 %Gulan: 0.0 %Gulan: 0.0 %Hangzhou: 0.3 %Hangzhou: 0.3 %Huangpu: 0.0 %Huangpu: 0.0 %Hutang: 0.0 %Hutang: 0.0 %Jinrongjie: 0.0 %Jinrongjie: 0.0 %Kunshan: 0.0 %Kunshan: 0.0 %Mountain View: 0.1 %Mountain View: 0.1 %Nanchang: 0.0 %Nanchang: 0.0 %Nanchansi: 0.0 %Nanchansi: 0.0 %Nanjing: 0.2 %Nanjing: 0.2 %Osaka: 0.1 %Osaka: 0.1 %Pasadena: 0.1 %Pasadena: 0.1 %Qinnan: 0.0 %Qinnan: 0.0 %Shanghai: 0.2 %Shanghai: 0.2 %Shantou: 0.0 %Shantou: 0.0 %Shenyang: 0.0 %Shenyang: 0.0 %Shenzhen: 0.0 %Shenzhen: 0.0 %Slim River: 0.1 %Slim River: 0.1 %Taiyuan: 0.0 %Taiyuan: 0.0 %The Bronx: 0.0 %The Bronx: 0.0 %Tianjin: 0.0 %Tianjin: 0.0 %Wuhan: 0.0 %Wuhan: 0.0 %Wuxi: 0.1 %Wuxi: 0.1 %Xiamen: 0.1 %Xiamen: 0.1 %Xiangtan: 0.0 %Xiangtan: 0.0 %XX: 2.1 %XX: 2.1 %Yuncheng: 0.1 %Yuncheng: 0.1 %Zhangjiagang: 0.0 %Zhangjiagang: 0.0 %Zhengzhou: 0.0 %Zhengzhou: 0.0 %上海: 0.1 %上海: 0.1 %北京: 0.3 %北京: 0.3 %十堰: 0.0 %十堰: 0.0 %南京: 0.0 %南京: 0.0 %天津: 0.0 %天津: 0.0 %宝鸡: 0.0 %宝鸡: 0.0 %昌吉: 0.0 %昌吉: 0.0 %永州: 0.0 %永州: 0.0 %济南: 0.1 %济南: 0.1 %海口: 0.0 %海口: 0.0 %深圳: 0.1 %深圳: 0.1 %苏州: 0.0 %苏州: 0.0 %茂名: 0.0 %茂名: 0.0 %赤峰: 0.0 %赤峰: 0.0 %运城: 0.0 %运城: 0.0 %邯郸: 0.0 %邯郸: 0.0 %长沙: 0.0 %长沙: 0.0 %阳泉: 0.1 %阳泉: 0.1 %其他AnwoAshburnBaimaBeijingBoulderChang'anChangshaChaowaiChongqingDaejeonDongguanGuangzhouGulanHangzhouHuangpuHutangJinrongjieKunshanMountain ViewNanchangNanchansiNanjingOsakaPasadenaQinnanShanghaiShantouShenyangShenzhenSlim RiverTaiyuanThe BronxTianjinWuhanWuxiXiamenXiangtanXXYunchengZhangjiagangZhengzhou上海北京十堰南京天津宝鸡昌吉永州济南海口深圳苏州茂名赤峰运城邯郸长沙阳泉Highcharts.com
图( 7) 表( 1)
计量
  • 文章访问数:  5372
  • HTML全文浏览数:  5372
  • PDF下载数:  73
  • 施引文献:  0
出版历程
  • 收稿日期:  2019-07-28
  • 录用日期:  2019-11-13
  • 刊出日期:  2020-05-01
陆小游, 刘宏波, 黄芳, 董璐, 温佳欣, 张慧旻, 刘和. 厌氧发酵产挥发性脂肪酸实现太湖蓝藻泥的减量与资源化[J]. 环境工程学报, 2020, 14(5): 1376-1384. doi: 10.12030/j.cjee.201907172
引用本文: 陆小游, 刘宏波, 黄芳, 董璐, 温佳欣, 张慧旻, 刘和. 厌氧发酵产挥发性脂肪酸实现太湖蓝藻泥的减量与资源化[J]. 环境工程学报, 2020, 14(5): 1376-1384. doi: 10.12030/j.cjee.201907172
LU Xiaoyou, LIU Hongbo, HUANG Fang, DONG Lu, WEN Jiaxin, ZHANG Huimin, LIU He. Reduction and resource utilization of cyanobacteria from Taihu Lake via anaerobic fermentation for volatile fatty acids production[J]. Chinese Journal of Environmental Engineering, 2020, 14(5): 1376-1384. doi: 10.12030/j.cjee.201907172
Citation: LU Xiaoyou, LIU Hongbo, HUANG Fang, DONG Lu, WEN Jiaxin, ZHANG Huimin, LIU He. Reduction and resource utilization of cyanobacteria from Taihu Lake via anaerobic fermentation for volatile fatty acids production[J]. Chinese Journal of Environmental Engineering, 2020, 14(5): 1376-1384. doi: 10.12030/j.cjee.201907172

厌氧发酵产挥发性脂肪酸实现太湖蓝藻泥的减量与资源化

    通讯作者: 刘和(1974—),男,博士,教授。研究方向:固废污染控制与资源化。E-mail:liuhe@jiangnan.edu.cn
    作者简介: 陆小游(1994—),男,硕士研究生。研究方向:废物资源化工程。E-mail:luxiaoyoujn@126.com
  • 江南大学环境与土木工程学院,江苏省厌氧生物技术重点实验室,无锡 214122
基金项目:
国家水体污染控制与治理科技重大专项(2017ZX07203-001)

摘要: 采用热碱预处理及厌氧发酵技术实现了太湖蓝藻生产挥发性脂肪酸(VFAs)。结果表明,热碱预处理(T=90 ℃,pH=12)可以促进蓝藻中的固相有机质溶于液相中,溶解性的化学需氧量(SCOD)、碳水化合物和蛋白质相比未预处理分别提高了10.3、12.3和4.8倍。三维荧光光谱(3D-EEM)分析表明,热碱预处理能提高蓝藻可生物利用性,同时降低腐殖酸的含量,有利于后续生物转化。在序批式厌氧发酵产酸运行模式下,平均总挥发性脂肪酸(TVFAs)浓度达到18.64 g·L−1,产酸效率(1 g VSS中VFAs的占比)为46%。半连续运行模式下,平均TVFAs可以达到15.56 g·L−1,产酸效率为26%。蓝藻中溶解性碳水化合物和蛋白质降解率分别为50.43%和47.04%。同时,蓝藻中总悬浮固体(TSS)和挥发性悬浮固体(VSS)的降解率分别为24.5%和43.4%,达到了很好的减量化效果,但残留物中还存在大量有机物未生物转化。

English Abstract

  • 近年来,随着太湖水体富营养化的加剧,太湖蓝藻暴发呈逐年上升趋势。蓝藻不仅会造成水质恶化,破坏水体生态系统,而且多数蓝藻还会释放藻毒素,藻细胞死亡裂解后释放至水体中,威胁城市日常饮用水安全和公众健康[1]。目前,应急打捞是我国减除蓝藻水污染生态灾害和降低再次暴发强度的最直接的有效措施[2]。但打捞的大量蓝藻如不进行及时处理,则会在陆地上发生二次污染。因此,如何实现蓝藻泥的高效处理处置已成为目前亟待解决的环境问题。

    蓝藻中富含蛋白质、碳水化合物以及少量的脂质[3],是理想的厌氧发酵的底物。通过将厌氧消化控制在产酸阶段,可以得到附加值较高的VFAs;并且还能使蓝藻减量,实现蓝藻资源化、减量化的目的。KIM等[4]以提取了脂质的微藻作为底物进行厌氧发酵产酸,产酸效率(1 g VS中VFAs的占比)为36%。SEO等[5]采用提取了脂质的微藻残留物作为底物进行发酵产酸,产酸量达到8.17 g·L−1,产酸效率(1 g COD中VFAs的占比)为40%。然而,目前利用蓝藻发酵生产VFAs的报道不多。

    本研究考察了太湖蓝藻泥厌氧发酵产VFAs的效果,并采用热碱预处理对蓝藻进行破壁处理,研究了蓝藻水解及产酸效果,考察了发酵前后底物的降解情况,剖析了预处理前后及发酵后溶解性有机物(DOM)的成分变化,分析预测了工业规模下的蓝藻发酵产酸的经济可行性,为蓝藻厌氧发酵产酸的工业化推广提供了可靠的理论和数据支持。

  • 蓝藻浆来自江苏省无锡市太湖藻水分离站,将蓝藻浆放置于4 ℃冰箱中储存备用。序批式运行期间,TSS调至72 g·L−1,VSS/TSS为55%;半连续运行期间,TSS调至80 g·L−1,VSS/TSS为80%。

    种泥来自宜兴某企业处理柠檬酸废水工艺的UASB产甲烷颗粒污泥,且使用前进行了驯化:将产气颗粒污泥在105 ℃加热2 h,以杀死产甲烷菌,将经过热处理的颗粒污泥添加到实验室UASB反应器中,以重新驯化激活;将活化营养液连续泵入UASB以富集产酸细菌,并将温度保持在(37±2) ℃。当电解质pH降至4.0以下时,认为产酸种泥驯化完成[6]。驯化周期超过21 d。产酸种泥及各阶段进料底物的基本理化性质如表1所示。

  • 实验装置为自动机械搅拌不锈钢发酵罐(GUJS-30C型,镇江东方生物工程设备技术有限责任公司),有效容积为21 L。工艺流程如图1所示。热碱预处理后的蓝藻泥经螺杆泵进入发酵罐中,发酵罐配有PLC自控系统,可实时监控调节发酵罐内温度、pH和搅拌转速。反应器外导气口通过硅胶管联通湿式气体流量计,发酵后的发酵液经过泥水分离,进行VFAs的回收。

  • 在进行蓝藻热碱预处理实验时,将在藻水分离站中取回来的藻浆用自来水调TSS为72 g·L−1(序批式)或80 g·L−1(半连续运行),然后储存在4 ℃冰箱里冷冻保存。每2 d取4.2 L新鲜藻浆放置在预处理罐中,用酸碱调节泵泵入10 mol·L−1氢氧化钠(NaOH),调节pH至12±0.02,蒸汽发生器产生的蒸汽至蒸汽加热夹层,使预处理罐维持温度在(90±2) ℃,电机搅拌转速为(80±10) r·min−1,在预处理罐中反应2 h,冷却至室温后,泵入发酵罐中进行产酸反应。

    在进行蓝藻厌氧发酵产酸实验时,将实验分为序批式启动阶段和半连续运行阶段。序批式启动阶段:产酸种泥的接种量为30%,即将TSS=72 g·L−1、VSS/TSS=55%(序批式)的新鲜藻浆14.7 L经过热碱预处理后泵入发酵罐中,再加入6.3 L驯化好的产酸种泥;在整个发酵运行过程中,采用酸碱调节泵泵入10 mol·L−1 NaOH溶液或10 mol·L−1盐酸(HCl)溶液,调节反应器内pH,维持发酵罐pH=10±0.02 [7],电机转速设定为(80±10) r·min−1,温度维持在(37±2) ℃。半连续运行阶段:待产酸稳定后,开始更换蓝藻底物进行半连续厌氧发酵产酸;污泥停留时间(SRT)为10 d,即每2 d排出4.2 L发酵后藻浆,同时将4.2 L TSS=80 g·L−1、VSS/TSS=80%(半连续)的新鲜藻浆经过热碱预处理后泵入发酵罐中;整个发酵过程运行的参数条件与序批式阶段相同。

  • 将采集好的水样经过10 000 r·min−1离心10 min后,取上清液通过0.45 µm滤膜,用于测定SCOD、溶解性蛋白质、溶解性碳水化合物、氨氮(NH+4-N)、总氮(TN)和VFAs类型及浓度。溶解性蛋白质采用BCA试剂盒法[8]

    蓝藻TSS、VSS、TCOD、SCOD、溶解性碳水化合物、NH+4-N、TN均采用国家标准方法[9]测定;VFAs采用气相色谱法测定,测量仪器为高效气相色谱仪(2010型,岛津公司),主要配置:AOC-20i自动进样器、FID检测器、PEG-20M色谱柱(30 m×0.32 mm×0.5 µm,大连中北分析仪器);采用一阶程序升温,初温80 ℃,保持3 min,然后以15 ℃·min−1的速率升至200 ℃,保持2 min。载气为氮气,吹尾流量30 mL·min−1。进样室(SPL)和检测器(FID)的温度均设为250 ℃。

    蓝藻溶出率[10]按式(1)进行计算。

    式中:R为溶出率;CSCODa表示蓝藻预处理后的SCOD,mg·L−1CSCODb为预处理前蓝藻的SCOD,mg·L−1CtCOD为蓝藻总COD,mg·L−1

  • 热碱预处理可以极大促进蓝藻有机质释放到液相。由于蓝藻细胞壁的高抗性,蓝藻生物质比污水污泥更难降解[11],破壁成为了厌氧发酵过程中的主要瓶颈。因此,需要预处理来加速其水解[12]图2反映了蓝藻热碱预处理后SCOD及溶出率的变化(提供给半连续运行反应器)。调浆后的蓝藻初始SCOD为4 250.4 mg·L−1,SCOD在热碱预处理后增大到48 081.5 mg·L−1,最高达到50 323.8 mg·L−1,预处理后的平均浓度是初始浓度的11.31倍,平均溶出率为58.1%。由SCOD增长变化可以看出,热碱预处理能有效地将蓝藻有机质从固相转移到液相。

  • 蓝藻产酸效果如图3所示。蓝藻厌氧发酵过程分为序批式启动阶段和半连续运行阶段。在序批式启动阶段,底物采用TSS=72 g·L−1、VSS/TSS=55%热碱预处理后的蓝藻浆,TVFAs最高可达18.64 g·L−1,产酸效率(1 g VSS中VFAs的占比)最高为46%;在半连续运行阶段,由于更换进料底物,采用TSS=80 g·L−1、VSS/TSS=80%热碱预处理后的蓝藻浆,TVFAs平均浓度为15.56 g·L−1,产酸效率稳定在26%。而EHIMEN等[13]对未预处理的小球藻进行发酵产酸,产酸效率(1 g VS中VFAs的占比)为13%,本研究序批式启动阶段中的产酸效率为其3.54倍,半连续运行阶段的产酸效率为其2倍,这说明预处理能有效提高后续发酵产酸效率。SURESH等[14]以碱-超声预处理蓝藻,以序批式运行得到的产酸效率(1 g VS中VFAs的占比)为27%,本研究序批式启动阶段的产酸效率为其1.7倍。在以蓝藻为底物进行厌氧发酵过程中,所产酸中以乙酸为主,丙酸、丁酸为次,这主要与在碱性条件下,发酵底物中富含碳水化合物、蛋白质有关[15]

    在发酵过程中溶解性碳水化合物及蛋白质浓度变化如图4所示。在序批式阶段,溶解性碳水化合物浓度由5 219.3 mg·L−1降至2 096.7 mg·L−1,而溶解性蛋白质浓度由2 888.2 mg·L−1降低至2 713.3 mg·L−1。检测到的溶解性碳水化合物和蛋白质浓度是释放速率和降解之间净平衡的结果[16];由于发酵罐中的产酸微生物对溶解性蛋白质的降解超过了蓝藻生物质的水解,初期呈现下降趋势,此后蛋白质的降解和释放保持平衡。然而,检测到的溶解性碳水化合物浓度却呈现出下降的趋势;这可能是由于在厌氧发酵过程中,产酸微生物更倾向于利用碳水化合物生成VFAs。在半连续运行阶段,溶解性碳水化合物和蛋白质浓度分别稳定在4 259.09 mg·L−1和7 172.79 mg·L−1,碳水化合物降解率为50.43%,蛋白质降解率为47.04%。溶解性蛋白质和碳水化合物浓度都是先升高再趋于稳定,这是因为在半连续运行阶段进料底物中溶解性有机质的增加,导致发酵罐内溶解性蛋白质和碳水化合物浓度的增加。

    氨氮是影响后续发酵产酸的重要指标[17]。氨氮浓度过高时,会抑制后续的厌氧发酵产酸过程。蓝藻预处理后和发酵后TN、NH+4-N变化如图5所示。蓝藻浆经过预处理后,初始和预处理后NH+4-N平均浓度分别为46.7 mg·L−1和1 020.8 mg·L−1,预处理后的平均浓度是初始浓度的21.9倍。预处理后TN平均浓度达到3 068.4 mg·L−1,比预处理前升高了5.44倍,这是因为在热碱预处理过程中,随着蓝藻细胞的破裂,一方面,含氮化合物从固相转移到液相,使得溶解性总氮含量不断增加;另一方面,溶解性蛋白质也在不断水解,生成多肽、二肽、氨基酸,甚至进一步水解成小分子有机酸、氨氮及二氧化碳[18]

    在序批式厌氧发酵阶段,TN浓度由2 114.3 mg·L−1上升到2 860.5 mg·L−1NH+4-N浓度从1 055.8 mg·L−1上升到2 213.4 mg·L−1,直至保持稳定,NH+4-N和TN的变化趋势一致。有研究[19-20]发现,当氨氮浓度高于4 920 mg·L−1时,会出现厌氧消化受到抑制的现象;当氨氮浓度高于8 000 mg·L−1时,厌氧消化被100%抑制。本研究中各阶段的NH+4-N浓度均低于4 920 mg·L−1,故未出现抑制现象。在半连续运行阶段,发酵前后的TN浓度基本不发生变化,平均浓度分别为3 068.4 mg·L−1和3 118.8 mg·L−1。这是因为蛋白质的发酵过程可分为溶解主导阶段和转化主导阶段[16]。在第18天进行半连续发酵时,产酸过程已经维持稳定,蛋白质的发酵过程主要以转化为主,即含氮化合物转化为氨氮,导致出水氨氮升高。而溶解性总氮包括溶解性蛋白质、水解产物(多肽、二肽、氨基酸等)、氨氮等,总氮浓度基本不会发生变化。热碱预处理和发酵后氨氮平均浓度分别为1 020.83 mg·L−1和2 062.6 mg·L−1,氨氮浓度增加了50.5%。

  • 在半连续运行阶段,将新鲜蓝藻经过热碱预处理后泵入发酵罐中进行后续的发酵产酸。蓝藻的减量效果如图6所示。对于未预处理的蓝藻,初始TSS=80 g·L−1、VSS=64 g·L−1。在半连续运行稳定阶段,TSS下降到最低,为60.4 g·L−1,VSS下降到36.2 g·L−1,TSS和VSS的降解率分别为24.5%和43.4%,VSS的降解率远高于传统厌氧污泥消化的VSS降解率[18]。在半连续运行初期,VSS浓度逐渐上升,这是因为在半连续运行阶段,进料蓝藻替换成了VSS浓度更高的蓝藻,系统尚未稳定;随着半连续的运行,发酵罐内低VSS蓝藻逐渐被替换成高VSS蓝藻,并趋于稳定。水解和酸化过程都有助于底物的减量,包括固体溶解、有机物的分解和生物降解转化为VFAs[21]。通过热碱预处理和发酵产酸可以促进难降解有机质的水解和生物转化。

  • 为更深入了解预处理前后及发酵后DOM的成分变化,对蓝藻溶解性有机物进行3D-EEM分析,结果如图7所示。对于三维荧光光谱图,通过激发波长(Ex)及发射波长(Em)范围可以将蓝藻中DOM分为5个区域[22]。其中区域A(Ex:250~400 nm;Em:380~500 nm)对应腐殖酸类有机物;区域B(Ex:250~400 nm;Em:280~380 nm)对应可溶性微生物副产物;区域C(Ex:220~250 nm;Em:380~450 nm)对应富里酸类有机物;区域D(Ex:220~250 nm;Em:330~380 nm)对应色氨酸类蛋白质;区域E(Ex:220~250 nm;Em:280~330 nm)对应酪氨酸类蛋白质。由图7(a)可以看出,原蓝藻的DOM主要是由少部分酪氨酸类蛋白质、少部分可溶性微生物副产物及部分腐殖酸类有机物组成。在经过热碱预处理后,可溶性微生物副产物增加,同时酪氨酸类蛋白质及腐殖酸类物质大量减少(图7(b))。然而一般认为,可溶性微生物副产物是可生物降解的[23],腐殖酸类物质会抑制厌氧消化过程[24]。对蓝藻进行热碱预处理无疑有利于提高其生化性,减少腐殖酸类物质对厌氧消化的抑制效果,促进后续厌氧发酵产酸的进行。产酸发酵后的DOM中可溶性微生物副产物大大减少(图7(c)),与此相对应,腐殖酸类有机物及富里酸类有机物大量富集。这与WANG等[22]的研究结果大致相同,DOM中可溶性微生物副产物逐渐减少,而腐殖酸类物质逐渐增加。随着厌氧消化时间的延长,有机质会逐渐趋于稳定化,而高腐殖质化的有机质相较于低腐殖质化有机质更稳定[25]

  • 为了衡算太湖蓝藻产挥发性脂肪酸的经济效益,基于本次研究得到的数据(如有机酸转化率、水耗、电耗以及药品消耗等)进行了经济可行性分析。假定日处理蓝藻100 m3(含水率为85%),那么蓝藻干物质的质量为15 000 kg,按照VSS/TSS=80%计,所含VSS量为12 000 kg。根据本研究结果,蓝藻发酵产挥发性脂肪酸有机质的降解率为43.4%,产酸效率(1 g VSS中VFAs的占比)按26%计,则100 m3蓝藻可以产生1 354.1 kg VFAs。由于发酵液中有机酸浓度高,不需要提取,且发酵后的残留物中,未生物转化的有机物主要以蛋白质和碳水化合物形式存在,可直接回流至污水处理池中作为补充碳源强化脱氮除磷,因此,不需要考虑提取成本。按照VFAs的市场价为6 520元·m−3计算,1 m3蓝藻产挥发性脂肪酸收益则为88.3元。工业烧碱的实际消耗量为5 kg·m−3蓝藻,工业烧碱市场价为2 000元·m−3,1 m3蓝藻所耗药剂费为10元。配备2名工作人员,月薪4 500元·人−1。设备总投资(包括基建、维修等)共计2 929万元,折旧期为10 a,预计净残值率为3%,则设备折旧费为77.8元·m−3蓝藻。综上所述,蓝藻通过发酵产酸净收益为117.6元·m−3,每年净收益为429.4万元。

  • 1)经过热碱预处理后,蓝藻中大部分有机质可从固相转移到液相中,平均水解率为58.1%;SCOD、溶解性蛋白质、溶解性碳水化合物浓度相比于未经过预处理的情况下均有大幅度的提高,分别提高了10.3、4.8和12.3倍,从而促进了后续厌氧发酵产酸。

    2)厌氧发酵产酸实现了蓝藻的资源化和减量化。以TSS=72 g·L−1、VSS/TSS=55%的蓝藻为底物,在碱性条件下进行序批式发酵,VFAs最高浓度为18.64 g·L−1,产酸效率(1 g VSS中VFAs的占比)为46%。半连续稳定阶段,蓝藻TSS=80 g·L−1、VSS/TSS=80%,平均VFAs浓度为15.56 g·L−1,产酸效率(1 g VSS中VFAs的占比)为26%。且TSS和VSS的降解率分别为24.5%和43.4%。

    3)经过热碱预处理后,蓝藻可生物利用组分显著增加,同时腐殖酸类物质大量减少,提高了蓝藻的生化性,降低了腐殖质类物质对后续厌氧消化过程的抑制效果;发酵后DOM逐渐趋于稳定,腐殖化程度显著提高。

    4)当蓝藻发酵产挥发性脂肪酸放大至处理量为100 m3·d−1时,净收益为117.6元·m−3,每年净收益为429.4万元。

参考文献 (25)

返回顶部

目录

/

返回文章
返回