-
我国现有近5 000座市政污水处理厂，年处理污水总量超6×1010 m3。市政污水经活性污泥法处理后，其中约1/3的有机污染物可被完全氧化成二氧化碳(CO2)。而其余大部分污水有机物则经由活性污泥代谢后被转化为微生物生物质(按污水处理量及COD折算约合污染物近1×107 t)，成为市政污水处理厂产量最大的副产物——剩余污泥的主要干物质成分。剩余污泥中的有机物是生产能源、燃料和高附加值化学品的潜在原料，可被资源化利用[1-2]，故不宜简单地归类于亟需处理或处置的“有害废物”。
厌氧消化(anaerobic digestion, AD)被认为是实现剩余污泥资源化的主流技术之一[2]。然而，受限于停留时间长、沼气产率低、资源化产品单一等因素，该技术的资源回收效率与资源化产品经济价值等有待进一步提升[3]。近年来，羧酸平台引起了国内外研究者的广泛关注，其“构筑模块”为短链脂肪酸(short-chain fatty acids, SCFAs, C1~C5)。SCFAs可进一步转化为多种高附加值化学品，包括酯类、生物塑料(聚羟基脂肪酸酯)、单细胞蛋白以及中链脂肪酸(medium-chain fatty acids, MCFAs)[2]。SCFAs是污泥厌氧消化的中间产物。经过水解和发酵过程，污泥中的有机物(蛋白质、多糖、脂类)被代谢转化生成SCFAs，转化率可达约70%[2, 4]。相较于传统AD产甲烷过程，污泥的厌氧发酵产SCFAs过程的停留时间、稳定性及发酵产品产率等条件均更具优势。
MCFAs是指碳原子个数为6~12的饱和脂肪酸，包括己酸(C6)、庚酸(C7)、辛酸(C8)等，在精细化工中被广泛用于制作香料、医药、化妆品及增塑剂、橡胶等化工产品。MCFAs的水溶性较弱，如己酸和辛酸在常温常压条件下的水溶解度仅为10.82 g∙L−1和0.68 g∙L−1，易于从发酵液中分离回收。碳链延长(chain elongation, CE)是微生物合成MCFAs的重要代谢途径。该过程以SCFAs为电子受体、乙醇或乳酸为电子供体进行逆向β-氧化(reverse β-oxidation，RBO)[5]。近年来，利用SCFAs产MCFAs的研究已由早期的纯培养(pure culture)体系(以人工培养基为底物接种科氏梭菌Clostridium kluyveri)向开放式培养(open culture)体系(以未经灭菌的实际有机废水或有机废弃物为底物培养混合微生物菌种)稳步推进。AGLER等[6]将发酵液pH稳定控制在5.5，利用玉米生物乙醇发酵液(富含乙醇、葡萄糖、酵母菌细胞及少量残留玉米粒生物质)产SCFAs同时进行碳链延长，并在发酵反应器下游设置在线液液萃取体系同步连续回收发酵液中的己酸，产率达到2 g∙(L∙d)−1。以此为基础，GE等[7]在550 d的连续培养过程中将己酸产率继续提高至3.4 g∙(L∙d)−1。KUCEK等[8]利用葡萄酒粗酒泥(乙醇质量分数为40%)产MCFAs，在优化条件下(pH为5.2，以COD计的有机负荷率5.8 g∙(L∙d)−1)，己酸和辛酸的总产率为3.9 g∙(L∙d)−1。除了酿酒工业产生的有机废物，合成气发酵液、餐厨垃圾、乳清废水等也被报道用作产MCFAs的原料[9-13]。综上所述，目前微生物CE技术产MCFAs的主要原料均为具有高COD且易生物降解的有机废水或废弃物，而利用市政污水处理厂剩余污泥产MCFAs的系统研究仍需深入开展。
相较于酿酒废水或餐厨垃圾，污泥的惰性组分含量较高，且经由AD过程产MCFAs的产率极低。影响污泥产MCFAs的因素包括：1)污泥水解(限速步骤)进程缓慢；2)污泥厌氧发酵累积SCFAs过程中自发产甲烷导致碳转化效率降低；3)CE微生物组驯化期较为漫长。
本研究以酿酒废水厌氧塔颗粒污泥为接种物，采用混合SCFAs为电子受体、乙醇为电子供体，通过优化水力停留时间(HRT)与醇酸比进行微生物驯化以获得在代谢功能上占主导优势的CE微生物组。同时，采用碱性热水解预处理技术促进污泥破解，进而加速水解效率、提高SCFAs产率，完成从人工配制培养基溶液到真实污泥发酵液的底物转变，以“两相发酵”工艺实现污泥产MCFAs，并基于微生物多样性和宏基因组分析进一步揭示了过程中的微生态机制，以期为污泥有机质转化高附加值化学品的策略构建提供参考。
-
微生物合成MCFAs厌氧发酵的接种污泥取自河南省三门峡市渑池县白酒厂废水厌氧处理塔，污泥初始pH为7.2，挥发性悬浮物质量分数(VSS)为0.9%。在驯化期(实验设置条件见1.2节)所使用的人工培养基组分包括：乙酸钠(醇酸比为2∶1与3∶1条件下其质量浓度分别为8.20 g∙L−1与6.15 g∙L−1)、乙醇(醇酸比为2∶1与3∶1条件下其质量浓度分别为15.3 mL∙L−1与17.3 mL∙L−1)、磷酸二氢铵3.60 g∙L−1、六水氯化镁0.15 g∙L−1、七水硫酸镁0.20 g∙L−1、氯化钾0.15 g∙L−1、二水氯化钙0.20 g∙L−1、微量元素溶液1 mL∙L−1。微量元素溶液的配方为(每升溶液)：四水氯化亚铁1.50 g、氯化锌70 mg、四水氯化锰100 mg、硼酸6 mg、六水氯化钴190 mg、二水氯化铜2 mg、六水氯化镍24 mg、二水钼酸钠36 mg，以及25%稀盐酸10 mL。
用于产SCFAs的剩余污泥取自上海市闵行区水质净化厂二沉池，经过离心浓缩后(在转速为4 000 r·min−1条件下离心旋转5 min)，再利用泥水分离后的上清液将污泥总固体含量调至约3%。调整后的污泥基本理化性质如表1所示。
-
CE反应器为5 L连续搅拌反应器(continuous stirred-tank reactor，CSTR)。实验中的反应体系的体积为3 L，接种比例为20% (体积分数)，温度、搅拌速率和pH分别为30 °C、200 r·min−1和6.2。反应器运行采用连续模式发酵，连续运行135 d，共分为5个运行周期(见表2)。其中，Phase Ⅰ~Ⅳ为驯化期，底物为人工配制培养基；Phase Ⅴ为实验期，底物为污泥厌氧发酵上清液。反应器运行期间，每24 h取5 mL样品测定发酵液中的底物(乙醇、乙酸)及产物(丁酸、己酸和辛酸)浓度。
污泥厌氧发酵液的制备过程分为预处理和厌氧发酵2个阶段。
1)预处理阶段：将污泥的pH用NaOH溶液(OH−物质的量为2 mol·L−1)调至11.0，水浴加热至90 ℃后持续进行热碱处理2 h，待冷却降温至37 ℃后，用HCl溶液(H+物质的量为2 mol·L−1)将pH调至7.0。
2)厌氧发酵阶段：采用全自动厌氧消化测试仪器(MultiTalent203，碧普华瑞)进行发酵，反应器为2 L培养瓶，单个反应器工作体积为1.8 L，每组可同时运行6台反应器；厌氧接种比为5:1(以TS计)，接种物取自本实验室稳定连续运行超过1 a的污泥中温厌氧消化反应罐；在发酵实验开始前通入高纯氩气5 min以吹脱溶氧，并添加50 mmol·L−1的2-溴乙烷磺酸钠(BES)用于抑制产甲烷古菌的代谢活性；发酵控制条件为温度(37 ± 1)℃、搅拌速率120 r·min−1、发酵时间5 d；最后将发酵液进行泥水分离(4 000 r·min−1高速离心5 min)，保留上清液进行高温灭菌(121℃，15 min)后，置于4 ℃下冷藏保存待用；使用前添加适量乙醇将醇酸比调至3∶1，保存时间不超过2 d。
-
剩余污泥pH使用FE28标准pH计(Mettler-Toledo，瑞士)测定；其余理化指标(包括TS、VS、COD、TKN、TAN)，采用国标法测定。污泥厌氧发酵液经离心15 min (转速离心力为12 000g)后，取上清液过膜(滤膜孔径0.45 μm)，分析其SCOD、多糖、蛋白质和SCFAs浓度等。多糖和蛋白质分别采用蒽酮-硫酸比色法(以葡萄糖为标准物质)和考马斯亮蓝法(以牛血清蛋白为标准物质)[14-15]测定。SCFAs(乙酸、丙酸、正丁酸、异丁酸、正戊酸、异戊酸)的组分和浓度采用气相色谱法测定，即在对其酸化预处理后(添加适量3%磷酸溶液将样品pH降至4.0以下)，使用装配有火焰离子化检测仪(FID)和DB-FFAP型毛细管柱的GC-7890B气相色谱(安捷伦，美国)进行定量分析。微生物连续发酵产MCFAs实验中的底物(乙醇、SCFAs)与产物(丁酸、己酸、辛酸)浓度的定量分析方法与SCFAs相同。
-
在运行周期Phase II~V(分别为反应进行50、90、120和133 d)各取发酵液2 mL，在14 000 r·min−1转速下离心旋转5 min，撇除上清液后获得微生物混菌样品置于−80 °C下冷冻保存，直至进行微生物种群多样性分析。分析内容：1)使用E.Z.N.A. Soil DNA试剂盒(Omega Bio-Tek，美国)抽提DNA，DNA浓度、纯度和完整性分别使用TBS-380、NanoDrop2000和1%琼脂凝胶电泳进行检测；2)采用338F/806R和524F/958R引物对分别进行细菌区V3~V4片段和古菌区V4~V5片段的16S rRNA扩增；3)桥式PCR扩增步骤见参考文献[16]；4)高通量测序采用Illumina MiSeq PE300平台，优化原始数列后，按97%相似度进行OTU聚类，并采用RDP Classifier贝叶斯算法(Silva数据库，70%置信度)进行OTU聚类分析。
-
宏基因组分析可探究污泥厌氧发酵液作为底物合成MCFAs对微生物CE代谢过程的影响。分别提取实验周期Phase IV和Phase V的发酵液，进行DNA抽提和质量分析，方法与微生物种群多样性分析相同。DNA片段化使用Covaris M220超声破碎仪，数据质控后cleaned reads使用MegaHit(http://github.com/voutcn/megahit)进行组装拼接(contig)，仅保留片段长度大于300 bp的拼接序列进入后续拼接。在基因预测阶段，使用MetaGene软件(http://metagene.cb.k.u-tokoyo.ac.jp)进行开放式阅读框(ORFs)预测，长度大于100 bp的ORF被翻译为氨基酸序列。使用CD-HIT软件(http://www.bioinformatics.org/cd-hit)对预测出的基因组进行聚类分析(95%序列一致性，90%覆盖度)，选出每个聚类中最长序列作为代表性序列建立非冗余基因集，使用SOAPaligner(http://soap.genomics.org.cn)计算样品的基因丰度。最后，使用BLASTP (v 2.2.28+, http://blast.ncbi.nlm.nih.gov/Blast.cgi)，参考NCBI_NR数据库和KEGG数据库对比该非冗余基因集序列，分别进行分类注释和功能注释。
-
调控反应器的HRT是最常见的驯化微生物菌群以产MCFAs策略之一。如图1所示，在整个驯化期间(0~90 d)，丁酸、己酸和辛酸是主要的微生物CE合成产物。在实验启动期(Phase I)，3种羧酸的产率均很低，至10~20 d后呈现缓慢增长趋势。在启动期结束时(20 d)，丁酸、己酸和辛酸的产率已分别达到65、133和82 mg∙(L∙d)−1。进入Phase II(HRT=10 d)，即反应进行至21~35 d，丁酸和辛酸的产率基本维持不变，而己酸的产率出现小幅下降；在35~40 d，丁酸和己酸的产率均迅速增长，其最高产率分别为766和756 mg∙(L∙d)−1，而辛酸产率相较于Phase I发生明显增长。在40~50 d，己酸产率保持在500~750 mg∙(L∙d)−1，但丁酸产率逐步降低至200 mg∙(L∙d)−1，而辛酸产率则上升至265 mg∙(L∙d)−1。CE代谢过程中碳链逐级延长的现象表明“丁酸+乙醇”合成己酸与“己酸+乙醇”合成辛酸的动力学变化决定了己酸产率的动态变化。当HRT由10 d缩短至5 d后，在51~60 d，丁酸和己酸的产率继续保持稳定，辛酸产率则持续下降，表明CE微生物代谢效率并未随着体系OLR增加而上升。而在60~70 d，丁酸产率由468 mg∙(L∙d)−1急剧上升至1 413 mg∙(L∙d)−1，增幅达202%；另一方面，己酸产率则维持在500 mg∙(L∙d)−1左右，辛酸的产率则出现显著下降，最终降至25 mg∙(L∙d)−1。直至Phase III结束，丁酸、己酸与辛酸的相对占比基本维持在这一水平。
底物利用率反映了微生物进行CE代谢过程的碳转化效率。在Phase I，乙醇利用率达到90%以上，但乙酸利用率却急剧下降，最终仅保持在30%左右，其原因可能是由于乙醇在发酵细菌与产甲烷古菌的协同作用下被代谢转化为乙酸、CH4与CO2。当HRT缩短至10 d(Phase II)，因其自身增殖速率过低，产甲烷古菌被逐渐洗脱，而由于存在能量壁垒，导致失去了“互养搭档(syntrophic partner)”的厌氧发酵细菌无法单独进行“乙醇→乙酸”的代谢过程(CH3CH2OH + H2O → CH3COO− + H+ +2H2，ΔG0 = 9.7 kJ∙mol−1)。这表明该周期乙醇与乙酸的利用率完全取决于CE微生物菌群的相对丰度与代谢活性，在Phase II的后半期(35~50 d)上升至近100%；而在Phase III阶段，其变化趋势也基本与同时期丁酸与MCFAs的产率一致，在CE微生物菌群逐渐稳定之后，乙醇和乙酸的利用率基本稳定在90%~100%。因此，导致这一时期(65~90 d)MCFAs产率明显低于丁酸的原因可能是醇酸比过低，乙醇被更多地用于进行乙酸CE反应生成丁酸，进而限制了己酸和辛酸的合成[17-18]。
当醇酸比调至3∶1后(Phase IV)，初期(90~100 d)己酸与辛酸的产率相较于Phase III时无明显变化，而丁酸产率则开始逐渐降低；乙酸利用率仍接近100%，而乙醇利用率则下降至60%左右。上述结果表明，微生物未能立即利用富余乙醇作为电子供体进行CE反应，其原因可能是发酵液乙醇浓度骤升所引起的轻微胁迫效应[17]。在100~120 d，丁酸产率由1 074 mg∙(L∙d)−1降至528 mg∙(L∙d)−1，降幅为50.8%，而己酸产率则由701 mg∙(L∙d)−1增至1 402 mg∙(L∙d)−1，辛酸产率也由18.2 mg∙(L∙d)−1增至200 mg∙(L∙d)−1。在此期间，乙醇利用率稳步上升，并保持在88.1%~92.3%，表明乙醇经由逆向β-氧化代谢路径用于微生物CE过程生成MCFAs。有文献报道，当醇酸比为2∶1时，以科氏梭菌Clostridium kluyveri为优势菌的微生物菌群进行CE反应的主要产物为丁酸，将醇酸比提高至3∶1或4∶1，可促使丁酸进一步转化为己酸[7, 17, 19]。在逆向β-氧化过程中，乙醇既是电子供体提供还原当量NADH，也在被氧化时为代谢提供ATP，每5 mol参与CE反应的乙醇对应1 mol被氧化为乙酸的乙醇(5CxH2x-1O2− + 6CH3CH2OH → 5Cx+2H2x+3O2− + CH3COO− + H+ + 4H2O + 2H2)，因此，较高的醇酸比使得乙醇更多参与丁酸的CE反应而非厌氧氧化，从而提高了己酸产率[7]。在本研究中，考虑到醇酸比为3∶1的条件下乙醇利用率始终未达到100%，故未进一步提高培养基中的醇酸比，以避免发酵液中乙醇浓度过高而产生底物胁迫效应[18]。WU等[20]发现，当醇酸比从3∶1增至5∶1时，尽管己酸产率在短期内有所提高，但发酵液中的残留乙醇会明显抑制CE微生物的代谢活性。
总烷基量(total alkyl groups, TAL)、平均碳链长度(average chain length, ACL)与CE过程碳效率(carbon conversion efficiency, CCE)是评价微生物产MCFAs的重要指标，其计算公式如式(1)~(3)所示。
式中：C丁酸为丁酸的浓度，mmol∙L−1；C己酸为己酸的浓度，mmol∙L−1；C辛酸为辛酸的浓度，mmol∙L−1；C乙醇为乙醇的浓度，mmol∙L−1；C乙酸为乙酸的浓度，mmol∙L−1。
因为MCFA的水溶性随着碳链长度增加而降低，所以TAL与ACL与发酵液中MCFAs的可分离性能呈线性相关。如表3所示，除启动期Phase Ⅰ之外，其余运行周期内MCFAs的可分离性较好，仅在Phase Ⅲ有所降低，其主要原因在于丁酸的大量生成，而己酸、辛酸的产量不足。CCE反映了乙醇与乙酸参与CE过程被转化为C4~C8羧酸的效率。由于在Phase Ⅰ阶段产甲烷古菌代谢活性较高，CCE仅为33.4%，但在Phase Ⅱ至Ⅳ期间骤增至62.1%~72.9%，表明CE代谢过程的碳利用效率较高。己酸选择性变化趋势与己酸产率保持一致，证明了提高醇酸比有利于CE微生物合成己酸。
-
如图2(a)所示，空白组(CK)与热碱预处理组(THALK)的剩余污泥厌氧发酵过程均在5 d后达到稳定。发酵液SCFAs的最终质量浓度(以COD计)分别为(4 240±157) mg∙L−1与(7 000±240) mg∙L−1。这表明热碱预处理对污泥絮体的破壁溶胞作用释放SCOD可明显提升SCFAs产率。对上清液成分进行分析后可知，CK组与THALK组污泥发酵液的SCFAs成分结构类似，主要为乙酸，分别占总SCFAs的51.0%与56.2%，其余为丙酸、正丁酸和正戊酸(图2(b))。其中，碳原子个数为偶数的SCFAs(乙酸、丁酸)占比达到73.3%，表明污泥厌氧发酵液可作为底物合成MCFAs，特别是己酸和辛酸。
如图3所示，Phase Ⅴ阶段的运行条件(HRT=5 d，醇酸比为 3∶1)与Phase Ⅳ阶段保持一致，当底物由人工配制培养基溶液替换为污泥发酵液后，丁酸、己酸和辛酸的合成情况并未出现明显变化，其平均产率分别为534、1 380和141 mg∙(L∙d)−1。另外，乙醇与乙酸的转化利用情况也与Phase Ⅳ阶段时基本相同，利用率保持在92.4%~98.2%。Phase Ⅴ阶段的TAL、ACL和CCE和己酸选择性分别达到519.4 mmol∙L−1、6.47和63.3%，与Phase IV阶段基本持平。因此，尽管污泥发酵液中存在蛋白质(以COD计，质量浓度946.6 mg∙L−1)、多糖(以COD计，质量浓度1 566.6 mg∙L−1)及其他包括腐殖质在内的DOM(以COD计，质量浓度3 122.1 mg∙L−1)。然而，这些DOM并未影响CE微生物合成MCFAs的过程。由此可见，当反应器内微生物保持稳定的菌群多样性结构和代谢活性时，利用污泥发酵液产MCFAs是可行的。值得注意的是，尽管污泥厌氧发酵液中含有丙酸(C3)和正戊酸(C5)，但奇数碳链MCFAs(如C5戊酸、C7庚酸等)产率极低，这与HAN等[21]的研究结果一致。产生以上现象的主要原因为如下2个机制。1) CE微生物的底物选择性：在长达90 d的驯化期间， CE微生物始终以乙酸(C2)作为电子受体，并且Phase V期污泥发酵液的SCFAs也是以偶数碳链羧酸为主要组分(乙酸56.2%，正丁酸17.1%)，使得CE微生物更倾向于利用乙酸和丁酸为电子受体与乙醇生成偶数碳链的MCFAs。2)逆向β-氧化过程的能量代谢机制：在电子受体为奇数碳链羧酸(如C3丙酸)CE过程中，每5 mol乙酰辅酶A生成戊酸(C5)的同时，有1 mol乙酰辅酶A会被氧化成1 mol乙酸以用于合成ATP提供细胞代谢能量，从而使得乙酸会在下一轮CE过程中，与丙酸竞争电子供体(乙醇)以生成相应的碳链延长羧酸，故理论上奇数碳链MCFAs产物选择率仅为83.33%。已有研究表明，即使仅丙酸为电子供体，奇数碳链MCFAs(C5戊酸、C7庚酸)的产物选择率也仅为35%~66%[22-24]。
综上所述，在优化条件(醇酸比为3∶1、HRT=5 d)下，总含固率为3%的剩余污泥己酸和辛酸产率分别为1.38、0.14 kg∙(L∙d)−1，以我国市政污泥年产量5×107 t(含水率80%)进行估算，以污泥定向发酵产己酸和辛酸的年产量可分别达到46×104 t与4.7×104 t。
-
图4展示了反应器不同运行周期的微生物在属水平的菌群多样性结构。Phase II阶段的优势微生物包括甲烷杆菌Methanobacterium、木里菌Muribaculaceae及乳酸杆菌Lactobacillus，其相对丰度分别为13.3%、8.7%和8.2%。其中，Methanobacterium是氢营养型产甲烷古菌，与厌氧发酵细菌共生以克服热力学能量壁垒，将乙醇和VFAs降解代谢为甲烷。有文献报道，Methanobacterium与CE微生物菌群形成的底物竞争关系是导致反应器启动期间MCFAs产率较低的微生物机制[7, 25]。Phase Ⅲ阶段的微生物群落结构较Phase Ⅱ阶段改变明显，狭义梭菌Clostridium sensu stricto_12成为优势菌(相对丰度55.0%)，其他优势菌属包括醋杆菌Acetobacter(9.9%)、理研菌科属Rikenellaceae RC9(8.9%)、鲁梅尔芽胞杆菌Rummeliibacillus(6.2%)，而Methanobacterium几乎未被检测到(相对丰度<0.1%)，故缩短HRT是消除产甲烷古菌底物竞争的有效策略。值得注意的是，根据美国国家生物技术信息中心NCBI数据库的BLAST比对结果分析，Clostridium sensu stricto_12的OTU序列与CE模式微生物Clostridium kluyveri的OTU序列相似度大于99%[5, 26-27]，故优势菌Clostridium sensu stricto_12是发酵液中合成MCFAs的核心功能细菌。Phase IV阶段的微生物群落结构与Phase III阶段的相似，Clostridium sensu stricto_12的相对丰度进一步上升至64.9%，但Acetobacter的相对丰度降至2.5%，表明提高醇酸比有利于富集CE微生物Clostridium。由于Phase V阶段的底物为污泥发酵上清液，微生物菌群结构发生了明显变化，尽管此时Clostridium sensu stricto_12仍为优势菌之一，但其相对丰度已降至29.7%。其他相对丰度较高的微生物包括脱硫弧菌Desulfovibrio(15.6%)、伪假苍黄菌Pseudoclavibacter(7.5%)、芽孢杆菌Bacillus(7.8%)。这些微生物未被证明是CE微生物，但广泛存在于市政污水处理厂的活性污泥中，因此，引入污泥发酵液会不可避免地提高这些微生物DNA水平上的相对丰度。DE VRIEZE等[28]发现，相较于DNA水平上的总微生物群落(包括活性与非活性)，RNA水平上的微生物群落结构(即活性微生物)能更准确反映厌氧生态体系的状况。微生物属水平的主成分分析(PCA)结果如图5所示，成分因子1(PC1)与成分因子2(PC2)对数据点差异性贡献率之和达到94.28%。从象限分布来看，Phase Ⅲ阶段和Phase Ⅳ阶段的微生物群落结构较为相似，与Phase Ⅱ及Phase Ⅴ阶段的群落结构差异明显。
-
宏基因组分析过程中，Phase Ⅳ和Phase Ⅴ阶段的发酵液样品原始reads数分别为67 758 922 和69 750 096。经数据质控和拼接组装后，ORF的总长度为345 493 103 bp。2组样品在KEGG功能水平上共享代谢通路260个，共享率为97%(见图6(a))。这说明底物由人工培养基替换为污泥厌氧发酵液并未使得微生物种类和功能层面产生明显差异。Phase Ⅳ和Phase Ⅴ阶段的微生物组主要参与氨基酸合成、ABC转运、碳代谢和双组分系统等代谢过程(见图6(b))，但这些代谢过程的基因丰度在这2个周期无明显差异，与Phase Ⅳ和Phase Ⅴ阶段的稳态阶段具有几乎一致的底物利用率和MCFAs产率相吻合。尽管Phase Ⅳ和Phase Ⅴ阶段的微生物结构有一定变化，但体系内相应的功能基因活性却保持稳定，这是前期驯化的结果。另外，丰富的氨基酸合成、ABC转运、碳代谢等代谢过程是微生物复杂新陈代谢的保证，这也从微观角度证实了驯化后的微生物在利用污泥发酵液为底物时仍能保持相当的活性。值得注意的是，双组分系统对微生物适应快速变化的外部环境有积极作用，能实现其调控蛋白和DNA、RNA的结合，最终实现对细胞基因表达的调控[29]。
表4展示了Phase IV和PhaseV阶段微生物组在CE过程代谢通路中关键酶的丰度，包括EC 1.1.1.100(3-氧酰基-[酰载体蛋白]还原酶)、EC 2.3.1.179(β-酮脂酰-[酰载体蛋白]合成酶Ⅱ)、EC 2.3.1.180(β-酮脂酰-[酰载体蛋白]合成酶Ⅲ)、EC 6.3.4.14(生物素羧化酶)及EC 6.4.1.2(乙酰辅酶A羧化酶)。关键酶丰度的变化证实了转化底物后微生物新陈代谢的变化，但从宏观角度而言，进入Phase V阶段后，MCFAs产率并没有随微生物代谢和转录出现波动。事实上，CE过程中发酵体系内多种微生物可能共同具备关键酶，很难将某种特定酶与特定微生物相对应。因此，只要具备转录翻译功能的微生物拥有足够活性，就能够促进合成MCFAs。
逆向β-氧化过程(reverse β-oxidation，RBO)和脂肪酸合成(fatty acid biosynthesis，FAB)是微生物混菌体系经CE过程合成MCFAs的主要代谢途径(见图7(a))[5, 21]。相较于FAB途径，RBO途径的步骤更少，且ATP净消耗量更小，故可认为RBO更加高效。本研究中RBO和FAB途径所涉及的关键酶均被检出。RBO途径关键酶的总丰度为65 980(Phase Ⅳ)和10 630(Phase Ⅴ)，而FAB途径关键酶的总丰度则达到192 904(Phase IV)和202 588(Phase V)。FAB的总丰度高于RBO表明MCFAs可能更多地经由FAB途径合成，这与HAN等[21]的研究结果一致。相较于Phase Ⅳ，Phase Ⅴ的微生物组RBO途径中的TLA、KCR、HCD、ECR酶丰度分别增加了285.0%、814.6%、40.9%、78.9%，仅有TES酶丰度降低28.2%；FAB途径中的MAT、KAS、KAR和EAR酶丰度分别增加了7.6%、18.5%、23.8%和45.6%，而ACC的酶丰度则降低25.3%。上述结果表明，中间产物乙酰辅酶A的后续代谢可能有部分从FAB转入RBO途径(见图7(b))。综上所述，在其他发酵条件(HRT、醇酸比)相同的情况下，以乙醇为电子供体，使用富SCFAs污泥发酵液为电子受体比单独使用乙酸更有利于合成MCFAs。
-
1) 当HRT由20 d优化至5 d，醇酸比保持在2∶1时，发酵体系中Methanobacterium的丰度明显降低，而关键产MCFAs菌Clostridium sensu stricto_12丰度为优势菌种，最大丰度为64.89%。然而，此时体系内堆积大量丁酸，证明通过HRT调整可洗脱污泥内竞争性产甲烷菌，对体系内微生物起到良好的驯化作用，但醇酸比偏低会导致电子供体不足，不能使丁酸进一步延长为己酸。
2) 当HRT为5 d时，将醇酸比由2∶1提升至3∶1后，乙醇作为电子供体促使丁酸进一步转化为己酸，此时己酸产率达到1 400 mg·(L·d)−1。同时，体系内微生物群落结构变化并不明显，说明乙醇含量并未对微生物造成抑制。
3) 将底物由人工配制特定培养基转为热碱预处理污泥发酵液后，丁酸、己酸和辛酸的产率并未发生明显变化。尽管此时Clostridium sensu stricto_12丰度下降，但宏基因组学分析发现，体系内关键代谢通路RBO、FBA关键酶依旧保持较高丰度，说明体系具备一定的抗冲击能力，可连续高效生产MCFAs。
利用富乙酸剩余污泥厌氧发酵液产中链脂肪酸
Conversion of acetate-rich waste activated sludge anaerobic fermentation liquor into medium-chain fatty acids
-
摘要: 为实现剩余污泥的资源化利用，探索了混菌体系中以剩余污泥为底物连续产中链脂肪酸(MCFAs)的可行性。本研究基于乙醇/乙酸人工配制废水，采用热碱水解污泥-短期厌氧发酵-微生物碳链延长(CE)反应的“两相发酵”技术合成MCFAs，并逐步优化水力停留时间(HRT)与底物醇酸比以驯化厌氧污泥微生物。结果表明：在为期135 d的连续模式CE过程中，在醇酸比为2∶1的条件下，驯化期(Phase Ⅰ~Ⅲ)的HRT由20 d逐步缩减至5 d后，典型CE微生物Clostridium sensu stricto_12成为优势菌种，其相对丰度升至65.21%，但己酸产率仅为775 mg∙(L∙d)−1；当醇酸比提高至3∶1 (Phase Ⅳ)，己酸产率升至1 402 mg∙(L∙d)−1，MCFAs产物选择性明显提高。将实验期(Phase Ⅴ)系统中的底物置换为污泥厌氧发酵液，己酸产率依然稳定保持在1 400 mg∙(L∙d)−1，表明功能微生物组的结构稳定。宏基因组分析结果显示，逆向β-氧化(RBO)和脂肪酸生物合成（FAB）代谢通路均参与了CE过程的MCFAs合成；另外，相较于乙醇/乙酸人工配制废水，污泥发酵液可提高这2种代谢通路的关键酶丰度。本研究证实了污泥连续发酵产MCFAs的可行性，并阐明了过程中微生物的生态功能机制，可为污泥资源化利用提供参考。Abstract: To determine the feasibility of producing medium-chain fatty acids (MCFAs) from waste activated sludge in mixed culture, this study firstly optimized bioreactor parameters, i.e. hydraulic retention time (HRT) and ethanol : acid ratio, to assimilate anaerobes and later adopted the “two-stage fermentation” strategy, in which alkaline pretreated sludge was subjected to short-term acidogenesis and microbial chain elongation The results showed that during the 135-day chain elongation (CE) over the long term, with ethanol∶acid ratio=2∶1, when HRT was shortened from 20 d to 5 d (Phase Ⅰ~Ⅲ), the CE functional microbe, Clostridium sensu stricto_12, evolved as the dominant genus (relative abundance 65.21%). However, the maximal productivity of n-caproate was merely 775 mg∙(L∙d)−1. Subsequently, with ethanol∶acid ratio increased to 3∶1 (Phase Ⅳ), the productivity of n-caproate boosted to 1 402 mg∙(L∙d)−1, demonstrating an increased product selectivity towards MCFAs. In PhaseⅤ (test phase), during which the substrate swamped from synthetic ethanol/acetate wastewater to sludge fermentation liquor (SFL), the n-caproate productivity maintained at 1 400 mg∙(L∙d)−1. Based on the metagenomics analysis, both reverse β-oxidation (RBO) and fatty acid biosynthesis (FAB) pathways were involved in microbial chain elongation for MCFAs production. Moreover, as compared to synthetic ethanol/acetate wastewater, SFL increased the relative abundance of some key functional enzymes for the RBO and FAB pathways. The present study provided the practical evidence for continuous production of MCFAs from waste activated sludge, and more importantly, it elucidated the microbial and ecological mechanisms. Taken together, it shed a light on the sludge-derived value-added chemicals for its valorization.
-
伴随经济的快速发展，环境问题日益突出，大气污染尤为严重 [1]. 大气污染受人类活动影响较大，当大气污染物浓度升高到一定程度，就会破坏生态系统和人类正常生存条件. 近年来，中国许多城市都受到大气污染的困扰，特别是在京津冀地区、长三角地区等经济发达地区[2]. 另外，当空气中大气污染物浓度较高时，人体可能出现呼吸系统疾病，心脑血管疾病、肺癌等[3].
新型冠状病毒肺炎（COVID-19）疫情于2020年春节前夕爆发，并快速在全国范围内传播. 2020年1月23日到1月29日，各省陆续启动公共卫生一级响应，实行全面居家隔离政策有效降低了病毒的传播几率[4]. 虽然疫情防控使经济发展受到一定影响，但大气质量得到改善[5]. 自疫情爆发以来，许多学者对居家隔离政策下的大气状况和空气质量进行了一系列研究，艾文育等[6]发现济南市NO2浓度下降幅度最大，社会活跃指数呈阶梯状下降；余锋等[7]发现关中盆地空气质量整体得到改善，除O3以外的污染物浓度均出现不同程度的下降；潘勇军等[8]发现广州市大气污染物浓度除O3外大幅度下降，O3成首要污染物.
兰州市作为中国西北地区重要的工业重镇和交通枢纽，大气污染源分布较多；再加上地形封闭，大气扩散条件较差，空气质量下降的风险较大[9]. 疫情防控为比较全面地分析研究兰州市大气污染的时空变化规律和成因创造了良好的机会，本文利用2020年、2021年监测站点数据以及卫星数据，从时间上和空间上对兰州市疫情期间大气污染物变化进行分析，并利用Pearson相关系数法分析6种大气污染物之间以及气象因素之间的关系，为今后兰州市大气污染防控工作开展提供科学依据.
1. 材料与方法（Data and methodology）
1.1 研究区概况
兰州市地处中国西北地区，是甘肃省省会，下辖城关区、七里河区、西固区、安宁区、红古区的5个区，永登县、榆中县、皋兰县的3个县，总面积1.31 × 104 km2 （见图1）. 兰州平均海拔约为1520 m，榆中县南部和永登县西北部的落基山区海拔均超过3000 m. 黄河自西南流向东北，横穿全境，形成峡谷与盆地相间的串珠形河谷. 兰州属温带大陆性气候，年平均气温10.3 ℃，夏无酷暑，冬无严寒. 兰州市常住人口数约436万人，其中城关区常住人口数最多，占34.04%. 从2016年开始兰州市机动车保有量持续稳定增长，截止2021年，机动车保有量为116万多辆，其中私家车约占60%. 兰州市地区总产值逐年增高，第二产业常年占比30%以上，兰州市的工业主要包括石油化工产业、有色冶炼和黑色金属产业、装备制造业、建材产业、烟草和食品产业、生物医药产业等.
1.2 数据来源
本研究所使用的空气质量数据，来自中国环境监测总站的全国城市空气质量实时发布平台，监测站点分布如图1 所示，主要监测的污染物有6种，分别是PM2.5 、PM10 、SO2、CO、NO2 和 O3，对其质量浓度进行监测，可以得到每天的空气质量状况. 行政边界矢量数据来自1∶100万全国基础地理数据库. 遥感影像数据来源于European Space Agency的Sentinal-5P卫星，是一颗于2017年10月13日发射的全球大气污染监测卫星，运行在太阳同步轨道，高度824 km，倾角98.742°，重访周期17 d，每日覆盖全球各地，成像分辨率达7 km ×3.5 km，直接利用其L2数据产品，获取2020年、2021年各阶段的气溶胶、NO2、SO2、CO、O3的空间浓度分布情况.
1.3 研究方法
根据我国发布的《抗击新冠肺炎疫情的中国行动》，将2020年1—4月兰州市疫情防控时期分为4个阶段：疫情传播前期（第一阶段），1月1日—1月19日；全面抗疫阶段（第二阶段），1月20日—2月20日；社会生产恢复阶段（第三阶段），2月21日—3月17日；防疫稳固阶段（第四阶段），3月18日—4 月18日. 首先，将2020年兰州市PM2.5、PM10、NO2、SO2、CO、O3的质量浓度沿抗疫时间尺度进行分析；其次，对6种大气污染物的空间分布特征进行分析；另外，利用spss对各种污染物进行Pearson相关分析. 最后，对兰州市2021年10月突发疫情防控阶段的大气污染物浓度变化情况进行分析；根据兰州市发布的相关防疫政策，将2020年10月兰州市疫情防控时期分为两个阶段：10月2日—10月25日作为防控前期，10月26日—11月18日作为应急防控期；在10月26日以后，兰州市大量高校封校、中小学停课，部分小区实行封闭管理，人类活动减少，并在11月18日以后逐渐回复正常.
2. 结果与讨论（Results and discussion）
2.1 疫情期间大气污染物浓度时空分布
2.1.1 2020年疫情期间大气污染物时间变化
2020疫情期间，PM2.5、NO2、SO2、CO质量浓度均呈下降趋势，而PM10、O3呈上升状态（见图2），并且与2018、2019年同时期的变化趋势保持一致. 其中，PM2.5与NO2质量浓度在进入全面抗疫阶段（第二阶段）后，下降幅度最大，PM2.5由61.63 μg·m−3下降到49 μg·m−3，下降了20.49%，而NO2由67.52 μg·m−3下降到49.03 μg·m−3，下降了27.38%. CO、SO2平均浓度随着疫情的发展，一直保持下降趋势，CO、SO2浓度整体从2018年开始逐年递减，2020年二者浓度均比历年低；PM10平均浓度在进入全面抗疫阶段（第二阶段）后，有小幅度下降，仅下降了7.98%，PM10受气候影响较大，兰州市地处西北，多大风沙尘天气，再加上处于采暖期，排放较大，冬季大气扩散条件差，造成PM10浓度保持上升趋势. O3平均浓度随着疫情发展，一直保持上升状态，并且在进入第二阶段后，浓度提升幅度最大，提升了近76.25%（见表1）. 另外，2020年疫情防控期间与2018、2019年同期相比，O3浓度变化最大，上升了34.2%,其次是SO2浓度，下降了26.8%；PM10与CO平均浓度变化幅度也较明显，分别下降了15%、17.8%（见表2）.
图 2 2020年疫情防控时期与2018、2019年同期污染物平均浓度变化情况Figure 2. The epidemic prevention and control period in 2020 corresponds to the change of average pollutant concentration in the same period in 2018 and 2019表 1 2020年疫情防控时期污染物浓度变化情况Table 1. Change of pollutant concentration in four stages in 2020污染物Pollutants 第一至第二阶段Phase one to phase two 第二至第三阶段Phase two to phase three 第三至第四阶段Phase three to phase four PM2.5 −20.49% −22.14% +1.15% PM10 −7.98% +12.68 +13.04 NO2 −27.38% −2.81% −8.33% SO2 −3.95% −26.85% −23.15% CO −16.86% −28.98% −17.34% O3 +76.21% +11.61% +5.47% 注：计算公式为（后阶段-前阶段）/ 前阶段，即变化率. （阶段划分依据见研究方法）. Note: The calculation formula is （latter stage - former stage）/former stage, that is, the rate of change. | Show Table
DownLoad:
CSV
表 2 2020年第二阶段（全面抗疫阶段）与2018、2019年同期污染物平均浓度比较Table 2. Comparison of the average pollutant concentration in the second phase （comprehensive containment phase） of 2020 with the same period in 2018 and 2019污染物Pollutants 第二阶段The second stage 2018、2019年同期The same period in 2018 and 2019 与2018、2019年同期比较Comparison with the same period in 2018 and 2019 PM2.5/（μg·m−3） 49 48.71 0.595% PM10/（μg·m−3） 88.1 103.75 −15.08% NO2/（μg·m−3） 49.03 52.13 −5.95% SO2/（μg·m−3） 22.34 30.52 −26.8% CO/（mg·m−3） 1.38 1.68 −17.8% O3/（μg·m−3） 92 68.55 34.2% | Show TableDownLoad:
CSV
2.1.2 2020年疫情期间大气污染物空间分布
气溶胶颗粒包含PM2.5、PM10, 可利用气溶胶光学厚度（AOD）来反映PM2.5、PM10的平均浓度的空间分布特征. 由图3可知，兰州市2020年疫情期间AOD整体偏高，低浓度区域面积较小，高浓度区域面积分布较广，在红古区、西固区、安宁区、城关区、七里河区以及榆中县西侧等人口密集区变化幅度较大。在进入全面抗疫阶段（第二阶段）后，高浓度区域面积明显减小，在防疫稳固阶段（第四阶段）恢复正常. 兰州市地处西北，风沙源物质丰富，春季地面植被覆盖不足，大风沙尘天气偏多[10]，另外疫情期间，北方处于采暖期，各种污染物排放增多，加上冬季大气扩散条件差[11]，逆温效应多，所以就造成PM2.5、PM10浓度在冬季偏高.
图 3 2020年疫情防控时期AOD空间分布Figure 3. Spatial distribution of AOD in the epidemic prevention and control period in 2020由图4可知，兰州市NO2浓度空间分布呈现中部高, 边缘低, NO2质量浓度高的区域面积并不大, 主要集中在5个主城区人口密集处. 在进入全面抗疫阶段（第二阶段）后, 推行居家隔离政策, 社会正常运转受到干扰, 交通受阻,工厂大规模停工[6]，NO2浓度大面积减少。虽然高浓度集中在城关区、安宁区、七里河区北边, 但相较于管控前, NO2浓度明显降低. 随着确诊病例逐渐减少, 工厂陆续开工, 社会生活逐步恢复, 人为排放量逐步回升[6]. 由图5可知，2019年同期阶段, 没有疫情影响, 人为因素并未发生显著变化, 引起NO2浓度变化的主要原因为气象条件[12], 浓度分布特征由主城区人口密集处向周围递减. 2020全面抗疫阶段（第二阶段）与2019年同期对比，NO2浓度受人类活动影响比较大. 由图6可知，CO浓度分布与NO2相似，人类活动所使用的燃料，在不完全燃烧时，均可产生CO[13]，CO主要集中在西固区、安宁区、城关区、七里河区等人口密集地区，边缘人烟稀少地区CO浓度较低. 另外，交通污染源也是CO重要来源[10]，所以在进入第二阶段后，居民出行减少，CO浓度得到下降，高浓度区域面积明显减小.
图 4 2020年疫情防控时期NO2浓度空间分布Figure 4. Spatial distribution of NO2 in the epidemic prevention and control period in 2020
图 5 2020年第二阶段对应的2019年同期NO2浓度空间分布Figure 5. The second stage in 2020 corresponds to the spatial distribution of NO2 concentration in the same period in 2019兰州市SO2浓度空间分布较均匀，西侧比东侧略高（见图7），在第一阶段（疫情传播前期），兰州市整体SO2浓度偏高，在进入第二阶段（全面抗疫阶段）后，SO2浓度高浓度减少，分布得更均匀，整体平均浓度略有下降. 兰州拥有兰化、兰炼等企业，工业排放问题较突出，历年兰州SO2浓度在1月、12月最高[14]，在第二阶段，大量工厂停产，排放的SO2减少，但是SO2浓度并没有大幅度下降，而是从第三阶段开始下降，在第四阶段SO2浓度最低，因为冬季温度低，大气扩散条件差，产生的大量SO2并不能快速的扩散.
图 6 2020年疫情防控时期CO浓度空间分布Figure 6. Spatial distribution of CO in the epidemic prevention and control period in 2020
图 7 2020年疫情防控时期SO2浓度空间分布Figure 7. Spatial distribution of SO2 in the epidemic prevention and control period in 2020臭氧一直是大气污染物里比较特别的存在，短时间内受人为影响不大，大气臭氧总含量随高度、纬度、季节、天气条件变化而变化. 大气臭氧在大气层中进行着循环式流动，低纬地区的平流层（特别是赤道）在太阳紫外线辐射的作用下，形成一个臭氧源区，随着大气环流向高纬地区传输. 另外，研究表明，青藏高原在夏季时被热力作用的南亚高压所控制，进行大量的对流活动，垂直方向上气流速度较大，可以将对流层低空臭氧输送到平流层，随着大气环流向低海拔地区传输[15].
臭氧受辐射影响较大，温度越高，浓度越高，一般在夏季达到峰值[16]. 由图8 可知，兰州市臭氧浓度随着纬度的升高而增加、随着海拔的递增而减少，呈现出“西南低、东北高”的分布特征. 随着疫情的发展，从1月1日—4月18日，温度逐渐上升，臭氧整体平均浓度上升，低浓度区域面积减小，短暂的人类活动并未使臭氧浓度发生较大变化.
图 8 2020年疫情防控时期O3浓度空间分布Figure 8. Spatial distribution of O3 in the epidemic prevention and control period in 20202.1.3 2021年疫情期间大气污染物时间变化
2021年10月18日，甘肃兰州出现新冠阳性，10名被检者立即转入兰州市肺科医院进行隔离管控；主城区立即启动应急大规模核酸检测；这次疫情事发突然，涉及地区广泛，政府于10月25日发布通告，自10月26日起，在兰州的所有党政机关、人民团体、企事业单位、社会组织等实行居家办公办学模式，广大干部职工和市民非必要坚决不外出，部分中高风险小区实行封闭管理.
自2019年武汉新冠疫情以来，这是兰州实行的第二次大规模居家隔离政策. 对兰州市6种大气污染物浓度进行每日监测，从2021年10月18日起，至2021年11月23日（见图9）. 将2021年兰州应急防控时期与2020年同期对比，由统计结果可知，除O3以外，PM2.5、PM10、SO2、NO2、CO整体在2021年均比2020年低（见表3），且变化趋势基本保持一致；其中在11月5日出现的降温并伴随大风的天气，使得大气污染物得到扩散，PM2.5、PM10、SO2、NO2、CO浓度均下降，与2020年同期不一致，并在11月16日前浓度比2020年同期低得多. 在这次应急防控期间，工厂保持“不停工不停产”，使得SO2浓度并未受到较大影响，从2021年10月18日开始，到11月3日，保持稳定趋势，从11月4日开始，保持上升趋势.
图 9 2021年应急防控期与2020年同期污染物浓度变化监测Figure 9. Monitoring of pollutant concentration changes during the emergency prevention and control period in 2021 and the same period in 2020表 3 2021年应急防控期与2020年同期污染物平均浓度比较Table 3. Comparison of the average pollutant concentration between the emergency prevention and control period in 2021 and the same period in 2020污染物Pollutants 2021年应急防控期2021 epidemic control phase 2020年同期The same period in 2020 与2020年同期比较Comparison with the same period in 2020 PM2.5/（μg·m−3） 36 43.3 −16.86% PM10/（μg·m−3） 71.38 106.25 −32.82% NO2/（μg·m−3） 44.04 61.92 −28.88% SO2/（μg·m−3） 12.29 18 −31.72% CO/（mg·m−3） 0.76 1.14 −33.33% O3/（μg·m−3） 75.5 68 11.02% | Show TableDownLoad:
CSV
2.1.4 2021年疫情期间大气污染物空间分布
2021年应急防控时期，人类活动中的汽车尾气排放大幅度减少，对大气污染物中的NO2、CO影响最大，利用卫星数据对2021年10月兰州市应急防控时期NO2、CO浓度作空间分布图（见图10）. 由结果可知，CO、NO2浓度大幅度下降，NO2高浓度区域面积减少最多，除城关区、安宁区，其余主城区NO2浓度明显减少，NO2高浓度范围由城关区、安宁区等人口密集地区向四周边缘地区缩减；CO分布面积未明显减小，但是整体浓度明显降低，在实行居家办公办学后，人口密集的主城区CO浓度明显减少，由于工厂并未停工，西固区等核心工业区的CO仍大量存在.
图 10 2021年疫情防控时期NO2、CO浓度空间分布Figure 10. Spatial distribution of NO2 and CO concentrations during epidemic prevention and control in 20212.2 污染物间及与气象因素相关性分析
各种大气污染物之间存在一定的联系，并且它们与气象因素之间也存在一定联系，对它们之间进行相关性分析尤为重要. 利用SPSS对兰州市6种大气污染物在2020年四个阶段的浓度数据以及对应阶段的气象因素进行Pearson相关分析，分析结果见表4、表5. 通常把Pearson相关系数中0—0.2分为无相关，0.2—0.4分为弱相关，0.4—0.6分为相关，0.6—0.8分为强相关，0.8—1.0分为极相关[17].
表 4 6种大气污染物相关性分析Table 4. Correlation analysis of 6 kinds of air pollutants污染物Pollutants PM2.5 PM10 CO NO2 SO2 O3 PM2.5 1 0.402** 0.781** 0.672** 0.639** −0.512** PM10 1 −0.04 0.085 0.01 0.047 CO 1 0.864** 0.829** −0.481** NO2 1 0.757** −0.307** SO2 1 −0.265** O3 1 **在 0.01 级别（双尾），相关性显著；n=109. ** At level 0.01（double tail）, the correlation was significant. n=109 | Show TableDownLoad:
CSV
表 5 6种大气污染物与气象因素之间相关性分析Table 5. Correlation analysis between 6 kinds of air pollutants and meteorological factors气象因素Meteorological factors PM2.5 PM10 NO2 SO2 CO O3 平均温度 −0.368** −0.275** −0.398** −0.314** −0.412** 0.703** 湿度 −0.384** −0.228* −0.133** −0.231** −0.264** −0.671** 风速 −0.176** −0.245* −0.298** −0.310** −0.326** 0.317** 气压 −0.089 −0.102 −0.212* −0.149 −0.094 −0.132 *在 0.05 级别（双尾），相关性显著；**在 0.01 级别（双尾），相关性显著；n=109. *At level 0.05（double tail）, the correlation was significant. ** At level 0.01（double tail）, the correlation was significant. n=109. | Show TableDownLoad:
CSV
由分析结果可知，PM2.5与PM10、CO、NO2、SO2均呈正相关，与O3呈负相关；其中PM2.5与CO、NO2、SO2均呈强相关，相关系数分别为0.781、0.672、0.639，说明PM2.5、CO、NO2、SO2具有同源性，PM2.5浓度与CO、NO2、SO2浓度变化具有协同性，另外SO2、NO2是气溶胶的重要前体物，所以NO2、SO2也可反映PM2.5的来源[18]. CO与NO2、SO2表现出极强的正相关，相关系数为0.864、0.829，证明CO与NO2、SO2有着极强的协同性；CO与NO2主要集中在人口密集的主城区，人类汽车尾气排放可生成大量的CO、NO2；另外，SO2与NO2也呈正相关，相关系数为0.757，SO2主要来自化石燃料燃烧，所以工厂排放等人类活动影响二者浓度变化. O3与PM2.5、PM10、NO2、SO2、CO均呈负相关，O3受太阳辐射影响较大，当大气中颗粒物含量上升，紫外线辐射减少，不利于O3的生成，O3浓度随之下降[19]. 气象因素对大气环境也会造成影响，由表5可知，平均温度与PM2.5、PM10、NO2、SO2、CO、O3均呈现相关性；其中O3与温度呈现强相关性，相关系数为0.703，温度升高有利于加强对流层光化学反应，促进O3的生成[20]；另外，平均温度与PM2.5、PM10、NO2、SO2、CO均呈负相关，温度升高，大气热力条件加强，加速大气运动，使得大气扩散条件增强，有利于扩散大气污染物，降低区域内污染物浓度[21]. 湿度与PM2.5、PM10、NO2、SO2、CO、O3均呈负相关，其中湿度与O3表现极强的负相关，相关系数为0.671，当空气中湿度增加，水蒸气饱和度较高，空气中水汽所含的自由基H、OH等能够迅速将O3分解为O2，从而降低O3浓度[22]，同时影响PM2.5、PM10、NO2、SO2、CO等污染物的生成. 风速与PM2.5、PM10、NO2、SO2、CO均呈负相关，仅与O3呈正相关；风速对污染物的传输具有重要影响，可以反映污染物的清除效率[23]，在风速较高时，大气污染颗粒物得以扩散，PM2.5、PM10、NO2、SO2、CO浓度降低，另外风速高，有利于光化学反应的进行，O3得以生成，浓度提高，但是当风速过高时，不利于O3前体物的堆积，O3的浓度反而降低. 而且，由表5可知，气压对于兰州市的6种污染物的影响较小.
3. 结论（Conclusion）
疫情期作为一个特殊的“减排期”，对区域的大气污染产生了明显的改善效果. 本文基于监测站点数据和卫星遥感数据，运用了数学统计和空间分析等方法对兰州市疫情期间的大气污染物浓度变化进行了分析，得出如下结论：
（1）2020年新冠疫情爆发期间，兰州市PM2.5、NO2浓度在进入第二阶段下降幅度最大，SO2含量较2018、2019年减少最多. 同时O3浓度呈阶梯式上升，成为疫情期间首要污染物；PM10浓度在进入第二阶段有小幅度下降，后又呈上升状态.
（2）2020年疫情期间不同污染物的空间分布变化也存在差异. PM2.5与PM10始终呈“西北高东南低”；NO2与CO浓度主要集中在主城区人口密集处，与2018、2019年NO2、CO同期比较，平均浓度分别下降了5.95%和17.8%，高浓度区域面积随着汽车使用量减少而明显减少，二者受人类活动影响较大. SO2高浓度区域面积随着大量工厂停工而减少；O3浓度一直随着纬度的升高而增加，随海拔的升高而减小，受人类影响较小.
（3）CO与NO2、SO2相关性极强，表明兰州市大气污染物中CO、SO2、NO2的来源相似，与工厂排污、汽车尾气排放密切联系. PM2.5与CO也要较强相关性，说明兰州市大气污染中PM2.5与CO的贡献具有协同性. 气象因素中，温度、湿度、风速对大气污染影响较大，与PM2.5、PM10、NO2、CO、SO2均呈负相关；温度、风速与O3呈正相关，湿度与O3呈负相关.
（4）2021年10月实行的居家政策，使人类活动减少，NO2、CO大幅度减少，分布范围缩小，也导致PM2.5浓度大幅度下降；另外，由于一些主要的大型工业企业并未停工，SO2浓度与PM10、O3一致，并未明显下降.
-
图 1 驯化期微生物碳链延长代谢表现
Figure 1. Performance of chain elongation under varied operational conditions during acclimation period
图 2 空白组与热碱预处理组的污泥厌氧发酵产SCFAs情况
Figure 2. Anaerobic fermentation of waste activated sludge for control group and thermal-alkaline pretreatment group
图 3 驯化期（Phase IV）向实验期（Phase V）转变期间的微生物碳链延长代谢表现
Figure 3. Performance of chain elongation from the acclimation period to the test period
图 4 不同周期的微生物在属水平上的群落结构
Figure 4. Genus-level microbial community during different operational phases
图 5 不同周期微生物群落结构的主成分分析结果
Figure 5. The principal component analysis (PCA) of the microbial communities during different operational phases
图 6 Phase IV和Phase V阶段的宏基因组分析结果
Figure 6. Metagenomics of microbiomes in Phase IV and V
表 1 市政污水处理厂剩余污泥的基本理化性质
Table 1. Characteristics of waste activated sludge from a municipal wastewater treatment plant
pH TS/(g∙L−1) VS/(g∙L−1) COD/(mg∙L−1) SCOD/(mg∙L−1) TKN/(mg∙L−1) TAN/(mg ∙L−1) 6.72±0.05 29.66±0.60 18.63±0.38 21 100±420 346±46 2 560±94 12.4±1.5
下载: 导出CSV
表 2 不同运行周期的反应器运行条件
Table 2. Operational conditions of different phases of bioreactor for chain elongation
运行周期 HRT/d 醇酸比 运行时间/d Phase Ⅰ 20 2∶1 0~20 Phase Ⅱ 10 2∶1 21~50 Phase Ⅲ 5 2∶1 51~90 Phase Ⅳ 5 3∶1 91~120 Phase Ⅴ 5 3∶1 121~135
下载: 导出CSV
表 3 驯化期不同运行条件下的总烷基量、平均碳链长度与碳效率
Table 3. Total alkyl groups, average chain length and carbon conversion efficiency of microbial chain elongation process under different operational conditions during the acclimation period
运行周期 总烷基量/(mmol·L−1) 平均碳链长度 碳效率/% Phase Ⅰ 291.8 6.82 33.4 Phase Ⅱ 543.4 6.83 62.1 Phase Ⅲ 507 5.63 72.9 Phase Ⅳ 535.6 6.51 64.8
下载: 导出CSV
表 4 碳链延长(CE)过程涉及到的关键酶及其在Phase Ⅳ和Phase Ⅴ阶段微生物组中的丰度
Table 4. Key enzymes involved in chain elongation pathways and their abundance in Phase Ⅳ and Ⅴ
关键酶的名称 缩写 EC# 功能描述 不同周期酶丰度 Phase Ⅳ Phase Ⅴ Thiolase TLA 2.3.1.16 Acetyl-CoA C-acyltransferase 1 356 5 220 Ketoacycl-CoA reductase KCR 1.1.1.36 Acetyl-CoA reductase 536 4 902 Hydroxyacyl-CoA dehydratase HCD 1.1.1.157 3-hydroxybutyryl-CoA dehydrogenase 19 452 16 412 1.1.1.35 3-hydroxyacyl-CoA dehydrogenase 5 686 15 354 2.3.1.16 Acetyl-CoA C-acyltransferase 1 356 5 220 4.2.1.17 Enoyl-CoA hydratase 13 918 15 978 Enoyl-CoA reductase ECR 5.1.2.3 3-hydroxybutyryl-CoA epimerase 666 4 922 Thioesterase TES 3.1.2.23 4-hydroxybenzoyl-CoA thioesterase 2 740 1 968 Acetyl-CoA carboxylase ACC 6.3.4.14 Biotin carboxylase 21 802 12 782 6.4.1.2 Acetyl-CoA carboxylase 40 616 33 858 Malonyltransferase MAT 2.3.1.39 [acyl-carrier-protein]S-malonyltransferase 15 826 17 026 Ketoacyl-ACP synthase KAS 2.3.1.41 β-ketoacyl-[acyl-carrier-protein] synthase Ⅰ 5 360 11 046 2.3.1.179 β-ketoacyl-[acyl-carrier-protein] synthase Ⅱ 20 000 26 892 2.3.1.180 β-ketoacyl-[acyl-carrier-protein] synthase Ⅲ 32 110 30 154 Ketoacyl-ACP reductase KAR 1.1.1.100 3-oxoacyl-[acyl-carrier-protein] reductase 32 462 40 198 Hydroxyacyl-ACP dehydratase HAD 4.2.1.59 3-hydroxyacyl-[acyl-carrier-protein] dehydratase 8 812 7 466 Enoyl-ACP reductase EAR 1.3.1.9 enoyl-[acyl-carrier-protein] reductase (NADH) 14 468 16 656 1.3.1.10 enoyl-[acyl-carrier-protein] reductase (NADPH, Si-specified) 1 448 6 510
下载: 导出CSV
-
[1] MEERBURG F A, BOON N, VAN WINCKEL T, et al. Optimizing retention times in high-rate contact stabilization for maximal recovery of organics from wastewater[J]. Environmental Science & Technology, 2016, 50(17): 9781-9790. [2] ALLOUL A, GANIGUE R, SPILLER M, et al. A three-step approach for the valorization of sewage organics as commodities[J]. Environmental Science & Technology, 2018, 52(12): 6729-6742. [3] ANGENENT L T, USACK J G, XU J, et al. Integrating electrochemical, biological, physical, and thermochemical process units to expand the applicability of anaerobic digestion[J]. Bioresource Technology, 2018, 247(9): 1085-1094. [4] CAGNETTA C, COMA M, VLAEMINCK S E, et al. Production of carboxylates from high rate activated sludge through fermentation[J]. Bioresource Technology, 2016, 217(3): 165-172. [5] ANGENENT L T, RICHTER H, BUCKEL W, et al. Chain elongation with reactor microbiomes: open-culture biotechnology to produce biochemicals[J]. Environmental Science & Technology, 2016, 50(6): 2796-2810. [6] AGLER M T, SPIRITO C M, USACK J G, et al. Chain elongation with reactor microbiomes: Upgrading dilute ethanol to medium-chain carboxylates[J]. Energy & Environmental Science, 2012, 5(8): 8189-8192. [7] GE S J, USACK J G, SPIRITO C M, et al. Long-term n-caproic acid production from yeast-fermentation beer in an anaerobic bioreactor with continuous product extraction[J]. Environmental Science & Technology, 2015, 49(13): 8012-8021. [8] KUCEK L A, XU J J, NGUYEN M, et al. Waste conversion into n-caprylate and n-caproate: Resource recovery from wine lees using anaerobic reactor microbiomes and in-line extraction[J]. Frontiers In Microbiology, 2016, 7: 1892. [9] VASUDEVAN D, RICHTER H, ANGENENT L T. Upgrading dilute ethanol from syngas fermentation to n-caproate with reactor microbiomes[J]. Bioresource Technology, 2014, 151(9): 378-382. [10] RICHTER H, MOLITOR B, DIENDER M, et al. A narrow pH range supports butanol, hexanol, and octanol production from syngas in a continuous co-culture of Clostridium ljungdahlii and Clostridium kluyveri with in-line product extraction[J]. Frontiers in Microbiology, 2016, 7: 1773. [11] LIU C, LUO G, LIU H P, et al. CO as electron donor for efficient medium chain carboxylate production by chain elongation: Microbial and thermodynamic insights[J]. Chemical Engineering Journal, 2020, 390: 124577. doi: 10.1016/j.cej.2020.124577 [12] LI X, CHEN Y G, ZHAO S, et al. Efficient production of optically pure L-lactic acid from food waste at ambient temperature by regulating key enzyme activity[J]. Water Research, 2015, 70(11): 148-157. [13] XU J J, HAO J X, GUZMAN J J L, et al. Temperature-phased conversion of acid whey waste into medium-chain carboxylic acids via lactic acid: No external e-donor[J]. Joule, 2018, 2(2): 280-295. doi: 10.1016/j.joule.2017.11.008 [14] LE C C, STUCKEY D C. Colorimetric measurement of carbohydrates in biological wastewater treatment systems: A critical evaluation[J]. Water Research, 2016, 94: 280-287. doi: 10.1016/j.watres.2016.03.008 [15] LE C C, KUNACHEVA C, STUCKEY D C. "Protein" measurement in biological wastewater treatment systems: A critical evaluation[J]. Environmental Science & Technology, 2016, 50(6): 3074-3081. [16] LÜ C X, SHEN Y W, LI C, et al. Redox-active biochar and conductive graphite stimulate methanogenic metabolism in anaerobic digestion of waste-activated sludge: Beyond direct interspecies electron transfer[J]. Sustainable Chemistry & Engineering, 2020, 8(33): 12626-12636. [17] LIU Y H, LÜ F, SHAO L M. Alcohol-to-acid ratio and substrate concentration affect product structure in chain elongation reactions initiated by unacclimatized inoculum[J]. Bioresource Technology, 2016, 218: 1140-1150. doi: 10.1016/j.biortech.2016.07.067 [18] LONKAR S, FU Z H, HOLTZAPPLE M. Optimum alcohol concentration for chain elongation in mixed-culture fermentation of cellulosic substrate[J]. Biotechnology and Bioengineering, 2016, 113(12): 2597-2604. doi: 10.1002/bit.26024 [19] STEINBUSCH K J J, HAMELERS H V M, PLUGGE C M, et al. Biological formation of caproate and caprylate from acetate: Fuel and chemical production from low grade biomass[J]. Energy & Environmental Science, 2011, 4(1): 216-224. [20] WU S L, WEI W, SUN J, et al. Medium-chain fatty acids and long-chain alcohols production from waste activated sludge via two-stage anaerobic fermentation[J]. Water Research, 2020, 186: 116381. doi: 10.1016/j.watres.2020.116381 [21] HAN W H, HE P J, SHAO L M, et al. Metabolic interactions of a chain elongation microbiome[J]. Applied and Environmental Microbiology, 2018, 84(22): 01614-01618. [22] GROOTSCHOLTEN T I, STEINBUSCH K J, HAMELERS H V, et al. High rate heptanoate production from propionate and ethanol using chain elongation[J]. Bioresource Technology, 2013, 136: 715-718. doi: 10.1016/j.biortech.2013.02.085 [23] GANIGUE R, NAERT P, CANDRY P, et al. Fruity flavors from waste: A novel process to upgrade crude glycerol to ethyl valerate[J]. Bioresource Technology, 2019, 289: 121574. doi: 10.1016/j.biortech.2019.121574 [24] CANDRY P, ULCAR B, PETROGNANI C, et al. Ethanol: Propionate ratio drives product selectivity in odd-chain elongation with Clostridium kluyveri and mixed communities[J]. Bioresource Technology, 2020, 313: 123651. doi: 10.1016/j.biortech.2020.123651 [25] AGLER M T, SPIRITO C M, USACK J G, et al. Development of a highly specific and productive process for n-caproic acid production: Applying lessons from methanogenic microbiomes[J]. Water Science and Technology, 2014, 69(1): 62-68. doi: 10.2166/wst.2013.549 [26] SEEDORF H, FRICKE W F, VEITH B, et al. The genome of Clostridium kluyveri, a strict anaerobe with unique metabolic features[J]. Proceedings of the National Academy of Sciences of the United States of America, 2008, 105(6): 2128-2133. doi: 10.1073/pnas.0711093105 [27] WU S L, SUN J, CHEN X M, et al. Unveiling the mechanisms of medium-chain fatty acid production from waste activated sludge alkaline fermentation liquor through physiological, thermodynamic and metagenomic investigations[J]. Water Research, 2020, 169: 115218. doi: 10.1016/j.watres.2019.115218 [28] DE VRIEZE J, REGUEIRO L, PROPS R, et al. Presence does not imply activity: DNA and RNA patterns differ in response to salt perturbation in anaerobic digestion[J]. Biotechnology for Biofuels, 2016, 9: 244. doi: 10.1186/s13068-016-0652-5 [29] 李雷, 卫科科, 姜卫红, 等. 细菌双组分系统应答调控蛋白调控策略的多样性[J]. 中国科学:生命科学, 2017, 47(5): 462-469. -
点击查看大图
计量
- 文章访问数: 5206
- HTML全文浏览数: 5206
- PDF下载数: 89
- 施引文献: 0
