-
全球气候变化一直是人类关注焦点。政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)第六次评估报告进一步明确了近百年全球气候变暖的客观事实[1]，未来变暖幅度取决于温室气体的减排强度。在此背景下，全球各国纷纷采取行动应对气候变化并制定温室气体减排目标[2-5]，“碳达峰、碳中和”已成为全球议题。甲烷(CH4)排放之后的百年增温效应约为二氧化碳的28倍[6]，且甲烷是由人类活动造成的气候影响污染物，因此备受国际社会关注。多国已签署“全球甲烷承诺”(Global Methane Pledge) [7]。据统计报告显示，2014年，我国废弃物处理行业共排放656.40×104 t甲烷。其中，生活污水甲烷排放量约占10%，2014年生活污水处理甲烷排放比2012年增加了30%[8]。这也充分说明，仅考虑二氧化碳无法全面体现中国的温室气体排放情况，而减少甲烷排放是减缓气候变化最具成本效益的内容之一[9-10]。
我国温室气体的年排放量较大[11-12]。为积极应对全球气候变化、早日实现碳达峰目标，这既需要节能减排技术的支撑，也需要对碳排放趋势进行科学模拟。污水处理也不可避免地会面临能耗和温室气体排放增加的问题[13]，城市污水处理系统绿色低碳转型迫在眉睫。在此背景下，研究我国污水处理系统温室气体排放达峰路径具有现实意义。各国学者针对生活污水处理系统产生的温室气体排放研究主要包含温室气体来源、排放特征和减排路径等方面[14-18]。目前，研究多集中于污水处理温室气体排放现状，对于未来排放趋势研究相对不足，急需从定性定量角度开展研究。在以往研究中，模型作为预测未来趋势的有效工具被广泛使用，如IPCC经验模型、LEAP模型、灰色GM(1,1)模型等[19-22]。然而，该类模型多采用静态方式开展，难以满足未来动态变化模拟。而系统动力学(system dynamics，SD)模型采用定性和定量相结合、变静态为动态模拟的方式，可为未来模拟提供有效支撑，根据系统问题设立不同情景进行仿真模拟[23-24]，可覆盖污水处理甲烷排放全过程，有助于发现污水处理过程中环境问题的根本原因，进而实现污水处理过程的整体控制。
本研究基于嵌入IPCC清单计算方法的系统动力学模型，综合考虑与生活污水处理系统甲烷减排密切相关的现行技术、环境政策和未来经济发展等因素，从人口变化、经济损失、污水处理、甲烷排放4个方面选取相关参数，以此预测中国生活污水处理系统甲烷排放量的未来发展趋势，并分析基线情景和7种减排情景下的甲烷排放达峰情况和减排潜力，以期在宏观层面为生活污水处理系统温室气体排放模拟及达峰路径提供新思路。
-
系统动力学模型主要数据来源于历年专题统计数据，主要有《中国城市建设统计年鉴》《中国统计年鉴》《中国环境统计年报》《中国环境统计年鉴》等，部分数据来源于《全国污染源普查城镇生活源产排污系数手册》《2016—2030年国家人口发展规划》与业内专家的咨询信息。活动水平数据来自《中国统计年鉴》《中国环境统计年报》《2006 IPCC清单指南》《中国第二次国家温室气体清单》。BOD/COD (质量浓度比，下同)是基于分区统计进水生化需氧量(BOD)和进水化学需氧量(COD)的计算资料[25]，其他排放因子和相关参数的确定参考文献[26-27]。
-
本研究基于FORRESTER J W教授提出的系统动力学模型，结合IPCC清单推荐的生活污水甲烷排放计算方法，开展污水处理系统甲烷排放研究。系统边界涵盖污水产生、污水处理至污水回用及污水排放全过程。基于此，集成了4个子系统，即人口子系统、经济损失子系统、生活污水子系统和甲烷排放子系统，其相关边界如下所述。
1) 人口子系统中人口数量将会引起生活用水量的改变，总人口数是初始人口数与其年增长率随时间积累的结果，结合年城镇化率推算出城市人口数量。
2) 经济损失子系统中温室气体减排与减缓气候变化需要充足资金支持，根据投资情况观察对生活污水产生量及甲烷排放量的影响，同时污水处理投资情况对于污水处理量产生一定影响。
3) 生活污水子系统主要考虑用水需求引发排污需求 (使用过的生活用水80%以上会以废水形式排放) ，进而影响生活污水排放量和生活污水处理量。
4) 参考已有研究，将城市生活污水处理系统产生的甲烷分为2个部分，分别选取参数计算。一部分产生于生活污水排入自然水体(CH4E)(包括未处理和处理后)，另一部分则产生于污水处理过程中(CH4T)[28-30]。基于《2006年IPCC清单指南》核算生活污水处理系统的甲烷排放量，生活污水有机成分的表征参数有进出水COD和BOD[31-32]。
生活污水处理系统甲烷排放量的计算公式为式 (1) 。
式中：CH4排放量为甲烷排放总量，即CH4T 和CH4E 的总和，104 t·a−1；TOW为单位有机物 (以BOD表征) 对应的甲烷质量，即kg·kg−1；
B0 为甲烷最大生产能力，缺省值同样以单位有机物 (以BOD表征) 对应的甲烷质量计，为0.6 kg·kg−1或0.25 kg·kg−1；MCF为甲烷修正因子；R为回收利用甲烷量，kg·a−1。 -
运用VENSIM软件构建嵌入IPCC清单计算方法的系统动力学模型，同时进行模拟仿真、参数校准等确保结果精度。模拟以2010年为起始年，则模型参数初始值为2010年对应值。时间边界为2010—2050年。仿真步长为一年。选取2011—2015年进行模型验证。全国源自生活污水系统的甲烷排放模型的整体结构如图1所示。
-
基于现有生活污水处理过程特征，结合国家对于污水处理甲烷排放标准政策，设定了3种情景类型：基线情景、单一减排情景和组合减排情景。其中，单一减排情景包括4个子情景，分别为节约用水情景、污水回用情景、中部节能情景和终端处理情景。组合减排情景包括节水回用情景、中部终端情景和全程减排情景3个子情景。情景的描述及因子设定如表1所示。
-
为检验模型能否有效反映真实情况，需要从模型众多参数中选取重要参数进行误差检验[37]。表2中数据显示， 2011—2015年城市人口、生活用水量、GDP及甲烷排放量实测值与模拟值的平均误差分别为3.4%、1.4%、−0.4%和3.9%，各主要因子平均误差均低于5%。这说明该模型具有较高的可信度，模拟效果较好，可基于该模型系统开展进一步研究。
-
灵敏度分析是指模拟调节参数对输出变量的影响程度[38]，稳定性良好的模型对多数参数的变化应具有较低的灵敏度。本研究选取模型6个主要常数参数开展灵敏度分析，分别为居民生活用水定额、污水回用率、甲烷最大生产能力、污水排放系数、回收甲烷量、COD产生系数 (见表3)。以考查变量对甲烷排放总量的影响，检验方法为每个参数逐年增加或减少10%。
除COD产生系数和甲烷最大产生能力外，其余常数参数灵敏度均低于10%，因此COD产生系数和甲烷最大产生能力均为高敏感参数。高灵敏度参数是引发模型结果变化的关键，甲烷最大产生能力表示甲烷可产生于污水中一定数量的有机物。而COD产生系数则作为COD的主要影响参数，两参数均与甲烷排放量息息相关，进而影响生活污水处理系统甲烷排放总量。模型检验和灵敏度分析结果表明，该生活污水处理系统甲烷排放系统动力学模型可用于对实际系统的模拟预测。
-
根据IPCC清单指南方法计算2000—2015年源自生活污水处理系统的甲烷年排放量(见图2)。全国生活污水处理系统的甲烷排放总量呈波动上升趋势，分为2个增长阶段：第一阶段从2000年的32.15×104 t增至2010年的54.43×104 t；第二阶段从2011年的53.14×104 t升至2015年的64.78×104 t。两阶段增速分别为36.39%和5.08%，排放总量从2010年后略微减少，且2011年后增速明显下降。这可能是由于2011年我国出台《全国地下水污染防治规划 (2011-2020年) 》后，国家持续加强污水处理设施建设、提高污水排放标准及强化城镇污水设施运行监管，随后还连续出台多条相关政策[39]，引发污水COD去除量浓度下降，导致甲烷排放量(CH4T)减少，二者关联性较大。2000—2015年CH4T排放量增长迅速，从19.26×104 t增至50.05×104 t，增长了1.6倍；CH4E排放量同一时期变化不大。目前，随着我国人口消费水平的提高，生活用水量的增加导致生活污水处理量快速增加，生活污水处理系统的甲烷排放量仍呈不断上升的趋势。
-
通过系统动力学模型可预测2015—2050年生活污水处理系统甲烷排放量，根据预测结果绘制各情景下甲烷排放量的预测曲线。图3表明，生活污水处理系统甲烷排放达峰时间及峰值有所不同，其中在全程减排情景下最早实现甲烷排放达峰，峰值也最小。相反地，在终端处理情景最晚实现甲烷排放达峰且峰值最大。整体达峰时间大致分布在2024—2044年。这表明温室气体减排仍然是一个长期的过程，未来可加强中长期生活污水处理系统温室气体排放预测研究。
在基线情景下，模拟时间内甲烷未出现排放峰值。甲烷排放量按先快后慢的速率增加，从2010年的56.36×104 t增加到2050年的90.96×104 t。这显然表明该情景无法满足2030年碳排放达峰的要求，需要外部政策技术干预。从模型结果来看，节约用水情景和污水回用情景未出现甲烷排放峰值。与基线情景相比，2010—2050年的甲烷排放量均有所减少，但仍呈缓慢上升趋势。模拟时段内节约用水和污水回用只能减少产生甲烷的排放量和排放速率，却无法达到排放峰值。
在模拟时间内，中部节能情景和终端处理情景均出现甲烷排放峰值，但达峰情景与达峰目标有所差距。达峰时间远晚于2030年，峰值比基线情景有所减少。单一减排情景中的中部节能情景下甲烷排放量达峰时间最早，为2037年。而陈敏敏[40]的研究表明，全国超过一半污水处理厂的处理能耗评分低于全国平均值。这说明我国污水处理在降低能耗方面仍有较大潜力。在终端处理情景下，甲烷达峰时间最晚，为2044年，然而峰值也最高，为77.46×104 t。
中部终端情景和全程减排情景能实现甲烷排放在2035年前达到峰值。中部终端情景下节能降耗和甲烷回用的协同使用对于提早达峰时间和降低峰值方面具有明显贡献。全程减排情景达峰年份为2024年，在所有情景中最早实现达峰，其峰值为55.97×104 t。相比于单一减排情景，组合减排情景的减排量明显增加。其中，全程减排情景的甲烷减排量最多，2010年至2050年减排量为1.21×104 t。
以上结果表明，污水处理系统在面临减排时需要多方协同发力，积极推广污水回用、强化居民节约用水意识、降低污水厂能耗的同时回收利用甲烷，可作为实现污水领域2030年排放达峰的有效手段。
-
分析温室气体减排潜力可作为制定减排路径的重要指标[41-42]。图4表示不同情景下生活污水处理系统甲烷减排潜力情况，结果亦表明减排效果随减排政策措施实施的深入越来越好。单一减排情景中污水回用情景的减排潜力最大，其次是中部节能情景和终端处理情景，减排潜力最小的是节约用水情景。同时，该情景在源头减少污水产生进而节省后期污水处理费用，因而减排成本最低。这表明日常生活中提倡节约用水对于实现生活污水处理系统甲烷减排十分重要[43]。组合减排情景中甲烷减排潜力从高到低依次为全程减排情景、中部终端情景和节水回用情景。
单一减排情景中污水回用情景具有最大减排潜力(18.45×104 t)，污水回用可减少部分源头用水量，降低排入环境中污染物含量的同时节省水费[44-45]。而组合减排情景中的全程减排情景具有最大减排潜力(39.37×104 t)。未来随着扩大碳交易覆盖层面，节能减排带来额外收益的同时也会加速技术的创新。
-
1) 我国源自生活污水处理系统的甲烷排放总量由2000年32.15×104 t上升至2015年64.78×104 t，其中污水处理过程中的甲烷排放量增长迅速，从19.26×104 t增长至50.05×104 t；生活污水排入自然水体(包括未处理和处理后)的甲烷排放量同一时期无明显变化。随着人口消费水平提高，若不采取节能减排措施2030年和2050年甲烷排放总量分别增加至83.31×104 t和90.95×104 t。
2) 基线情景甲烷排放量以先快后慢的速率增加，单一减排情景中节约用水和污水回用只能减少甲烷产生量而无法达到排放峰值，中部节能情景和终端处理情景的甲烷排放峰值点分别出现在2037年和2044年，我国污水处理在降低能耗方面仍有较大潜力，单一减排手段仍无法满足国家提出的2030年甚至提前达峰要求。
3) 组合减排情景中的节水回用情景未出现峰值，中部终端情景甲烷排放量峰值出现在2034年，全程减排情景的峰值点出现在2024年，相比单一减排情景而言，组合减排情景的达峰时间明显提前。
4) 单一减排情景中的污水回用手段减排潜力较好(约为18.45×104 t)，污水再生利用潜力巨大可以作为减排重点方向；而组合减排情景中的全程减排手段具有最大减排潜力为39.37×104 t，未来污水处理方向朝多手段协同减排发展。
5) 本研究采用IPCC清单推荐的相关系数计算生活污水处理系统的甲烷排放，然而，不同区域通常具有不同的特点，这可能会导致评估结果存在较大的不确定性。因此，还应积极探索不同区域或者国家之间的污水处理系统温室气体排放因子，以降低计算的不确定性。此外，由于生活污水处理系统产生甲烷过程较为复杂，涉及社会、经济、环境等因素，仅从宏观整体的角度评估污水处理系统甲烷排放，未能很好的体现区域特点，还应持续完善模型，强化区域数据收集，以便更好地指导区域污水处理系统的节能减排工作。
基于系统动力学模型的城市生活污水处理系统的甲烷排放特征及减排潜力分析
Methane emission characteristics and emission reduction potential analysis of urban domestic wastewater treatment system based on system dynamics model
-
摘要: 为全面了解我国城市生活污水处理系统的甲烷排放现状及未来趋势，根据政府间气候变化专门委员会(IPCC)清单计算方法核算了2000—2015年我国生活污水处理系统的甲烷排放量。基于嵌入中国生活污水处理系统甲烷排放IPCC清单计算方法的系统动力学(SD)模型，模拟分析了2015—2050年基线情景和7种减排情景下的甲烷排放达峰和减排潜力。结果表明：我国生活污水处理系统甲烷排放总量从2000年的32.15×104 t升至2015年64.78×104 t，其中，污水处理过程中的甲烷排放量增长迅速，生活污水直接排入自然水体及经过处理后排放的甲烷排放量无明显增长；在模拟时段(2015—2050年)内，基线情景、节约用水情景、污水回用情景和节水回用情景中未出现生活污水处理系统甲烷排放峰值，在污水产生源头采取减排措施只能减缓增长速度，无法达到甲烷排放峰值；不同情景下的甲烷排放达峰时间及峰值不同，单一减排情景下的甲烷排放峰值出现在2035年后，而组合减排情景的峰值出现在2035年前，其中全程减排情景峰值出现在2024年；单一减排情景中污水回用减排潜力较好，可将其作为减排重点方向；而组合减排情景中全程减排情景具有最大减排潜力。本研究表明，未来生活污水处理系统甲烷排放量仍呈不断上升趋势，采用多手段协同减排可实现预期时间内污水处理系统甲烷排放达峰.Abstract: In order to comprehensively understand the current situation and future trends of methane emissions from urban domestic wastewater treatment systems in China, methane emissions released from domestic wastewater treatment systems in China during 2000-2015 were accounted for according to the Intergovernmental Panel on Climate Change (IPCC) inventory calculation methodology. Based on a system dynamics model (SD) embedded in the IPCC inventory calculation method for methane emissions from domestic wastewater treatment systems in China, the methane emissions peaking and reduction potential were simulated and analyzed for the baseline scenario and seven reduction scenarios from 2015-2050. The results showed that: the total methane emission from domestic wastewater treatment system in China rose from 32.15×104 t in 2000 to 64.78×104 t in 2015, among which the methane emission from wastewater treatment process grew rapidly, and the methane emission from domestic wastewater discharged directly into natural water bodies and after treatment did not grow significantly. During the simulation period of 2015-2050, the methane emission peakof domestic wastewater treatment system did not occur in the baseline scenario, water conservation scenario, wastewater reuse scenario and water conservation and reuse treatment scenario, and emission reduction measures at the source of wastewater generation could only slow down the growth rate, but could not reach the peak methane emission.The peak time and peak of methane emissions in different scenarios were different., with peak methane emissions occurring after 2035 for the single reduction scenario and before 2030 for the combined reduction scenario, and the peak of the whole emission reduction scenario occurring in 2024. In the single abatement scenario, the reuse of wastewater had good emission reduction potential and can be regarded as the key direction of emission reduction direction.while in the combination emission of reduction scenarios, the whole emission reduction scenario had the greatest potential for emission reduction. The study showed that methane emissions from domestic wastewater treatment systems would continue to increase in the future, and the use of multiple means of synergistic emission reduction could achieve peak methane emissions from wastewater treatment systems within the expected time frame.
-
人工湿地技术是一项通过模拟或强化生态系统的结构和功能，利用植物 、微生物及动物等的共同作用进行水污染治理和生态修复的水质净化工程技术，已被广泛应用于地表水的保护以及多种污废水，如生活污水、农业废水、工业废水、酸性矿山排水、城市和公路径流的脱氮处理[1-3]。其中，垂直流人工湿地，由于具有较好的有机物和氨氮去除能力[4-7]，并具有占地面积小的优势，在实际工程中常用于处理含氮量较高的污水[8-9]。目前国家对于农村生活污水的排放标准主要考察COD、氨氮和总氮等指标，没有对硝态氮作出明确要求，所以在使用传统非饱和垂直流人工湿地时也是主要考虑强化其对氨氮的硝化能力，忽略了对其反硝化能力的提升，从而导致其反硝能力普遍较弱[10-13]。
微生物的硝化和反硝化作用是人工湿地脱氮的主要途径，但二者对氧的需求不同[14]。一般来说，参与硝化过程的功能微生物对氧的需求较高，大多数为好氧或兼性好氧微生物，而参与反硝化过程的功能微生物多数为兼性厌氧微生物。因此，当水中溶解氧(dissolved oxygen，DO)<1~2 mg·L−1时硝化作用会减小, DO>0.2 mg·L−1 反硝化作用受到抑制[15-16]。大多数传统垂直流人工湿地系统在运行过程中是处于水不饱和状态，大气复氧能力强，有利于硝化作用进行但不利于反硝化作用进行。因此，为了弥补传统垂直流人工湿地反硝化能力差的问题，本研究对传统垂直流人工湿地系统进行了结构改造，将系统构建成分内、外两层的多氧态垂直流人工湿地，采用内层底部连续进水，在内层形成水上行的饱和状态和厌氧环境，促进生活污水中的高浓度有机化合物进行厌氧降解，使污水中有机氮通过氨化反应转化为氨氮[17]。同时，在外层形成水下行的部分饱和状态，使系统(尤其是系统外层)中DO的分布呈持续的动态变化状态(多氧态)，为硝化和反硝化过程的进行提供适宜的DO环境，在系统外层上部的非饱和区利用硝化反应将氨氮转化为硝态氮，在系统外层下部的饱和区利用反硝化反应将硝态氮转化为氮气，从而实现在同一湿地系统中将污水中的有机氮经氨化降解、再硝化、反硝化彻底去除的目的。此外，本研究对该湿地系统在不同水饱和比、不同水力停留时间(hydraulic retention time，HRT)条件下的污染物去除效率、基质中微生物群落结构的演变规律以及氮循环功能基因的分布特征进行了分析和比较，可为多氧态垂直流人工湿地系统的推广和应用提供参考。
1. 材料和方法
1.1 实验装置
本实验采用自行设计的多氧态垂直流人工湿地系统，实验装置设置在桂林理工大学污水处理站内。系统由配水箱、蠕动泵和垂直流人工湿地3部分组成如图1所示。垂直流人工湿地部分由内外两层的PVC圆柱体建成，内层直径为16 cm，外层直径为30 cm；内层高度为0.7 m，填充高度为0.6 m；外层高度0.8 m，填充高度为0.7 m，内外层填充体积比为1:3。进水通过蠕动泵和布水装置均匀的从内层底部自下而上的流过内层床体，出水由与外层底部的出水口相连的软管排出。根据虹吸原理，通过调节出水软管高度来控制外层床体的饱和区水位，以外层饱和区水位高度与总高度比值来表示系统外层水饱和比。
图 1 多氧态垂直流人工湿地系统及采样位点示意图Figure 1. Schematic diagram of the vertical flow constructed wetland system with multi-aerobic and anerobic zones and sampling sites湿地系统的内、外层分别采用粒径8~10 mm的石英砂颗粒和粒径5~8 mm的焦炭颗粒进行填充。内外层主体填料的上下两端各填充厚度为5 cm的鹅卵石，作为进水区和集水区，以截留悬浮物防止堵塞。内外层的填料层上种植的植物为美人蕉。填料中在内层距底部20 cm(a点)和40 cm(b点)处，以及外层距底部25 cm(c点)和55 cm(d点)处分别埋有直径8 mm的4根采样管，便于水样采集。
1.2 实验设计
实验进水取自桂林理工大学污水站的生活污水，污水中COD、NH4+-N、NO3−-N的平均质量浓度分别为(105.60±17.36)、(51.54±14.35)、(0.78±0.45) mg·L−1。实验正式开始前，系统先在HRT为48 h的条件下连续进水1个月进行预培养，使系统运行达到稳定。
为确保系统外层水位不会影响最佳HRT的确定，正式实验以系统外层水饱和比(既外层水位高度与外层填料高度的比值)为0的条件作为对照，比较HRT 分别为6、12、24、48 h时对污染物(COD和NH4+-N)的净化效果，来确定系统污染物去除的最佳HRT。再在最佳HRT条件下，比较系统外层水饱和比分别为1、3∶4、1∶2、1∶3、0时，对污染物的去除效果，确定最优的系统外层水饱和比；同时，分析该水饱和比条件下湿地系统内部的饱和区和非饱和区DO、ORP分布特征，确定系统的多氧态形成情况。最后，在最佳外层水饱和比和最佳HRT条件下，控制进水C/N为7:1，测定系统对高负荷生活污水的污染物净化效率，分析比较系统填料微生物群落结构、以及反硝化功能基因的丰度变化情况，分析其促进污染物去除的机理。
1.3 样品采集与分析
1)水样采集与分析。水样采集位点如图1所示为内层20 cm(a点)、内层40 cm(b点)、内部顶层(i70 cm)、外层25 cm(c点)和外层55 cm(d点)，分别标记为内层20、内层40、内层70、外层25、外层55。内、外层填料中不同高度的水样使用洗耳球通过预埋的采样管吸取，i70 cm的水样采用50 mL注射器直接抽取，出水水样直接从排水管口直接收集。每个点水样采集至少150 mL。针对特定条件运行周期，每2 d采集1次，水样采集后立即带回实验室进行分析。分析的指标包括：化学需氧量(COD)、氨氮(NH4+-N)和硝态氮(NO3−-N)。测试方法分别为：重铬酸钾法(GB11914-89)，纳氏试剂分光光度法(GB7479-87)和紫外分光光度法(HJ-T346-2007)。水样采集的同时，以便携式YSI多参数水质分析仪在采样现场测定各采样点的DO、氧化还原电位(oxidation-reduction potential，ORP)。
2)微生物样品采集与分析。实验末期，控制系统外层水饱和比为1:2，进水C/N为7:1，连续运行两周。期间除了水样采集，在实验结束后，再在如图1所示的a点、b点、c点和d点4个水样采集点中，各取3个基质样品，将其均匀混合后取10 g作为该采样点的基质微生物样品，其中对b点和d点处样品进行氮循环功能基因定量PCR分析。样品采集后，立即送样至北京奥维森生物科技有限公司进行DNA提取，微生物多样性检测和氮循环功能基因定量PCR分析。其中，DNA 提取方法参照 DNA Kit (Omega Bio-tek, Norcross, GA, U.S.)试剂盒说明书。微生物多样性检测选取细菌16S rDNA V3~V4区，利用 Illumina Miseq PE300高通量测序平台测序。氮循环功能基因定量PCR分析选择氨氧化作用的三种菌(AOA，AOB与厌氧氨氧化 (Anammox) 菌和反硝化菌)的功能基因进行研究。定性和定量PCR时，AOA与AOB的扩增都采用功能基因氨单加氧酶amoA的引物，Anammox菌的扩增采用Anammox 16s-RNA；硝化检测功能基因nxrA、nxrB；反硝化菌检测功能基因narG、nirS和nirK。所有引物的合成和数据分析处理均由北京奥维森生物科技有限公司完成。
2. 结果与讨论
2.1 多氧态湿地系统的最佳HRT
通过改变可伸缩U型管的出水高度，控制系统外层水饱和比为0，比较不同HRT条件下系统对污染物COD和NH4+-N的净化效果，此阶段进水COD为140.62~219.53 mg·L−1，进水NH4+-N在32.36~65.65 mg·L−1。由图2可以看到，随着HRT从6 h增加到48 h，湿地系统的COD和NH4+-N的去除率逐渐从76.03%和88.28%(6 h)增加到95.76%和98.38%(24 h)，并在48 h时达到96.64%和99.04%。
图 2 不同HRT条件下多氧态湿地系统对COD和NH4+-N的去除效率Figure 2. Removal rates of COD and NH4+-N by the vertical flow constructed wetland system with multi-aerobic and anerobic zones at different HRT在HRT为6 h和12 h时，系统对污染物的去除率较低，这可能在于停留时间较短，系统的水力冲刷大，污水在系统填料间的停留时间较短，不能充分被微生物转化、降解。而当HRT增大为24 h和48 h时，系统对污染物的去除率逐渐升高并达到最佳状态，对COD和NH4+-N的去除率可达到90%以上，可见，HRT的变化可显著影响人工湿地的污染物净化效果。分别核算HRT为24 h和48 h时的单位面积氨氮负荷去除量可得，24 h时为8.22 g·(m2·d)−1，48 h时为5.11 g·(m2·d)−1，则系统在24 h时对氨氮的去除效能最好，同时从经济性上考虑，过长的HRT可能会造成系统处理能力的浪费。因此系统HRT采用24 h时长，既可以保证污染物的最好净化效果，又能充分发挥系统的处理能力，因此后续的实验均在HRT为24 h条件下进行。
2.2 多氧态湿地系统的构建
1)多氧态湿地系统的最优水饱和比。在HRT为 24 h条件下，通过改变可伸缩U型管的出水高度，控制系统外层水饱和比分别为1、3:4、1:2、1:3、0，比较系统在不同水饱和比条件下对COD和NH4+-N的去除效果，结果如图3(a)和图3(b)所示。
图 3 不同水饱和比条件下多氧态湿地系统对COD和NH4+-N的去除效率Figure 3. Removal rates of COD and NH4+-N by vertical flow constructed wetland system with multi-aerobic and anerobic zones at different water saturation ratios方差分析结果表明，系统外层水饱和比对COD和NH4+-N的去除均有显著性影响(P<0.05)。水饱和比为0时COD的去除效率最高，约为96%；水饱和比为1∶2、1∶3和0时，NH4+-N的去除效率均在98%以上，故分别核算系统外层水饱和比为1、3∶4、1∶2、1∶3和0时的单位面积氨氮负荷去除量为6.78、18.76、21.30、16.71和8.22 g·(m2·d)−1，可得本系统在外层水饱和比为1∶2时对氨氮的去除效能最好。总的来看，系统外层水饱和比为1∶2时，系统对COD和NH4+-N可以达到相对较好的净化效果。
2)多氧态湿地系统的DO及ORP分布特征。DO是影响污水有机物去除效率的重要因素，ORP则可综合DO、有机物质及微生物活性等指标来反映系统中的氧化还原状态[18]。当外层水饱和比为1∶2时，湿地系统DO及ORP 分布特征如图4(a)所示。系统内层饱和区的DO普遍较低(0.2~0.7 mg·L−1)，基本处于厌氧状态，ORP呈由内层底部(20 cm)的−143.04 mV向顶部(70 cm) 提升至−124.1 mV，呈逐渐升高的趋势。系统外层分为水饱和区和非饱和区，但二者的DO和ORP均显著高于内层。其中，外层的DO由底部向顶部同样呈现由低向高的逐渐变化，且表现出好氧、缺氧和厌氧区的区分，其中c点处DO值为0.7~1.7 mg·L−1，处于缺氧状态；d点DO值在2.1~2.5 mg·L−1，处于好氧状态。同时，外层中的ORP随着深度的增加呈下降趋势，−49.10 mV(d点)降到−68.80 mV(c点)。以上结果表明，本研究采用的双层垂直流人工湿地设计，可通过控制系统外层水饱和比的高低，调节系统的饱和区和非饱和区的占比，促使系统尤其是系统外层的DO和ORP分布呈持续的动态变化状态，实现系统多氧态状态的构建。
图 4 多氧态湿地系统DO和ORP的分布特征及主要位置污染物质量浓度变化Figure 4. Distribution characteristics of DO and ORP in vertical flow constructed wetland system with multi-aerobic and anerobic zones and changes in pollutant mass concentrations at major locations垂直流人工湿地中有机物的去除主要是通过微生物的氧化，对NH4+-N的净化主要是通过微生物的硝化作用。由图3可见，当外层的水饱和比为0时，有机物的去除效率最高；系统外层水饱和比≤1:2时，NH4+-N的去除效率即可达到98%以上。由图4(b)可以看出，i70 cm处的NH4+-N质量浓度高于进水。这可能是因为系统内层发生的厌氧发酵使得污水中的有机氮在微生物作用下转化生成NH4+-N，同时部分有机物也被降解去除，使COD的去除率接近70%，之后随着外层非饱和区利用大气的复氧作用使得水中DO含量上升，为有机物的进一步氧化分解及NH4+-N的硝化去除创造了条件，表现为出水中NO3−-N质量浓度上升，而COD和NH4+-N质量浓度持续下降。
3)多氧态湿地系统中氨氮的转化。传统垂直流人工湿地中，部分饱和的垂直流人工湿地的反硝化效果明显高于不饱和垂直流人工湿地[19]。因此，在外层水饱和比分别为0和1:2的条件下，对比系统进、出水的NH4+-N和NO3−-N的浓度得到如图5所示结果。可以看出，系统外层水饱和比为0时，进水中的NH4+-N几乎全部转化成NO3−-N，且出水中NH4+-N和NO3−-N的含量与进水中的基本相当，说明此条件下，进水中NH4+-N质量浓度的降低主要是依靠硝化作用，但产生的NO3−-N 在系统中没有进一步的转化。这可能由于此条件下系统由外层底部直接出水，非饱和区占比大，所以NH4+-N的硝化作用彻底，绝大部分均转化成了NO3−-N 。但由于决定NO3−-N 去除的反硝化阶段缺失，因此系统总的脱氮效率较低。而当系统外层的水饱和比为1∶2时，外层形成了一定的饱和区，使其底部呈现缺氧状态，而顶部仍然是好氧状态，整个系统形成厌氧-好氧-缺氧的多氧态，进水中的NH4+-N可以通过硝化作用去除，其生成的NO3−-N 也能够在外层下部饱和区的缺氧环境中发生反硝化作用生成N2去除，所以该条件下出水的NO3−-N 含量更低，同时NH4+-N+NO3−-N的含量也显著下降，仅为系统外层水饱和比为0时的57%，可大大提高系统总的脱氮效率。因此，与传统非饱和垂直流湿地相比，多氧态湿地系统的不仅保留了其原本的硝化能力，还提升了一定的反硝化能力[19–20]。
图 5 不同外层水饱和比下湿地系统中氮的转化情况Figure 5. Nitrogen transformations in wetland systems at different outer water saturation ratios2.3 多氧态湿地系统对污染物的净化效率
控制湿地系统外层水饱和比为1:2，进水C/N为7:1(COD为350.23~381.46 mg·L−1、NH4+-N为50.23~60.57 mg·L−1)，测定系统对COD和NH4+-N的较高有机负荷污水的净化效率。如图6所示，多氧态湿地系统对污水中COD的去除率可达91.92%，而NH4+-N去除率也可达到90.53%。说明本系统具有良好的有机物降解能力，能够去除较高负荷的有机污染物，同时对于高氨氮污水也有较高的处理能力。
图 6 进水C/N为7:1时系统对COD和NH4+-N的去除效率Figure 6. Removal rates of COD and NH4+-N by the system at an inlet C/N of 7:12.4 氮循环功能基因在多氧态湿地系统的分布特征
以特定功能基因或特定的16S-RNA片段作为分子标记，采用定量 PCR(Real-time PCR)来测定特定基因片段的相对数量，可以对样品中特定功能微生物数量进行定量分析[21]。本研究选择的分子标记：氨单加氧酶amoA、亚硝酸盐氧化酶nxrA和nxrB、硝酸还原酶narG、亚硝酸还原酶nirS和nirK 是参与自然界氮循环过程的关键催化酶，其分别在氨的好氧氧化、亚硝酸盐氧化、亚硝酸盐还原、硝酸盐还原过程中起到重要作用；Anammox菌介导的厌氧氨氧化过程，可直接在缺氧条件下以NH4+为电子供体，亚硝酸盐为电子受体，产生N2。
由图7(a)可知，多氧态湿地系统amoA功能基因主要来源于AOA，且外层中amoA功能基因的数量显著高于内层，说明系统的好氧氨氧化作用主要发生外层，且主要由好氧氨氧化细菌驱动[22–23]。与之类似, 通过图7(b)可看出，催化亚硝酸盐氧化的重要功能基因nxr在外层中的含量比内层高，也说明系统外层中的硝化作用更强[24]。因此，由图7(a)和图7(b)可以表明外层营造的好氧环境为硝化细菌的生存和繁殖提供了适宜的环境。
图 7 氮循环功能基因在多氧态湿地系统内、外层的丰度Figure 7. Abundance of functional nitrogen cycling genes in the inner and outer layers of the vertical flow constructed wetland system with multi-aerobic and anerobic zones此外，系统中还同时存在一定量的Anammox菌，其中内层石英砂的丰度为2.91×109 拷贝数·g−1，外层焦炭中的丰度为7.86×108 拷贝数·g−1，与AOA的数量基本持平，但主要分布在系统内层饱和区，这与Anammox菌对氧的需求适应。Anammox菌能够在厌氧/缺氧的条件下，直接以NH4+为电子供体，NO2−为电子受体，产生N2[25]。虽然这一过程的存在，可能使亚硝酸盐氧化细菌(NOB)的因为底物竞争而生长受抑，使nxrA、nxrB基因的数量较低(图7(b))，但Anammox过程的存在，可以使NH4+直接转化为N2而去除，对提高系统总氮的去除效率是非常有利的。
narG编码的硝酸盐还原酶参与催化反硝化过程的第1步，促使硝酸盐向亚硝酸盐的转化，而nirK和nirS则是编码反硝化过程第2步中催化亚硝酸盐还原酶的关键功能基因[26–27]。由图7(c)和(d)可知，narG、nirK和nirS在系统内、外层中均有分布，但在系统内层中的含量均比外层中的少。这可能与外层中的NO3−-N含量远大于内层有关，也表明系统多氧态的形成，可以促使反硝化作用在外层进行，提升系统总的氮去除能力，这也与前期的研究结果(图5)相符合。
总的来看，本湿地系统构建形成的“多氧态”状态，可以在保持传统垂直流人工湿地系统水流特点和优势的同时，为对氧具有不同需求的氮循环功能微生物提供适宜的微生态环境，强化其生物转化作用(包括硝化、反硝化以及Anammox作用)，从而提高系统的氮去除效率。
2.5 多氧态湿地系统的微生物结构特征
1)门水平微生物群落结构。对多氧态湿地系统内外层共4个基质样品进行微生物多样性检测分析，并对所有OTU系列进行物种注释，共得到60多种不同的细菌门。如图8所示，微生物数量最多的前3个门依次为Proteobacteria(变形菌门) 、Chloroflexi(绿弯菌门)和Bacteroidetes(拟杆菌门)，这3种菌门也被广泛报道存在于水处理反应器中[28-30]。
图 8 多氧态湿地系统4个基质样品中微生物群落丰度图(门水平)Figure 8. Abundance map of microbial communities in four substrate samples from the vertical flow constructed wetland system with multi-aerobic and anerobic zones (at phylum level)从门水平看，Proteobacteria在4个样本中均为相对丰度最高的优势种，这与ANSOLA等[31]在人工湿地中的研究结果一致。Proteobacteria属于革兰氏阴性细菌，其物种和遗传多样性极为丰富，是COD去除和脱氮过程的重要贡献者。本研究结果表明，Proteobacteria在系统外层所占的比例(平均55.6%)比内层的(平均25.8%)高(图8)，说明湿地系统多氧态的构建可以促使Proteobacteria大量繁殖，从而可能提升系统的污染物去除能力增加。
此外， 4个样本中Chloroflexi和Bacteroidetes的相对丰度仅次于Proteobacteria，但二者在系统内层所占的比例(平均21.9%)比外层的(平均6.6%)大(图8)，这与Chloroflexi和Bacteroidetes均属于兼性厌氧微生物，对氧的需求较低有关。已有研究表明这两类细菌都是有机物的主要降解者，能够降解复杂的有机物[32]。因此，Chloroflexi和Bacteroidetes在内层的广泛存在，可充分发挥其对复杂有机物的降解能力，有利于系统对有机污染物的去除。同时，多氧态湿地系统中丰度较大的还有Caldiserica、Actinobacteria、Firmicutes、Acidobacteria等，他们在有机物的矿化和氮的固定等方面发挥着重要作用[33]。
2)属水平微生物群落结构。以属为单位对多氧态湿地系统的微生物群落结构进行分析得到图9。系统内层的优势菌属为Caldisericum、Longilinea、Smithella、Leptolinea、Syntrophorhabdus等厌氧菌，他们均与有机物的代谢有关，其中，Longilinea和Leptolinea对多糖具有良好的降解能力[34]，Caldisericum和Syntrophorhabdus是工业废水生物处理系统中常见菌种，有助于有机物的降解，并且Syntrophorhabdus是厌氧生态系统中的丰富细菌主要降解芳香族化合物[35]。他们在样品总丰度中的占比分别为37.74%(内层20)、34.70%(内层40)、1.09%(外层25)、0.14%(外层55)，且在内层的相对丰度远大于在外层的。可以推测，系统的有机物降解过程主要在系统内层发生。
图 9 属水平上多氧态湿地系统4个基质样品中微生物群落丰度Figure 9. Abundance of microbial communities in four substrate samples from the vertical flow constructed wetland system with multi-aerobic and anerobic zones at genus level系统的外层优势菌属为Rhodanobacter、Nitrospira等。其中，Rhodanobacter属变形菌门γ-变形菌纲的黄色单胞菌科[36]。该菌在好氧的土壤表层发现并分离，具有反硝化能力[37-40]，它在多氧态湿地系统的外层中大量出现，可促进反硝化反应的进行。而外层的另一优势菌Nitrospira是亚硝酸盐氧化细菌的主要菌属，主要分布在外层上部的好氧区域，丰度达2.94%。作为硝化过程中的关键菌属，它可将水体中的亚硝酸盐氧化成硝酸盐[41]，其在系统外层的优势存在，也很好的解释了为何多氧态湿地系统的外层具有较强的硝化能力。
3)多氧态湿地系统促进氮去除的机理。综上所述，本实验所构建的多氧态垂直流人工湿地，可通过调节外层水饱和比，在保证系统有机物去除效率的同时，提高系统总的脱氮效率，这与其特殊的分层结构有关。首先，多氧态垂直流人工湿地分为内外两层，当外层不饱和比为0时，其内层与传统的多氧态垂直流人工湿地相似，出水中氮主要以NO3−-N为主，NH4+-N 和 NO3−-N的含量与进水相比，降低仅为5%左右。而当外层不饱和比大于0时，系统的外层被由下到上被分成了饱和区和非饱和区，这与内层在完全饱和状态下形成的单一缺氧甚至是厌氧的环境相比，外层由底部向顶部DO和ORP均逐渐上升，形成同时兼备厌氧-缺氧-好氧环境的结构特点， 这使得系统外层中参与反硝化和硝化过程的微生物如Rhodanobacter和Nitrospira等均得到优势生长(图9)，系统的外层硝化和反硝化功能也比内层得到强化(图7)，从而使系统的氮去除能力得到提升(图5)。
3. 结论
1)通过调节系统外层水饱和比，多氧态湿地系统的内层呈饱和状态，DO比较低，属于缺氧厌氧区；外层上部非饱和区为好氧区，底部饱和区为厌氧/缺氧区，能够形成由厌(缺)氧到好氧的氧化还原分区。
2)多氧态湿地系统对NH4+-N和COD均有较好的去除效果，而当外层水饱和比为1:2，HRT为24 h时，多氧态湿地系统对污染物的净化效果最好。
3)多氧态湿地系统氮循环功能微生物的数量在外层中的分布高于内层，对系统的硝化和反硝化功能均有促进作用，可提升系统总的氮去除效率。
4)多氧态湿地系统内、外层的微生物群落结构组成具有显著差异。在门水平上Proteobacteria、Chloroflexi和Bacteroidetes的相对丰度较大，其中Proteobacteria在系统外层的丰度较大，而Chloroflexi和Bacteroidetes在内层丰度较大。属水平上，系统外层与内层的优势菌属也不同，外层的优势菌属为Rhodanobacter，属于反硝化菌；内层的优势菌属为Caldisericum、Longilinea等厌氧菌，有助于有机物的降解。
-
图 1 生活污水处理系统甲烷排放SD模型
Figure 1. Methane emission SD model for domestic sewage treatment system
图 2 2000—2015年源自生活污水的甲烷排放量
Figure 2. Methane emissions from domestic sewage from 2000 to 2015
图 4 不同情景甲烷减排潜力
Figure 4. Methane emission reduction potential under different scenarios
表 1 情景设定
Table 1. Emission scenario setting
情景种类 基线情景 工艺阶段 情景依据 情景设定 单一减排情景 节约用水情景 污水产生 根据《中国可持续发展水资源战略研究》[33]，节水意识和水价进一步提升会对用水量起到一定抑制作用[34]，人均生活用水量将会减少 居民生活用水定额由62.00×10-3 t/人变为58×10-3t/人 污水回用情景 污水产生 根据由“污水处理”向“再生利用”转变的要求，污水处理厂尾水水质达标后可用于生态和景观用水，预计污水的处理率与回用率将大幅增加 我国污水处理率将在2030年达100%；将有20%±10%的出水再生回用，2050年污水回用率为48% 中部节能情景 污水处理 城市污水厂的能源消耗主要是电能、热能及药品消耗，其中电能消耗占60%~90%[35]，生活污水处理过程能耗影响污水处理率 设定2020年污水处理率为96%，2050年变为100% 终端处理情景 达标排放 采用热电联产技术回收利用污泥消化过程中甲烷气体[36] 设定2020年甲烷回收率为26%，2050年变为95% 组合减排情景 节水回用情景 污水产生 节约用水，循环利用 参数改变综合考虑节约用水情景和污水回用情景 中部终端情景 污水处理及排放 在污水处理及达标排放过程采取减排手段 参数改变综合依据中部节能情景和终端处理情景增加状态因子 全程减排情景 污水产生、处理及排放 对已经进行过节水回用处理的生活污水进行处理时，采用全程减排手段 参数改变综合依据节水回用情景与中部节能情景和终端处理情景增加状态因子 注：情景依据为当前趋势不加约束的情景作为未来发展的基准；情景设定即假定本情景不考虑已颁布实施的一系列污水处理节能减排政策措施。 
下载: 导出CSV
表 2 模拟检验结果
Table 2. Simulation test results
年份 城市人口/(万人) 生活用水量/(108 t) GDP/(亿元) 甲烷排放量/(104 t) 模拟值 实测值1) 误差2) 模拟值 实测值 误差1) 模拟值 实测值 误差1) 模拟值 实测值 误差1) 2011 67 368 69 079 2.5 243 248 1.9 489 301 484 753 −0.9 58 53 9.5 2012 69 052 71 182 3.1 254 257 1.3 527 956 539 117 2.1 60 56 6.1 2013 70 692 73 111 3.4 264 268 1.5 594 672 590 422 −0.7 61 59 3.5 2014 72 282 74 916 3.6 274 276 0.5 648 787 644 791 −0.6 63 62 1.4 2015 73 818 77 116 4.5 283 287 1.7 696 149 682 635 −1.9 64 65 −0.8 注：1)实测值来源于2011—2015年中国专题统计年鉴；2)误差单位为%。
下载: 导出CSV
表 3 SD模型灵敏度分析结果
Table 3. Sensitivity analysis results of SD model
变量 对甲烷排放总量值 居民生活用水定额 3.6 污水回用率 4.5 甲烷最大生产能力 10.0 污水排放系数 3.6 回收甲烷量 0.1 COD产生系数 13.6
下载: 导出CSV
-
[1] [1]马占云,任佳雪,陈海涛,姜华,高庆先,刘舒乐,严薇,李照濛.IPCC第一工作组评估报告分析及建议[J/OL].环境科学研究:1-11[2022-09-29]. [2] ZICKFELD K, SOLOMON S, GILFORD D M. Centuries of thermal sea-level rise due to anthropogenic emissions of short-lived greenhouse gases[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(4): 657-662. doi: 10.1073/pnas.1612066114 [3] LIU L C, WU G. The effects of carbon dioxide, methane and nitrous oxide emission taxes: an empirical study in China[J]. Journal of Cleaner Production, 2017, 142: 1044-1054. doi: 10.1016/j.jclepro.2016.08.011 [4] GAO Y, GAO X, ZHANG X H. The 2 ℃ global temperature target and the evolution of the long-term goal of addressing climate change: from the united nations framework convention on climate change to the Paris agreement[J]. Engineering, 2017, 3(2): 272-278. doi: 10.1016/J.ENG.2017.01.022 [5] 吴绍洪, 潘韬, 刘燕华, 等. 中国综合气候变化风险区划[J]. 地理学报, 2017, 72(1): 3-17. doi: 10.11821/dlxb201701001 [6] IPCC. Climate Change 2014: Mitigation of Climate Change[M]. Cambridge, UK: Cambridge University Press, 2015. [7] IPCC. Climate Change 2007: Impacts, Adaptation and Vulnerability: Working Group II Contribution to the Fourth Assessment Report of the IPCC Intergovernmental Panel on Climate Change[M]. Cambridge, UK: Cambridge University Press, 2007 [8] 国家发改委应对气候变化司. 中华人民共和国气候变化第二次两年更新报告[J]. 北京:中国经济出版社, 2016: 9-24. [9] ZHOU Y M, Feng Y S. The strategy and technology selection for non-CO2 greenhouse gas emission control[J]. Advances in climate change research, 2014, 9(4): 28-33. [10] FANG K, TANG Y Q, ZHANG Q F, et al. Will China peak its energy-related carbon emissions by 2030?lessons from 30 Chinese Provinces[J]. Applied Energy, 2019, 255: 113852. doi: 10.1016/j.apenergy.2019.113852 [11] 马丁, 陈文颖. 中国2030年碳排放峰值水平及达峰路径研究[J]. 中国人口·资源与环境, 2016, 26(增刊1): 1-4. [12] 习近平. 在第七十五届联合国大会一般性辩论上的讲话[J]. 中华人民共和国国务院公报, 2020(28): 5-7. [13] 付加锋, 冯相昭, 高庆先, 等. 城镇污水处理厂污染物去除协同控制温室气体核算方法与案例研究[J]. 环境科学研究, 2021, 34(9): 2086-2093. [14] ABOOBAKAR A, CARTMELL E, STEPHENSON T, et al. Nitrous oxide emissions and dissolved oxygen profiling in a full-scale nitrifying activated sludge treatment plant[J]. Water Research, 2013, 47(2): 524-534. doi: 10.1016/j.watres.2012.10.004 [15] DAELMAN M R J, VAN-VOORTHUIZEN E M, VAN-DONGEN L G J M, et al. Methane and nitrous oxide emissions from municipal wastewater treatment - results from a long-term study[J]. Water Science and Technology, 2013, 67(10): 2350-2355. doi: 10.2166/wst.2013.109 [16] MAMAIS D, NOUTSOPOULOS C, DIMOPOULOU A, et al. Wastewater treatment process impact on energy savings and greenhouse gas emissions[J]. Water Science and Technology:a Journal of the International Association on Water Pollution Research, 2015, 71(2): 303-308. doi: 10.2166/wst.2014.521 [17] ZOUBOULIS A, TOLKOU A. Effect of climate change in wastewater treatment plants: Reviewing the problems and solutions[J], 2015, 10.1007/978-3-319-10467-6(Chapter 10): 197-220. [18] ZHANG Q, NAKATANI J, WANG T, et al. Hidden greenhouse gas emissions for water utilities in China's Cities[J]. Journal of Cleaner Production, 2017, 162: 665-677. doi: 10.1016/j.jclepro.2017.06.042 [19] MANNINA G, EKAMA G, CANIANI D, et al. Greenhouse gases from wastewater treatment: a review of modelling tools[J]. Science of the Total Environment, 2016, 551/552: 254-270. doi: 10.1016/j.scitotenv.2016.01.163 [20] 甘晖, 杨燕燕, 刘佳, 等. 福建省2000—2020年间废弃物处理温室气体排放估算及趋势预测[J]. 福建师范大学学报(自然科学版), 2018, 34(5): 93-100. [21] KYUNG D, KIM M, CHANG J, et al. Estimation of greenhouse gas emissions from a hybrid wastewater treatment plant[J]. Journal of Cleaner Production, 2015, 95: 117-123. doi: 10.1016/j.jclepro.2015.02.032 [22] NAYEB H, MIRABI M, MOTIEE H, et al. Estimating greenhouse gas emissions from Iran's domestic wastewater sector and modeling the emission scenarios by 2030[J]. Journal of Cleaner Production, 2019, 236: 117673. doi: 10.1016/j.jclepro.2019.117673 [23] FORRESTER J W. Industrial dynamics[M]. Portland: Productivity Press, 1961. [24] FORRESTER J W. The system dynamics national model: Macrobehavior from microstructure[M]. Berlin: Springer Berlin Heidelberg, 1989. [25] 中国城镇供水排水协会排水专业委员会. 中国城镇污水处理厂汇编[M]. 北京: 中国城镇供水排水协会排水专业委员会, 2006. [26] 宋丽丽, 罗勇, 高庆先, 等. 生活污水中BOD5与CODCr关系的区域性差异分析[J]. 环境科学研究, 2011, 24(10): 1154-1160. [27] 蔡博峰, 高庆先, 李中华, 等. 中国污水处理厂甲烷排放研究[J]. 中国环境科学, 2015, 35(12): 3810-3816. doi: 10.3969/j.issn.1000-6923.2015.12.036 [28] GUISASOLA A, de HAAS D, KELLER J, et al. Methane formation in sewer systems[J]. Water Research, 2008, 42(6/7): 1421-1430. [29] 乐群, 张国君, 王铮. 中国各省甲烷排放量初步估算及空间分布[J]. 地理研究, 2012, 31(9): 1559-1570. [30] 闫旭, 韩云平, 李琦路, 等. 污水处理过程中温室气体产生研究进展[J]. 环境化学, 2015, 34(5): 853-862. doi: 10.7524/j.issn.0254-6108.2015.05.2014092401 [31] 任佳雪, 高庆先, 陈海涛, 等. 碳中和愿景下的污水处理厂温室气体排放情景模拟研究[J]. 气候变化研究进展, 2021, 17(4): 410-419. [32] IPCC. Good practice guidance and uncertainty management in national greenhouse gas inventory[R]. Cambridge: Cambridge University Press, 2005. [33] 中国工程院“世纪中国可持续发展水资源战略研究”项目组. 中国可持续发展水资源战略研究综合报告[J]. 中国工程科学, 2000, 2(8): 1-17. [34] 刘昌明, 何希吾. 中国21世纪水问题方略[M]. 北京: 科学出版社, 1998. [35] 应启锋, 王佳伟, 高金华, 等. 小红门污水处理厂利用沼气拖动鼓风机的节能效果[J]. 中国给水排水, 2010, 26(12): 130-132. [36] 吴静, 姜洁, 周红明, 等. 我国城市污水厂污泥厌氧消化系统的运行现状[J]. 中国给水排水, 2008, 24(22): 21-24. doi: 10.3321/j.issn:1000-4602.2008.22.005 [37] 王其藩. 高级系统动力学[M]. 北京: 清华大学出版社, 1995. [38] 贾仁安, 丁荣华. 系统动力学: 反馈动态性复杂分析[M]. 北京: 高等教育出版社, 2002. [39] 马占云, 冯鹏, 高庆先, 等. 中国废水处理甲烷排放特征和减排潜力分析[J]. 气候变化研究进展, 2015, 11(5): 343-352. [40] 陈敏敏, 吴琼, 张震, 等. 我国城镇污水处理厂环境绩效评价研究[J]. 环境科学研究, 2020, 33(12): 2675-2682. [41] KIUILA O, RUTHERFORD T F. The cost of reducing CO2 emissions: integrating abatement technologies into economic modeling[J]. Ecological Economics, 2013, 87: 62-71. doi: 10.1016/j.ecolecon.2012.12.006 [42] 戴彦德, 胡秀莲, 等. 中国二氧化碳减排技术潜力和成本研究[M]. 北京: 中国环境出版社, 2013. [43] STOKES J R, HENDRICKSON T P, HORVATH A. Save water to save carbon and money: developing abatement costs for expanded greenhouse gas reduction portfolios[J]. Environmental Science & Technology, 2014, 48(23): 13583-13591. [44] MAESEELE C, ROUX P. An LCA framework to assess environmental efficiency of water reuse: application to contrasted locations for wastewater reuse in agriculture[J]. Journal of Cleaner Production, 2021, 316: 128-151. [45] 胡洪营, 吴乾元, 吴光学, 等. 污水特质(水征)评价及其在污水再生处理工艺研究中的应用[J]. 环境科学研究, 2019, 32(5): 725-733. -
点击查看大图
计量
- 文章访问数: 5104
- HTML全文浏览数: 5104
- PDF下载数: 71
- 施引文献: 0
