-
好氧颗粒污泥是多种功能微生物的聚集体[1]。与传统活性污泥相比,好氧颗粒污泥在污水处理系统中具有更优越的性能,如结构紧密、沉降性能良好、生物量高、功能微生物丰富、对有毒物质耐受性强、能有效去除污染物等[2]。因此,好氧颗粒污泥是目前关注最多的污水处理技术之一。已有研究[3-5]表明,好氧颗粒污泥往往需要在有选择压力的特定条件下形成,如水力调节、沉降时间、营养-饥饿更替、进水负荷调整等。这些特定条件会影响微生物群落的代谢机能[2],增加细菌胞外聚合物(extracellular polymeric substances,EPS)的分泌[6],进而促进颗粒化进程。
根据Monod方程,底物质量浓度对微生物的生长至关重要,高质量浓度底物在功能微生物的积累中起关键作用[7]。同时,底物质量浓度也会影响EPS的分泌[6]。因此,高有机负荷(organic loading rate,OLR)被认为是快速促进颗粒形成的方法之一[8]。ZHANG等[9]的研究表明,在OLR为24 kg·(m3·d)−1和12 kg·(m3·d)−1条件下,7 h和24 h出现颗粒污泥。然而,高OLR容易引起好氧颗粒污泥系统运行不稳定,出水水质变差,严重时甚至引起颗粒解体[8]。MOY等[10]报道,在OLR为6 kg·(m3·d)−1条件下培养颗粒污泥,发现颗粒表现出以丝状菌为主的蓬松形态,会对颗粒沉降性能造成影响。LIU等[11]的研究同样表明,高OLR会引发丝状菌生长,导致颗粒沉降性能变差和生物量减少,进而对颗粒的长期稳定性造成影响。SCHWARZENBECK等[12]的研究表明,在OLR为5.9 kg·(m3·d)−1条件下,培养出的颗粒中丝状菌过度生长,降低了颗粒的沉降速度。因此,高OLR条件下有效控制丝状菌的生长对于维持好氧颗粒污泥系统的稳定性至关重要。目前对于丝状菌生长的控制策略包括延长沉淀时间、降低C/N比、提高溶解氧、改变碳源等[13-14]。高景峰等[7]在底物中加入蛋白胨,能够抑制颗粒污泥中丝状菌的生长。陈希等[15]也发现,蛋白胨能够有效抑制丝状菌的生长并使颗粒密实光滑。因此,研究蛋白胨对于丝状菌生长的影响,有助于提高颗粒污泥在高OLR下运行的稳定性。高OLR作为促进好氧颗粒污泥快速形成的有效手段,在处理高质量浓度有机污水方面具有广泛的应用前景[16]。然而,目前有关高OLR条件下好氧颗粒污泥的形成和稳定性的报道较为缺乏,尤其是在高OLR条件下丝状菌的生长特性及其控制策略方面。此外,高OLR条件下微生物群落结构特征也少有报道,尚需开展更为广泛深入的研究。
本研究在实验室规模的序批式反应器(sequencing batch reactor,SBR)中,采用递增负荷4.8~14.4 kg·(m3·d)−1的启动方式,培养好氧颗粒污泥,考察高OLR条件对好氧颗粒污泥形成和稳定性能的影响,探究高OLR条件下丝状菌的生长规律及其控制策略,并进一步揭示微生物群落结构对于高OLR的响应,旨在为高负荷条件下控制系统内丝状菌生长并保持颗粒稳定性提供参考。
-
实验采用SBR进行好氧颗粒污泥的培养(图1)。反应器由有机玻璃制成,呈圆柱形,高为1 000 mm,高径比为15,有效容积为2.5 L。反应器侧面每隔200 mm设置4个取样口,出水口位于反应器1/2处,排水比为50%。反应器设置水浴套管,外加电加热棒以维持反应器温度。反应器进水口设置在底部,通过蠕动泵(BT-300 EA,重庆杰恒)控制进水速度为0.08 L·min−1。曝气由空压机(GSX100,中国国厦)通过微孔曝气头从反应器底部供气,曝气速率由转子气体流量计控制为2.5 L·min−1。反应器运行周期为4 h,每天运行6个周期。每个周期进水15 min,初始曝气213 min,沉淀时间10 min,排水2 min。随着颗粒沉降速率的增加,曝气时间逐渐从213 min增加到221 min,沉淀时间逐渐从10 min缩短到2 min。反应器的进水、排水及曝气均通过定时开关采用半自动化控制。
-
采用人工配水作为实验进水,根据有机碳源质量浓度和种类的不同,分为3个阶段,主要成分见表1。第Ⅰ阶段,OLR为4.8 kg·(m3·d)−1,NH4+-N为0.24 kg·(m3·d)−1。第Ⅱ、III阶段,OLR均为14.4 kg·(m3·d)−1;第Ⅱ阶段,NH4+-N为0.3~0.42 kg·(m3·d)−1;第III阶段,NH4+-N为0.42~0.6 kg·(m3·d)−1。以每阶段的OLR按照占比分配碳源,第Ⅰ阶段,采用无水乙酸钠(50%)和蔗糖(50%)作为混合碳源;第Ⅱ阶段,采用无水乙酸钠(45%)、蔗糖(45%)和蛋白胨(10%)作为混合碳源;第III阶段,采用无水乙酸钠(50%)和蛋白胨(50%)作为混合碳源,以氯化铵作为各阶段的氮源。实验用1 mg蛋白胨相当于约1.04 mg COD,氮的质量分数为12.7%。微量元素溶液组成如下:0.43 g·L−1 ZnSO4·7H2O,0.014 g·L−1 H3BO4,0.99 g·L−1 MnCl2·4H2O,0.25 g·L−1 CuSO4·5H2O,0.19 g·L−1 NiCl2·6H2O,0.24 g·L−1 CoCl2·6H2O。人工配水中微量元素溶液体积分数为3 mL·L−1。实验药品均采用化学纯。
本实验所采用的接种污泥来自重庆市鸡冠石污水厂曝气池,取原始污泥在反应器中闷曝24 h,调节混合液悬浮固体质量浓度(mixed liquid suspended solids,MLSS)至5 g·L−1左右后正常进水。
-
MLSS、混合液挥发性悬浮固体质量浓度(mixed liquid volatile suspended solids,MLVSS)采用标准重量法测定。
污泥沉降速率(sludge settling velocity, SV)的测定:量取1 000 mL曝气末期处于完全混合状态的泥水,静置沉降5 min后,记录污泥沉降层液位高度;根据沉淀污泥体积占原混合液体积的比值算得SV5;同样地,静置30 min,记录此时污泥沉降层高度,根据沉淀污泥体积占原混合液体积的比值算得SV30。
污泥容积指数 (sludge index,SVI)的计算方法见式(1)。
式中:Q为污泥容积指数(SVI),mL·g−1;S为30 min污泥沉降速率(SV30),mL·L−1;M为混合液悬浮固体质量浓度(MLSS),g·L−1。
-
EPS分为溶解型EPS(soluble EPS,S-EPS)、松散结合型EPS(loosely bound EPS,L-EPS)和紧密结合型EPS(tightly bound EPS,T-EPS)。S-EPS、L-EPS和T-EPS的提取参照LIANG等[17]使用的方法。取30 mL反应器中污泥于50 mL无菌离心管中,在4 000g、4 ℃条件下离心10 min。弃掉上清液,加入30 mL PBS溶液,重悬并清洗细胞2次,随后将重悬的污泥液体经超声波破碎机冰浴破碎(20 kHz,40 W),然后在2 000g、4 ℃条件下离心15 min,其上清液即为S-EPS。接着向离心管加入PBS再次将污泥重悬至30 mL,并向污泥悬液中加入0.06 mL(37%)的甲酰胺(为了增强L-EPS的提取效果),然后将离心管置于4 ℃恒温振荡器中振荡1 h。最后将重悬液在5 000g、4 ℃条件下离心15 min,收集上清液,即为L-EPS。再次用PBS重悬污泥至30 mL,每克挥发性悬浮固体污泥加入70 g的阳离子交换树脂,在4 ℃、600 r·min−1条件下搅拌1 h,然后在10 000g、4 ℃条件下离心15 min,所得上清液即为T-EPS。多糖(polysaccharides,PS)含量采用硫酸-蒽酮法进行测定。蛋白质(proteins,PN)含量采用Lowry试剂盒方法(Solarbio,日本)测定。总EPS含量为PS和PN的总和。
-
微生物群落结构基于MisSeq高通量测序及I-Sanger云平台由美吉生物医药科技有限公司(上海)测定。样品处理过程:取反应器中的颗粒污泥样品1 mL,使用E.Z.N.A. ® soil试剂盒(Omega Bio-tek, Norcross, GA, U.S.)抽提群落DNA,利用NanoDrop2000进行质量浓度和纯度检测,随后采用1%琼脂糖凝胶电泳检测DNA提取质量;纯化后的样品用338F(5′-ACTCCTACGGGAGGCAGCAG-3′)和806R(5′-GGACTACHVGGGTWTCTAAT-3′)引物对对V3~V4可变区进行16S rRNA PCR扩增,然后用AxyPrep DNA Gel Extraction Kit进行纯化。利用QuantiFluor™-ST(Promega, USA)进行检测定量。利用Illumina MiSeq (Illumina,San Diego,USA)PE300平台进行测序。采用Usearch软件(Version 7.0 http://drive5.com/usearch/)进行聚类分析,在97%相似水平下进行生物信息统计。利用Excel 和Origin等软件,对上述基础数据进行整理和分析。
-
常规水质指标NH4+-N、NO3−-N、NO2−-N、总氮(TN)、COD的分析方法如下:NH4+-N采用水杨酸-次氯酸盐光度法,NO3−-N采用紫外分光光度法,NO2−-N采用N-(1-萘基)-乙二胺光度法,TN采用过硫酸钾氧化-紫外分光光度法,COD采用重铬酸钾氧化法。采用光学显微镜和扫描电镜(SEM)对颗粒形态及表面结构进行观察。采用标准筛法测量颗粒粒径分布。
-
1) 好氧颗粒污泥的形态特性变化。将闷曝后的活性污泥以MLSS为5 g·L−1接种在SBR中。初接种的活性污泥呈深褐色絮体状,在光学显微镜下能观察到菌胶团以及钟虫、轮虫等原生动物和后生动物。第I阶段,反应器以OLR为4.8 kg·(m3·d)−1、NH4+-N为0.24 kg·(m3·d)−1启动。经过23 d的培养,反应器内污泥仍然以絮状体为主,仅有少量颗粒出现,且粒径较小。这一现象表明低OLR条件下造粒缓慢。有研究[18]表明,高OLR能够加速好氧颗粒污泥的形成,可作为一种快速启动策略。因此,为了探究高OLR对颗粒形成的影响,第II阶段,在OLR为14.4 kg·(m3·d)−1、NH4+-N为0.3~0.42 kg·(m3·d)−1条件下,继续培养颗粒污泥。当OLR提高后,反应器内出现较为明显的颗粒,颗粒颜色逐渐变浅,由褐色变为黄色,有较清晰的边界。已有研究[19]表明,当颗粒粒径大于0.2 mm的颗粒体积占比达到90%时,认为颗粒完成造粒。在反应器运行到43 d时,反应器内粒径大于0.2 mm的颗粒占比超过90%,表明好氧颗粒污泥形成。此条件下形成的颗粒粒径在0.83~1.18 mm的占比最多,为29.6%;粒径大于2.36 mm的占比为13.9%(图2(a))。这表明,高OLR下不仅能促进好氧颗粒污泥的形成,而且能够形成粒径更大的颗粒。NGUYEN等[20]也发现,当OLR从2.5 kg·(m3·d)−1增加到10 kg·(m3·d)−1时,好氧颗粒污泥粒径随着OLR的增加而增加,且较高的OLR可形成直径为3~4 mm的颗粒。然而,镜检表明,在高OLR条件下,虽然颗粒形态基本完好,但颗粒表面却有大量丝状菌呈放射状生长,部分颗粒结构松散、边缘疏松(图3(a)~图3(c))。这一结果表明,虽然高OLR能够加快颗粒化进程,但是容易引起丝状菌的附着生长,从而可能引发好氧颗粒污泥丝状菌膨胀,最后导致颗粒解体。
有研究[7]表明,在丝状菌膨胀的好氧颗粒污泥中加入蛋白胨,可达到控制丝状菌生长的目的。虽然在第II阶段也有蛋白胨的加入,但与无水乙酸钠和蔗糖的含量相比,蛋白胨的占比仅为10%,并没起到显著控制丝状菌生长的效果。因此,在第III阶段,从52 d开始,OLR同第II阶段保持一致,但将进水中蛋白胨的含量占比提高到了50%。在高OLR培养下,颗粒粒径进一步增加。在60 d,颗粒粒径在2~3.35 mm的占比达到31.9%,大于3.35 mm的颗粒占比为20.3%(图2(b))。此时颗粒表面丝状菌大量生长的现象仍较为明显。扫描电镜下观察到丝状菌附着在颗粒表面呈网状结构,颗粒结构松散(图4(a)~图4(c))。但随着培养时间的增加,丝状菌逐渐消失。在71 d,颗粒表面已观察不到丝状菌,以球菌和短杆菌为主,颗粒呈光滑密实状态(图4(d)~图4(f))。此时,颗粒粒径较之前有所减少,以粒径0.88~1.4 mm的颗粒为主,占比达到20.65%;而大于3.35 mm的颗粒,占比也从60 d时的20.3%下降到72 d时的12.03%(图2(c))。这一粒径的减少很可能是由于丝状菌脱落引起的。实验结果表明,蛋白胨能够抑制丝状菌的生长,使颗粒在高OLR下保持光滑密实的状态。这可能是因为丝状菌更容易利用简单的小分子有机物,所以当蛋白胨这类复杂有机物占比增多时,会导致丝状菌能利用的简单有机物减少,从而使得好氧颗粒污泥上的丝状菌逐渐脱落,颗粒稳定性得以提升[7,15]。综上可知:高OLR确实可以促进颗粒化进程,但容易引发丝状菌的大量生长;通过投加蛋白胨这类复杂有机物可控制丝状菌的生长,维持高OLR条件下好氧颗粒污泥的稳定性。
2) 好氧颗粒污泥生物量和沉降性能的变化。MLSS和MLVSS可以反映SBR内颗粒污泥的生物量。如图5(a)所示,第Ⅰ阶段,在OLR为4.8 kg·(m3·d)−1的条件下,平均MLSS为5 g·L−1。在此阶段,生物量没有显著增加,其原因可能是,此阶段正处于调节沉淀时间筛选颗粒污泥的阶段,排出的絮体污泥量与污泥生长量可能处于一个平衡状态。第II阶段,当OLR提高到14.4 kg·(m3·d)−1时,生物量显著提高到11.8 g·L−1,说明OLR的提高有助于微生物生长,同时有利于颗粒化进程。然而,在40 d, MLSS呈下降趋势,这可能是由于高OLR引起丝状菌过量生长所导致的。在第III阶段,当改变进水蛋白胨占比后,颗粒恢复正常,MLSS逐渐上升。
SVI是反映颗粒污泥沉降性能的指标,结果如图5(b)所示。活性污泥初始的SVI为43.6 mL·g−1。第Ⅰ阶段,SVI呈逐步下降的趋势,这说明污泥的沉降性能在不断提高。第II阶段,刚开始时,SVI有明显上升,这可能与OLR突然提高导致沉降性能变差有关。随后,SVI不断下降,第43天,污泥造粒完成后,SVI达到16.3 mL·g−1,说明颗粒沉降性能优良。然而,从48 d开始,SVI不断上升,这是由于丝状菌开始附着使得颗粒沉降性能下降。谢锴[21]的研究中也存在相同情况:丝状菌的过度生长使得系统沉降性能降低,部分松散颗粒随水排出,SVI由60 mL·g−1升高至115.6 mL·g−1。在第III阶段初期,SVI仍持续上升。在54 d,SVI升至70.8 mL·g−1,此时反应器内颗粒污泥仍处于丝状菌膨胀状态。随后SVI开始下降,68 d时,颗粒恢复正常形态,SVI在41.7 mL·g−1左右,说明蛋白胨能使颗粒恢复良好的沉降性能。SV30/SV5的比值也可以用于指示好氧颗粒污泥的沉降性能[22]。通常SV30/SV5=1是颗粒沉降性较好的标志。第I阶段,SV30/SV5稳定在0.8~0.9内。在第II阶段和第III阶段初期,即从颗粒形成到丝状菌大量生长期间,SV30/SV5波动较大。在第III阶段末期,SV30/SV5在1左右波动,由此表明颗粒沉降性能恢复良好。
3) 好氧颗粒污泥胞外聚合物的变化。EPS被认为是促进好氧颗粒污泥形成和维持颗粒稳定性的重要组成部分[23]。如图6所示,第I阶段,第23天时颗粒EPS质量分数为199.1 mg·g−1,其中PN质量分数为157.7 mg·g−1,PS质量分数为41.4 mg·g−1。在第II阶段中,随着OLR提升至14.4 kg·(m3·d)−1,EPS质量分数也大幅度上升;第44天,颗粒的EPS质量分数高达359.2 mg·g−1,其中PN质量分数为317.0 mg·g−1,PS质量分数为15.7 mg·g−1。从EPS的构成来看,T-EPS中PN的增加量最为显著。已有研究[24]表明,T-EPS在好氧颗粒污泥的形成中起着重要作用,这主要是因为T-EPS中的PN有利于提高细胞表面Zeta电位和疏水性。然而,在50 d,EPS的质量分数减少至243.9 mg·g−1。这可能是由于此时丝状菌的快速增殖,丝状菌比非丝状菌具有更高的比表面积,能够更加快速地从进水中吸收营养物质,不利于颗粒内非丝状菌的生长,减少了EPS分泌。第III阶段,随着丝状菌的消失,颗粒的EPS质量分数逐渐恢复。在75 d,EPS质量分数升至290.3 mg·g−1。值得注意的是,此时EPS中PS有较大幅度增加,达到85.4 mg·g−1。多糖可作为微生物细胞聚集、黏附的骨架,维持好氧颗粒污泥的结构完整性[25]。EPS中PS的增加可能会有利于增加好氧颗粒污泥结构的稳定性。上述研究表明,高OLR可促进EPS,特别是T-EPS的快速增长,这很可能是促进颗粒化进程的关键原因之一。丝状菌的出现会降低EPS的质量分数,导致颗粒结构疏松。因此,有效控制丝状菌数量,维持EPS质量分数稳定,是保证好氧颗粒污泥稳定的关键。
-
图7为不同阶段SBR出水水质的变化。第I阶段,COD和NH4+-N出水质量浓度保持稳定。COD去除率在90%左右,NH4+-N去除率在92%左右。TN去除率最终在80%左右波动,这是由反应器中NO3−-N的积累引起的。在第II阶段前期,由于OLR提高使得出水水质有所波动,但随着颗粒的形成,污染物仍保持较好的去除效果。出水中没有明显的NO3−-N和NO2−-N积累,TN的去除率可达到90%以上。这可能是由于随着颗粒的逐步形成,具有反硝化能力的功能菌种丰度的增加强化了反应器内的反硝化作用。但在第II阶段后期,出水中污染物质量浓度却逐渐升高。第48天,COD去除率略有下降,降至81.7%,出水NH4+-N质量浓度升高,并有少量NO2−-N的积累,TN去除率显著下降至48.3%。已有研究[13,26]也报道了当丝状菌大量生长时NH4+-N去除效果变差和脱氮能力降低的现象。由图3和图4可知,丝状菌主要分布在颗粒表面。由此推测,丝状菌在颗粒表面的大量繁殖会阻碍营养物质向颗粒内部传递,降低颗粒对氨氮的吸收利用,导致反应器内硝化菌和反硝化菌的部分流失,使得脱氮能力降低。第III阶段,水质情况急剧恶化,NH4+-N出水质量浓度急剧增加,COD去除率降至71.5%,TN去除率降至17.4%。一方面,这是由于此时颗粒表面仍存在大量的丝状菌;另一方面,蛋白胨的加入提高了进水中有机碳和氮的含量。在第III阶段后期,随着丝状菌不断脱离颗粒表面,TN去除率逐渐上升至79.4%,COD去除率达到91.5%,NH4+-N去除率为92.5%,出水中间产物几乎为零,颗粒对污染物的去除能力逐渐恢复正常。
-
对培养75 d的好氧颗粒污泥进行高通量测序分析,按照可生物学分类的最小水平分类,获得总样本数66 692。样本文库覆盖率大于99.9%,表明测序深度能覆盖SBR内的绝大多数细菌信息。如图8(a)所示,颗粒污泥中门主要为Saccharibacteria(糖杆菌门)、Bacteroidetes(拟杆菌门)、Proteobacteria(变形菌门)、Firmicutes(厚壁菌门)和Actinobacteria(放线菌门),上述菌门的相对丰度分别为59.28%、23.54%、15.28%、1.05%和0.86%。Saccharibacteria是一个系统发育多样的群体,在有氧和缺氧条件下能参与各种有机化合物和糖化合物的降解[27]。已有研究[28]报道,蛋白胨作为碳源会促进Saccharibacteria门的生长,这可能是反应器中Saccharibacteria门丰度高的原因。Bacteroidetes门的菌种具有降解有机物和同步脱氮除磷的功能,也是好氧颗粒污泥内常见的菌门[29]。Proteobacteria门也是好氧颗粒污泥里的常见菌门,具有降解有机物的功能[18]。Firmicutes门能维持好氧颗粒污泥稳定性和实现有机物的去除[30]。Actinobacteria门被报道具有去除有机物和生物固氮作用[31]。由群落结构分析结果可知,Saccharibacteria、Bacteroidetes和Proteobacteria是能适应高有机负荷的优势菌门,负责实现反应器内有机物和氮的去除。
在属水平上,Saccharibacteria(59.28%)和Firmicutes(1.05%)下没有得到进一步的分类信息。Bacteroidetes门下(图8(b)),单一菌属相对丰度大于0.5%的依次是Flavobacterium(黄杆菌属,16.38%)、Nubsella(2.5%)、Leadbetterella(里德拜特氏菌,1.30%)和Ferruginibacter(0.94%)。Flavobacterium是好氧颗粒污泥内普遍存在的菌属,但通常丰度并不太高[32]。而反应器内Flavobacterium的丰度却高达16.38%,这说明Flavobacterium可能更适应高有机负荷的生长环境。据报道[33],Flavobacterium是一种EPS分泌菌属,有助于细胞粘附以及好氧颗粒污泥的稳定性。Flavobacterium菌属在系统中具有较高的丰度,由此可以说明,该菌属对于维持好氧颗粒污泥的稳定起着重要作用。此外,Flavobacterium菌属还被发现具有异养硝化-好氧反硝化的特性[34],说明其可能参与反应器的脱氮。Proteobacteria门下(图8(c)),单一菌属相对丰度大于0.5%的为Paracoccus(副球菌属,0.72%)和Brevundimonas(短波单胞菌,0.5%)。Paracoccus菌属在好氧颗粒污泥系统中可将有机物转化为PHA储存,显示出稳定的生物降解作用[35]。此外,Paracoccus还具有异养硝化-好氧反硝化功能[36]。Actinobacteria门下(图8(d)),单一菌属相对丰富接近0.5%的为Micropruina(微白霜菌属,0.49%)。Micropruina是一种糖原菌属,能保持处理系统良好的有机物去除能力。同时Micropruina能以硝酸盐作为氮源进行生长,并将其还原成亚硝酸盐[37]。
综上所述,蛋白胨的添加使得能够利用蛋白胨的Saccharibacteria成为了优势菌门,Flavobacterium、Paracoccus等具有异养硝化-好氧反硝化功能的菌属在反应器中富集,从而实现氮的去除。此外,在群落中并未发现有优势自养硝化菌的存在,可以推测,在高有机负荷环境下,异养硝化-好氧反硝化起主要脱氮作用。
-
1)采用人工配水运行SBR,第I阶段,以OLR为4.8 kg·(m3·d)−1培养颗粒,颗粒生长缓慢,反应器主要以絮体为主。将OLR提高至14.4 kg·(m3·d)−1,反应器经过43 d完成造粒,表明高OLR可促进颗粒化进程。
2)高OLR容易引起丝状菌过量生长,使得颗粒沉降性能和污染物处理能力恶化,EPS急剧减少。
3)提高蛋白胨的进水占比能够有效抑制丝状菌的生长,使颗粒恢复正常,胞外聚合物增加,沉降性能和水质处理能力重新恢复。
4)在高OLR环境下的优势菌门为Saccharibacteria(糖杆菌门)、Bacteroidetes(拟杆菌门)、Proteobacteria(变形菌门)。其中Flavobacterium菌属是一种EPS分泌菌属,能分泌EPS来维持颗粒稳定性。此外,Flavobacterium、Paracoccus以及Brevundimonas菌属能够通过异养硝化-好氧反硝化的方式进行脱氮。同时在颗粒优势菌种中未检测到优势自养硝化菌,可以推测,在高有机负荷环境下,异养硝化-好氧反硝化起主要脱氮作用。
高有机负荷对好氧颗粒污泥形成和稳定性能的影响
Effect of high organic loading rate on the formation and stability of aerobic granular sludge
-
摘要: 为探究高有机负荷(organic loading rate,OLR)对好氧颗粒污泥在序批式反应器(sequencing batch reactor,SBR)中的形成和稳定性能的影响及高OLR条件下微生物群落结构的特征,采用连续监测方法对运行过程中颗粒污泥形貌、水质、沉降性能以及EPS的变化进行探究。结果表明:在OLR为14.4 kg·(m3·d)−1的条件下,颗粒化进程较快,43 d完成颗粒造粒;并且高OLR引起丝状菌在颗粒表面大量附着,造成颗粒沉降性能和水质处理能力不稳定;通过改变进水中蛋白胨的占比来抑制丝状菌生长,使好氧颗粒污泥系统重新恢复稳定;在此过程中,混合液悬浮固体质量浓度(mixed liquid suspended solids,MLSS)、混合液挥发性悬浮固体质量浓度(mixed liquid volatile suspended solids,MLVSS)随OLR的增加而增加,但受丝状菌增加的影响会下降,而在丝状菌消除之后,MLSS和MLVSS恢复增长;SVI随OLR的增加不断下降,而受丝状菌增加的影响会呈现上升趋势,在丝状菌消除后,颗粒沉降性能恢复,SV30/SV5在1.0左右波动;胞外聚合物(extracellular polymeric substances,EPS)受OLR和丝状菌影响较大,尤其是紧密结合型的EPS;恢复正常的颗粒污泥可高效去除进水中的COD、NH4+-N和TN,去除率分别为91.5%、92.0%和79.4%;采用MiSeq高通量测序的方法发现高OLR下好氧颗粒污泥中去除有机物和氮的优势菌门为Saccharibacteria、Bacteroidetes和Proteobacteria;异养硝化、好氧反硝化菌丰度较高。由此可以看出,异养硝化-好氧反硝化可能是好氧颗粒污泥的主要脱氮方式。本研究结果可为SBR系统控制好氧颗粒污泥中丝状菌的生长,维持好氧颗粒污泥稳定性提供参考。Abstract: In order to study the effect of high organic loading rate (OLR) on the formation and stability of aerobic granular sludge in sequencing batch reactor (SBR) and the characteristics of microbial community structure under high OLR conditions, continuous monitoring method was used to explore the changes in granular sludge morphology, water quality, sedimentation performance and EPS during operation. The experimental results showed that under the high OLR condition of 14.4 kg·(m3·d)−1, the granulation process was fast and completed in 43 days. And high OLR stimulated the growth of filamentous bacteria attaching to the surface of granules, which resulted in the instability of sedimentation performance and effluent quality. Through changing the proportion of peptone in the influent, the growth of filamentous bacteria was inhibited and the aerobic granular sludge system recovered the stability. During this process, mixed liquid suspended solids (MLSS) and mixed liquid volatile suspended solids (MLVSS) increased with the increase of OLR, but decreased with the increase of filamentous bacteria. After filamentous bacteria were eliminated, both MLSS and MLVSS increased again. SVI decreased with the increase of OLR, while it showed an upward trend due to the effect of filamentous bacteria increasing. The sedimentation performance of granular sludge also recovered when filamentous bacteria were eliminated, and its SV30/SV5 fluctuated around 1.0. Extracellular polymeric substances (EPS) fluctuated greatly under the influence of OLR and filamentous bacteria, especially for tightly bound EPS. The recovered granular sludge could effectively remove COD, NH4+-N and TN, and the corresponding removal efficiencies were 91.5%, 92.0% and 79.4%, respectively. Through MiSeq high-throughput sequencing method, it was found that Saccharibacteria, Bacteroides and Proteobacteria were the dominant bacteria for removing organic matter and nitrogen in aerobic granular sludge at high OLR, and high abundance of heterotrophic nitrifying and aerobic denitrifying bacteria occurred. The main nitrogen removal mode of aerobic granular sludge was heterotrophic nitrification-aerobic denitrification. The results of this study can provide reference for SBR system to control the growth of filamentous bacteria in aerobic granular sludge and maintain the stability of aerobic granular sludge.
-
随着人类健康越来越受到人们的重视,农用地土壤安全性问题已然成为亟待解决的关键问题之一。土壤重金属因其难降解性、易移动且具毒性的特性[1-2],直接或者间接通过土壤、动物以及植物循环到人类身体内,给广大居民的生命安全造成威胁。除大气和水体外,土壤是重金属汇集的另一个重要场所[3],土壤累积重金属达到阀值或国家给定的标准后,不仅会影响土壤的组成成分、结构以及理化性质,而且会极大地威胁到人类赖以生存的环境,并最终造成土壤重金属污染。农用地土壤污染是多要素、多尺度、多过程相互影响的结果,镉、汞、铅、砷、铬、铜、镍和锌是土壤重金属污染中最常见的8类元素。近几年,土壤中重金属的累积状况以及由此带来的生态风险,成为土壤环境研究领域的一个热点问题[4]。
在进行污染程度评价时,多数研究利用单因子指数[5]、内梅罗综合污染指数法[6-7]、地累积指数法[8-9]等方法对污染程度进行评价,在此基础上,本研究利用最新的土壤环境质量评价标准对土壤污染程度进行评价。许多的研究集中于时间或者空间上的土壤重金属含量变化,少数研究将时空叠加进行动态土壤污染状况分析,如对土壤重金属含量进行空间预测[10-12]、在时间序列下土壤重金属浓度的变化[13-14]、污染源解析[15-16]等,这些研究在一定程度上可以反映污染现状以及污染趋势。由于土壤重金属有很强的迁移性和聚集性,空间分布大多是由历史和现在的人为活动造成的,因此,在目前土壤环境问题日趋严峻的形势下,土壤环境的保护和治理迫切需要准确掌握区域土壤重金属含量的时空变化信息,将历史数据和现今数据进行比对,分析出土壤重金属污染是属于加强型、减弱型还是保持不变型,这对土壤重金属污染解析以及今后在管理控制方面均有很大的帮助。同时,土壤重金属含量是评价土壤环境质量的重要因素,掌握土壤重金属的空间分布以及变化趋势对评价土壤环境质量类别具有重要的理论和实际意义。
本研究描述了2008年和2018年研究区内土壤中8类重金属浓度的空间格局和时间变化,初步反应耒水流域土壤重金属含量分布状况;采用不同的方法评价2期土壤重金属的污染程度,从而阐明2个时间段研究区内重金属污染情况;叠加分析2期数据的时空变异情况,重点分析出研究区污染加强位置,为今后土壤污染治理以及管控提供参考。
1. 材料与方法
1.1 研究区概况
耒水流域位于湖南省的东南部,同时也位于湘江流域的东南部,地理坐标为112°38′~113°26′E,25°28′~26°21′N,流经永兴县、资兴市、苏仙区、北湖区、桂阳县和耒阳市6个行政区。湘江流域(郴州)内支流众多,由于研究尺度的原因,本研究选取西河和部分耒水流域(东江镇至塘门口镇)作为本次研究的研究区。西河为湘江的2级支流,被苏仙区人民亲切的称之为“母亲河”。其发源于北湖石鼓山,止于永兴塘市,全长136 km(都在郴州市境内),流域面积2 037 km2(郴州市境内1 618 km2)[17];耒水为湘江的一级支流,发源于湖南省桂东县烟竹堡,于衡阳市珠晖区汇入湘江。西河是耒水中重要的支流之一,耒水干流全长453 km,河道平均坡降0.077%,流域面积11 783 km2,其河道特点是坡降大,多局部弯曲,总体属于山溪性河流[18]。研究区内矿产资源丰富,其中有色金属矿包括铅、锌、铜、锡、钼、铋、锑、钨、镁等,黑色金属包括铁、锰等。西河和耒水沿河企业分布众多,主要为黑色有色金属冶炼和延压业、黑色有色金属矿采选业以及化学原料和化学制品业(图1)。第一产业的大力推进不仅为经济发展做了贡献,也推动了当地民生的发展,但排放的工业“三废”也进入土壤,使土壤环境质量发生恶化。本研究主要以研究区内西河和耒水2条河流为线索,进而比对2期土壤重金属数据的变化。
1.2 采样及测定方法
现场确定采样点位后,以确定点位为中心划定采样区域,采样范围一般为20 m×20 m;当地形地貌及土壤利用方式复杂,样点代表性差时,则扩大至100 m×100 m。以确定点位为中心,此次采样采用双对角线5点采样法,5点采样量基本一致,采样量总计不少于2 500 g,每个采样点均为土壤混合样,2008年和2018年采样点分别为157个和121个。农用地土壤的采样深度一般为0~20 cm,工矿用地以及城镇周围土壤采集深度为0~60 cm,果园林地类土壤样品采集深度也为0~60 cm。2008年和2018年2期采样点空间分布如图2所示。
所有样品均在室温下风干,去杂,研磨,然后过100目尼龙筛(孔径约0.149 mm),处理后的样品要及时放入冷藏箱,在4 ℃以下避光保存,最后封存测试。所有用来盛放样品或反应物的容器都要用4 mol·L−1的HNO3浸泡过夜,然后用超声波双频清洗机进行清洗,最后用去离子水反复清洗。所用药品全部为分析纯。本次土壤样品的测定指标为Cd、Hg、As、Pb、Cr、Cu、Ni、Zn 8类重金属全量含量。按照GB 15618-2018标准中推荐的方法[19]测定Hg和As重金属的全量含量,依据HJ 766-2015标准中推荐的方法[20]测定Cd、Pb、Ni、Cu、Zn和Cr重金属全量。
表层土壤样品测定指标包括8类重金属元素的全量含量。Hg和As元素利用原子荧光光谱法(atomic fluorescence spectrometry,AFS)进行测定,检出限分别为0.002 mg·kg−1和0.01 mg·kg−1;Cd、Pb、Ni和Cu分析元素利用电感耦合等离子体质谱法(inductively coupled plasma-mass spectrometry,ICP-MS)进行测定[21],检出限分别为0.03、2.0、0.6和0.3 mg·kg−1;Zn和Cr分析元素利用电感耦合等离子体原子发射光谱法(inductively coupled plasma atomic emission spectrometer,ICP-AES)进行测定,检出限分别为0.4 mg·kg−1和2.0 mg·kg−1;在测定过程中,每测定10个样品用重金属标准溶液进行标准曲线的校正,以保证仪器测定误差范围控制在2%以内。另外,样品分析所用试剂均为优级纯,在质量控制方面,分析测试时加入国家标准物质土壤样品GSS系列,测定结果均在误差允许范围内。属于同一批次的样品在测试时,分析元素需要满足回收率为90%~110%,均在国标标准[22]范围之内,然后进行样品测试。
1.3 研究方法
目前,应用广泛的土壤重金属污染评价方法主要有以下5种:单因子污染评价指数法;综合污染指数法(又称内梅罗综合污染指数法);地积累指数法[23];生态危害指数法[24];生态环境部国家市场监督管理总局最新发布的《土壤环境质量 农用地 土壤污染风险管控标准(试行)》(GB 15618-2018)中的评价方法。本研究选用单因子评价指数法、综合污染指数法以及土壤环境质量类别法来评价土壤污染程度。
单因子污染评价指数按式(1)计算。
Pi=CiSi (1) 式中:Pi为土壤中单项重金属i的污染指数;Ci为重金属i的实测值,mg·kg −1;Si为根据需要选取的重金属i评价标准,mg·kg −1,本研究选取湖南省土壤环境背景值为标准。将污染程度通常作如下划分[21]:Pi ≤1.00为非污染;1.00<Pi≤2.00为轻度污染;2.00<Pi≤3.00为中度污染;Pi>3.00为重度污染。
综合污染指数法(内梅罗综合污染指数法)按式(2)计算。
P=√(pi,max)2+(¯pi)22 (2) 式中:P为所有重金属元素的内梅罗综合污染指数;pi,max为单因子污染指数的最大值;
¯pi 为单因子污染指数的平均值。通常将污染程度作如下划分[25]:P≤0.70为安全;0.70<P≤1.00为警戒;1.00<P≤2.00为轻度污染;2.00<P≤3.00为中度污染;P>3.00为重度污染。依据《土壤环境质量农用地 土壤污染风险管控标准(试行)》(GB 15618-2018)中的筛选值Si和管制值Gi,基于表层土壤中Cd、Hg、As、Pb、Cr、Cu、Zn、Ni的含量Ci,评价农用地土壤污染的风险(本研究将此方法称为土壤环境质量类别评估法),Cd、Hg、As、Pb、Cr分为Ⅰ类、Ⅱ类和Ⅲ类,Cu、Zn、Ni分为Ⅰ类和Ⅱ类,土壤环境质量类别具体划分如下。
Ⅰ类:Ci ≤ Si,土壤污染风险低,可忽略,应划为优先保护类。
Ⅱ类:Si < Ci ≤ Gi,可能存在土壤污染风险,但风险可控,应划为安全利用类。
Ⅲ类:Ci > Gi,土壤存在较高污染风险,应划为严格管控类。
2. 结果与讨论
2.1 表层土壤重金属元素的统计分析
对2008年的157个历史点位数据和2018年最新采集的121个土壤样品进行重金属元素描述性统计分析,得出Cd、Hg、As、Pb、Cr、Cu、Ni、Zn等8类土壤重金属元素含量的最大值、最小值、平均值、标准偏差、峰态系数、偏度系数以及变异系数(见表1)。
表 1 2008年和2018年土壤重金属含量统计分析Table 1. Statistical analysis of soil heavy metals in 2008 and 2018采样年份 分析元素 最小值/(mg·kg−1) 最大值/(mg·kg−1) 平均值/(mg·kg−1) 标准偏差 峰态系数 偏度系数 变异系数% 湖南省土壤背景值/(mg·kg−1) 全国土壤背景值/(mg·kg−1) 2008 Cd 0.085 10.900 1.134 1.525 24.419 4.592 134.492 0.126 0.097 Hg 0.028 0.684 0.181 0.109 4.040 1.758 60.532 0.116 0.065 As 3.697 639.050 32.294 54.343 101.719 9.379 168.274 15.700 11.200 Pb 20.900 2 950.000 126.701 267.243 81.653 8.238 210.924 29.700 26.000 Cr 15.600 190.000 68.195 28.777 2.092 0.907 42.198 71.400 61.000 Cu 7.640 205.000 35.426 23.096 23.875 4.053 65.196 27.300 22.600 Zn 26.000 1 638.000 169.353 212.349 28.241 4.966 125.388 94.400 74.200 Ni 6.010 112.900 31.985 19.157 4.229 1.822 59.894 31.900 26.900 2018 Cd 0.174 19.780 1.581 2.469 29.156 4.920 156.157 0.126 0.097 Hg 0.059 0.741 0.158 0.107 9.199 2.622 67.684 0.116 0.065 As 5.175 146.157 33.900 28.052 6.664 2.445 82.751 15.700 11.200 Pb 19.100 2 794.000 165.054 331.829 39.141 5.853 201.043 29.700 26.000 Cr 26.000 156.000 70.780 20.777 2.431 1.067 29.354 71.400 61.000 Cu 12.000 323.000 40.666 34.676 40.856 5.781 85.271 27.300 22.600 Zn 41.000 2 801.000 227.016 347.409 32.226 5.319 153.033 94.400 74.200 Ni 8.115 117.400 32.395 15.886 6.316 1.900 49.040 31.900 26.900 湖南省Cd、Hg、As、Pb、Cr、Cu、Ni、Zn 8类土壤重金属元素的土壤环境背景值[26]均超过了国家土壤环境背景值[27]。除Cr外(Cr的含量平均数超过了湖南省土壤环境背景值但未超过国家土壤环境背景值),2期8类土壤重金属元素的含量平均数均超过了湖南省土壤环境背景值和国家土壤环境背景值:2008年8类土壤重金属元素的含量平均数分别是湖南省土壤环境背景值的9.00、1.56、2.06、4.27、0.96、1.30、1.79、1.00倍,是全国土壤背景值的11.69、2.78、2.88、4.87、1.12、1.57、2.28、1.19倍;2018年8类土壤重金属元素的含量平均数分别是湖南省土壤环境背景值的12.55、1.36、2.16、5.56、0.99、1.49、2.40、1.02倍,是国家土壤环境背景值的16.30、2.44、3.03、6.35、1.16、1.80、3.06、1.20倍,这说明表层土壤整体表现为以Cd和Pb为主的土壤重金属聚集。当土壤重金属元素的变异系数小于20%时,被定义为低变异度;变异系数为21%~50%,被定义为中变异度;变异系数为51%~100%,被定义为高变异度;变异系数高于100%时,被定义为极高变异度[28]。2008年,仅Cr为中度变异,Hg、Cu和Ni为高度变异,Cd、As、Pb和Zn为极高变异度,2018年,Cr和Ni属于中变异度,Hg、As和Cu属于高变异度,Cd、Pb和Zn属于极高变异度;2期变异系数比对说明,研究区8类土壤重金属含量值变化幅度较大,连续性较弱,空间变异性较大,Cd和Pb受外界因子影响较为明显。
2.2 表层土壤环境质量初步评价
由2期表层土壤重金属单因子指数(图3及表2)可知,2008年和2018年的单因子指数Pi平均值按大小排序为Cd> Pb > As >Zn > Hg > Cu > Ni >Cr和Cd> Pb > Zn >As> Cu >Hg> Ni >Cr。2期数据排前2位的均为Cd和Pb,排最后2位的均为Ni和Cr;2期数据Cd的重度污染点位均超过80%,Cr和Ni的非污染点位均超过60%。根据单因子指数平均值做出下列分级:2008年,Cd和Pb属于重度污染,As属于中度污染,Hg、Cu、Zn和Ni属于轻度污染,Cr属于非污染;2018年,Cd和Pb属于重度污染且Cd无非污染点位,As和Zn属于中度污染,Hg、Cu和Ni属于轻度污染,仅Cr属于非污染。由单因子指数法对2期数据比对可知,Cd和Pb在2008—2018年一直处于重度污染状态,且重度污染占比有所上升;Cr一直处于非污染状态,各部分比例总体上保持不变,说明Cr基本无外源输入;Zn由原来的轻度污染状态转变为中度污染状态,说明Zn可能受到了外界的影响,导致超标点位增加;其余元素的等级均未发生变化,超标点位略有波动,总体上保持稳定。
表 2 研究区土壤重金属单因子指数统计Table 2. Statistics of single factor index of heavy metals in soil of survey region采样年份 分析元素 不同评价结果所占比例/% 非污染 轻度污染 中度污染 重度污染 2008 Cd 1.27 5.10 7.64 85.99 Hg 28.66 50.32 14.01 7.01 As 29.94 38.85 21.02 10.19 Pb 4.46 35.67 24.84 35.03 Cr 63.69 34.39 1.91 0.00 Cu 38.22 54.14 4.46 3.18 Zn 30.57 50.96 9.55 8.92 Ni 61.15 31.21 5.73 1.91 2018 Cd 0.00 2.48 6.61 90.91 Hg 44.63 40.50 8.26 6.61 As 21.49 37.19 23.14 18.18 Pb 0.83 28.93 20.66 49.59 Cr 61.16 38.02 0.83 0.00 Cu 23.97 66.12 5.79 4.13 Zn 20.66 47.11 17.36 14.88 Ni 60.33 34.71 4.13 0.83 由研究区内梅罗综合污染指数评价结果(表3)可知,2008年,内梅罗综合污染指数大于3和介于1~2的样本数量最多,分别为324个和691个,说明2008年研究区污染状况总体呈轻度污染;2018年,内梅罗综合污染指数同样是大于3和介于1~2的样本数量最多,分别为248个和526个,表明研究区整体仍处于轻度污染。经过2期数据比对可知,研究区内全部采样点综合指数均超过了安全值,2008—2018年,警戒和轻度污染比例略有下降,中度污染比例明显增加,这进一步说明研究区有增强污染的趋势。
表 3 土壤重金属的内梅罗综合污染指数评价结果Table 3. Assessment of soil heavy metal pollution based on Nemerow comprehensive index年份 安全 警戒 轻度污染 中度污染 重度污染 2008 0 16.56 55.02 2.63 25.80 2018 0 15.08 54.34 4.96 25.62 以Cd、Hg、As、Pb、Cr、Cu、Ni、Zn为基础,对研究区2期表层土壤点位评判结果进行统计分析(表4)。从总体上看,2008年,除Cd以外,Hg、As、Pb、Cr、Cu、Ni、Zn优先保护类占比最大,均大于60%;仅Cd、As、Pb元素存在严格管控类,Cd严格管控类占9.55%,安全利用类占78.34%,As严格管控类占1.27%,Pb严格管控类占1.91%。2018年,除Cd和Pb外,Hg、As、Cr、Cu、Ni、Zn优先保护类占比最大,优先保护类点位均超过60%,存在严格管控类点位分别为Cd、As、Pb,其中Cd严格管控类占13.22%,安全利用类占82.64%,As严格管控类占2.48%,Pb严格管控类占3.31%。2018年较2008年,环境质量类别数据评价结果Cd、As、Pb严格管控类点位比例均变大,这与单因子指数评价的结果相吻合,出现变化较大的是Zn。2008年,Zn的安全利用类占比15.92%,2018年Zn的安全利用类占比97.54%,安全利用类比例变化幅度为81.62%,在单因子指数评价中,Zn非污染占比降低,污染占比升高,与环境质量类别法评价结果相一致,说明研究区土壤中存在Cd、As、Pb污染,也存在Zn污染趋势。
表 4 土壤重金属环境质量类别评价结果Table 4. Assessment results of soil heavy metal based on environmental quality categories采样年份 分析元素 质量类别 优先保护类 安全利用类 严格管控类 采样数量/个 比例% 采样数量/个 比例% 采样数量/个 比例% 2008 Cd 19 12.10 123 78.34 15 9.55 Hg 157 100.00 0 0 0 0 As 98 62.42 57 36.31 2 1.27 Pb 106 67.52 48 30.57 3 1.91 Cr 155 98.73 2 1.27 0 0 Cu 145 92.36 12 7.64 — — Zn 132 84.08 25 15.92 — — Ni 148 94.27 9 5.73 — — 2018 Cd 5 4.13 100 82.64 16 13.22 Hg 121 100.00 0 0 0 0 As 78 64.46 40 33.06 3 2.48 Pb 73 60.33 44 36.36 4 3.31 Cr 121 100.00 0 0 0 0 Cu 115 95.04 6 4.96 — — Zn 3 2.46 119 97.54 — — Ni 121 100.00 0 0 — — 2.3 表层土壤重金属时空变异解析
对2期数据进行空间插值得出表层土壤重金属的空间分布图(图4)。克里金插值法(Kriging)和反距离加权插值法(IDW)是2种常用插值方法。与克里金插值法不同的是,IDW不需要数据遵循正态分布[29]。IDW是一种相对简单和广泛使用的方法,它不需要基于对数据统计分布的任何假设[30]。REIMANN等[31]研究表明,不太依赖统计假设的技术应该是首选。因此,我们使用IDW来绘制研究区内土壤重金属的空间分布图。2期数据的污染分布格局基本一致,因此,本研究只将2018年的土壤重金属空间分布图列出。从整体上看,Cd和As,Hg和Pb,Cu和Zn,Cr和Ni两两空间分布格局相似。Cd和As高值区主要集中于研究区的西南部和东北部,即西河中上游地区和耒水下游以及2河交汇处,污染程度较轻的主要分布与西河上游的源头区、西河中下游以及耒水中部;Hg和Pb高值区主要分布于西河中上游地区、北湖区的西部和苏仙区的东北部;Cu和Zn除西河中上游地区有部分高值区,其余地区污染均不显著;Cr和Ni污染分布格局基本一致,西河中上游和中游地区零星地分布着几块高值区,其余地区均为非污染状态。高值区主要是由于这些区域分布了大量的重工业企业(见图1),其排放的“三废”通过大气沉降、污水倾倒以及固体废物的堆积等方式使得重金属进入土壤,造成土壤重金属超标,从而影响土壤环境质量。
空间插值可以整体反映土壤重金属含量的分布情况,而空间地图几何分析可以将2期空间插值结果进行叠加分析,本研究利用这种方法将研究区2008年和2018年反距离空间插值结果进行对比,从而分析出土壤重金属污染变化状况;利用空间地图几何分析法得出2008—2018年研究区土壤重金属的含量的时空变异图(图5)。可以看出,8类表层土壤重金属在3个高值区(西河中上游地区、耒水上游地区和耒水下游地区)均为污染增强型,说明2008—2018年3个工业聚集区土壤的污染程度进一步增加。按8类土壤重金属含量的增幅排序,结果为Pb(25.47%)>Hg(22.08%)>Ni(16.05%)>Zn(11.83%)>Cu(5.75%)>Cr(5.23%)>Cd (4.53%)>As(3.71%),重金属元素含量都存在增强的趋势,其中Pb的增幅最大,Hg次之,说明这10年间Pb和Hg在土壤中累积较为严重,研究区内以冶炼和矿物开采企业为主,矿物开采也能引起Pb、Cd和Zn在土壤中富集[32],工业区会以Cd和Pb累积为主[33],进而形成以Pb等元素为主导的污染分布。按8类土壤重金属含量面积增加的百分比排序,结果为Zn> Pb> Cu>As>Cr>Ni>Cd>Hg,其中Zn、Cu和Hg含量增加区主要位于西河上游、西河下游和耒水下游;Pb和As增长区主要位于西河中上游以及耒水西部;Cr的增加区较为分散,主要集中于西河的上中游和耒水中游的东部地区;Ni主要分布于西河和耒水东部区域;Cd主要集中于耒水下游和西河中上游区域。
3. 结论
1)研究区整体存在土壤重金属污染,研究区内除Cr外,其余7类表层土壤重金属元素均存在点位超标的情况,含量均值都超过湖南省土壤环境背景值和国家土壤环境背景值的1倍以上,其中Cd超标最严重,超过了国家土壤环境背景值10倍以上;2期数据中Cd、Pb、Zn的变异系数均大于100%,说明这3种元素受外界因素影响很大,企业影响概率较大。
2)从整体来看,有企业分布的土壤环境质量大幅下降。从单因子评价指数角度出发,除Cr外,Cd、Hg、As、Pb、Cu、Ni、Zn 7类元素均在不同程度上表现出一定的污染性,其中Cd、As、Pb尤为突出;从内梅罗综合污染指数角度出发,研究区内全部采样点综合指数均超过了安全值,中度污染比例明显增加,研究区有增强污染的趋势;从环境质量类别法角度出发,2008—2018年均只有Cd、As、Pb有严格管控类点位且点位占比均增大,其中Cd严格管控类点位占比最大,这3种元素污染程度均较高。
3) 2期数据的污染分布格局基本一致,从整体上看,Cd和As,Hg和Pb,Cu和Zn,Cr和Ni两两空间分布格局具有相似性,单个元素之间存在差异性;2期数据的空间地图几何分析表明,在企业分布密度较大的3个高值区内,Pb和Hg在10年内聚集明显,Pb污染面积进一步增大,Hg污染分布格局基本保持不变。为防止污染面积扩大,建议相关部门应引起足够重视;重金属含量是土壤环境质量评价中的一个重要指标,对土壤环境质量评价的主要目的是减弱重金属对生态以及人体的危害,因此,在进行土壤重金属污染评价时,应考虑更多的贡献因素,以准确评价土壤环境质量。
-
表 1 人工配水组分
Table 1. Components of synthetic wastewater
配水组分 组分质量浓度/(g·L−1) 第Ⅰ阶段(1~26 d) 第Ⅱ阶段(27~51 d) 第III阶段(52~76 d) 乙酸钠CH3COONa 1.536±0.171 3.225±0.615 3.584±0.683 蔗糖C12H22O11 1.037±0.115 2.117±0.475 — 蛋白胨 — 0.21±0.04 1.25±0.2 NH4Cl 0.149±0.004 0.229±0.038 0.325±0.058 KH2PO4 15 15 15 K2HPO4 36 36 36 -
[1] PRONK M, DE KREUK M K, DE BRUIN B, et al. Full scale performance of the aerobic granular sludge process for sewage treatment[J]. Water Research, 2015, 84: 207-217. doi: 10.1016/j.watres.2015.07.011 [2] ROLLEMBERG S L D, BARROS A R M, FIRMINO P I M, et al. Aerobic granular sludge: Cultivation parameters and removal mechanisms[J]. Bioresource Technology, 2018, 270: 678-688. doi: 10.1016/j.biortech.2018.08.130 [3] 史晓慧, 刘芳, 刘虹, 等. 进料负荷调控培养好氧颗粒污泥的试验研究[J]. 环境科学, 2007, 28(5): 1026-1032. doi: 10.3321/j.issn:0250-3301.2007.05.018 [4] SUN Y W, GOMEIZ A T, VAN AKEN B, et al. Dynamic response of aerobic granular sludge to feast and famine conditions in plug flow reactors fed with real domestic wastewater[J]. Science of the Total Environment, 2021, 758: 144155. doi: 10.1016/j.scitotenv.2020.144155 [5] TAY J H, LIU Q S, LIU Y. The effects of shear force on the formation, structure and metabolism of aerobic granules[J]. Applied Microbiology and Biotechnology, 2001, 57(1/2): 227-233. [6] 王浩宇, 苏本生, 黄丹, 等. 好氧污泥颗粒化过程中Zeta电位与EPS的变化特性[J]. 环境科学, 2012, 33(5): 1614-1620. doi: 10.13227/j.hjkx.2012.05.039 [7] 高景峰, 苏凯, 张倩, 等. 底物种类和浓度对好氧颗粒污泥丝状菌膨胀的影响[J]. 北京工业大学学报, 2011, 37(7): 1027-1032. doi: 10.11936/bjutxb2011071027 [8] IORHEMEN O T, LIU Y. Effect of feeding strategy and organic loading rate on the formation and stability of aerobic granular sludge[J]. Journal of Water Process Engineering, 2021, 39: 101709. doi: 10.1016/j.jwpe.2020.101709 [9] ZHANG X, LIU Y Q, TAY J H, et al. Fast granulation under extreme selection pressures and its formation mechanism[J]. Fresenius Environmental Bulletin, 2013, 22(5): 1330-1338. [10] MOY B Y P, TAY J H, TOH S K, et al. High organic loading influences the physical characteristics of aerobic sludge granules[J]. Letters in Applied Microbiology, 2002, 34(6): 407-412. doi: 10.1046/j.1472-765X.2002.01108.x [11] LIU Y, LIU Q S. Causes and control of filamentous growth in aerobic granular sludge sequencing batch reactors[J]. Biotechnology Advances, 2006, 24(1): 115-127. doi: 10.1016/j.biotechadv.2005.08.001 [12] SCHWARZENBECK N, BORGES J M, WILDERER P A. Treatment of dairy effluents in an aerobic granular sludge sequencing batch reactor[J]. Applied Microbiology and Biotechnology, 2005, 66(6): 711-718. doi: 10.1007/s00253-004-1748-6 [13] 龙焙, 濮文虹, 杨昌柱, 等. 失稳好氧颗粒污泥在SBR中的修复研究[J]. 中国给水排水, 2015, 31(7): 29-33. doi: 10.19853/j.zgjsps.1000-4602.2015.07.008 [14] 李志华, 刘超, 赵静, 等. 丝状菌颗粒污泥形成过程及其对膨胀控制的启示[J]. 中国给水排水, 2013, 29(13): 23-27. doi: 10.3969/j.issn.1000-4602.2013.13.006 [15] 陈希, 袁乙卜, 张建民, 等. 大分子有机物对除磷颗粒污泥特性及菌群结构的影响[J]. 环境科学学报, 2021, 41(4): 1309-1322. doi: 10.13671/j.hjkxxb.2020.0425 [16] 白静, 王现丽, 李智, 等. 好氧颗粒污泥处理高浓度有机废水的研究进展[J]. 中国给水排水, 2020, 36(8): 38-43. [17] LIANG Z, LI W, YANG S, et al. Extraction and structural characteristics of extracellular polymeric substances (EPS), pellets in autotrophic nitrifying biofilm and activated sludge[J]. Chemosphere, 2010, 81(5): 626-632. doi: 10.1016/j.chemosphere.2010.03.043 [18] LIU Y Q, MOY B, KONG Y H, et al. Formation, physical characteristics and microbial community structure of aerobic granules in a pilot-scale sequencing batch reactor for real wastewater treatment[J]. Enzyme and Microbial Technology, 2010, 46(6): 520-525. doi: 10.1016/j.enzmictec.2010.02.001 [19] NANCHARAIAH Y V, REDDY G K K. Aerobic granular sludge technology: Mechanisms of granulation and biotechnological applications[J]. Bioresource Technology, 2018, 247: 1128-1143. doi: 10.1016/j.biortech.2017.09.131 [20] NGUYEN P T T, NGUYEN P V, TRUONG H T B, et al. The formation and stabilization of aerobic granular sludge in a sequencing batch airlift reactor for treating tapioca-processing wastewater[J]. Polish Journal of Environmental Studies, 2016, 25(5): 2077-2084. doi: 10.15244/pjoes/62736 [21] 谢锴. 原生动物和丝状菌对好氧颗粒污泥结构特性的影响 [D]. 杭州: 浙江工业大学, 2015. [22] HAMZA R A, ZAGHLOUL M S, LORHEMEN O T, et al. Optimization of organics to nutrients (COD∶N∶P) ratio for aerobic granular sludge treating high-strength organic wastewater[J]. Science of the Total Environment, 2019, 650: 3168-3179. doi: 10.1016/j.scitotenv.2018.10.026 [23] HE Q L, CHEN L, ZHANG S J, et al. Simultaneous nitrification, denitrification and phosphorus removal in aerobic granular sequencing batch reactors with high aeration intensity: Impact of aeration time[J]. Bioresource Technology, 2018, 263: 214-222. doi: 10.1016/j.biortech.2018.05.007 [24] WANG Y Y, WANG J Q, LIU Z P, et al. Effect of EPS and its forms of aerobic granular sludge on sludge aggregation performance during granulation process based on XDLVO theory[J]. Science of the Total Environment, 2021, 795: 148682. doi: 10.1016/j.scitotenv.2021.148682 [25] 刘丽娟. 胞外多糖对好氧颗粒污泥稳定性的影响研究 [D]. 重庆: 重庆大学, 2021. [26] 苏雪莹, 付昆明. 丝状菌在污水处理中的控制与应用[J]. 水处理技术, 2015, 41(9): 19-23. doi: 10.16796/j.cnki.1000-3770.2015.09.004 [27] ADLER A, HOLLIGER C. Multistability and reversibility of aerobic granular sludge microbial communities upon changes from simple to complex synthetic wastewater and back[J]. Frontiers in Microbiology, 2020, 11: 574361. doi: 10.3389/fmicb.2020.574361 [28] 马思佳, 顾卓江, 丁丽丽, 等. 碳源对活性污泥微生物细胞膜特性和群落结构影响[J]. 微生物学通报, 2017, 44(3): 561-573. doi: 10.13344/j.microbiol.china.160209 [29] 高景峰, 王时杰, 樊晓燕, 等. 同步脱氮除磷好氧颗粒污泥培养过程微生物群落变化[J]. 环境科学, 2017, 38(11): 4696-4705. doi: 10.13227/j.hjkx.201703275 [30] JIN Y, XIONG W, ZHOU N, et al. Role of initial bacterial community in the aerobic sludge granulation and performance[J]. Journal of Environmental Management, 2022, 309: 114706. doi: 10.1016/j.jenvman.2022.114706 [31] SU C Y, LIAO L M, ZHAO L J, et al. Impact cassava residue on ammonia emission and microbial communities during sewage sludge cocomposting process[J]. Environmental Progress & Sustainable Energy, 2018, 37(6): 1925-1931. [32] XIA J T, YE L, REN H Q, et al. Microbial community structure and function in aerobic granular sludge[J]. Applied Microbiology and Biotechnology, 2018, 102(9): 3967-3979. doi: 10.1007/s00253-018-8905-9 [33] ZHANG P, DING X S, ZHAO B, et al. Acceleration of biofilm formation in start-up of sequencing batch biofilm reactor using carriers immobilized with Pseudomonas stutzeri strain XL-2[J]. Bioresource Technology, 2020, 314: 123736. doi: 10.1016/j.biortech.2020.123736 [34] ŚWIĄTCZAK P, CYDZIK-KWIATKOWSKA A. Performance and microbial characteristics of biomass in a full-scale aerobic granular sludge wastewater treatment plant[J]. Environmental Science & Pollution Research, 2018, 25(2): 1655-1669. [35] FALL C, BARRON-HERNANDEZ L M, GONZAGA-GALEANA V E, et al. Ordinary heterotrophic organisms with aerobic storage capacity provide stable aerobic granular sludge for C and N removal[J]. Journal of Environmental Management, 2022, 308: 114662. doi: 10.1016/j.jenvman.2022.114662 [36] WANG L X, YU X J, XIONG W, et al. Enhancing robustness of aerobic granule sludge under low C/N ratios with addition of kitchen wastewater[J]. Journal of Environmental Management, 2020, 265: 110503. doi: 10.1016/j.jenvman.2020.110503 [37] SHINTANI T, LIU W T, HANADA S, et al. Micropruina glycogenica gen. nov., sp, nov., a new gram-positive glycogen-accumulating bacterium isolated from activated sludge[J]. International Journal of Systematic and Evolutionary Microbiology, 2000, 50: 201-207. doi: 10.1099/00207713-50-1-201 -