-
随着我国经济的快速发展和生活水平的不断提高,餐厨垃圾的产量逐年增加。据统计,全球每年产生约1.3×108 t餐厨垃圾,而在中国餐厨垃圾的产量已占城市生活垃圾总量的50%以上,资源回收潜力巨大[1]。另一方面,剩余污泥产量逐年增加和处理效率低下也是亟需解决的问题[2]。厌氧消化是餐厨垃圾和剩余污泥的主要处理方式,同时厌氧工艺会产生大量高浓度有机废水-沼液[3]。消化沼液占厌氧消化产物总量的80%~90%,其具有产量大、营养物质丰富等优点,有极高的经济和环境价值[4]。沼液中含有大量溶解性有机物(dissolved organic matter,DOM),包括不同种类的有机化合物,如碳水化合物、蛋白质和有机酸等[5]。处理不当会通过地表径流排放或地下水渗透污染水体,进而威胁环境和生态系统[6]。DOM的组成和结构特征对于研究厌氧消化过程中许多成分的转化和归宿有重要作用。
DOM是指存在于各类水体中可以通过0.45 μm滤膜的有机质混合体[7],常用的表征技术有紫外可见吸收光谱法[8]、三维荧光光谱法[9]、核磁共振法[10]和傅里叶变换离子回旋共振质谱[11]等,其中三维荧光光谱法具有灵敏度高、无需化学试剂、对样品无破坏等特点[12-13],广泛应用于河流、湖泊、地下水等水体的检测及水质评价等方面研究[14-16]。三维荧光技术已经成功地应用于环境水体中DOM的识别和解析,但是很少用于沼液检测。三维荧光光谱结合数据分析方法如荧光区域积分法(fluorescence regional integration,FRI)、平行因子分析法(parallel factor analysis,PARAFAC)能够实现DOM有机组分的分离和定量。FRI方法可用于对三维荧光光谱重叠对象光谱识别和相对定量表征[17-18]。PARAFAC方法可以实现三维荧光光谱重叠荧光峰的解析,准确识别出荧光峰的个数、位置及最大荧光强度[19]。结合区域积分法与平行因子法,将一定程度上揭示沼液中DOM的类别并显示其变化趋势。
本研究针对沼液处理采用三维荧光光谱技术为表征手段,对加入不同来源物质的餐厨垃圾厌氧消化过程中消化沼液内的DOM进行检测和分析,结合FRI法和PARAFAC法,提取有效的荧光光谱特征,考察沼液中DOM的含量变化并进行综合评估,将为该领域的研究人员深入了解餐厨垃圾厌氧消化过程中DOM的全过程变化提供有用的参考。
-
实验装置主要由消化容器、温控装置、采样装置及集气装置组成如图1所示。其中选用500 mL广口瓶作为消化容器,恒温水浴锅(SYG-A2-4,天津市泰斯特仪器有限公司)作为温控装置、500 mL气体采样袋作为集气装置、10 mL注射器作为采样装置。研究采集的外源性物质(剩余污泥)来自于北京某污水处理厂MBR池出口,自身源物质(餐厨垃圾)来自本学校学生食堂泔水桶。样品均经前处理后通过2 mm滤网去除大颗粒杂质,其中污泥样品经过沉淀浓缩处理,餐厨样品去除大骨头后等杂物后破碎处理。各取部分样品在压力蒸汽灭菌器(YXQ-LS,上海博讯医疗生物仪器股份有限公司)中热水解30 min(表压0.11 MPa,121 ℃)。消化底物为200 mL餐厨垃圾,以1:1的体积比加入水解后的外源性物质构成厌氧消化Ki组,以相同比例加入水解后的自身源物质构成厌氧消化K组。样品放入消化容器中进行厌氧消化实验,消化容器置于恒温水浴锅进行厌氧消化,实验设置2组平行样,每组测样两次,温度控制为(35±1) ℃。厌氧消化共计33 d,每隔3 d用排水法测量集气袋的总气量(Gas),用注射器吸取沼液并分装置于-20 ℃冰箱保存。
-
本实验所测理化指标以1∶50的比例稀释后测定。乙酸(C2H4O2)测定采用国家标准《环境空气 降水中有机酸(乙酸、甲酸和草酸)的测定 离子色谱法)》(HJ 1004—2018)。COD测定采用国家标准《水质 化学需氧量的测定 重铬酸盐法》(HJ 828—2017)。pH值测定采用国家标准《水质 pH值的测定 玻璃电极法》(GB 6920—1986)。总氮(TN)测定采用国家标准《水质 总氮的测定 碱性过硫酸钾消解紫外分光光度法》(HJ 636—2012)。
-
采用荧光光谱仪(Cary Eclipse,美国安捷伦科技有限公司)测试沼液的三维荧光特征光谱。将沼液以1∶200的比例稀释经0.45 μm滤膜过滤后置于石英比色皿中测试。测试其三维荧光光谱,波长范围选择激发波长(Ex)为200~450 nm,步长为5 nm;发射波长(Em)为250~550 nm,步长为5 nm,狭缝宽度为5 nm,扫描速度2 400 nm·min−1。
1)FRI法。FRI法由CHEN等[20]提出,将激发、发射波长所形成的二维荧光区域分成了5个部分,代表5种不同类型的有机物,如表1所示。用Origin 2023软件计算出特定荧光区域的积分体积,即具有相似性质有机物的累积荧光强度,然后对体积积分进行标准化得到特定荧光区域积分标准体积。
2)PARAFAC法。PARAFAC法是由STEDMON等[21]在主成分分析的基础上对三维荧光光谱峰分离提出平行因子法,由MURPHY等[22]对平行因子算法进行优化改进,并建立在线组分共享对比和基于Matlab软件平台下drEEM三维荧光平行因子工具箱。在MATLAB R2019a软件中使用drEEM-0.6.5工具箱[23]对激发发射矩阵数据进行建模,去除瑞利散射和拉曼散射的干扰后,将模型限制为非负值,使用残差分析和拆半分析对组分数量进行检验,最终确定合适的组分数量[24]。
-
厌氧消化过程中所测得的理化指标变化如图2所示。Gas最大产量K组在第3 d达到最大气量92 mL,Ki组在第15 d达到最大气量103.5 mL。C2H4O2含量随着厌氧消化进程呈现先升高后逐渐降低趋势,其中K组最大含量71.69 g·L−1出现在第18 d,Ki组最大含量50.08 g·L−1出现在第9 d。K组和Ki组厌氧环境均呈现酸性,K组的酸性更强。K组的COD含量显著高于Ki组,K组平均为75.18 g·L−1,Ki组平均为43.86 g·L−1。TN含量K组最大为0.70 g·L−1,Ki组最大为0.88 g·L−1,TN量和Gas量呈负相关。
-
根据FRI计算方法得到5个区域的积分标准体积,沼液中各采样点FRI组分的全过程变化如图3所示。从图3(a)各采样点标准体积来看,K组在第12、18 d总标准体积积分显著上升,其中第12 d上升至1 022.3×106 a.u.nm2,第18 d上升至916.9×106 a.u.nm2;Ki组在第3、9 d总标准体积积分显著上升,其中第3 d上升至1 247.9×106 a.u.nm2,第9 d上升至1 405.6×106 a.u.nm2。推测由于厌氧水解作用先使DOM溶出增大,厌氧细菌利用后造成物质下降。随着厌氧过程增加,厌氧活性物质减小,DOM利用速率减慢。对比K组和Ki组发现,加入外源性物质的厌氧消化标准体积显著高于自身源物质,因此,加入外源性物质能够促进厌氧消化DOM的产生。
从图3(b)各采样点组分的相对丰度来看,有机物的含量在各区域所占比例变化不大,样品中区域Ⅱ所代表的芳香类蛋白物质Ⅱ的含量较大,其中K组占比在35%~51%,Ki组占比在36%~47%。根据岳龙飞等[14]的研究推断出两组样品中在消化周期内微生物活性均较弱。
-
基于PARAFAC模型对厌氧消化全过程中消化沼液的荧光数据进行分析,确定最佳因子数为4个。消化沼液DOM中四组分荧光组分与对应载荷示意图如图4所示。厌氧消化的各个阶段,其DOM组分可能相近,但组分强度会发生变化[25]。表2中列举了4组分对应的大分子组分的对比结果。根据以往对荧光组分的研究,推断C1和C3组分为芳香类氨基酸,其中C1为类色氨酸,C3为类酪氨酸,这类组分反映的是生物降解来源形成的荧光峰值,会受到生活污水和工业废水等外源输入的微生物影响[26]。C2和C4组分为类腐殖质物质,其中C2为类富里酸,C4为陆源类腐殖质,这类组分反映的是河流输入及其携带的土壤溶解至水中的腐殖质,另外还包括水体内部浮游动植物及微生物经过细菌分解的残体[27]。
平行因子解析各采样点的荧光强度如图5(a)所示。K组的总荧光强度在第6 d达到最大值18.9×103 A.U.,第12 d下降到13.5×103 A.U.后在第27 d上升到18.4×103 A.U.;Ki组的总荧光强度在第6 d达到24.2×103 A.U.,第15 d下降到18.1×103 A.U.后在第30 d上升到29.2×103 A.U.。从图5(b)各采样点组分的相对丰度来看,有机物的含量在各区域所占比例变化不大。C1所代表的类色氨酸最多,K组占比为55%~72%,Ki组占比为54%~69%,其次为C3代表的类酪氨酸,K组占比为11%~23%,Ki组占比为18%~33%。对比K组和Ki组发现,加入外源性物质的厌氧消化总荧光强度显著高于自身源物质,且芳香类氨基酸为主要溶解性有机质。因此,加入外源性物质的厌氧消化能够促进DOM的产生。
-
为明确各组DOM的特征差异,对DOM组分及理化参数进行Pearson相关性分析如图6所示。分析结果表明,在K组中C2组分的百分含量与TN、pH、区域Ⅰ的百分含量呈现显著相关关系,区域Ⅰ还与Gas、pH和TN含量呈现显著相关关系,并且区域Ⅱ与Gas呈显著相关关系。在Ki组中,C4组分的百分含量与C2H4O2、pH和区域Ⅰ含量呈现显著相关关系,区域Ⅰ还与C2H4O2、TN、pH呈现显著相关关系。FRI分析出区域Ⅰ的百分含量与TN和pH在2组样品中均呈现显著相关关系,其中与TN均呈正相关关系,而PARAFAC分析中没有共同的显著相关关系出现。分析结果表明,用沼液中DOM的荧光指数变化情况可以反映TN含量和C2H4O2含量等,可以作为沼液监测的一种快速高效的方法。
-
1)热水解后的剩余污泥加入餐厨垃圾厌氧消化体系相比热水解后餐厨垃圾的加入,达到最大产乙酸量的消化时间可缩短一半。
2)FRI与PARAFAC分析可揭示消化沼液中DOM的组分及其含量动态变化,结果表明加入热水解后的剩余污泥能促进厌氧消化DOM的产生。
3)TN含量与FRI分析出的芳香类蛋白质Ⅰ有显著正相关关系,可以利用三维荧光光谱技术结合FRI有效地表征沼液中TN的变化。
外源性物质对消化沼液中DOM光谱特征的影响
Effects of exogenous substances on the spectral characteristics of DOM in digested biogas slurry
-
摘要: 餐厨垃圾厌氧消化产酸是其资源化、能源化利用的重要途径,但消化过程中产生的沼液成为限制技术发展的关键因素,沼液处理成为亟需解决的问题,需要明确其组分才能更好实现沼液产品的增值化。通过添加外源性物质与自身源物质对比,采用三维荧光光谱结合区域积分和平行因子技术,探究餐厨垃圾消化沼液中溶解性有机物(DOM)的荧光组分和荧光强度差异与餐厨垃圾厌氧消化产酸性能。研究结果表明,加入外源性物质的餐厨垃圾厌氧消化能够缩短乙酸产出时间,总氮含量与区域积分法分析出的芳香类蛋白质Ⅰ有显著正相关关系,区域积分分析与平行因子分析能够揭示沼液中溶解性有机物的类别并显示各组分的变化,加入外源性物质能够促进餐厨垃圾厌氧消化DOM的产生。本研究结果可为沼液产品增值化的应用提供理论参考。Abstract: Anaerobic digestion of kitchen waste for acidogenesis is one of the most promising technologies for recycling resources and recovering energy for better sustainable development, however, high yields of digestate constrains the development of this technology, rendering proper treatment of digestate a stranglehold problem, which is fundamentally dependent upon fast and accurate determination of compositions and corresponding abundances in digestates. This study used three-dimensional fluorescence spectroscopy combined with fluorescence region integration (FRI) and parallel factor (PARAFAC) methods to investigate different effects of exogenous and self-derived substances on fluorescence components and intensities of dissolved organic matter (DOM) in digestate as well as acid production performance along kitchen waste digestion. The results indicated that adding exogenous substances to kitchen waste digestion could accelerate production of acetic acid and DOMs in the digestate. Total nitrogen in digestate was significantly and positively correlated with the FRI-revealed aromatic protein I. Both FRI and PARAFAC could accurately reveal the DOMs’ categories in digestate and indicate the dynamic variations of each component. The results could provide a theoretical reference for enhancing kitchen waste anaerobic digestion and value-added digestate recycling utilization.
-
氮及其化合物会污染地表水体,还会经微生物作用转化为硝酸盐氮积累在土壤中造成地下水污染[1],已成为水体污染治理中的重要污染物。因此,寻求高效、低耗的脱氮技术成为国内外水处理领域亟待解决的重要课题。相较于离子交换、膜分离、化学还原等物理化学手段,生物脱氮具有高效低耗、稳定运行等优点,并已被广泛应用于实际污水处理中[2]。由于反硝化过程中微生物所需碳源种类不同,可将反硝化过程分为异养反硝化和自养反硝化两大类[3]。常见的自养反硝化过程包括氢自养反硝化、硫自养反硝化[2]、铁自养反硝化[4]等。有研究表明,在厌氧条件下甲烷能直接作为碳源及电子供体发生反硝化脱氮[5],这一过程被称为厌氧甲烷氧化的反硝化(denitrifying anaerobic methane oxidation, DAMO)。与其他电子供体相比,甲烷获得途径广泛、无毒且经济便宜[6]。同时,甲烷是温室气体,所产生的温室效应是等质量二氧化碳的26倍,对全球变暖的贡献率约占20%[7]。因此,厌氧甲烷氧化与自养反硝化的耦合反应将人为产生的甲烷用于废水反硝化脱氮处理,可为低物耗废水处理和节能减排提供新思路。
由于DAMO微生物为自养型微生物,生长缓慢,富集培养比较困难,故基于此类微生物的生物膜反应器研究较少。因此本研究拟采用序批实验,利用人工模拟低氮负荷废水,比较不同环境因素对DAMO系统中间产物的积累与脱氮效果的影响,并通过高通量测序技术,探究不同pH作用下的污泥中微生物的生态分布、群落结构组成和演替变化规律,以揭示系统pH对DAMO功能微生物种群分布及变迁情况的影响,以期为甲烷厌氧氧化的自养反硝化系统的pH调控及条件优化提供参考。
1. 材料与方法
1.1 实验方法
本研究通过序批实验考察CH4供应、初始硝氮质量浓度和溶液pH对厌氧甲烷氧化型自养反硝化性能的影响。将经过前期培养的50 mL污泥接种至具塞摇瓶(250 mL)内,再加入150 mL模拟硝酸盐废水,调节溶液pH;每日向具塞摇瓶内以0.01 MPa压力注入足量甲烷;为避免光照影响,用双层锡箔纸包住瓶身以保证反应在黑暗环境下进行;将摇瓶置于恒温振荡培养箱中进行反应,调节温度为(30±1) ℃,转速为(150±5) r·min−1;定时检测溶液中
-N、NO−3 -N和NO−2 -N的质量浓度。NH+4 1.2 接种污泥与实验用水
本实验采用的接种种泥取自武汉市沙湖污水处理厂二沉池,污泥的初始MLSS约为8 900 mg·L−1。实验开始前,将取回的活性污泥放置在5 L的密闭容器内进行为期30 d的培养驯化。在污泥驯化期间,向容器中加入模拟硝酸盐废水([NO3−-N]=20 mg·L−1)以促进微生物的增殖,并每天更换新鲜模拟硝酸盐废水。此外,向上述容器中通15 min氮气以形成厌氧氛围,然后再通入足量甲烷气体,以达到对污泥培养驯化的目的。将经驯化后能够发生基于甲烷厌氧氧化的反硝化作用的污泥用于后续实验。模拟硝酸盐废水的具体成分及质量浓度为:
-N 20~50 mg·L−1,K2HPO4 25 mg·L−1,KH2PO4 20 mg·L−1,CaCl2 10 mg·L−1,NaHCO3 2 000 mg·L−1。添加微量元素液的体积分数为0.5 mL·L−1,调节pH至7.3~7.5。微量元素液的成分及质量浓度为:ZnSO4·7H2O 0.5 g·L−1,CaCl2 2 g·L−1,MnCl2·4H2O 2.5 g·L−1,Na2MoO4·4H2O 0.5 g·L−1,KI 0.18 g·L−1,CuSO4·5H2O 0.1 g·L−1,CoCl2·6H2O 0.15 g·L−1,FeCl3·6H2O 1.5 g·L−1。NO−3 1.3 分析方法
水质指标的检测方法依照国家环保总局编制的《水与废水监测分析方法(第4版)》,以及美国公共卫生协会编写的《Standard Methods for the Examination of Water and Wastewater》(第十九版)中的标准方法检测。其中,[
-N]采用紫外分光光度法测试,[NO−3 -N]采用N-(1-萘基)-乙二胺分光光度法测试,[NO−2 -N]用纳氏试剂分光光度法测试。采用SPSS 23.0进行方差分析(ANOVA),以确定数据集之间是否存在差异,如果p<0.05,则认为存在显著差异。NH+4 为探究环境pH对甲烷厌氧氧化耦合自养反硝化微生物的多样性和种群群落结构变化的影响,分别取pH为6、7、8、9时的污泥样品进行高通量测序,测序结果分别标记为P1、P2、P3和P4。本实验中,高通量测序在上海美吉生物医药科技有限公司进行,利用Illumina Miseq平台,以515F(5′-GTGCCAGCMGCCGCGG-3′)与907R(5′-CCGTCAATTCMTTTRAGTTT-3′)作为引物进行PCR扩增与焦磷酸测序。
2. 结果与讨论
2.1 CH4供应对反硝化过程的影响
为探究甲烷在自养反硝化体系中的作用,分别向S1、S2系统中通入氮气和甲烷,将pH调至7.5,并检测系统的反硝化速率(见图1),未检测到NO2−-N和
-N的积累。由图1可知,通入氮气时(S1),NH+4 -N含量基本保持不变,几乎没有降解;而在充足甲烷的供应下(S2),6 d内NO−3 -N基本完全降解,平均脱氮速率为3.67 mg·(L·d)−1。这说明甲烷供应是反硝化过程中的重要条件,也证明了经前期培养驯化的污泥能发生基于甲烷厌氧氧化的反硝化作用。NO−3 2.2 初始
-N质量浓度对反硝化过程的影响NO−3 将摇瓶内溶液pH保持在7.5,供以充足的甲烷气体,初始
-N质量浓度分别设为20、30、40和50 mg·L−1,探究不同NO−3 -N质量浓度对反硝化速率的影响,实验结果如图2所示。由图2可知,整个过程几乎没有NO−3 -N的积累,NH+4 -N质量均维持在0.3 mg·L−1以下。当初始硝氮浓度从20 mg·L−1增加至30 mg·L−1时,平均去除速率也从3.33 mg·(L·d)−1增加至4.28 mg·(L·d)−1 (p<0.05)。这表明在一定范围内,随着初始NH+4 -N质量浓度的增加,脱氮速率呈上升趋势。这可能是由于:一方面增加了氮源,有利于微生物的增长繁殖;另一方面,在甲烷厌氧氧化耦合自养反硝化过程中,NO−3 -N经过一系列还原酶的作用被转化成N2,同时还有O2生成,而甲烷在甲烷氧化菌的作用下被O2氧化成甲醇,最终氧化为CO2[8]。NO−3 -N质量分数的增加有可能促进了O2的生成,加快了甲烷被氧化成甲醇的速率,而甲醇又可以为NO−3 -N及NO2−-N的还原提供电子,最终导致脱氮速率的提升。此外,自养反硝化菌的一系列脱氮过程属于酶促反应,底物浓度是影响酶促反应速率的重要因素,在系统中底物浓度较低的情况下,酶促反应的速率会随着底物浓度的增加而提高。然而,当系统中底物浓度增大到一定值时,酶促反应速率便不再提升。当初始NO−3 -N质量浓度增至40和50 mg·L−1时,平均反硝化速率有所降低,分别为4和3.85 mg·(L·d)−1。这说明过高的NO−3 -N质量浓度抑制了自养反硝化菌的活性[9]。由于系统中底物浓度过高会抑制酶促反应,从而导致系统脱氮速率的降低。NO−3 由图2 (b)可知,
-N质量浓度整体都呈现先增加后减小的趋势。这说明在甲烷厌氧氧化反硝化反应中存在NO−2 -N的积累及进一步的还原过程。当初始NO−2 -N质量浓度从20 mg·L−1增至50 mg·L−1时,NO−3 -N积累量峰值从0.27 mg·L−1增至2.69 mg·L−1。由此可见,当NO−2 -N质量浓度增加时,NO−3 -N的积累量也逐渐增加,而中间产物的不断积累也会影响反硝化效果,这也是导致脱氮速率有所下降的原因之一。NO−2 2.3 初始pH对反硝化过程的影响
为探究初始pH对反硝化速率的影响,将初始
-N质量浓度控制在30 mg·L−1,分别调节系统pH为6、7、8、9,研究在不同pH下系统脱氮速率的变化,结果如图3所示。实验过程中几乎没有NO−3 -N的积累,NH+4 -N质量浓度均在0.3 mg·L−1以下。由图3 (a)可知,4个反应器均能在一定时间内将NH+4 -N降解完全。当初始pH为7时,系统对NH+4 -N的平均去除速率最高,为5.45 mg·(L·d)−1;当pH增大至8时,反应器平均脱氮速率虽有所下降,但仍保持在5 mg·(L·d)−1左右。然而,当pH继续升至9时,NH+4 -N平均去除速率降至4.28 mg·(L·d)−1;当pH为6时,反应器的平均脱氮速率最低,仅为4 mg·(L·d)−1。不同pH条件下的脱氮速率之间均存在显著差异(p<0.05)。由此可见,反应器在中性和微碱性环境中能保持良好的脱氮速率,过高或过低的pH都会影响反应器对NO−3 -N的去除效果。在HE等[10]的研究中,厌氧甲烷氧化反硝化菌在pH为7.0~8.0时保持较高活性,在高pH(pH=9)及低pH(pH=6)时,其活性均会下降,pH=6时其活性最低。这与本实验的结论相似。NO−3 由于甲烷厌氧氧化的自养反硝化主要靠微生物的反硝化作用来实现,而各种微生物都有其生存适宜的pH范围,故当环境pH偏离适宜pH过多时,微生物的生长和繁殖就会受到影响,甚至死亡。环境中的pH主要通过3个方面限制微生物的反硝化过程。一是影响微生物胞外水解酶的活性并引起细胞膜上蛋白质的变性,从而影响微生物对物质的降解和吸收;二是通过影响膜的通透性并引起膜表面电荷性质的变化,进一步抑制细胞对物质的分解和吸收;三是影响营养物质的降解和吸收。其中,反硝化过程又由一系列的酶促反应组成,环境pH的变化会影响酶的离子化程度,改变蛋白质结构,从而影响酶的活性。当环境pH过高或过低时,酶也会失去活性[11]。因此,当pH为7~8时,系统反硝化速率良好,差别不大,但随着环境的初始pH增大到9或者减小至6时,反应器的平均脱氮效率也会随之下降。
由图3 (b)可知,系统初始pH对甲烷厌氧氧化的自养反硝化过程中亚硝氮的积累也会产生一定程度的影响。当pH为7和8时,系统
-N积累量较低;但随着pH升高至9时,NO−2 -N积累量也随之增加;而当pH减小至6时,反应过程中NO−2 -N质量浓度的峰值也较高。这可能是由于:在反应过程中,亚硝酸盐还原酶有迟缓期,而迟缓期的长短由驯化时间的长短和反应条件决定,如pH和营养物质浓度等,因此,不适宜的环境pH(pH<7或pH>8)会延长亚硝酸盐还原酶的迟缓期,从而造成NO−2 -N的积累[12]。另外,虽然系统处于酸性环境中的平均反硝化速率最低,但pH为6时NO−2 -N的积累量却比pH为9时要少。这可能是由于:NO−2 -N首先在硝酸盐还原酶的作用下被还原成NO−3 -N,然后在亚硝酸盐还原酶的作用下进一步被还原、降解。有研究表明,亚硝酸盐还原酶在中性和微碱性环境中活性最高,但在酸性环境中反应器的平均脱氮速率下降幅度比碱性环境中更大。因此,当初始pH为6的时候,由于系统反硝化效率低,并没有过多的NO−2 -N被还原成NO−3 -N。尽管此时亚硝酸盐还原酶活性较低,但由于NO−2 -N含量的减少,也使得反应器中没有过多的NO−2 -N积累。NO−2 2.4 微生物群落分析
2.4.1 微生物种群的多样性分析
对初始pH分别为6、7、8、9的摇瓶内污泥取样后进行高通量测序,分析其微生物种群多样性和群落结构。反映系统微生物种群丰度和多样性的各种指标可由样品的Alpha多样性分析得出,见表1。由表1可知,当相似度为97%时,4个样品中分别获得49 400、48 248、55 726和46 796条有效序列(Reads)。4个样品的Coverage值均大于0.99,这表明样品测序得到的序列可覆盖大部分的区域,测序深度能较好地代表4个样品中的微生物群落,结果可有效反映样品的真实状况。
表 1 不同pH下微生物Alpha多样性指数表Table 1. Microbial Alpha diversity index at different pH values样品编号 Reads OTUs Ace Chao Shannon Simpson Shannoneven Simpsoneven Coverage P1 49 400 738 869 881 3.86 0.063 5 0.584 0 0.065 09 0.997 P2 48 248 952 1 077 1 082 4.50 0.060 7 0.656 4 0.044 79 0.996 P3 55 726 965 1 076 1 087 4.84 0.023 1 0.704 3 0.021 35 0.997 P4 46 796 880 1 017 1 016 4.90 0.017 5 0.723 4 0.017 30 0.996 Ace和Chao指数可用来估计物种的丰度,数值越大说明微生物的丰度越高,微生物数目也就越多。由表1可知,这2组数据呈现相同的变化趋势,大小顺序均为P2≈P3>P4>P1。这表明在pH=7和pH=8的环境下,微生物丰度最高,微生物的数目也最多。然而,随着环境pH的增大或减小,系统内微生物的丰度均有所下降,并且在酸性环境下丰度最低。Shannon和Simpson指数能够代表测序样本的生物多样性,Shannon越大,Simpson越小,表明微生物的多样性越高,因此4个样品按多样性高低排序为P4>P3>P2>P1。Shannoneven与Simpsoneven指数为反映样品均匀度的指标,Shannoneven越大,Simpsoneven越小,表明微生物的均匀度越好。4个样本按均匀度高低排序为P4>P3>P2>P1。
另外,pH=7和pH=8的反应器微生物丰度最高,多样性及均匀度适中。这主要是由于中性和微碱性环境有利于微生物的生长繁殖,并且对微生物中功能菌的筛选作用强。随着pH的升高,微生物多样性和均匀度也越高,说明碱性环境可提高微生物的多样性和均匀度。
以上结果与图4中的稀释曲线和等级-丰度曲线所显示的结果相同,4个样品的稀释曲线最后都趋于平缓。这表明此次测序的取样合理,继续增加序列数只会产生少量的OTU,且从曲线中得到4个样品的OTU数目变化趋势与前述相同。等级-丰度曲线可用来表示微生物中物种丰度和物种均匀度2个方面的内容。其中,物种的丰度由水平方向曲线的宽度来反映,曲线在横轴上的范围越大,物种的丰富度就越高;而曲线的形状(平缓程度)反映了样本中群落的均匀度,曲线越平缓,物种分布越均匀。本结果表明,当pH=7和pH=8时,物种丰度较大,均匀度较好。
韦恩图可用来统计多个样本中所共有和独有OTU数量,能直观表达不同样品间物种的相似性。由图4 (c)所示,4个样品共获得了1 204个OTU,P1、P2、P3、P4所单独特有的OTU数分别为41、41、55和38,分别占总数的3.4%、3.4%、4.6%和3.2%。而4个样品共有的OTU数目为514,占各样品OTU总数的50%~70%。这说明不同pH下微生物物种的相似性较高,pH的改变并未使系统中微生物的种类发生太大变化。因此,不同条件下微生物仍具备一定的脱氮能力,而环境pH的改变可能引起系统中主要脱氮功能菌丰度的变化,从而导致脱氮效率的不同。
2.4.2 微生物群落结构分析
为进一步揭示pH对微生物群落的影响,分别在门、纲、属水平上分析了4个样品的微生物群落结构。图5显示了门水平的种群分布,4个样品中丰度最多的8个菌门分别是Proteobacteria(变形菌门)、Bacteroidetes(拟杆菌门)、Chloroflexi(绿弯菌门)、Planctomycetes(浮霉菌门)、Latescibacteria(匿杆菌门)、Firmicutes(厚壁菌门)、Acidobacteria(酸杆菌门)和Zixibacteria(河床菌门)。这些菌门总和在4个样品中占90%以上。其中,Proteobacteria在4个样品中所占比例最高,分别为47.58%、45.79%、38.89%和35.96%;其次是Bacteroidetes和Chloroflexi,Bacteroidetes在4个样品中占比分别28.12%、21.33%、22.76%和26.52%,Chloroflexi占比分别为4.73%、10.79%、15.61%和14.49%。钱祝胜等[13]在中空纤维膜反应器内富集的反硝化厌氧甲烷氧化菌群中,占优势的菌门依次为Chloroflexi(绿弯菌门)、Proteobacteria(变形菌门)、Planctomycetes(浮霉菌门)、Chlorobi(绿菌门)、Acidobacteria(酸杆菌门)、Bacteroidetes(拟杆菌门),与本研究中占优势的菌门相似。Proteobacteria和Bacteroidetes一直被认为是反硝化脱氮过程中最常见的自养反硝化微生物,这2种菌门包含各种类型的反硝化菌及甲烷氧化菌[14]。图5表明,在4个样品中,这2种菌门所占比例的总和差别不大,即各种pH环境下都具备一定的反硝化脱氮能力。在LUO等[15]构建的以甲烷作为电子供体去除地下水中硝酸盐的生物膜反应器中,Planctomycetes作为主要菌门被检出。Chloroflexi作为厌氧污泥中一种常见的复杂菌门[16],包含了好氧嗜热菌、厌氧光养菌、利用卤化物或有机物的厌氧微生物等多种微生物,并被认为能够参与自养反硝化过程。绿弯菌门细菌能够将多糖、蛋白质等大分子有机物分解为乙酸等低分子有机酸,这些产物又能够被产甲烷菌利用进行产甲烷作用[17-18]。由图5可知,当初始pH从6逐渐升高时,系统内Chloroflexi所占比例也有一定的增长,这表明环境pH对Chloroflexi有较强的选择作用,过酸的环境不利于它的增长繁殖。除以上4种菌门外,Firmicutes和Acidobacteria也被证明具有脱氮基因,具备相应的反硝化能力[19]。除以上所述的主要菌门外,其他如Synergistetes、Gracilibacteria、Gemmatimonadetes、Hydrogenedentes和Cyanobacteria等菌门微生物由于在样品中具有较低的丰度(<1%)而被归为“Other”类,但这些菌种也在系统反硝化脱氮的过程中发挥着作用[20-24]。总的来说,虽然初始pH会影响不同菌门的相对丰度,但系统中同时存在的多种与反硝化相关的微生物还是使得系统具有高效的脱氮性能。
图6显示了在纲水平上4个样品的菌群结构。由图6可知,系统中的主要优势菌纲为Gammaproteobacteria、Deltaproteobacteria、Bacterodia、Ignavibacteria、Anaerolineae和Alphaproteobacteria,这些菌纲总和占各个样品总数比例的70%以上。其中Gammaproteobacteria、Deltaproteobacteria和Alphaproteobacteria同属于变形菌门,在此前多项自养反硝化的研究中被证明具有去除硝酸盐的能力[19]。在pH=7和pH=8的环境下,Gammaproteobacteria在样品中所占比例分别为13.22%和12.58%;随着pH的增大或减小,其含量均有一定的增加,在pH=6时占比为26.02%,pH=9时占比为21.29%。而Deltaproteobacteria菌纲的占比随着pH的变化趋势与此相反,在4个样品中所占比例分别为14.44%、26.91%、14.50%和6.65%。这说明这2种菌纲存在一定的竞争关系,中性和弱碱性环境适合Deltaproteobacteria的生长繁殖,从而导致丰度增加,而Gammaproteobacteria适合在酸性和强碱性环境下生长,因此表现出相反的变化趋势。Alphaproteobacteria在4个样品中所占比例分别为7.05%、5.58%、11.77%和7.96%,其中,在初始pH为8时其丰度最高。以上3种菌纲具有反硝化能力,可利用甲烷氧化生成的甲醇将系统中的NO3−-N转化成N2;同时,某些菌纲中包含同时在甲烷厌氧氧化和反硝化过程中发挥作用的细菌,如Chitinophagaceae(Alphaproteobacteria菌纲)在甲烷厌氧氧化和反硝化过程中扮演重要角色[25]。同属于拟杆菌门的Bacterodia和Ignavibacteria菌纲也有相似的变化趋势,它们在4个样品中所占比例分别为24.43%、11.79%、9.57%、10.62%和3.12%、9.07%、12.91%、15.83%。由此可见,两者也可能存在一定的竞争关系,酸性条件下更利于Bacterodia的增长繁殖。Anaerolineae是一种典型的自养反硝化菌[26],它在4个样品中的相对丰度分别为4.05%、9.48%、12.83%和13.02%。这说明环境pH的增加有利于该菌纲的富集,在酸性环境下其含量最低,也与前文得出的在酸性环境下系统脱氮效果较差的结果相吻合。
初始pH的变化会引起系统内微生物在门、纲水平上的丰度变化,从而对微生物的群落结构变化产生了一定影响。为进一步了解环境pH对种群结构的影响,对4个样品中的物种进行了属水平上的分析,并挑选相对丰度最高的50个菌属作热图(图7)。
4个样品中的微生物在属水平的分布上也均存在相似性和差异性。具体来说,P1中相对丰度最高的10个菌属及其所占的比例分别为norank_f_Microscillaceae(15.07%)、norank_f__P3OB-42(12.57%)、unclassified_f__Methylophilaceae(10.10%)、Methylotenera(8.85%)、OLB12(7.81%)、Bacillus(3.71%)、norank_c__OM190(3.35%)、norank_c__Latescibacteria(2.94%)、norank_o__SJA-28(2.07%)、Phreatobacter(1.95%);P2中相对丰度最高的10个菌属及其所占的比例分别为norank_f__P3OB-42(24.09%)、norank_c__Latescibacteria(7.18%)、norank_o__SJA-28(6.70%)、OLB12(3.58%)、norank_f_BSV26(3.14%)、norank_f__Anaerolineaceae(2.94%)、norank_o__Bacteroidetes_VC2.1_Bac22 (2.61%)、norank_p__Zixibacteria (2.45%)、norank_f__Caldilineaceae (1.81%)、unclassified_f__Burkholderiaceae (1.77%);P3中相对丰度最高的10个菌属及其所占的比例分别为norank_f__P3OB-42 (9.88%)、norank_o__SJA-28 (7.30%)、Methylocystis (5.79%)、norank_f__Anaerolineaceae (5.12%)、norank_c__Latescibacteria (5.03%)、norank_f__BSV26 (3.19%)、norank_c__OM190(2.39%)、norank_f__Caldilineaceae (2.17%)、Sediminibacterium (2.16%)、norank_p__Zixibacteria (2.12%);P4中相对丰度最高的10个菌属及其所占比例分别为norank_o__SJA-28 (7.08%)、norank_f__BSV26 (6.37%)、norank_f__Anaerolineaceae (5.43%)、norank_c__Latescibacteria (4.13%)、Methylotenera (3.37%)、Ellin6067 (2.87%)、norank_f__SC-I-84 (2.81%)、norank_f__P3OB-42 (2.75%)、norank_f__AKYH767 (2.24%)、norank_o__Bacteroidetes_VC2.1_Bac22 (2.20%)。
由此可见,随着初始pH的变化,4个样品中微生物群落结构发生了较大变化,主要微生物菌属也有较大差异。其中,Methylocystis在初始pH为8的环境下有明显富集。Methylocystis是常见的甲烷氧化菌II型菌株,能以甲烷作为唯一碳源和能量来源,在大多数含有甲烷和氧气的环境中都被发现。同时,LAI等[27]也在以甲烷作为电子供体同步去除硝酸盐和溴酸盐的系统中发现了Methylocystis的存在,并且认为其在甲烷氧化、硝酸盐及溴酸盐的还原过程中发挥了重要作用。在本系统中,Methylocystis作为甲烷氧化菌,氧化甲烷生成甲醇,甲醇为硝氮及亚硝氮的还原提供电子进行反硝化反应脱氮,其对甲烷氧化及硝酸盐的还原均发挥重要作用。Methylotenera和未分类的Methylophilaceae同属于嗜甲基菌科,能利用甲醇作为碳源和能量来源,使其氧化分解[28]。LONG等[29]在关于甲烷作为电子供体还原六价铬和硝酸盐的研究中也发现了这2种微生物的存在。在初始pH为6的环境中,这2种微生物可得到大量富集。这可能是由于:在内部好氧的亚硝酸盐依赖型厌氧甲烷氧化途径中,酸性条件加快了甲烷被甲烷氧化菌氧化成甲醇的过程,从而使得Methylotenera和Methylophilaceae大量富集。Methylotenera和Methylophilaceae也是甲烷氧化菌,能利用O2将甲烷转化为甲醇。同时,生成的甲醇可用于反硝化脱氮。此外,norank_f__Anaerolineaceae属于Anaerolineaceae科,随着初始pH的增大,相对丰度也有所增加。Anaerolineaceae菌科被证明存在于许多以甲烷为电子供体的自养反硝化体系中[30],同时,这种丝状菌能为微生物的附着提供骨架[31],有利于微生物的生长繁殖。另外,还有诸如norank_o__SJA-28、norank_f__P3OB-42 、norank_c__Latescibacteria等菌属也在4个污泥样品中被检测出来。虽然有研究表明这些菌可在有硝酸盐负荷的环境中存在,但暂时还无法明确其能否参与甲烷厌氧氧化的自养反硝化过程,故还需进一步研究来证明。
虽然单一菌属的相对丰度随环境初始pH变化的差异较大,但除污性能是由系统内不同菌群、多种功能微生物间的相互协作实现的。不同pH下,污泥样品的微生物种群结构虽有所差别,但其大多具备甲烷氧化或反硝化能力,且不同初始pH下功能菌在整个系统中所占比例仍然较高,这也为甲烷厌氧氧化型反硝化工艺能在较广pH范围内维持可靠的脱氮效率奠定了微生物基础。
3. 结论
1)在CH4供应充足的情况下,系统具备良好的反硝化速率,且没有
-N的积累,而空白组几乎没有还原NO−2 -N的能力,表明经前期培养驯化的污泥能够以甲烷作为电子供体进行自养反硝化。NO−3 2)随着初始
-N质量浓度的升高,系统平均脱氮速率呈现先升高后下降的趋势,表明在一定范围内增加NO−3 -N质量浓度可提高系统反硝化速率,平均脱氮速率最高可达到4.28 mg·(L·d)−1;反应器内出现不同程度的NO−3 -N积累,当初始NO−2 -N质量浓度为50 mg·L−1时,NO−3 -N积累量达到峰值,为2.69 mg·L−1。NO−2 3)系统在不同pH环境下均具备一定的脱氮能力,而反硝化速率有所差异。在中性和弱碱性环境下,系统脱氮效果最优,脱氮速率最高可达5.45 mg·(L·d)−1。此时,
-N积累量最少,峰值仅为1.07 mg·L−1。当系统初始pH增大或减小,平均脱氮速率都会有所下降,且NO−2 -N积累量明显增加。NO−2 4)由微生物菌群分析结果可知,环境pH对微生物种群结构具有选择作用。在pH=7和pH=8时,系统内厌氧污泥微生物的丰度最高,物种多样性和均匀性适中;不同pH下,厌氧污泥内微生物群落的主要菌门为Proteobacteria和Bacteroidetes,在纲水平上,Gammaproteobacteria、Deltaproteobacteria、Bacterodia、Ignavibacteria和Anaerolineae为优势菌纲。在适宜的pH(pH=8)下,常见甲烷氧化菌Methylocystis大量富集。不同pH环境下均存在常见于许多以甲烷为电子供体的自养反硝化体系中的Anaerolineaceae,其具体功能有待进一步探究。
-
表 1 5个荧光积分区域
Table 1. Five fluorescence integrated regions
区域 所代表有机物类型 Ex/nm Em/nm Ⅰ 芳香蛋白类物质Ⅰ 220~250 280~330 Ⅱ 芳香蛋白类物质Ⅱ 220~250 330~380 Ⅲ 富里酸类物质 220~250 380~540 Ⅳ 溶解性微生物代谢产物 250~280 280~380 Ⅴ 腐殖酸类物质 250~440 380~540 表 2 4组分对应的大分子物质
Table 2. Corresponding macromolecular substances to the four components of PARAFAC
-
[1] DING Y, ZHAO J, LIU J W, et al. A review of China’s municipal solid waste (MSW) and comparison with international regions: Management and technologies in treatment and resource utilization[J]. Journal of Cleaner Production, 2021, 293: 126144. doi: 10.1016/j.jclepro.2021.126144 [2] 宋壮壮, 张智, 孔赟, 等. 剩余污泥和餐厨垃圾协同厌氧消化处理研究[J]. 给水排水, 2023, 59(5): 37-43. [3] 段娜, 刘倩如, 郑鑫, 等. 沼液酸化贮存技术研究进展[J]. 中国农业大学学报, 2023, 28(11): 208-218. doi: 10.11841/j.issn.1007-4333.2023.11.18 [4] FULDAUER L I, PARKER B M, YAMAN R, et al. Managing anaerobic digestate from food waste in the urban environment: Evaluating the feasibility from an interdisciplinary perspective[J]. Journal of Cleaner Production, 2018, 185: 929-940. doi: 10.1016/j.jclepro.2018.03.045 [5] ZHANG Y, ZHANG P, GUO J, et al. Spectroscopic analysis and biodegradation potential study of dissolved organic matters in sewage sludge treated with high-pressure homogenization[J]. Bioresource Technology, 2013, 135: 616-621. doi: 10.1016/j.biortech.2012.09.034 [6] DU H, GAO W, LI J, et al. Effects of digested biogas slurry application mixed with irrigation water on nitrate leaching during wheat-maize rotation in the North China Plain[J]. Agricultural Water Management, 2019, 213: 882-893. doi: 10.1016/j.agwat.2018.12.012 [7] 杨臣强, 杨瑞, 于玉洁, 等. 基于三维荧光光谱-平行因子分析及紫外-可见吸收光谱对制药污水不同处理工艺单元溶解性有机物特征分析[J]. 环境工程学报, 2023, 17(10): 3444-3453. doi: 10.12030/j.cjee.202308107 [8] ARTINGER R, BUCKAU G, GEYER S, et al. Characterization of groundwater humic substances: Influence of sedimentary organic carbon[J]. Applied Geochemistry, 2000, 15(1): 97-116. doi: 10.1016/S0883-2927(99)00021-9 [9] PAULA G. COBLE. Characterization of marine and terrestrial DOM in seawater using excitation-emission matrix spectroscopy[J]. Marine Chemistry, 1996, 51(4): 325-346. doi: 10.1016/0304-4203(95)00062-3 [10] 要世瑾, 杜光源, 牟红梅, 等. 核磁共振技术在土壤-植物-大气连续体研究中的应用[J]. 应用生态学报, 2016, 27(1): 315-326. [11] 刘晗青, 郭寅龙. 傅立叶变换-离子回旋共振质谱法在蛋白质分析中的应用[J]. 质谱学报, 2003, 24(2): 363-369. doi: 10.3969/j.issn.1004-2997.2003.02.010 [12] 罗月萱, 吕泽兰, 晏彩霞, 等. 袁河流域沉积物中溶解性有机质的光谱特征[J]. 环境科学, 2024, 45(8): 4553-4564. [13] 敖静, 王涛, 常瑞英. 三维荧光光谱法在土壤溶解性有机质组分解析中的应用[J]. 土壤通报, 2022, 53(3): 738-746. [14] 岳龙飞, 李洪波, 梁淑轩, 等. 白洋淀入淀河流溶解有机物沿程变化特征及来源解析[J]. 环境工程技术学报, 2023, 13(3): 1050-1060. doi: 10.12153/j.issn.1674-991X.20220425 [15] 隋志男, 郅二铨, 姚杰, 等. 三维荧光光谱区域积分法解析辽河七星湿地水体DOM组成及来源[J]. 环境工程技术学报, 2015, 5(2): 114-120. [16] 高连敬, 杜尔登, 崔旭峰, 等. 三维荧光结合荧光区域积分法评估净水厂有机物去除效果[J]. 给水排水, 2012, 48(10): 51-56. [17] 姜新佩, 姚杰, 张欢. 三维荧光区域积分法评估不同植物对溶解性有机物去除效果[J]. 科学技术与工程, 2015, 15(7): 276-279. doi: 10.3969/j.issn.1671-1815.2015.07.053 [18] 申钊颖, 弓晓峰, 江良, 等. 利用荧光区域积分法解析鄱阳湖DOM组成及来源[J]. 环境科学与技术, 2019, 42(5): 196-203. [19] 万鹏亮, 刘玉玲, 朱妮平, 等. A2O工艺处理城市污水过程中DOM组分变化分析[J]. 西安建筑科技大学学报(自然科学版), 2021, 53(5): 765-772. [20] CHEN W, WESTERHOFF P, LEENHEER J A, et al. Fluorescence excitation−emission matrix regional integration to quantify spectra for dissolved organic matter[J]. Environmental Science & Technology, 2003, 37(24): 5701-5710. [21] STEDMON C A, BRO R. Characterizing dissolved organic matter fluorescence with parallel factor analysis: a tutorial: Fluorescence-PARAFAC analysis of DOM[J]. Limnology and Oceanography: Methods, 2008, 6(11): 572-579. doi: 10.4319/lom.2008.6.572 [22] MURPHE K R, STEDMON C A, GRAEBER D, et al. Fluorescence spectroscopy and multi-way techniques. PARAFAC[J]. Analytical Methods, 2013, 5(23): 6557. doi: 10.1039/c3ay41160e [23] CHE J G, LIN W F, YE J, et al. Insights into compositional changes of dissolved organic matter during a full-scale vermicomposting of cow dung by combined spectroscopic and electrochemical techniques[J]. Bioresource Technology, 2020, 301: 122757. [24] HUGUET A, VACHER L, RELEXANS S, et al. Properties of fluorescent dissolved organic matter in the Gironde Estuary[J]. Organic Geochemistry, 2009, 40(6): 706-719. doi: 10.1016/j.orggeochem.2009.03.002 [25] ZHANG R, XIAN R, WANG F, et al. Direct discharge of sewage to natural water through illicitly connected urban stormwater systems: An overlooked source of dissolved organic matter[J]. Science of the Total Environment, 2023, 890: 164248. doi: 10.1016/j.scitotenv.2023.164248 [26] 江俊武, 李帅东, 沈胤胤, 等. 夏季太湖CDOM光学特性空间差异及其来源解析[J]. 环境科学研究, 2017, 30(7): 1020-1030. [27] 倪茂飞, 刘睿, 王志康, 等. 典型喀斯特河流汛期溶解性有机质空间变化及其光学参数的耦合关系[J]. 生态学报, 2022, 42(7): 2822-2833. [28] 许明, 刘伟京, 白永刚, 等. 太湖蓝藻水华期可溶有机物的生物降解[J]. 中国环境科学, 2018, 38(9): 3494-3501. doi: 10.3969/j.issn.1000-6923.2018.09.036 [29] YANG B, GAO X, ZHAO J, et al. The impacts of intensive scallop farming on dissolved organic matter in the coastal waters adjacent to the Yangma Island, North Yellow Sea[J]. Science of the Total Environment, 2022, 807: 150989. doi: 10.1016/j.scitotenv.2021.150989 [30] QI L, XIE H, GAGNE J P, et al. Photoreactivities of two distinct dissolved organic matter pools in groundwater of a subarctic island[J]. Marine Chemistry, 2018, 202: 97-120. doi: 10.1016/j.marchem.2018.03.003 [31] FU P, WU F, LIU C, et al. Fluorescence characterization of dissolved organic matter in an urban river and its complexation with Hg(II)[J]. Applied Geochemistry, 2007, 22(8): 1668-1679. doi: 10.1016/j.apgeochem.2007.03.041 [32] 刘兆冰, 梁文健, 秦礼萍, 等. 渤海和北黄海有色溶解有机物(CDOM)的分布特征和季节变化[J]. 环境科学, 2019, 40(3): 1198-1208. [33] 蔡文良, 许晓毅, 杜娴, 等. 嘉陵江重庆段DOM三维荧光光谱的平行因子分析[J]. 环境科学研究, 2012, 25(3): 276-281. [34] 黄凯文, 马珍, 苫君月, 等. 喀斯特山区土壤溶解性有机质光谱特征及来源解析[J]. 环境工程, 2023, 41(5): 115-124. [35] 王筱, 晏彩霞, 聂明华, 等. 紫外老化微塑料衍生DOM理化特性及其与磺胺嘧啶、铜的络合机制[J]. 环境科学, 2023, 44(11): 6159-6171. [36] 程远月, 郭卫东. 厦门湾有色溶解有机物光漂白的三维荧光光谱研究[J]. 光谱学与光谱分析, 2009, 29(4): 990-993. doi: 10.3964/j.issn.1000-0593(2009)04-0990-04 [37] LIAO Z, WANG Y, XIE K, et al. Photochemistry of dissolved organic matter in water from the Pearl River (China): Seasonal patterns and predictive modelling[J]. Water Research, 2022, 208: 117875. doi: 10.1016/j.watres.2021.117875 [38] 申慧彦, 曹承泽, 王嘉富, 等. 典型可溶性有机质组分与土霉素荧光猝灭研究[J]. 环境科学与技术, 2023, 46(5): 201-207. [39] 申慧彦, 徐华健, 王嘉富, 等. 湖滨带土壤长期淹水释放DOM与抗生素的猝灭作用[J]. 环境科学学报, 2024, 44(1): 366-376. -