-
医院是提供疾病诊疗、护理和康复等医疗服务的重要场所，在增进人类健康福祉和促进医学水平提升中发挥了关键作用. 据中国2020年卫生健康事业发展统计公报显示，全国医院数量近35万个，床位910万张[1]. 大中小型医院日耗水量分别为每床650—800、500—600、350—400 L·d−1 [2]，每天产生大量含特殊污染物的医疗废水，其中含有 Cd、Cu、Ni、Hg和Sn等重金属、抗生素、消毒剂和病原微生物等[3]，COD和BOD 含量分别为450—2300 mg·L−1和150—603 mg·L−1，高出市政污水2—3倍[4]. 而医疗废水中溶解性有机物（dissolved organic matter， DOM）成分复杂、结构多样、不易降解和矿化[5]. DOM的含量及组成既增加医疗废水的处理难度，也直接影响出水水质，对水生生态环境构成潜在威胁[6]. 此外，DOM多种活性组分如多糖、蛋白质和木质素等对重金属、病毒微生物和抗生素等污染物的迁移转化和生态风险有着重要的调控作用[7-8]. 部分国家医疗废水未经处理直接排放被认为是水环境中有毒有害元素输入的主要来源[9]. 在我国，医疗废水须处理达标后进入市政污水处理厂二次处理，以提高医疗废水的可生物降解性，避免致病微生物、耐抗生素细菌的传播.
长期以来，人类活动产生的生活废水、垃圾渗滤液以及畜禽养殖等废水中的DOM受到关注[10-12]. 而医疗废水中DOM的研究报道多集中于利用荧光光谱（excitation-emission matrix spectroscopy， EEMs）对处理工艺的效果进行监测与评价. Khongnakorn等[13]利用EEMs评价了陶瓷光催化薄膜反应器处理医疗废水的效果，发现医疗废水DOM组分主要为类酪氨酸、类色氨酸、类腐殖酸和类富里酸. Tang等[14]采用臭氧氧化降解医疗废水经生物处理后出水中的药物和毒性，研究表明有机物荧光强度与废水中的药物浓度呈正相关，T1峰（λEx/λEm=275 nm/340 nm）与药物浓度的关系最为密切，可以作为废水中药物去除效果的替代物. Ouardadeng等[15]则利用紫外-可见光谱（UV-visible spectroscopy， UV-vis）和荧光光谱研究电化学氧化法处理医疗废水残留药物，认为254 nm的吸光度和总荧光强度可作为医疗废水残留药物监测的替代参数.
紫外-可见光谱、三维荧光光谱和傅里叶变换红外光谱（fourier transform infrared spectrometer， FTIR）具有使用方便、响应速度快、成本低、灵敏度高和分辨率高等优点[16-17]，已成为DOM含量、组分和结构等特性表征的重要手段[18-20]. 平行因子分析（parallel factor analysis， PARAFAC）可有效解析DOM重叠的三维荧光光谱和量化荧光组分[21]，本研究基于紫外可见吸收、三维荧光以及红外光谱表征手段与平行因子分析，对医疗废水处理前后DOM组分、含量和结构进行表征，可增进医疗废水DOM光谱特征的认识，对开展医疗废水的光谱监测和水环境保护具有十分重要的现实意义.
-
样品采集于贵州省和湖南省14家医院，其中贵阳市7个、安顺市3个、毕节市2个、长沙市2个，多以综合性医院为主，3家中医药医院，专科医院1家. 所有医院均采用次氯酸钠（NaClO）进行消毒，处理工艺流程为“进水—格栅—调节池—初沉池—生物氧化—二沉池—消毒池—脱氯池—出水”，达标出水进入市政污水管网. 现场利用500 mL洁净棕色高密度聚乙烯瓶采集进出口废水，置于4 ℃冷藏箱避光带回实验室. 样品经0.45 μm滤头过滤后，供紫外光谱、三维荧光光谱和红外光谱分析. 紫外和荧光光谱分析测试于样品采集24 h内完成.
-
DOM的UV-vis和EEMs使用三维荧光光谱分析仪（Aqualog-UV-800-C， Horiba， America）同步检测获取，激发波长范围: 240—800 nm，间隔波长3 nm; 发射波长240—800 nm，间隔波长1.17 nm; 扫描积分时间为0.3 s，扫描速度为1200 nm·min−1. 利用Millipore®超纯水于350 nm激发波长下对拉曼峰波长及仪器信噪比进行检测校正，水拉曼波长（397±1）nm，信噪比SNR≥20000，确保仪器运行稳定. 于Thermo控温仪在20 ℃下恒温完成测试，利用Aqualog®系统完成内滤（inner filter effect， IFE）、瑞利（Rayleigh masking）和拉曼散射（Raman normalize 3D） 校正. 取20 mL过滤样品于松源真空冷冻干燥机（LGJ-10FD）冷冻干燥48—72 h. 称取5 mg DOM固体粉末与KBr（光谱纯）以1:20质量比于玛瑙研钵中混合研磨均匀，在20 MPa左右压制成薄片供红外光谱测量. 使用傅里叶红外光谱仪（Nicolet6700， Thermo Fisher， America）在400—4000 cm−1范围内进行红外光谱分析，分辨率为4 cm−1，扫描次数为32次. 数据扣除背景后，使用Omnic8.0对光谱曲线进行自动基线校正和平滑处理.
-
利用R语言（R4.0.2版本）中的staRdom以及Dplyr和Tidyr等相关软件包对EEMs进行PARAFAC模型分析，以残差分析确定荧光组分，组分有效性通过拆半分析完成检验[22]. StaRdom中相关函数计算荧光指数（fluorescence index， FI）、腐殖化指数（humification index， HIX）和自生源指数（biological index， BIX）等参数时，自动使用 parcma包中的interp2函数对EEMs进行插值，指数相关含义见表1. 使用Orgin2019对紫外光谱和红外光谱图进行绘制.
-
医疗废水处理前后UV-vis曲线特征相似，但吸光度值略有差别，见图1. 所有医疗废水在440 nm 和700 nm附近均出现紫外吸收峰，其中440 nm是临床常用的药物载体AgNPs，其自身稳定性好，表面结构含有碳碳双键、酯基、羧基和羟基等官能团[30-32];处理后吸收峰依然存在且几乎未发生变化，表明此类物质不易被去除. 而700 nm多为胶体颗粒光散射效应引起的杂峰，常用于DOM吸收光谱的基线矫正，以降低胶体颗粒引起的光散射效应[33-34]. 280 nm吸收峰是酚类、苯胺衍生物、苯甲酸、多烯和多环芳烃等腐殖质发生π—π*电子跃迁所致[35]，仅在5家医疗废水中出现. 处理后280 nm附近吸收峰变弱甚至消失，去除效果明显.
DOM在254 nm处的紫外吸收强度越大，不饱和程度越高[23]. 如图2（a）所示，医疗废水处理前后A254均值分别为0.44和0.32. 处理后A254下降，DOM饱和程度升高，不饱和小分子有机物减少. 从图2（b）可知，处理前后E2/E4均值分别为14.57和11.29，芳香性变化. 个别医院E2/E4值较大，可能与病人治疗和康复过程中的用药有关，药物成分和药物结构不同，芳香性存在差异[36]. 在处理过程中，微生物生长可直接将小分子DOM作为碳源和能源，而消毒剂次氯酸钠（NaClO）能使菌体和病毒上的蛋白质变性，同时ClO−也能破环有机物的芳香结构[37]，故而处理后A254和E2/E4下降. E2/E3与相对分子质量成反比，如图2（c），处理前后E2/E3均值为6.25和5.44，总体高于3.5，主要以相对分子质量较小的有机质为主，其中的富里酸含量高于胡敏酸[24]，处理后E2/E3有所降低，分子质量略有增加. E4/E6与有机物的聚合程度成反比，可表征苯环C骨架的聚合程度和羰基共轭度;相对分子质量降低时，E4/E6值往往会增高[26]. 除H9和H13外，处理前后E4/E6有所降低，均值分别为2.25和1.68，DOM苯环C骨架的聚合度或羰基共轭度有所增加，如图2（d）所示. E2/E3和E4/E6降低，DOM分子量和聚合程度增加，主要是由于微生物优先代谢小分子物质，相对分子量较大的DOM得以聚集，以及聚合度较低的小分子有机物结合成为稳定度较高的大分子DOM[38]. 此外，药物化合物经过不同程度的生物转化，会形成不同的代谢产物. 在污水处理中，常见解热镇痛药布洛芬生物转化形成代谢产物羟基和羧基布洛芬[39]，这些代谢产物结合形成具有高于其母体分子的共轭（新）化合物，虽然这种生物转化利用比例不高，但这能导致DOM分子质量和有机物的聚合程度增加.
-
DOM的结构复杂[40]，FTIR是表征其结构特征的重要手段之一. 从医疗废水DOM的FTIR光谱中观察到（图3）处理前后共显示出6个典型吸收峰，波长分别位于3440—3350、1649—1630、1421—1387 、1146—1044、866—830、703—599 cm−1附近.
根据文献[41-43]，3440—3350 cm−1是DOM整个光谱曲线中强度最强的吸收峰，主要由苯酚、醇及羧基中的O—H和苯胺化合物所含 —NH和NH2中N—H的伸缩振动形成; 1649—1630 cm−1 范围则是酮和醛的C═O或芳香基上的C═C伸缩振动形成; 脂肪族CH3和CH2中C—H的振动及羧基上的不对称伸缩或C—OH变形振动于1421—1387 cm−1处产生吸收峰; 1146—1044 cm−1的峰是脂肪族上C—OH和C—O伸缩、酚类或醇类上C—O不对称伸缩振动产生; 866—830 cm−1附近出现的峰与苯环上C—H弯曲振动有关; 703—599 cm−1出现的峰则表明医疗废水中含有氯和苯酚. H8、H9、H10、H11和H12等医院在1001—921 cm-1和2943—2892 cm−1范围出现特征峰，前者为芳香醚C—O—C键的C—O不对称拉伸振动或芳香族C—H振动所致; 后者主要是脂肪族C—H、酮和羧酸中O—H以及游离氨基酸N—H伸缩振动所产生[44-45]，这一差别可能是医院在病人治疗过程中的用药不同，药物成分和结构不同所致[36].
总体而言，医疗废水中DOM结构性质较为相似，多为含有苯酚类、醇类、苯胺类、脂类和芳香类有机物及氯，主要官能团有O—H、N—H、C═O、C—H、C—OH、C—O和C—O—C等. 处理前后废水中DOM的峰位、峰形和峰数相似，但处理过程中物质间相互作用时发生电子转移，导致有机物光谱特征变化，吸收峰发生不同程度的红移或蓝移. 其中3440—3350 cm−1和703—599 cm−1范围多为蓝移，说明苯酚、醇及羧基中的O—H和苯胺化合物所含—NH和NH2中N—H的伸缩振动以及氯和苯酚中官能团振动变弱，可能是类腐殖质中苯酚和醇类化合物去除导致蓝移发生[46];1649—1630 cm−1、1421—1387 cm−1、1146—1044 cm−1及866—833 cm−1间则多为红移，说明相应官能团伸缩变化加强，小分子DOM聚合形成了更加稳定的大分子腐殖质，基团间距进一步缩小，电子跃迁能量降低导致红移[47-48].
-
基于PARAFAC模型对处理前后医疗废水DOM进行分析，得到4种荧光组分（如图4和表2），C1 （λEx/λEm=278 nm/352 nm）为类色氨酸，C2（λEx/λEm=281，362 nm/463 nm）和 C3（λEx/λEm=<251，320 nm/404 nm）均为类腐殖质荧光组分，C4（λEx/λEm=272 nm/297 nm）为类酪氨酸，C1和C4均属于类蛋白类荧光峰，分别相对应于T峰和B峰[49]. C2和 C3位于C峰附近，存在着高芳香度和高分子量的基团[50]，其微生物利用率较低. 此外，对处理前后废水分别进行PARAFAC模型分析，表2中已将出水C1标注为次峰，而明显的荧光峰归于类腐殖质，以便对比荧光组分和峰位变化.
医疗废水DOM各荧光组分含量及相对比例如图5所示，医疗废水处理前DOM 总荧光强度为13.29—75.17 R. U.，处理后荧光强度明显降低，处于0.98—33.73 R. U.之间，C1、C2、C3和C4的平均去除率分别为78.32%、36.97%、26.64%和68.44%，DOM的去除以类蛋白质为主，类腐殖质去除效果相对较低. 处理前后DOM的组分占比也发生了变化，处理前 C1、C2、C3和C4的平均占比为38.08%，14.90%、8.53%和38.49%，处理后DOM中类蛋白质占比降低，其中C1和C4分别下降15.05%和10.95%，而类腐殖质占比却出现增加，C2和C3分别增加14.74%和11.26%，主要由于C1和C4较C2和C3去除率高，使得两者相对丰度增加. 此外，处理过程中微生物分解代谢底物时生成了较多的类腐殖质等惰性代谢产物，不易生物降解也能导致C2和C3占比增加[55].
医疗废水处理过程中DOM的荧光峰出现了红移和蓝移现象，处理前后相比，处理后C1的激发和发射波长分别红移9 nm和蓝移18 nm，C2主次峰的激发和发射波长分别蓝移18 、6 、3 nm; C3和 C4仅发射波长出现红移，分别为2 nm和14 nm. C1、C3和C4的红移与官能团结构中羰基、羟基、烷氧基和氨基增加，聚合度和共轭效应增加有关[56-57]，C1和C2出现的蓝移则因p电子体系、芳环及碳链分子中共价键的减少[58].
-
BIX、HIX和FI等是进一步了解DOM光谱特征的常用指标，HIX被广泛用于表征有机物腐殖化程度，其值越大DOM腐殖化程度越高，医疗废水处理前后HIX均值分别为0.46和0.67，均低于1.5，主要以腐殖化程度低生物或原生物质为主[59]，处理后HIX略有增加是由于类腐殖质占比增加所致. BIX用来表征DOM的自生源特性，医疗废水处理前BIX为0.67—0.98，处理后均值0.94，DOM的自生源性较强[60]. FI则是DOM腐殖质来源的表征参数[61]，医疗废水处理前FI均值为1.49，处理后增加至1.67，介于1.4—1.9之间，腐殖质来源于生物和非微生物，如图6所示.
-
医疗废水DOM的荧光组分、紫外指数和荧光指数间的Pearson相关性分析见图7所示，处理前各荧光组分呈正相关关系，C1与C2、C3和C4的相关系数r分别为0.81（P<0.001）、0.71（P<0.01）和0.62（P<0. 05）; C2与C3和C4的r是0.91（P<0.001）和0.67（P<0.01）; C3与C4的r则为0.68（P<0.01），说明医疗废水各荧光组分具有相似的来源. A254与C1、C2和C3的荧光强度呈极显著正相关（P<0.001），r分别为0.78、0.93和0.85，与C4呈显著正相关 （r=0.74，P<0.01）. E2/E3和E2/E4呈显著正相关（r=0.97，P<0.001），且与A254（r为0.63和0.63）和C4（r为0.66和0.74）分别在P<0.05和P<0.01水平上显著正相关. 医疗废水经处理后， C1与其占比C1%和E4/E6，A254与C2、C3和C4以及C2与E4/E6间的相关性从显著正相关变为不显著，A254与C1及C2与E2/E3和E2/E4甚至由显著正相关变为不显著负相关，HIX与C4及BIX与E2/E4则由显著负相关变为不显著的负相关及正相关; 部分参数间相关性则从不显著到显著，如C1与C3%及BIX与C2和C3从不显著负相关到显著，而BIX与FI从不显著正相关到显著，C1与E2/E3和E2/E4则从不显著正相关变为显著负相关，参数之间的相关性发生变化的诱因是处理过程中的DOM降解导致组分含量、占比及其结构发生了变化.
DOM去除是含特定官能团结构有机物的降解过程，对医疗废水处理前后DOM组分的荧光强度变化与典型官能团特征峰的红外光谱变化进行相关性统计分析，发现DOM中类腐殖质C2和C3的去除与其结构存在显著的相关性，其中C2与3440—3350 cm−1、1421—1387 cm−1和703—599 cm−1波数范围内的O—H和N—H、C—H与C—OH以及苯酚和Cl等官能团的特征峰的变化呈显著正相关，相关系数r分别为0.60、0.56和0.63（P<0. 05）. C3的相关性与C2类似，与上述官能团的相关系数r分别为0.55、0.59和0.64（P<0. 05），含上述官能团的主要有机物分别是苯酚、醇及羧基和苯胺化合物、脂肪族和氯和苯酚等. 此外，C3的去除还与1146—1044 cm−1波段特征官能团C—OH和C—O特征峰的变化显著正相关（r=0.59，P<0. 05），主要为脂肪族或者酚类和醇类物质，如表3所示. 相关性统计结果表明医疗废水处理过程中，DOM中类腐殖质C2与C3的去除主要是酚类、醇类、羧基、脂肪族以及苯酚和Cl等物质.
-
通过对14家医院处理前后废水的紫外-可见吸收、三维荧光和红外光谱特征等分析，在医疗废水处理前后DOM结构和荧光组分变化方面取得初步的认识：
（1）医疗废水DOM结构性质相似，多为含O—H、N—H、C═O、C—H、C—OH、C—O和C—O—C等官能团的苯酚类、醇类、苯胺类、脂类、芳香类有机物及氯等物质. 废水中出现临床常用抗菌药物载体AgNPs，处理后紫外吸收光谱特征峰依然存在且变化小，不易被降解去除.
（2）DOM荧光组分主要是类蛋白质（类色氨酸C1和类酪氨酸C4）及类腐殖质（C2和C3）两大类，自生源性较强，腐殖化程度低，腐殖质来源于生物源和非生物源.
（3）生化和消毒等处理后，DOM的主要结构未出现明显变化，不饱和程度略有降低，苯环C骨架的聚合度增加，腐殖化程度增加. DOM的去除以类蛋白质为主，总荧光强度由13.29—75.17 R.U.降至0.98—33.73 R.U.，类腐殖质C2和C3去除效果相对较低，与3440—3350 cm−1、1421—1387 cm−1和703—599 cm−1波段范围含O—H、N—H、C—H和C—OH以及苯环等官能团的有机物有关.
医疗废水处理前后溶解性有机物的光谱特征分析
Spectral characteristics of dissolved organic matter in medical wastewater before and after treatment
-
摘要: 医院诊疗过程中产生大量富含溶解性有机物（DOM）的医疗废水，DOM会影响医疗废水的处理效率和出水水质. 本研究利用紫外可见吸收、三维荧光以及红外光谱技术分析了14家医疗废水处理前后DOM的光谱特征. 结果表明，医疗废水DOM的荧光组分由类蛋白质（类色氨酸C1和类酪氨酸C4）及类腐殖质（C2和C3）两大类组成，结构性质相似，多为含O—H、N—H、C═O、C—H、C—OH、C—O和C—O—C等官能团的苯酚类、醇类、苯胺类、脂类、芳香类有机物及氯等物质. DOM自生源性较强，腐殖化程度低，腐殖质来源于生物源和非生物源. 处理后DOM结构未出现明显变化，不饱和程度略有降低，苯环C骨架的聚合度和腐殖化程度增加. DOM的去除以类蛋白质为主，总荧光强度由13.29—75.17 R.U.降至0.98—33.73 R.U.. 类腐殖质C2和C3去除效果相对较低，其去除与3440—3350 cm−1、1421—1387 cm−1和703—599 cm−1波段范围含O—H、N—H，C—H和C—OH以及苯环等官能团的有机物有关. 而临床使用的抗菌药物载体AgNPs在医疗废水中不易被降解去除.Abstract: The hospital diagnosis and treatment process produce a large amount of medical wastewater (MW). These kinds of wastewaters are rich in dissolved organic matter (DOM), which can affect the efficiency and effluent quality of MW treatment. In this study, ultraviolet-visible spectroscopy (UV-vis), excitation-emission matrix spectroscopy (EEMs), and Fourier transform infrared spectroscopy (FTIR) were used to analyze the spectral characteristics of DOM in MW before and after treatment from 14 hospitals. The results show that fluorescent components of DOM are composed of protein-like (tryptophan-like C1 and tyrosine-like C4) and humic-like (C2 and C3) with similar structural properties, mostly containing phenols, alcohols, anilines, lipids, aromatic organics, and chlorine with functional groups such as O—H, N—H, C═O, C—H, C—OH, C—O, and C—O—C. The DOM is highly authigenic and has a low degree of humification. Both allochthonous and autochthonous sources are contributed to humic substances. The structure of DOM does not change significantly after treatment, the degree of unsaturation decreases slightly, while the degree of polymerization of benzene ring C skeleton and humification increases. The removal of DOM is mainly protein-like. The total fluorescence intensity decreased from 13.29—75.17 R.U. to 0.98—33.73 R.U.. The removal rate of humic-like substances(C2 and C3) are relatively low and related to the organic matters with functional groups O—H, N—H, C—H and C—OH and benzene rings in the bands 3440—3350 cm−1, 1421—1387 cm−1, and 703—599 cm−1. Respectively, AgNPs, as clinically used antimicrobial drug carriers, are not easily removed by degradation in medical wastewater.
-
多环芳烃（polycyclic aromatic hydrocarbons，以下简称PAHs）对人体具有强烈的致癌、致畸、致突变效应，且在环境中广泛存在 [1-3]。燃煤电厂是环境中大气污染物的重要来源[4-5]。我国燃煤电厂广泛配备的脱硝、除尘和脱硫设施虽然可以高效去除NOx、SO2、粉尘等常规大气污染物，却难以去除更容易进入人体肺部的可过滤细颗粒物、可凝结颗粒物和气态PAHs[6-8]。
近年来，燃煤电厂大气污染物的排放因子和排放清单成为大气污染防治领域的研究热点，并且在识别燃煤电厂大气污染物排放特征、时空分布、以及区域环境效应等方面取得重要进展[9-13]。燃煤电厂排放PAHs的研究主要关注燃煤产物中PAHs的含量、分布和赋存状态的分析，以及燃煤锅炉烟气排放过程PAHs的赋存规律及影响因素等方面[13-19]，而关于燃煤电厂PAHs的排放因子和清单的研究较少，尤其缺乏不同燃煤锅炉大气PAHs的精细化排放因子以及其历史排放通量的基础数据。基于此，本研究以安徽省为例，结合资料收集、实地调研和现场实测数据，“自下而上”构建了安徽燃煤电厂大气PAHs的历史排放清单，以查明锅炉、机组、大气污染控制设施以及超低排放改造对安徽燃煤电厂PAHs历史排放量的贡献值。
1. 材料与方法（Materials and methods）
1.1 锅炉机组和大气污染控制设施地理分布
实地调研了安徽省86家燃煤电厂的锅炉机组、大气污染控制设施、燃煤量、产灰量等详细信息，并结合安徽省环保局内部资料，构建了安徽省燃煤电厂基本信息数据库。该数据囊括2010—2017年安徽省173台在役燃煤机组和21台退役机组。基本信息包括位置、机组容量、锅炉类型、燃料类型（煤、煤矸石、煤泥）、煤炭年消费量、大气污染控制设施（脱硝、脱硫、除尘）和机组年龄。截至2017年底，安徽在役燃煤电厂的锅炉机组年龄跨度为0—32年，平均年龄为11年。这些电厂分布在除黄山以外的15个城市。其中煤粉炉95台，流化床炉75台，链条炉3台。煤粉炉装机容量为43.9 GW，占总装机容量的92.4%。流化床炉装机容量为3.4 GW，占总装机容量的7.6%。
选择性催化还原脱硝（SCR）和非选择性催化还原脱硝（SNCR）是安徽燃煤电厂的主要脱硝技术。煤粉炉均装配了SCR和湿式脱硫设备（WFGDs，石灰石-石膏湿法、氨法、电石渣湿法脱硫）。流化床炉装配SCR占其装机容量的75%，其余均装配了SNCR。炉内喷钙是流化床炉的主要脱硫方式，占其装机容量的86%。其余流化床炉装配了WFGDs（占装机容量的7.8%）和半干法脱硫（占装机容量的6.3%）。此外，所有煤粉炉和流化床炉均装配了除尘装置。
1.2 燃煤电厂关闭和更新锅炉情况
2010年至2017年间，安徽燃煤电厂发电量从142.0 TWh增至231.1 TWh[20]。与此同时，煤炭消费量从61.8 Mt增至87.4 Mt，远小于发电量的增长速率，说明燃煤电厂锅炉机组发电效率的显著提升。在此期间，安徽共新建了48台燃煤锅炉，装机容量共计21.5 GW，占2017年安徽燃煤电厂总装机容量的45%。此外，截止2017年底，装机容量≥300 MW的大锅炉占全省总装机容量的93.7%，而装机容量≤30 MW的小锅炉占全省总装机容量的1.7%。由于“上大压小”政策的实施，安徽燃煤电厂平均能耗从2010年的322 gce·kWh−1降至2017年的301 gce·kWh−1[20]。
1.3 排放清单构建
基于不同的锅炉类型和大气污染控制设施，将安徽省173台发电燃煤锅炉分为6类：煤粉炉1（600 MW≤机组容量≤1000 MW），煤粉炉2（300 MW≤机组容量<600 MW），煤粉炉3（6 MW≤机组容量≤210 MW），流化床炉1（6 MW≤机组容量≤210 MW），流化床炉2（3 MW≤机组容量≤60 MW），流化床炉3（3 MW≤机组容量≤15 MW）。
排放因子（EFPAH）基于实测计算得出：EFPAH = V×CPAH/Ccoal，其中V是烟气流速（m3·h−1），CPAH是烟气中PAHs的浓度（µg·m−1），Ccoal是锅炉每小时煤炭消费量（tons·h−1）。计算得出6种燃煤锅炉PAHs的排放因子（表1）。PAHs排放清单基于每一台锅炉的排放因子和煤炭消耗量计算得出：
表 1 典型燃煤锅炉现场试验的基本信息Table 1. Basic information of the six coal-fired units in field tests锅炉Boiler 城市City 机组容量/MWCapacity 燃煤类型Coal typea APCDb 燃煤效率/(t·h−1)Combustion efficiency 烟气流速/(m·s−1)Velocity of flue gas 样本Samplesc PAHs数量Number of PAHs 煤粉炉1 淮南 600 BC SCR+WFGD+ESP 95.8 9.3 P+G 16 煤粉炉2 淮南 300 BC SCR+WFGD+ESP 37.8 10.4 P+G 16 煤粉炉3 淮南 60 BC SCR+WFGD+ESP 18.7 8.7 P+G 16 流化床炉1 淮南 300 BC, CG或IC SNCR+IFSC+FF 53.6 9.8 P+G 16 流化床炉2 淮北 15 BC, CG或IC SNCR+WFGD+FF 25.2 8.3 P+G 16 流化床炉3 淮北 15 BC, CG或IC SNCR+ISFC+FF 9.1 9.7 P+G 16 注：a, BC：烟煤，CG：煤矸石，IC：低质煤；b, SCR：选择性催化还原脱硝，SNCR：非选择性催化还原脱硝，WFGD：湿式脱硫，IFSC：炉内喷钙脱硫，ESP：静电除尘，FF：袋式除尘；c, P：颗粒相,G：气相. Note: a, BC: bituminous coal, CG: coal gangue, IC: inferior coal; b, SCR: selective catalytic reduction, SNCR: selective non-catalytic reduction, WFGD: wet flue gas desulfurization, IFSC: in-furnace spraying calcium, ESP: electrostatic precipitator, FF: fabric filter; P: particulate, G: gaseous. | Show Table
DownLoad:
CSV
E = ∑i∑k∑m Mi × EFi,k,m (1) 其中，E是燃煤锅炉年排放量（kg·a−1），M是每一台燃煤锅炉的耗煤量（tons），EF是每一种锅炉类型的PAHs的排放因子，i、k、m分别是锅炉类型、机组容量和大气污染控制设施类型。锅炉煤炭消耗量数据来自安徽省环保局。
1.4 质量控制与保证
PAHs使用内标法定量, 以9个不同浓度梯度的PAHs标准溶液（10、20、50、100、200、500、1000、2000、5000 ng·mL−1）绘制标准曲线。所有化合物的标准曲线的回归系数R2均大于0.99。样品中回收率指示物萘-d10、菲-d10、芘-d12、苊-d10和䓛-d12的回收效率分别为56%±12%、73%±13%、69%±10%、84%±11%和71%±14%，方法检测限为0.009—0.017 ng·g−1，在可接受的范围以内。
1.5 不确定性分析
为了定量结果的不确定性，以及各因子对预测结果的影响，应用蒙特卡罗模型模拟2010年至2017年安徽燃煤电厂PAHs的年排放量，所有参数均假设为对数正态分布。蒙特卡罗模拟在Crystal Ball 7.2中运行10000次。
2. 结果与讨论 （Results and discussion）
2.1 不同类型燃煤锅炉PAHs的排放因子和通量
2017年，安徽燃煤电厂PAHs的大气排放量为16400 kg，煤粉炉为8600 kg，流化床炉为7800 kg。其中煤粉炉1、煤粉炉2、煤粉炉3、流化床炉1、流化床炉2、流化床炉3的PAHs排放量分别占比27.9%、15.8%、8.9%、14.9%、20.2%、12.3%（图1）。这6种锅炉的燃煤量占比分别为69.6%、13.8%、4.0%、7.0%、2.8%和2.2%。这表明装机容量更大的锅炉由于燃烧效率更高，且大气污染控制设施条件更先进，从而污染物排放的相对量更小。细分至不同城市级别，淮南（3600 kg）、淮北（3100 kg）和马鞍山（1800 kg）的排放量最大。这主要因为3座城市电厂燃煤量相对较大。此外，安徽南部城市（铜陵、芜湖和宣城）由于燃煤电厂主要为大锅炉（煤粉炉1），导致PAHs相对排放量远小于北部城市（淮北、亳州）和中部城市（合肥）。
图 1 2017年安徽不同城市燃煤电厂PAHs的排放量Figure 1. The PAH emission amounts from coal-fired power plants in different cities of Anhui province in 2017燃煤电厂排放的PAHs以4环PAHs为主，贡献值为28.0%，其次为3环PAHs（占比26.8%）和2环PAHs（占比25.0%）（图2）。中部和北部城市燃煤电厂排放PAHs中的高分子量PAHs（5环和6环PAHs）比南部城市的相对贡献率更高。主要原因是：1）小锅炉（煤粉炉3和流化床炉3）主要分布在中部和北部城市，而它们排放高分子量PAHs的量更大；2）南部城市燃煤电厂的流化床炉装配WFGD的比例更高，而WFGD对于高分子量PAHs的脱除效率更高[6]。
图 2 2017年安徽各城市燃煤电厂排放PAHs的组成特征Figure 2. PAH compositions emitted from coal-fired power plants in different cities of AnhuiPAHs的排放率（kg·t−1）和排放强度（kg·MW−1），分别定义为PAHs排放量与煤炭消费量，以及PAHs排放量与机组装机容量的比值，表现为煤粉炉 （分别为1.1 kg·t−1和0.19 kg·MW−1）显著大于流化床炉 （7.2 kg·t−1和2.1 kg·MW−1）。这主要是由于流化床炉燃烧温度相对更低（800—1000 ℃），因此比煤粉炉排放PAHs的相对量更大[6]。机组容量相对较大的煤粉炉1、煤粉炉2和流化床炉1比其它锅炉的排放率和排放强度更小（表2），原因是它们具有更高的燃烧温度和锅炉压力。此外，流化床炉3的PAHs排放率和排放强度更高（表2）。
表 2 锅炉机组基本信息和PAHs排放量、排放率、排放强度Table 2. Basic information and PAH emissions, emission rates, and emission intensities from different coal-fired units锅炉Boiler 煤炭消耗量(×104) /t Coal consumptions 总装机容量/MWTotalcapacities 脱氮装置Denitrification device 脱硫装置Desulphurization device 除尘装置De-dust device PAHs排放因子/(μg·kg−1) PAHemission factors PAHs排放量/kgPAH emission amount PAHs排放率/(kg·t−1)PAH emission rates PAHs排放强度/(kg·MW−1)PAH emission intensities 煤粉炉1 6120 35,340 SCR WFGD ESPs 75 4600 0.75 0.13 煤粉炉2 1220 7780 SCR WFGD ESPs 210 2550 2.1 0.32 煤粉炉3 350 1064 SCR WFGD ESPs或FFs 420 1450 4.1 1.4 流化床炉1 620 2808 SCR或SNCR IFSC ESPs或FFs 620 3800 6.1 1.4 流化床炉2 250 487 SCR或SNCR WFGD ESPs或FFs 740 1850 7.4 3.8 流化床炉3 190 300 SCR或SNCR IFSC ESPs或FFs 1150 2150 11.3 7.2 | Show TableDownLoad:
CSV
2.2 不同年龄和机组容量PAHs排放通量对比
将燃煤锅炉按年龄分为6类：0—5年（2015—2017），6—10年（2010–2014），11—15年（2005—2009），16—20年（2000—2004），21—25年（1995—1999）和> 25年（1986—1994）。从图3可知，11—15年的燃煤锅炉对PAHs排放总量的贡献最大，占46.6%，其次为6—10年和0—5年的锅炉，分别占比25.0%和9.8%（图3）。从不同年龄锅炉的PAHs排放量主要受装机容量和燃煤量的影响：大机组锅炉（煤粉炉1、煤粉炉2和流化床炉1）是较新锅炉（0—5、6—10、11—15年）PAHs排放量的主要贡献者；小机组锅炉（煤粉炉3，流化床炉2和流化床炉3）则是较老锅炉（年龄段为16—20、21—25、>25年）PAHs排放量的主要贡献者（图3）。
图 3 不同年龄的燃煤锅炉机组PAHs大气排放量、装机容量、煤炭消费量的相对比值Figure 3. Percentages of PAH emissions, installed capacities, and coal consumptions among different age of coal-fired units2.3 安徽燃煤电厂PAHs的历史排放通量
从2010年至2017年，安徽省燃煤电厂大气PAHs的排放量从15200 kg增加至16400 kg，年均增长1.1%。该增长率低于煤炭消费量增长率（5.9%）和发电量的增长率（9.0%）。在6种不同类型的锅炉中，流化床炉3和煤粉炉3的贡献量最大，约分别占总排放量的28.2%—30.2%和14.0%—19.9%。然而，煤粉炉3的贡献量自2013年呈现明显的下降趋势（如图4），这主要是因为安徽省在2013至2017的5年时间里，共取缔了17家小型燃煤电厂，其中取缔的PC3机组占煤粉炉3总机组容量的89.2%—92.7%，导致煤粉炉3锅炉排放PAHs逐年减少。
图 4 安徽燃煤电厂不同锅炉2010—2017年大气PAHs的历史排放通量Figure 4. The historical PAH emission amounts from Anhui’s coal-fired power plants of different coal-fired units between 2010-2017通过计算得出，自2013年以来，由于关停小电厂导致多环芳烃排放减少的总量为1880 kg。此外，中国于2014年颁布了《全面实施燃煤电厂超低排放和节能改造工作方案》，对燃煤电厂进行全面改造。截止2017年底，安徽省共对67台锅炉机组进行超低排放改造，计算得出截止2017年，经过超低排放改造，安徽省燃煤电厂减少PAHs排放量为760 kg。
2.4 PAHs历史排放量与气温和用电量之间的耦合关系探讨
安徽省燃煤电厂的发电量、煤炭消费量和PAHs的排放量之间具有十分密切的联系（图5）。
图 5 2010—2017年PAHs年排放量(PAHs)、居民用电量(RE)、城市用电量(UE)、工业用电量(IE)、高温值(EHT)、低温值(ELT)的lg值变化Figure 5. The logarithmic values of PAH emissions (PAHs), resident electricity consumption (RE), urban electricity consumption (UE), industry-wide electricity consumption (IE), extreme high temperature (EHT), and extreme low temperature (ELT) from 2010 to 2017 in Anhui通过研究发现，2010年至2017年，安徽燃煤电厂PAHs排放量的年度变化与安徽省夏季和冬季平均气温有非常有趣的相关性，例如：2011年安徽省经历了一个“冷冬”（1997年以来最低），即冬季的平均气温比往年低约1 ℃，而该年PAHs的排放量呈现一个明显的峰值；2013年安徽省经历了一个“热夏”，即夏季的平均气温比往年高约0.7 ℃，而该年PAHs的排放量也呈现一个明显的峰值。因此，气温的升高或降低会导致居民用电量的变化（如极冷或极热气候下，空调使用量会显著增加），从而可能导致煤炭消费量的增加和随之带来的PAHs排放量的增加。
2.5 不确定性讨论
燃煤电厂PAHs排放清单估算过程中，锅炉类型、机组容量、年龄、年燃煤量来自安徽省环保局。PAHs的排放因子基于前期机理研究获得[6,16-18,21-22]。燃煤电厂大气大气污染控制设施和条件来源于安徽省环保局和实地调研，均可降低结果的不确定性。但2010—2016年间新建和退役锅炉的年燃煤量基于外推法估算得出。因此，蒙特卡洛计算得到2017年PAHs排放量的不确定度为-25%—26%，而2010—2016年PAHs历史排放量的不确定度为-39%—40%。“关闭小锅炉”导致PAHs减少的排放量的不确定度为-58%—59%。
3. 结论（Conclusion）
（1）安徽省燃煤电厂PAHs的排放量从2010年的15200 kg增加至2017年的16400 kg。8年间累计排放量为126000 kg。
（2）从锅炉年龄来看，这些大机组锅炉和小机组锅炉分别是0—15年和>16年的锅炉的主要贡献者。大锅炉PAHs的排放率和排放强度比其它锅炉要低，主要是其更好的燃烧条件和WFGDs装配率。
（3）与超低排放改造带来的PAHs减排量相比，淘汰小锅炉带来的PAHs减排量更大。
（4）从燃煤电厂PAHs的历史排放量变化来看，区域气温变化（更热的夏天和更冷的冬天）导致了空调用电量的增加和随着而来PAHs排放量的增加。
-
图 4 医疗废水DOM荧光组分及其波长位置
Figure 4. Fluorescent components of DOM and their wavelength of medical wastewater
图 5 医疗废水DOM组分荧光强度及相对比例
Figure 5. The fluorescence intensity and percentage of DOM in medical wastewater
图 7 医疗废水DOM荧光组分和光谱指数间相关性
Figure 7. Correlations between fluorescence components and spectral index in medical wastewater
表 1 紫外光谱和荧光光谱相关参数及其指示意义
Table 1. The summary and implications of ultraviolet and fluorescence spectra index
类型 Spectral type 光谱参数 Spectral parameters 参数定义 Parameter definition 指示意义 Indicative meaning UV-vis A254 254 nm处的紫外吸光度 表征DOM的不饱和程度[23] E2/E3 250 nm和365 nm处的紫外吸光度之比 反应DOM相对分子质量大小[24] E2/E4 254 nm和436 nm处的紫外吸光度之比 表征DOM的芳香性[25] E4/E6 465 nm和665 nm处的紫外吸光度之比 表征DOM聚合程度[26] EEMs FI Ex=370 nm时,Em在470 nm与520 nm处的荧光强度比值 判断DOM腐殖质来源[27] HIX Ex为250 nm时,Em在435—480 nm以及300—345 nm间荧光峰值面积之比 表示DOM腐殖化程度[28] BIX Ex为310 nm时,Em在380 nm和430 nm处荧光强度的比值 反应DOM的自生源特性[29]
下载: 导出CSV
表 2 医疗废水DOM的荧光组分特征
Table 2. Characteristics of fluorescent components of DOM in medical wastewater
组分Components λEx/λEm /nm 物质Type 参考文献Reference 前后Before and after 前Before 后After C1 278/352 278/354 287/336* 类色氨酸 280/354[51] C2 281，362/463 278，368/461 260，362/458 类腐殖质 260（345）/476[52] C3 <251，320/404 <251，314/413 251，314/415 类腐殖质 < 250（320）/410[53] C4 272/297 272/297 272/311 类酪氨酸 270/302[54] *.出水C1组分 （λEx/λEm=287 nm/ 494 nm和λEx/λEm=413 nm/ 500 nm）为类腐殖质,本表标注 （λEx/λEm = 287 nm/336 nm）为类色氨酸. *. Component C1 （λEx/λEm = 287 nm/494 nm and λEx/λEm = 413 nm/500 nm） is humic-like in effluent, while （λEx/λEm = 287 nm/336 nm） is tryptophan-like and labeled.
下载: 导出CSV
表 3 医疗废水处理前后DOM荧光强度变化与红外光谱特征峰变化的相关性
Table 3. Correlations between change of DOM fluorescence intensity and infrared spectrum before and after treatment of medical wastewater
ΔT3440—3350 ΔT1421—1387 ΔT1146—1044 ΔT1649—1630 ΔT866—830 ΔT703—599 ΔC1 0.30 0.40 0.41 0.30 0.44 0.52 ΔC2 0.60* 0.56* 0.53 0.33 0.31 0.63* ΔC3 0.55* 0.59* 0.59* 0.29 0.39 0.64* ΔC4 0.20 0.19 0.24 0.21 0.22 0.35
下载: 导出CSV
-
[1] 中华人民共和国国家卫生健康委员会. 2020年我国卫生健康事业发展统计公报[EB/OL][2021-07-13].National Health Commission of the People's Republic of China. Statistical bulletin on China's health development in 2020[EB/OL]. [2021-07-13]. [2] 中国工程建设标准化协会. 医院污水处理设计规范: CECS 07—2004[S]. 北京: 中国计划出版社, 2004. China Association for Engineering Construction Standardization. Code for design of hospital sewage treatment: CECS 07—2004[S]. Beijing: China Planning Press, 2004 (in Chinese).
[3] KUMARI A, MAURYA N S, TIWARI B. Hospital wastewater treatment scenario around the globe[M]//Current Developments in Biotechnology and Bioengineering. Amsterdam: Elsevier, 2020: 549-570. [4] ACHAK M, ALAOUI BAKRI S, CHHITI Y, et al. SARS-CoV-2 in hospital wastewater during outbreak of COVID-19: A review on detection, survival and disinfection technologies [J]. Science of the Total Environment, 2021, 761: 143192. doi: 10.1016/j.scitotenv.2020.143192 [5] 何伟, 白泽琳, 李一龙, 等. 溶解性有机质特性分析与来源解析的研究进展 [J]. 环境科学学报, 2016, 36(2): 359-372. doi: 10.13671/j.hjkxxb.2015.0117 HE W, BAI Z L, LI Y L, et al. Advances in the characteristics analysis and source identification of the dissolved organic matter [J]. Acta Scientiae Circumstantiae, 2016, 36(2): 359-372(in Chinese). doi: 10.13671/j.hjkxxb.2015.0117
[6] 金鑫, 金鹏康, 孔茜, 等. 基于PARAFAC分析的二级出水DOM臭氧化特性研究 [J]. 中国环境科学, 2015, 35(2): 427-433. JIN X, JIN P K, KONG Q, et al. Ozonation characteristics of DOM in secondary effluent based on fluorescence PARAFAC analysis [J]. China Environmental Science, 2015, 35(2): 427-433(in Chinese).
[7] WANG P C, PENG H, LIU J L, et al. Effects of exogenous dissolved organic matter on the adsorption-desorption behaviors and bioavailabilities of Cd and Hg in a plant-soil system [J]. Science of the Total Environment, 2020, 728: 138252. doi: 10.1016/j.scitotenv.2020.138252 [8] LIANG C, ZHAO H M, DENG M J, et al. Impact of dissolved organic matter on the photolysis of the ionizable antibiotic norfloxacin [J]. Journal of Environmental Sciences, 2015, 27: 115-123. doi: 10.1016/j.jes.2014.08.015 [9] COTTARELLI A, de GIUSTI M, SOLIMINI A G, et al. Microbiological surveillance of endoscopes and implications for current reprocessing procedures adopted by an Italian teaching hospital [J]. Annali Di Igiene:Medicina Preventiva e Di Comunita, 2020, 32(2): 166-177. [10] 仇俊杰, 吕凡, 章骅, 等. 渗滤液溶解性有机物解析及其转化研究前瞻 [J]. 环境化学, 2021, 40(8): 2299-2307. doi: 10.7524/j.issn.0254-6108.2021033104 QIU J J, LÜ F, ZHANG H, et al. Property and transformation of DOM in solid waste leachate [J]. Environmental Chemistry, 2021, 40(8): 2299-2307(in Chinese). doi: 10.7524/j.issn.0254-6108.2021033104
[11] HE H, LUO N, HUANG B, et al. Optical characteristics and cytotoxicity of dissolved organic matter in the effluent and sludge from typical sewage treatment processes [J]. Science of the Total Environment, 2020, 725: 138381. doi: 10.1016/j.scitotenv.2020.138381 [12] HUANG L X, LI M L, NGO H H, et al. Spectroscopic characteristics of dissolved organic matter from aquaculture wastewater and its interaction mechanism to chlorinated phenol compound [J]. Journal of Molecular Liquids, 2018, 263: 422-427. doi: 10.1016/j.molliq.2018.05.025 [13] KHONGNAKORN W, PATTANASATTAYAVONG P, TANTHAI K, et al. Performance of photocatalytic ceramic membrane for hospital effluent treatment [J]. Desalination and Water Treatment, 2021, 230: 259-267. doi: 10.5004/dwt.2021.27456 [14] TANG K, SPILIOTOPOULOU A, CHHETRI R K, et al. Removal of pharmaceuticals, toxicity and natural fluorescence through the ozonation of biologically-treated hospital wastewater, with further polishing via a suspended biofilm [J]. Chemical Engineering Journal, 2019, 359: 321-330. doi: 10.1016/j.cej.2018.11.112 [15] OUARDA Y, BOUCHARD F, AZAÏS A, et al. Electrochemical treatment of real hospital wastewaters and monitoring of pharmaceutical residues by using surrogate models [J]. Journal of Environmental Chemical Engineering, 2019, 7(5): 103332. doi: 10.1016/j.jece.2019.103332 [16] CARSTEA E M, POPA C L, BAKER A, et al. In situ fluorescence measurements of dissolved organic matter: A review [J]. Science of the Total Environment, 2020, 699: 134361. doi: 10.1016/j.scitotenv.2019.134361 [17] SPILIOTOPOULOU A, ANTONIOU M G, ANDERSEN H R. Natural fluorescence emission-an indirect measurement of applied ozone dosages to remove pharmaceuticals in biologically treated wastewater [J]. Environmental Technology, 2021, 42(4): 584-596. doi: 10.1080/09593330.2019.1639827 [18] PHONG D D, HUR J. Non-catalytic and catalytic degradation of effluent dissolved organic matter under UVA-and UVC-irradiation tracked by advanced spectroscopic tools [J]. Water Research, 2016, 105: 199-208. doi: 10.1016/j.watres.2016.08.068 [19] LI X W, DAI X H, TAKAHASHI J, et al. New insight into chemical changes of dissolved organic matter during anaerobic digestion of dewatered sewage sludge using EEM-PARAFAC and two-dimensional FTIR correlation spectroscopy [J]. Bioresource Technology, 2014, 159: 412-420. doi: 10.1016/j.biortech.2014.02.085 [20] 蔡华玲, 宁寻安, 陈晓晖, 等. 印染外排废水中溶解性有机质的荧光特性 [J]. 环境化学, 2021, 40(5): 1592-1601. doi: 10.7524/j.issn.0254-6108.2020010402 CAI H L, NING X N, CHEN X H, et al. Fluorescence characteristics of dissolved organic matter in textile-dyeing effluents [J]. Environmental Chemistry, 2021, 40(5): 1592-1601(in Chinese). doi: 10.7524/j.issn.0254-6108.2020010402
[21] ZHU Y C, JIN Y, LIU X S, et al. Insight into interactions of heavy metals with livestock manure compost-derived dissolved organic matter using EEM-PARAFAC and 2D-FTIR-COS analyses [J]. Journal of Hazardous Materials, 2021, 420: 126532. doi: 10.1016/j.jhazmat.2021.126532 [22] STEDMON C A, BRO R. Characterizing dissolved organic matter fluorescence with parallel factor analysis: A tutorial [J]. Limnology and Oceanography:Methods, 2008, 6(11): 572-579. doi: 10.4319/lom.2008.6.572 [23] 石玉飞, 李胜楠, 耿金菊, 等. 发酵制药废水二级出水中溶解性有机物特性分析 [J]. 环境科学学报, 2021, 41(5): 1901-1909. SHI Y F, LI S N, GENG J J, et al. Characteristics of dissolved organic matter in the secondary effluent from fermentation pharmaceutical wastewater [J]. Acta Scientiae Circumstantiae, 2021, 41(5): 1901-1909(in Chinese).
[24] 闫晓寒, 文威, 解莹, 等. 溶解性有机物特性及在国内的污染研究现状 [J]. 环境科学与技术, 2020, 43(6): 169-178. YAN X H, WEN W, XIE Y, et al. Study on the properties of dissolved organic matter and its pollution status in China:a review [J]. Environmental Science &Technology, 2020, 43(6): 169-178(in Chinese).
[25] LI P H, HUR J. Utilization of UV-Vis spectroscopy and related data analyses for dissolved organic matter (DOM) studies: A review [J]. Critical Reviews in Environmental Science and Technology, 2017, 47(3): 131-154. doi: 10.1080/10643389.2017.1309186 [26] 王明月, 程丽华, 刘健, 等. 污水处理对黑水/灰水中溶解性有机物紫外光谱及荧光光谱特性的影响 [J]. 环境工程学报, 2019, 13(4): 910-917. doi: 10.12030/j.cjee.201810013 WANG M Y, CHENG L H, LIU J, et al. Effect of wastewater treatment on ultraviolet and fluorescence spectra of dissolved organic matter in black water/gray water [J]. Chinese Journal of Environmental Engineering, 2019, 13(4): 910-917(in Chinese). doi: 10.12030/j.cjee.201810013
[27] MCKNIGHT D M, BOYER E W, WESTERHOFF P K, et al. Spectrofluorometric characterization of dissolved organic matter for indication of precursor organic material and aromaticity [J]. Limnology and Oceanography, 2001, 46(1): 38-48. doi: 10.4319/lo.2001.46.1.0038 [28] ZHANG Y L, ZHANG E L, YIN Y, et al. Characteristics and sources of chromophoric dissolved organic matter in lakes of the Yungui Plateau, China, differing in trophic state and altitude [J]. Limnology and Oceanography, 2010, 55(6): 2645-2659. doi: 10.4319/lo.2010.55.6.2645 [29] 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 [30] 方蕾, 赵晓丽, 王珺瑜, 等. 具有不同粒径和相同表面结构纳米银颗粒的制备及表征 [J]. 环境科学研究, 2019, 32(5): 866-874. FANG L, ZHAO X L, WANG J Y, et al. Preparation and characterization of nano-silver with different particle sizes and uniform surface coating [J]. Research of Environmental Sciences, 2019, 32(5): 866-874(in Chinese).
[31] WANG C Z, WEN J Z, CHEN S J, et al. Biogenic synthesis, characterization and evaluation of silver nanoparticles from Aspergillus niger JX556221 against human colon cancer cell line HT-29 [J]. Journal of Nanoscience and Nanotechnology, 2018, 18(5): 3673-3681. doi: 10.1166/jnn.2018.15364 [32] MORENO-MARTIN G, LEÓN-GONZÁLEZ M E, MADRID Y. Simultaneous determination of the size and concentration of AgNPs in water samples by UV-vis spectrophotometry and chemometrics tools [J]. Talanta, 2018, 188: 393-403. doi: 10.1016/j.talanta.2018.06.009 [33] LI P H, CHEN L, ZHANG W, et al. Spatiotemporal distribution, sources, and photobleaching imprint of dissolved organic matter in the Yangtze Estuary and its adjacent sea using fluorescence and parallel factor analysis [J]. PLoS One, 2015, 10(6): e0130852. doi: 10.1371/journal.pone.0130852 [34] 向元婧, 黄清辉. 拦河大坝对河流有色溶解有机质赋存特征的影响初探 [J]. 水生态学杂志, 2014, 35(6): 1-6. doi: 10.3969/j.issn.1674-3075.2014.06.001 XIANG Y J, HUANG Q H. Impact of river damming on the characteristics of riverine chromophoric dissolved organic matter [J]. Journal of Hydroecology, 2014, 35(6): 1-6(in Chinese). doi: 10.3969/j.issn.1674-3075.2014.06.001
[35] CHIN Y P, AIKEN G, O'LOUGHLIN E. Molecular weight, polydispersity, and spectroscopic properties of aquatic humic substances [J]. Environmental Science & Technology, 1994, 28(11): 1853-1858. [36] PITASSE-SANTOS P, SUETH-SANTIAGO V, LIMA M. 1, 2, 4- and 1, 3, 4-oxadiazoles as scaffolds in the development of antiparasitic agents [J]. Journal of the Brazilian Chemical Society, 2017, 29(3): 435-456. [37] LUO Y C, FENG L, LIU Y Z, et al. Disinfection by-products formation and acute toxicity variation of hospital wastewater under different disinfection processes [J]. Separation and Purification Technology, 2020, 238: 116405. doi: 10.1016/j.seppur.2019.116405 [38] 李晓东, 曹云者, 丁洁, 等. 长期不同水分调控对污染场地土壤溶解性有机质含量及其结构特征的影响 [J]. 环境科学学报, 2021, 41(8): 3366-3373. LI X D, CAO Y Z, DING J, et al. Effects of long-term different water incubation on the content and structure characteristics of soil dissolved organic matter on contaminated sites [J]. Acta Scientiae Circumstantiae, 2021, 41(8): 3366-3373(in Chinese).
[39] TIWARI B, SELLAMUTHU B, OUARDA Y, et al. Review on fate and mechanism of removal of pharmaceutical pollutants from wastewater using biological approach [J]. Bioresource Technology, 2017, 224: 1-12. doi: 10.1016/j.biortech.2016.11.042 [40] ZHENG L C, SONG Z F, MENG P P, et al. Seasonal characterization and identification of dissolved organic matter (DOM) in the Pearl River, China [J]. Environmental Science and Pollution Research International, 2016, 23(8): 7462-7469. doi: 10.1007/s11356-015-5999-9 [41] BU X L, WANG L M, MA W B, et al. Spectroscopic characterization of hot-water extractable organic matter from soils under four different vegetation types along an elevation gradient in the Wuyi Mountains [J]. Geoderma, 2010, 159(1/2): 139-146. [42] ZHU W Q, YAO W, DU W H. Heavy metal variation and characterization change of dissolved organic matter (DOM) obtained from composting or vermicomposting pig manure amended with maize straw [J]. Environmental Science and Pollution Research International, 2016, 23(12): 12128-12139. doi: 10.1007/s11356-016-6364-3 [43] 贺润升, 徐荣华, 韦朝海. 焦化废水生物出水溶解性有机物特性光谱表征 [J]. 环境化学, 2015, 34(1): 129-136. doi: 10.7524/j.issn.0254-6108.2015.01.2014042401 HE R S, XU R H, WEI C H. Spectral characterization of dissolved organic matter in bio-treated effluent of coking wastewater [J]. Environmental Chemistry, 2015, 34(1): 129-136(in Chinese). doi: 10.7524/j.issn.0254-6108.2015.01.2014042401
[44] RODRÍGUEZ F J, SCHLENGER P, GARCÍA-VALVERDE M. Monitoring changes in the structure and properties of humic substances following ozonation using UV-Vis, FTIR and 1H NMR techniques [J]. Science of the Total Environment, 2016, 541: 623-637. doi: 10.1016/j.scitotenv.2015.09.127 [45] JIA W, ZHAO X H, ZHAO Y Y, et al. Variation in spectral characteristics of dissolved organic matter derived from rape straw of plants grown in Se-amended soil [J]. Journal of Integrative Agriculture, 2020, 19(7): 1876-1884. doi: 10.1016/S2095-3119(19)62867-4 [46] 陈滢伊, 司友涛, 鲍勇, 等. 隔离降雨对亚热带米槠天然林土壤可溶性有机质数量及光谱学特征的影响 [J]. 应用生态学报, 2019, 30(9): 2964-2972. CHEN Y Y, SI Y T, BAO Y, et al. Effects of rainfall reduction on the quantity and spectroscopic characteristics of soil dissolved organic matter in a subtropical natural Castanopsis carlesii forest [J]. Chinese Journal of Applied Ecology, 2019, 30(9): 2964-2972(in Chinese).
[47] 钱锋, 吴婕赟, 于会彬, 等. 多元数理统计法研究太子河本溪城市段水体DOM紫外光谱特征 [J]. 环境科学, 2016, 37(10): 3806-3812. QIAN F, WU J Y, YU H B, et al. UV-visible spectra properties of DOM from taizi river in Benxi City section by multivariable analysis [J]. Environmental Science, 2016, 37(10): 3806-3812(in Chinese).
[48] 李建华, 张亚, 吴欣安, 等. 腐殖质及其模型化合物的H2O2光化学生成研究 [J]. 中国环境科学, 2020, 40(12): 5337-5342. doi: 10.3969/j.issn.1000-6923.2020.12.028 LI J H, ZHANG Y, WU X N, et al. Hydrogen peroxide photoproduction by humic substances and their model compounds [J]. China Environmental Science, 2020, 40(12): 5337-5342(in Chinese). doi: 10.3969/j.issn.1000-6923.2020.12.028
[49] STEDMON C A, MARKAGER S, BRO R. Tracing dissolved organic matter in aquatic environments using a new approach to fluorescence spectroscopy [J]. Marine Chemistry, 2003, 82(3/4): 239-254. [50] KORAK J A, ROSARIO-ORTIZ F L, SCOTT SUMMERS R. Evaluation of optical surrogates for the characterization of DOM removal by coagulation [J]. Environmental Science:Water Research & Technology, 2015, 1(4): 493-506. [51] ZHANG L, SUN Q X, PENG Y Z, et al. Components and structural characteristics of dissolved organic matter in the overlying water of the Beiyun River [J]. Energy, 2021, 221: 119921. doi: 10.1016/j.energy.2021.119921 [52] OSBURN C L, BOYD T J, MONTGOMERY M T, et al. Optical proxies for terrestrial dissolved organic matter in estuaries and coastal waters [J]. Frontiers in Marine Science, 2016, 2: 127. [53] SHARMA P, LAOR Y, RAVIV M, et al. Compositional characteristics of organic matter and its water-extractable components across a profile of organically managed soil [J]. Geoderma, 2017, 286: 73-82. doi: 10.1016/j.geoderma.2016.10.014 [54] CHEN M L, JUNG J, LEE Y K, et al. Surface accumulation of low molecular weight dissolved organic matter in surface waters and horizontal off-shelf spreading of nutrients and humic-like fluorescence in the Chukchi Sea of the Arctic Ocean [J]. Science of the Total Environment, 2018, 639: 624-632. doi: 10.1016/j.scitotenv.2018.05.205 [55] 王佳琴, 李卫华, 申慧彦, 等. 污水厂进出水中DOM的三维荧光和FTIR光谱解析 [J]. 环境科学与技术, 2018, 41(1): 71-76. doi: 10.19672/j.cnki.1003-6504.2018.01.013 WANG J Q, LI W H, SHEN H Y, et al. Analysis of dissolved organic matter of the sewage influent and effluents from wastewater treatment plant using EEM fluorescence and FTIR spectroscopy [J]. Environmental Science & Technology, 2018, 41(1): 71-76(in Chinese). doi: 10.19672/j.cnki.1003-6504.2018.01.013
[56] WANG Z C, GAO M C, XIN Y J, et al. Effect of C/N ratio on extracellular polymeric substances of activated sludge from an anoxic-aerobic sequencing batch reactor treating saline wastewater [J]. Environmental Technology, 2014, 35(22): 2821-2828. doi: 10.1080/09593330.2014.924563 [57] 曾晓岚, 韩乐, 丁文川, 等. RO处理早期垃圾渗滤液中DOM的荧光光谱分析 [J]. 光谱学与光谱分析, 2011, 31(10): 2767-2770. doi: 10.3964/j.issn.1000-0593(2011)10-2767-04 ZENG X L, HAN L, DING W C, et al. Fluorescence of early stage leachates DOM using RO membrane as tertiary treatment [J]. Spectroscopy and Spectral Analysis, 2011, 31(10): 2767-2770(in Chinese). doi: 10.3964/j.issn.1000-0593(2011)10-2767-04
[58] LOU Y Y, YE Z L, CHEN S H, et al. Influences of dissolved organic matters on tetracyclines transport in the process of struvite recovery from swine wastewater [J]. Water Research, 2018, 134: 311-326. doi: 10.1016/j.watres.2018.02.010 [59] 张欢, 崔康平, 张强, 等. 派河水体中DOM的光谱分析及其来源解析 [J]. 环境科学研究, 2019, 32(2): 227-234. doi: 10.13198/j.issn.1001-6929.2018.08.04 ZHANG H, CUI K P, ZHANG Q, et al. Spectral analysis and source analysis of dissolved organic matter in Pai River [J]. Research of Environmental Sciences, 2019, 32(2): 227-234(in Chinese). doi: 10.13198/j.issn.1001-6929.2018.08.04
[60] 聂明华, 刘慧慧, 熊小英, 等. 南昌市湖泊水体中不同粒径胶体的三维荧光光谱特征研究 [J]. 环境科学学报, 2018, 38(5): 1929-1938. NIE M H, LIU H H, XIONG X Y, et al. Fluorescence characterization of fractionated colloids in the lakes of Nanchang City [J]. Acta Scientiae Circumstantiae, 2018, 38(5): 1929-1938(in Chinese).
[61] WICKLAND K P, NEFF J C, AIKEN G R. Dissolved organic carbon in Alaskan boreal forest: Sources, chemical characteristics, and biodegradability [J]. Ecosystems, 2007, 10(8): 1323-1340. doi: 10.1007/s10021-007-9101-4 -
点击查看大图
计量
- 文章访问数: 3682
- HTML全文浏览数: 3682
- PDF下载数: 117
- 施引文献: 0
