高级搜索

基于密度泛函理论的微气泡臭氧化诺氟沙星降解途径与毒性评估

,  ,  ,  ,  ,  , 

downloadPDF

上一篇

下一篇

张静, 于倩, 丁亮亮, 刘春, 闫晨旭, 牛建瑞, 张瑞娜. 基于密度泛函理论的微气泡臭氧化诺氟沙星降解途径与毒性评估[J]. 环境化学, 2025, 44(1): 288-298. doi: 10.7524/j.issn.0254-6108.2023122102
引用本文: 张静, 于倩, 丁亮亮, 刘春, 闫晨旭, 牛建瑞, 张瑞娜. 基于密度泛函理论的微气泡臭氧化诺氟沙星降解途径与毒性评估[J]. 环境化学, 2025, 44(1): 288-298. doi: 10.7524/j.issn.0254-6108.2023122102
shu
ZHANG Jing, YU Qian, DING Liangliang, LIU Chun, YAN Chenxu, NIU Jianrui, ZHANG Ruina. Degradation pathway and toxicity assessment of microbubble ozonation of Norfloxacin based on Density Functional Theory[J]. Environmental Chemistry, 2025, 44(1): 288-298. doi: 10.7524/j.issn.0254-6108.2023122102
Citation: ZHANG Jing, YU Qian, DING Liangliang, LIU Chun, YAN Chenxu, NIU Jianrui, ZHANG Ruina. Degradation pathway and toxicity assessment of microbubble ozonation of Norfloxacin based on Density Functional Theory[J]. Environmental Chemistry, 2025, 44(1): 288-298. doi: 10.7524/j.issn.0254-6108.2023122102
shu

基于密度泛函理论的微气泡臭氧化诺氟沙星降解途径与毒性评估

  • 河北科技大学环境科学与工程学院，河北省污染防治生物技术重点实验室，石家庄，050018

    • 通讯作者: E-mail：liuchun@hebust.edu.cn; 
  • 基金项目:
    国家重点研发计划项目（2022YFE0119000）资助.

  • 中图分类号: X-1；O6

  • CSTR: 32061.14.hjhx.2023122102

Degradation pathway and toxicity assessment of microbubble ozonation of Norfloxacin based on Density Functional Theory

  • School of Environmental Science and Engineering, Hebei University of Science and Technology, Pollution Prevention Biotechnology Laboratory of Hebei Province, Shijiazhuang, 050018, China

    • Corresponding author: LIU Chun, liuchun@hebust.edu.cn ; 
  • Fund Project: the National Key Research and Development Program (2022YFE0119000).

摘要

  • 摘要: 诺氟沙星(Norfloxacin，NOF)为第三代喹诺酮类抗菌药被广泛应用，易在环境中积累，威胁人类健康和环境安全. 本研究采用Gaussian与Toxicity Estimation Software Tool(T.E.S.T.)软件预测在微气泡臭氧化(MB/O3)体系中NOF的降解途径与降解产物的生态毒性. 结果表明，MB/O3体系中的羟基自由基等活性氧物质易对NOF分子结构上键级较小、平均局部离子化能较低以及简缩Fukui函数较高的反应位点进行攻击；液相色谱-串联质谱法(LC-MS/MS)分析结果结合模型计算推测，MB/O3处理NOF降解途径包括：脱氟反应、哌嗪环转化、羟基取代反应和喹诺酮环氧化；利用T.E.S.T.软件评估NOF及降解产物的毒性，发现NOF对口服大鼠、胖头鱼、水蚤均存在负面影响，具有发育毒性，无致突变性，且降解过程中可能会产生比NOF毒性大的产物. 本研究采用模型预测NOF降解途径与生态毒性的方法便捷有效，可为MB/O3体系降解复杂有机分子的降解途径和生态毒性研究提供理论依据.
    Abstract: Norfloxacin (NOF) is widely used as a third-generation quinolone antimicrobial drug and is prone to accumulate in the environment. It threatens human health and environmental safety. In this study, the degradation pathway of NOF and the ecotoxicity of the degradation products in the microbubble ozonization (MB/O3) system were predicted by Gaussian with Toxicity Estimation Software Tool (T.E.S.T.) software. The results showed that reactive oxygen species such as hydroxyl radicals in the MB/O3 system easily attacked the reaction sites with smaller bond levels, lower average local ionization energies, and higher abbreviated Fukui functions on the structure of NOF molecules. The analytical results of liquid chromatography-tandem mass spectrometry (LC-MS/MS) combined with model calculations inferred that the degradation pathways of NOF from MB/O3 treatment include: defluorination reaction, piperazine ring transformation, hydroxyl substitution reaction, and quinolone epoxidation. The toxicity of NOF and degradation products were evaluated using T.E.S.T. software and it found that NOF had negative effects on orally administered rats, fathead minnows, and daphnia. It is developmentally toxic and non-mutagenic. The degradation process may produce products that are more toxic than NOF. In this study, the modeling method to predict the degradation pathway and ecotoxicity of NOF is convenient and effective. It can provide a theoretical basis for the study of the degradation pathway and ecotoxicity of complex organic molecules degraded by MB/O3 system.

  • 气溶胶颗粒物作为大气的重要组分，对气候演化和环境变化等方面有着重要影响. 大气颗粒物的散射效应使到达地球表面的太阳辐射减少，其降温效应可以部分抵消人类排放的温室气体所导致的全球变暖[1]. 气溶胶颗粒物可以成为云凝结核，进而影响到云和降水的物理过程[2]. 研究表明，三极地区对大气气溶胶的变化更为敏感[3]. 大气颗粒物沉降在青藏高原冰雪表面，促进冰雪的消融[4-5]. 青藏高原上黑碳（BC）和沙尘导致反射率降低约38%，造成的总辐射强迫约为18—32 W·m-2[6]. 高原南部扎当冰川上，BC和沙尘对老雪融化的贡献约为9%[7]. 藏东南冰川变化的研究表明，吸光性颗粒物对冰川融化的贡献为15%[8]. 数值模拟实验表明季风前期青藏高原南坡堆积的吸收性气溶胶加热大气形成热泵效应，导致雨季的提前和南亚夏季风的加剧[9]. Cong等发现珠峰北坡气溶胶中二羧酸与生物质燃烧指示物左旋葡聚糖和K+存在明显正相关关系，表明南亚的碳质气溶胶可以通过大尺度环流和局地山谷环流传输到青藏高原[10]，大气观测、冰雪冰芯样品和模式模拟显示BC、重金属如汞、有机污染物POPs和微塑料能够跨境传输到青藏高原内部并对环境产生影响[11-14]. 南亚大气棕色云使低层大气变暖的程度和大气气溶胶相同，两者可以使气温在10年内增加0.25 K[15].

    青藏高原北邻塔克拉玛干沙漠，西南部是塔尔沙漠，这些地区是青藏高原粉尘的潜在源区. 青藏高原东邻我国人口集中的地区，南邻南亚发展中国家，人为气溶胶也对青藏高原造成了影响. 目前对青藏高原大气颗粒物的研究主要有以下几种手段：1）对冰川区的冰雪及冰芯进行采样，分析微粒物化特征[16-18]；2）利用卫星遥感等手段对大气气溶胶光学特征进行监测[19-20]；3）直接采集大气气溶胶样品和定点监测[21-22]. 不同的研究手段有不同的利弊，冰芯记录侧重于过去大气粉尘的研究，通常为长期变化趋势；卫星监测和数据模拟可以在长时间和大尺度获取大气气溶胶浓度、光学性质等的信息，成为区域研究的重要工具[23]. 由于青藏高原复杂的地形和地表非均质反射，使得模拟结果和实地监测结果或多或少有偏差[24-25]. 研究表明MODIS AOD数据在拉萨不具有适用性，在高原东部的应用表明数据精度相对较低[26-27]. Sharma等对喜马拉雅地区气溶胶的模拟数值普遍低于实测值[5].

    因此，急需地面观测气溶胶颗粒物数据对卫星监测和数值模拟数据来进行验证和校正. 高原西部大气颗粒物的监测数据较少，阿里地区地面实测数据的增加，给高原大气气溶胶的卫星监测和数据模拟研究提供了支撑和验证数据. 本文在大气颗粒物在线观测数据的基础上，获得阿里站大气颗粒物的浓度水平，进而分析其季节变化的基本特征，并综合运用HYSPLIT模型的聚类分析、潜在源贡献因子分析（PSCF）和浓度权重轨迹分析（CWT）方法，分析各个季节阿里站大气气溶胶的输送路径和可能来源，为青藏高原尤其是其西部地区的大气颗粒物研究提供数据支撑.

    1.   材料与方法（Materials and methods）

    1.1   监测地点

    监测地点位于西藏自治区阿里地区日土县的中国科学院阿里荒漠环境综合观测研究站，地理位置为东经79.70°，北纬33.39°，海拔高度4270 m. 位于班公湖南部盆地. 整体自然环境为高寒荒漠. 研究期间，阿里站的平均气温为1.38 ℃，相对湿度为32%. 年降水量为161.24 mm，83%集中在7、8月份. 植被稀疏，归一化植被指数（NDVI）小于0.2.

    1.2   监测仪器

    监测仪器为德国GRIMM公司生产的EDM365颗粒物在线监测仪，该仪器提供31个粒径通道的颗粒物数浓度，同时给出PM10、PM2.5、PM1（空气动力学粒径）的质量浓度. 样气通过Nafion管自动启动除湿功能. 原始数据的时间分辨率设定为5 min，在剔除异常值的基础上，将质量浓度数据依次合并成逐时算术平均值、逐日算术平均值和逐月算术平均值.

    1.3   数据分析

    由于阿里站气象数据缺失较多，再分析数据和气象数据的拟合较好，因此除了湿度和降水数据来自阿里站气象数据，其他气象数据来自ERA5再分析结果，下载地址为（https://cds.climate.copernicus.eu/cdsapp#!/search?type=dataset）. 归一化植被指数（NDVI）数据来自MODIS的MOD13Q1影像（时间分辨率为16 d，空间分辨率为250 m）. 气溶胶光学厚度（AOD）数据来自MODIS的MCD19A2影像（时间分辨率为1 d，空间分辨率为1 km）. 对数据的处理和分析主要用到Excel、Spss、ArcGis和Matlab等软件，对数据的绘图用的是Origin软件. 后向轨迹分析、PSCF分析、CWT分析用的数据为美国国家环境预报中心（NCEP） 的全球资料同化系统（GDAS） 数据，使用的软件为TrajStat. 根据青藏高原地区的大气环流特征将研究时段划分为四个季节：冬季（2018-12-01至2019-02-28），季风前期（2019-03-01至2019-05-31），季风期（2019-06-01至2019-09-30），以及季风后期（2019-10-01至2019-11-30）.

    2.   结果与讨论（Results and discussion）

    2.1   阿里站大气颗粒物质量浓度基本特征

    仪器监测数据的时段为2018-12-01至2019-11-30. 在监测期间，阿里站PM10的日均质量浓度为（10.51±8.62） μg·m−3（0.47—78.91 μg·m−3），PM2.5的日均质量浓度为（4.05±2.36） μg·m−3（0.31—12.91 μg·m−3），PM1的日均质量浓度为（2.47±1.56） μg·m−3（0.13—10.64 μg·m−3），与高原城市地区如西宁[28]、拉萨[29]相比，浓度较低. PM2.5、PM10远低于国家规定的颗粒物年平均一级浓度限值（GB 3095—2012），说明阿里站颗粒物浓度可以作为高原大气颗粒物浓度的本底值. Chen等统计分析了2016年6月至2017年5月阿里地区的PM2.5和PM10浓度值，分别为33.1 μg·m−3和87.3 μg·m-3[30]，PM10和PM2.5约是本研究的8倍. 这是因为Chen的数据来自阿里噶尔县狮泉河镇，本研究的数据来自阿里日土县野外站点，研究地点受人为排放的影响不同. 阿里地区属于高寒荒漠环境，对阿里站周边植被覆盖率的统计结果表明，NDVI<0.2，裸地沙土对颗粒物浓度的贡献大. 这里用PM2.5/PM10的比值来表征粗细颗粒的相对贡献. PM2.5/PM10平均比值为0.39，小于狮泉河镇的0.42[30]，说明阿里地区粗颗粒物（空气动力学粒径>2.5 μm 的颗粒物）在PM10中占比较高，颗粒物浓度受人为影响较小.

    将北京、拉萨、阿里、珠峰、Hyytiala、JGM站的大气颗粒物质量浓度进行比较（表1），意在对比中国大城市、高原城市、高原野外站点、极地区颗粒物的不同特征. PM2.5的比较为北京>拉萨>珠峰>Hyytiala>阿里>JGM站. PM2.5来源主要为燃烧源、大气二次转化形成的颗粒物，城市PM2.5显著高于背景站点. 2019年，北京市PM2.5为42 μg·m−3，比PM2.5年均值二级浓度限值（35 μg·m−3）高20%，但显著小于2013年PM2.5值，是其的1/2. 2013年国家发布了《大气污染防治行动计划》，为了达到计划目标，北京市先后实行了《北京市2013—2017年清洁空气行动计划》、《京津冀及周边地区2017—2018年秋冬季大气污染综合治理攻坚行动方案》，煤炭使用减少和能源结构优化使北京市大气污染状况好转，颗粒物浓度逐渐降低[31]；拉萨污染物排放（工业污染、交通污染）相对较少，PM2.5略低于北京，比背景站高；阿里、珠峰、Hyytiala、JGM站为大气本底站，受到人为干扰少，PM2.5浓度均小于10 μg·m−3. 将不同站点PM2.5/PM10进行比较，发现Hyytiala>北京>JGM>珠峰>阿里>拉萨. Hyytiala站是芬兰南部靠近北极圈的背景站点，位于北方针叶林带，颗粒物来源主要为自然来源. 森林植被排放的挥发性有机物形成有机气溶胶是颗粒物的主要来源，PM2.5中有机物占比为73%. 颗粒物以细颗粒（空气动力学粒径<2.5 μm的颗粒物）为主，PM2.5/PM10高达0.85[32]；北京市人为污染物形成的细颗粒物使颗粒物浓度比值PM2.5/PM10较高；JGM站位于南极最大的无冰区James Ross岛，裸露的沉积物和大风天气易产生沙尘天气，使JGM站粗颗粒物占比较高[33]；珠峰站和阿里站处于高寒荒漠或草原环境，裸地为粗颗粒的供给提供了有利条件，PM2.5/PM10比值较低；对单颗粒化学元素的研究表明，拉萨市颗粒物的主要元素为硅、铝和钙，主要来自矿物粉尘（沙尘天气、建筑用材），拉萨市颗粒物以粗颗粒物为主，PM2.5/PM10为0.38[34].

    表 1  不同站点颗粒物水平的比较（顺序为北京、拉萨、阿里站、珠峰站、Hyytiala站、JGM站）
    Table 1.  Comparison of atmospheric particulate mass concentration at different stations
    地点 SitePM10/（μg·m−3）PM2.5/（μg·m−3）PM2.5/PM10时间 Date
    北京[31]68420.622019
    拉萨[30]87.333.10.382016-06—2017-05
    阿里10.51±8.624.05±2.360.392018-11—2019-12
    珠峰[35]11.49±13.814.75±3.870.412018—2020
    Hyytiala（芬兰）[36]5.834.550.782010—2017
    JGM（南极）[33]6.4±1.43.1±10.482018-01—2018-03
     | Show Table
    DownLoad: CSV

    2.2   阿里站颗粒物质量浓度季节变化特征

    图1为阿里站颗粒物质量浓度和气象因子的时间序列图，可以看出，颗粒物质量浓度有着明显的季节变化特征，冬季和季风前期明显大于季风期和季风后期. PM10的季节变化规律为：冬季（15.4 μg·m−3）>季风前期（14.06 μg·m−3）>季风后期（6.14 μg·m−3）≈季风期（5.92 μg·m−3）；PM2.5的变化规律为：季风前期（5.4 μg·m−3）≈冬季（5.12 μg·m−3）>季风后期（2.91 μg·m−3）≈季风期（2.64 μg·m−3）；PM1的变化规律为：冬季（3.16 μg·m−3）≈季风前期（3.15 μg·m−3）>季风后期（2.0 μg·m−3）≈季风期（1.59 μg·m−3）. PM2.5和PM1在冬季的浓度值约等于季风前期的值,PM10和PM2.5在季风期的值与季风后期相当. 虽然PM10在冬季大于季风前期，但冬季的值仅比季风前期高9.5%. 因此，PM10、PM2.5、PM1具有一致的季节变化规律.

    图 1  阿里站颗粒物质量浓度及气象因子的时间序列图
    Figure 1.  Time series of meteorological parameters and PM at Ngari Station
    下载: 全尺寸图片 幻灯片

    由于阿里地区污染物排放源少，因此主要从气象方面分析颗粒物质量浓度的变化原因. 据图1分析，冬季，阿里地区处于干寒的状态，相对湿度低，植被覆盖率极低，归一化植被指数（NDVI）小于0.1，表土疏松，易产生浮尘现象. 冬季阿里站的平均边界层高度低于400 m，风速较小，加上逆温层的阻挡作用，大气的容积变小，扩散能力弱. 稳定的大气条件使颗粒物不断积累，浓度变高[37]. 季风前期，阿里站的NDVI和相对湿度依旧较低，地面沙尘易被扬起，颗粒物浓度水平较高. 边界层高度和风速不断变高，使大气扩散能力变强的同时受远程气团影响变大. 3—5月颗粒物浓度呈现变低的趋势，但季风前期PM平均值依旧较高季风期间尤其是7、8月份，阿里站受到西南季风的影响，气象因素发生显著变化. 湿度的变高使加热大气的感热变少，限制了对流混合的发展，边界层高度和风速相应变低[38]. NDVI的增加和风速的减小，使风对地面尘土的搬运能力变低. 颗粒物的湿沉降作用和降水的清除作用使颗粒物尤其是粗颗粒物显著减少，质量浓度在一年之内最低[39]. 季风后期，随着湿度和NDVI变低，颗粒物质量浓度开始回升. 由于季风后期温度和边界层高度比冬春高，扩散条件较之好，颗粒物浓度相对冬季和季风前期较低.

    由于阿里站颗粒物质量浓度存在着明显的季节变化，为了探究不同季节影响阿里地区颗粒物浓度的气团来源，综合运用轨迹聚类分析、PSCF分析和CWT分析进行研究. 图2为阿里站不同季节的气团轨迹聚类分析，可以看出阿里站主要受偏西气团影响,轨迹主要来自中亚和南亚地区.

    图 2  阿里站冬季、季风前期、季风期和季风后期的气团后向轨迹聚类分析
    Figure 2.  The seasonal distribution of airflow back-trajectories clusters in the Ngari
    （a）冬季，（b）季风前期，（c）季风期，（d）季风后期
    （a） winter, （b） pre-monsoon, （c） monsoon and （d） post-monsoon
    下载: 全尺寸图片 幻灯片

    冬季和季风前期受西风急流增强的影响，部分气团来自阿富汗等远源地区（～10%），而季风期和季风后期西风急流减弱，远源地区的贡献消失，主要表现为印度和巴基斯坦北部的近源贡献. 与其他季节不同，季风期有28.8%的气团来自新疆南部，这与Duo等在拉萨的研究一致[40]. 将阿里站气团后向轨迹经过的地区划成0.25°×0.25°的网格，每个网格污染轨迹端点的个数与经过网格的所有轨迹端点的比值即为该网格PSCF值，高值区代表着可能的潜在源区[41]. 污染轨迹通常由标准限值、平均值界定. 阿里地区为生态脆弱区，属于一类区，于是使用环境空气质量标准（GB 3095—2012）颗粒物浓度年均值一级浓度限值（PM10=40 μg·m−3；PM2.5=15 μg·m−3）区分污染轨迹. 由于阿里地区PM2.5浓度过小，污染轨迹过少，PSCF分析结果不理想，于是在这里不予讨论PM2.5的PSCF分析结果. PSCF分析表明（图3），PM10的主要潜在源区分布在印度北部、克什米尔地区、巴基斯坦北部和阿里西部地区. 季风前期和季风后期PM10的潜在源区范围较广. 冬季，由于边界层低，受到远程传输气团的影响较小，PM10潜在源区范围较小. 季风期，暖湿气团使颗粒物产生沉降，受远程传输的影响不明显. 在后向轨迹的基础上，CWT分析可以求出潜在源区贡献给阿里站颗粒物浓度的权重浓度，得出对阿里地区颗粒物浓度影响较大的潜在源区[42]. 由于不用界定污染轨迹，CWT分析得出的潜在源区范围明显大于PSCF分析（图4）. 如图4、图5和图6所示，PM10、PM2.5和PM1的潜在源区范围和颗粒物主要源区相似. 对阿里地区颗粒物质量浓度贡献最大的地区是印度西北部和克什米尔，其次巴基斯坦北部，我国和田地区和阿里地区也有一定程度的贡献.

    图 3  阿里站PM10的PSCF分析结果
    Figure 3.  Weighted potential source contribution function for PM10 in Ngar
    （a）冬季，（b）季风前期，（c）季风期，（d）季风后期
    （a） winter, （b） pre-monsoon, （c） monsoon and （d） post-monsoon
    下载: 全尺寸图片 幻灯片
    图 4  阿里站PM10的CWT分析结果
    Figure 4.  Weighted concentration-weighted trajectory for PM10 in Ngari
    （a）冬季，（b）季风前期，（c）季风期，（d）季风后期
    （a） winter,（b） pre-monsoon,（c） monsoon and （d） post-monsoon
    下载: 全尺寸图片 幻灯片

    2.3   MODIS AOD 与实测颗粒物质量浓度的比较

    当前遥感获取的主要气溶胶参数为光学厚度（AOD），表征大气颗粒物对入射的辐射产生的消光性质. 将AOD数据和地面监测数据联系起来，可增进人们对气溶胶辐射效应的机制研究. 图7为大气颗粒物质量浓度与AOD的月变化图. 图7可以看出，12月、7月和8月AOD的变化与颗粒物浓度变化相差较大. 除去12月、7月和8月，颗粒物浓度与AOD呈现相同的月变化特征，颗粒物质量浓度高的时期（1—6月），所对应的AOD较高，颗粒物质量浓度低的时期（9—11月），AOD较低. 7、8月份，西南季风带来了暖湿气团，使阿里地区湿度变高，相对湿度超过50%. 研究表明每增加3—6 mm，水汽对太阳短波辐射的吸收增加1%[43]. 太阳短波辐射的减少也就是水汽的增加使AOD变高. 颗粒物监测仪器GRIMM EDM 365自带除湿系统，数据是相对湿度较低状态下的质量浓度，而卫星影像是在环境湿度下的监测，两者的湿度条件不同[44]. 加之AOD和颗粒物质量浓度监测高度不同等原因，使7、8月份AOD值高而颗粒物质量浓度低的不匹配现象. MCD19A2 AOD数据使用的MAIAC算法改进了亮表面的反演，但仍存在一定偏差. 12月份，阿里站NDVI小于0.1，地表覆盖类型为裸地，较高的反照率影响卫星对颗粒物监测的敏感性[45]. AOD指介质的消光系数在垂直方向上的积分，而颗粒物浓度数据是对近地面站点的监测. 冬季，较低的边界层和逆温层阻止了颗粒物的扩散，使近地面浓度变高. 因此，监测原理的不同使AOD、颗粒物浓度的变化趋势出现不一致现象. 需要对高原颗粒物浓度数据和AOD数据进行混合层高度和相对湿度等影响因素的订正，以提高数据的相关系数[46].

    图 5  阿里站PM2.5的CWT分析结果
    Figure 5.  Weighted concentration-weighted trajectory for PM2.5 in Ngari
    （a）冬季，（b）季风前期，（c）季风期，（d）季风后期
    （a） winter, （b） pre-monsoon, （c） monsoon and （d） post-monsoon
    下载: 全尺寸图片 幻灯片
    图 6  阿里站PM1的CWT分析结果
    Figure 6.  Weighted concentration-weighted trajectory for PM1 in Ngari
    （a）冬季，（b）季风前期，（c）季风期，（d）季风后期
    （a） winter, （b） pre-monsoon, （c） monsoon and （d） post-monsoon
    下载: 全尺寸图片 幻灯片
    图 7  阿里站PM和AOD月变化图
    Figure 7.  The monthly variations of PM and MODIS AOD at Ngari station
    下载: 全尺寸图片 幻灯片

    3.   结论（Conclusion）

    通过对阿里站大气颗粒物浓度的实测和传输气团轨迹的聚类分析，得出以下主要结论：

    （1） 阿里站PM10、PM2.5和PM1浓度均较低，分别为（10.51±8.62） μg·m−3、（4.05±2.36） μg·m−3和（2.47±1.56） μg·m−3，PM10、PM2.5远小于PM10（40 μg·m−3）、PM2.5（15 μg·m−3）年平均颗粒物浓度一级标准，表明了阿里站洁净的大气本底特征.

    （2）阿里站大气颗粒物浓度存在着明显的季节变化，冬季和季风前期显著大于季风期和季风后期. 冬春季节温度低、大气边界层低，污染物容积能力小. 且冬春季植被覆盖率极低，沙尘频繁，颗粒物浓度高于其他季节. 季风期风速小，颗粒物携带能力弱，降水较多、湿度高、植被覆盖率高，大气颗粒物浓度最低. 聚类分析、PSCF和CWT分析结果表明，印度北部是阿里站颗粒物浓度的主要潜在源区，贡献值较高.

    （3）由于盛行风的改变和边界层高度变化等原因，12月、7月和8月AOD与颗粒物浓度的差异较大，遥感数据和地面监测数据需要进行订正，为高原遥感反演颗粒物浓度提供数据支撑.

  • 图 1  MB/O3体系的实验装置图

    Figure 1.  Experimental setup diagram of MB/O3 system

    下载: 全尺寸图片 幻灯片

    图 2  NOF的优化结构

    Figure 2.  Optimized structure of NOF

    下载: 全尺寸图片 幻灯片

    图 3  NOF的ALIE极小值点分布

    Figure 3.  Distribution of ALIE minima of NOF

    下载: 全尺寸图片 幻灯片

    图 4  NOF分子的CFF着色图

    Figure 4.  CFF coloring of NOF molecule

    下载: 全尺寸图片 幻灯片

    图 5  MB/O3体系中NOF的降解途径

    Figure 5.  Degradation pathway of NOF in MB/O3 system

    下载: 全尺寸图片 幻灯片

    图 6  在MB/O3体系下NOF及降解产物的毒性

    Figure 6.  Toxicity of NOF and degradation products in MB/O3 system

    下载: 全尺寸图片 幻灯片

    表 1  梯度洗脱程序

    Table 1.  Gradient elution program

    时间/minTimeA相比例/%Proportion of mobile phase AB相比例/%Proportion of mobile phase B
    0955
    1955
    8595
    13595
    14955
    15955
    时间/minTimeA相比例/%Proportion of mobile phase AB相比例/%Proportion of mobile phase B
    0955
    1955
    8595
    13595
    14955
    15955
    下载: 导出CSV

    表 2  NOF不同位点键级分布

    Table 2.  Bond level distribution of different sites of NOF

    键BondLBO键级Laplacian bond order键BondLBO键级Laplacian bond order键BondLBO键级Laplacian bond order
    1C-19F0.1206C-15N0.9572C-3C1.317
    21C-23O0.54716C-17C0.9953C-4C1.332
    24N-25C0.54813C-14C0.9981C-6C1.344
    14C-15N0.57025C-26C1.0045C-6C1.350
    15N-16C0.61621C-22O1.0294C-5C1.377
    13C-18N0.66310C-24N1.11910C-11C1.460
    17C-18N0.66511C-21C1.1431C-2C1.601
    4C-24N0.8403C-8C1.151
    8C-20O0.8938C-11C1.193
    键BondLBO键级Laplacian bond order键BondLBO键级Laplacian bond order键BondLBO键级Laplacian bond order
    1C-19F0.1206C-15N0.9572C-3C1.317
    21C-23O0.54716C-17C0.9953C-4C1.332
    24N-25C0.54813C-14C0.9981C-6C1.344
    14C-15N0.57025C-26C1.0045C-6C1.350
    15N-16C0.61621C-22O1.0294C-5C1.377
    13C-18N0.66310C-24N1.11910C-11C1.460
    17C-18N0.66511C-21C1.1431C-2C1.601
    4C-24N0.8403C-8C1.151
    8C-20O0.8938C-11C1.193
    下载: 导出CSV

    表 3  NOF不同位点的CFF

    Table 3.  CFF at different sites of NOF

    原子Atom 序号Serial number q（N） q（N+1） q（N−1） f− f+ f0
    C 1 0.074 0.021 0.131 0.056 0.053 0.055
    C 2 −0.054 −0.110 −0.018 0.036 0.056 0.046
    C 3 −0.048 −0.071 0.026 0.073 0.024 0.048
    C 4 0.046 0.024 0.075 0.029 0.023 0.026
    C 5 −0.074 −0.125 0.001 0.075 0.051 0.063
    C 6 0.047 0.015 0.087 0.040 0.032 0.036
    C 8 0.091 0.029 0.115 0.024 0.061 0.043
    C 10 0.061 −0.084 0.079 0.019 0.144 0.081
    C 11 −0.075 −0.126 −0.059 0.016 0.052 0.034
    C 13 −0.009 −0.011 0.006 0.015 0.003 0.009
    C 14 −0.001 −0.006 0.026 0.028 0.004 0.016
    N 15 −0.045 −0.060 0.103 0.148 0.015 0.081
    C 16 0.002 −0.003 0.029 0.027 0.005 0.016
    C 17 −0.009 −0.011 0.002 0.010 0.002 0.006
    N 18 −0.183 −0.185 −0.175 0.008 0.002 0.005
    F 19 −0.105 −0.130 −0.071 0.033 0.025 0.029
    O 20 −0.396 −0.468 −0.349 0.047 0.072 0.060
    C 21 0.195 0.157 0.203 0.008 0.039 0.023
    O 22 −0.352 −0.392 −0.341 0.012 0.040 0.026
    O 23 −0.186 −0.211 −0.180 0.006 0.025 0.015
    N 24 0.028 −0.021 0.035 0.007 0.049 0.028
    C 25 0.028 0.016 0.033 0.004 0.013 0.009
    C 26 −0.070 −0.078 −0.067 0.003 0.008 0.005
    原子Atom 序号Serial number q（N） q（N+1） q（N−1） f− f+ f0
    C 1 0.074 0.021 0.131 0.056 0.053 0.055
    C 2 −0.054 −0.110 −0.018 0.036 0.056 0.046
    C 3 −0.048 −0.071 0.026 0.073 0.024 0.048
    C 4 0.046 0.024 0.075 0.029 0.023 0.026
    C 5 −0.074 −0.125 0.001 0.075 0.051 0.063
    C 6 0.047 0.015 0.087 0.040 0.032 0.036
    C 8 0.091 0.029 0.115 0.024 0.061 0.043
    C 10 0.061 −0.084 0.079 0.019 0.144 0.081
    C 11 −0.075 −0.126 −0.059 0.016 0.052 0.034
    C 13 −0.009 −0.011 0.006 0.015 0.003 0.009
    C 14 −0.001 −0.006 0.026 0.028 0.004 0.016
    N 15 −0.045 −0.060 0.103 0.148 0.015 0.081
    C 16 0.002 −0.003 0.029 0.027 0.005 0.016
    C 17 −0.009 −0.011 0.002 0.010 0.002 0.006
    N 18 −0.183 −0.185 −0.175 0.008 0.002 0.005
    F 19 −0.105 −0.130 −0.071 0.033 0.025 0.029
    O 20 −0.396 −0.468 −0.349 0.047 0.072 0.060
    C 21 0.195 0.157 0.203 0.008 0.039 0.023
    O 22 −0.352 −0.392 −0.341 0.012 0.040 0.026
    O 23 −0.186 −0.211 −0.180 0.006 0.025 0.015
    N 24 0.028 −0.021 0.035 0.007 0.049 0.028
    C 25 0.028 0.016 0.033 0.004 0.013 0.009
    C 26 −0.070 −0.078 −0.067 0.003 0.008 0.005
    下载: 导出CSV

    表 4  MB/O3体系降解NOF过程中主要中间产物

    Table 4.  The main intermediate products in the degradation of NOF in MB/O3 system

    产物Product 保留时间/mintR 质核比Mass （m/z） 峰强度Peak intensity 分子式Molecular formula 结构式Structural formula
    NOF 4.33 320.14 6.85×106 C16H18FN3O3
    D1 4.33 302.13 5.75×105 C16H19N3O3
    D2 7.55 318.30 3.11×106 C16H19N3O4
    D3 7.55 274.28 6.13×106 C15H19N3O2
    D4 4.80 350.12 1.89×105 C16H16FN3O5
    D5 4.33 322.25 1.98×105 C15H16FN3O4
    D6 4.06 294.13 2.04×105 C14H16FN3O3
    D7 5.34 279.08 6.21×105 C13H11FN2O4
    D8 7.06 251.18 1.46×105 C12H11FN2O3
    D9 0.62 190.12 8.47×104 C11H12N2O
    D10 4.06 336.14 1.19×106 C16H18FN3O4
    D11 10.64 338.34 5.33×106 C16H20FN3O4
    D12 3.25 296.14 3.73×106 C14H18FN3O3
    D13 3.25 268.15 3.59×105 C13H18FN3O2
    D14 2.98 240.05 1.25×105 C12H18FN3O
    D15 0.62 172.11 6.58×104 C8H10FNO2
    D16 3.72 305.16 1.55×105 C16H20FN3O2
    D17 3.25 296.14 3.73×106 C14H18FN3O3
    D18 2.98 269.15 6.64×104 C12H16FN3O3
    D19 4.93 227.18 1.90×105 C10H11FN2O3
    产物Product 保留时间/mintR 质核比Mass （m/z） 峰强度Peak intensity 分子式Molecular formula 结构式Structural formula
    NOF 4.33 320.14 6.85×106 C16H18FN3O3
    D1 4.33 302.13 5.75×105 C16H19N3O3
    D2 7.55 318.30 3.11×106 C16H19N3O4
    D3 7.55 274.28 6.13×106 C15H19N3O2
    D4 4.80 350.12 1.89×105 C16H16FN3O5
    D5 4.33 322.25 1.98×105 C15H16FN3O4
    D6 4.06 294.13 2.04×105 C14H16FN3O3
    D7 5.34 279.08 6.21×105 C13H11FN2O4
    D8 7.06 251.18 1.46×105 C12H11FN2O3
    D9 0.62 190.12 8.47×104 C11H12N2O
    D10 4.06 336.14 1.19×106 C16H18FN3O4
    D11 10.64 338.34 5.33×106 C16H20FN3O4
    D12 3.25 296.14 3.73×106 C14H18FN3O3
    D13 3.25 268.15 3.59×105 C13H18FN3O2
    D14 2.98 240.05 1.25×105 C12H18FN3O
    D15 0.62 172.11 6.58×104 C8H10FNO2
    D16 3.72 305.16 1.55×105 C16H20FN3O2
    D17 3.25 296.14 3.73×106 C14H18FN3O3
    D18 2.98 269.15 6.64×104 C12H16FN3O3
    D19 4.93 227.18 1.90×105 C10H11FN2O3
    下载: 导出CSV
  • [1] KOVALAKOVA P, CIZMAS L, MCDONALD T J, et al. Occurrence and toxicity of antibiotics in the aquatic environment: A review[J]. Chemosphere, 2020, 251: 126351. doi: 10.1016/j.chemosphere.2020.126351
    [2] LI S M, LI J, LI Z, et al. Toxic effects of norfloxacin in soil on fed and unfed Folsomia candida (Isotomidae: Collembola) and on gut and soil microbiota[J]. The Science of the Total Environment, 2021, 788: 147793. doi: 10.1016/j.scitotenv.2021.147793
    [3] ZHANG Q F, ZHANG H, ZHANG Q X, et al. Degradation of norfloxacin in aqueous solution by atmospheric-pressure non-thermal plasma: Mechanism and degradation pathways[J]. Chemosphere, 2018, 210: 433-439. doi: 10.1016/j.chemosphere.2018.07.035
    [4] ZHU F, WU Y Y, LIANG Y K, et al. Degradation mechanism of norfloxacin in water using persulfate activated by BC@nZVI/Ni[J]. Chemical Engineering Journal, 2020, 389: 124276. doi: 10.1016/j.cej.2020.124276
    [5] GHOSH S, KAR S, PAL T, et al. Sunlight-driven photocatalytic degradation of Norfloxacin antibiotic in wastewater by ZnSe microsphere functionalized RGO composite[J]. Sustainable Chemistry for the Environment, 2023, 4: 100038. doi: 10.1016/j.scenv.2023.100038
    [6] WANG X J, HU S S, MAO H T, et al. Facile fabrication of AgVO3/rGO/BiVO4 hetero junction for efficient degradation and detoxification of norfloxacin[J]. Environmental Research, 2023, 227: 115623. doi: 10.1016/j.envres.2023.115623
    [7] FANG C, XU H B, WANG S H, et al. Simultaneous removal of norfloxacin and chloramphenicol using cold atmospheric plasma jet (CAPJ): Enhanced performance, synergistic effect, plasma-activated water (PAW) contribution, mechanism and toxicity evaluation[J]. Journal of Hazardous Materials, 2023, 452: 131306. doi: 10.1016/j.jhazmat.2023.131306
    [8] KIM S H, PARK S Y, KIM G E, et al. Effect of pH and temperature on the biodegradation of oxytetracycline, streptomycin, and validamycin A in soil[J]. Applied Biological Chemistry, 2023, 66(1): 63. doi: 10.1186/s13765-023-00822-1
    [9] SUMESH C K, PAREKH K. Nanocatalytic physicochemical adsorption and degradation of organic dyes[J]. Pramana, 2019, 92(6): 87. doi: 10.1007/s12043-019-1760-0
    [10] WANG C K, LIN C Y, LIAO G Y. Degradation of antibiotic tetracycline by ultrafine-bubble ozonation process[J]. Journal of Water Process Engineering, 2020, 37: 101463. doi: 10.1016/j.jwpe.2020.101463
    [11] WANG P, ZHANG H X, WU Z H, et al. A data-based review on norfloxacin degradation by persulfate-based advanced oxidation processes: Systematic evaluation and mechanisms[J]. Chinese Chemical Letters, 2023, 34(12): 108722. doi: 10.1016/j.cclet.2023.108722
    [12] YUAN Q B, QU S Y, LI R, et al. Degradation of antibiotics by electrochemical advanced oxidation processes (EAOPs): Performance, mechanisms, and perspectives[J]. The Science of the Total Environment, 2023, 856(Pt 2): 159092.
    [13] ANJALI R, SHANTHAKUMAR S. Insights on the current status of occurrence and removal of antibiotics in wastewater by advanced oxidation processes[J]. Journal of Environmental Management, 2019, 246: 51-62.
    [14] LI S, WU Y N, ZHENG H S, et al. Antibiotics degradation by advanced oxidation process (AOPs): Recent advances in ecotoxicity and antibiotic-resistance genes induction of degradation products[J]. Chemosphere, 2023, 311(Pt 2): 136977.
    [15] ZHANG J, LV S Y, YU Q, et al. Degradation of sulfamethoxazole in microbubble ozonation process: Performance, reaction mechanism and toxicity assessment[J]. Separation and Purification Technology, 2023, 311: 123262 doi: 10.1016/j.seppur.2023.123262
    [16] LIU T, ZHANG B, LI W Q, et al. The catalytic oxidation process of atrazine by ozone microbubbles: Bubble formation, ozone mass transfer and hydroxyl radical generation[J]. Chemosphere, 2023, 325: 138361. doi: 10.1016/j.chemosphere.2023.138361
    [17] VERINDA S B, MUNIROH M, YULIANTO E, et al. Degradation of ciprofloxacin in aqueous solution using ozone microbubbles: Spectroscopic, kinetics, and antibacterial analysis[J]. Heliyon, 2022, 8(8): e10137. doi: 10.1016/j.heliyon.2022.e10137
    [18] 杨旭. 微气泡催化臭氧化降解制药废水过程及机制研究[D]. 石家庄: 河北科技大学, 2022.

    YANG X. Study on the process and mechanism of catalytic ozonation of microbubbles in degradation of pharmaceutical wastewater[D]. Shijiazhuang: Hebei University of Science and Technology, 2022 (in Chinese).

    [19] ZHANG J, LIU M, PANG B W, et al. Ciprofloxacin degradation in microbubble ozonation combined with electro-generated H2O2 process: Operational parameters and oxidation mechanism[J]. Separation and Purification Technology, 2023, 325: 124676 doi: 10.1016/j.seppur.2023.124676
    [20] 胡英, 刘洪来. 密度泛函理论[M]. 北京: 科学出版社, 2016.

    HU Y, LIU H L. Density functional theory[M]. Beijing: Science Press, 2016(in Chinese).

    [21] 卢志磊, 范勇杰, 陈洁洁, 等. 基于Gaussian、ECOSAR模型的紫外/次氯酸体系降解含卤阻燃剂的产物预测与毒性评估[J]. 环境化学, 2024, 43(1): 82-91. doi: 10.7524/j.issn.0254-6108.2022063002

    LU Z L, FAN Y J, CHEN J J, et al. Product prediction and toxicity assessment of halogen-containing flame retardants degraded by UV/hypochlorous acid systems based on Gaussian and ECOSAR models[J]. Environmental Chemistry, 2024, 43(1): 82-91 (in Chinese). doi: 10.7524/j.issn.0254-6108.2022063002

    [22] GUTIÉRREZ-SÁNCHEZ P, ÁLVAREZ-TORRELLAS S, LARRIBA M, et al. Influence of transition metal-based activating agent on the properties and catalytic activity of sewage sludge-derived catalysts. Insights on mechanism, DFT calculation and degradation pathways[J]. Journal of Molecular Liquids, 2023, 381: 121840. doi: 10.1016/j.molliq.2023.121840
    [23] YEOM Y, HAN J R, ZHANG X R, et al. A review on the degradation efficiency, DBP formation, and toxicity variation in the UV/chlorine treatment of micropollutants[J]. Chemical Engineering Journal, 2021, 424: 130053. doi: 10.1016/j.cej.2021.130053
    [24] 陈洁洁, 范勇杰, 杨婧, 等. 基于Guassian、Multiwfn及ECOSAR的氮磷系阻燃剂在UV/PDS体系中的降解路径及产物毒性预测研究[J]. 环境科学学报, 2022, 42(12): 39-48.

    CHEN J J, FAN Y J, YANG J, et al. Degradation pathway and product toxicity prediction of nitrogen phosphorus flame retardants in UV/PDS system based on Guassian, Multiwfn and ECOSAR[J]. Acta Scientiae Circumstantiae, 2022, 42(12): 39-48 (in Chinese).

    [25] MARENICH A V, CRAMER C J, TRUHLAR D G. Universal solvation model based on solute electron density and on a continuum model of the solvent defined by the bulk dielectric constant and atomic surface tensions[J]. The Journal of Physical Chemistry. B, 2009, 113(18): 6378-6396. doi: 10.1021/jp810292n
    [26] FRISCH M J, TRUCKS G W, SCHLEGEL H B, et al. Gaussian 16 Rev. C. 01[CP/OL].
    [27] LU T, CHEN F W. Bond order analysis based on the Laplacian of electron density in fuzzy overlap space[J]. The Journal of Physical Chemistry. A, 2013, 117(14): 3100-3108. doi: 10.1021/jp4010345
    [28] LU T, CHEN F W. Multiwfn: A multifunctional wavefunction analyzer[J]. Journal of Computational Chemistry, 2012, 33(5): 580-592. doi: 10.1002/jcc.22885
    [29] ALAM M S, LEE D U. Molecular structure, spectral (FT-IR, FT-Raman, Uv-Vis, and fluorescent) properties and quantum chemical analyses of azomethine derivative of 4-aminoantipyrine[J]. Journal of Molecular Structure, 2021, 1227: 129512. doi: 10.1016/j.molstruc.2020.129512
    [30] HUMPHREY W, DALKE A, SCHULTEN K. VMD: Visual molecular dynamics[J]. Journal of Molecular Graphics, 1996, 14(1): 33-38,27-28. doi: 10.1016/0263-7855(96)00018-5
    [31] GEERLINGS P, de PROFT F, LANGENAEKER W. Conceptual density functional theory[J]. Chemical Reviews, 2003, 103(5): 1793-1873. doi: 10.1021/cr990029p
    [32] FENG X F, LONG R X, LIU C C, et al. Flexible Z-scheme heterojunction membrane reactors for visible-light-driven antibiotic degradation and oil-water separation[J]. Chemical Engineering Journal, 2023, 471: 144447. doi: 10.1016/j.cej.2023.144447
    [33] LYKOS C, KOURKOUTA T, KONSTANTINOU I. Study on the photocatalytic degradation of metronidazole antibiotic in aqueous media with TiO2 under lab and pilot scale[J]. The Science of the Total Environment, 2023, 870: 161877. doi: 10.1016/j.scitotenv.2023.161877
    [34] 王福生, 孙玮, 张渝, 等. 过渡金属离子促进煤自燃机理的量子化学计算[J]. 煤炭学报, 2024, 49(5) : 2347-2359.

    WANG F S, SUN W, ZHANG Y, et al. Quantum chemical calculation of transition metal ions promoting coal spontaneous combustion mechanism[J]. Journal of China Coal Society, 2024, 49(5) : 2347-2359 (in Chinese).

    [35] PARLAK C, ALVER Ö. A density functional theory investigation on amantadine drug interaction with pristine and B, Al, Si, Ga, Ge doped C60 fullerenes[J]. Chemical Physics Letters, 2017, 678: 85-90. doi: 10.1016/j.cplett.2017.04.025
    [36] KURBAN M, MUZ İ. Theoretical investigation of the adsorption behaviors of fluorouracil as an anticancer drug on pristine and B-, Al-, Ga-doped C36 nanotube[J]. Journal of Molecular Liquids, 2020, 309: 113209. doi: 10.1016/j.molliq.2020.113209
    [37] 付蓉, 卢天, 陈飞武. 亲电取代反应中活性位点预测方法的比较[J]. 物理化学学报, 2014, 30(4): 628-639. doi: 10.3866/PKU.WHXB201401211

    FU R, LU T, CHEN F W. Comparing methods for predicting the reactive site of electrophilic substitution[J]. Acta Physico-Chimica Sinica, 2014, 30(4): 628-639 (in Chinese). doi: 10.3866/PKU.WHXB201401211

    [38] WU Y H, LI Y L, HE J Y, et al. Nano-hybrids of needle-like MnO2 on graphene oxide coupled with peroxymonosulfate for enhanced degradation of norfloxacin: A comparative study and probable degradation pathway[J]. Journal of Colloid and Interface Science, 2020, 562: 1-11. doi: 10.1016/j.jcis.2019.11.121
    [39] DENG J, XU M Y, CHEN Y J, et al. Highly-efficient removal of norfloxacin with nanoscale zero-valent copper activated persulfate at mild temperature[J]. Chemical Engineering Journal, 2019, 366: 491-503. doi: 10.1016/j.cej.2019.02.073
    [40] XUE L, ZHAO C X, LIU J M, et al. Microwave electrodeless UV light source combine ozone generation with photocatalytic simultaneous degradation of norfloxacin[J]. Chemical Engineering and Processing - Process Intensification, 2023, 186: 109325. doi: 10.1016/j.cep.2023.109325
    [41] XU Z M, XUE X J, HU S H, et al. Degradation effect and mechanism of gas-liquid phase dielectric barrier discharge on norfloxacin combined with H2O2 or Fe2+[J]. Separation and Purification Technology, 2020, 230: 115862. doi: 10.1016/j.seppur.2019.115862
    [42] ZHAO Y P, SUN Q, ZHANG J, et al. Construction of Fe/N/C nano-clusters anchored on porous diatomite for efficient removal of norfloxacin via the adsorption-PMS activation[J]. Separation and Purification Technology, 2023, 310: 123127. doi: 10.1016/j.seppur.2023.123127
    [43] ZHOU Y, HE J, LU J, et al. Enhanced removal of bisphenol A by cyclodextrin in photocatalytic systems: Degradation intermediates and toxicity evaluation[J]. Chinese Chemical Letters, 2020, 31(10): 2623-2626. doi: 10.1016/j.cclet.2020.02.008
    [44] LIU H Y, CHEN H J, ADDISON F, et al. Insights into electrocatalytic oxidation of aqueous ampicillin: Degradation mechanism and potential toxicity from intermediates[J]. Journal of Environmental Chemical Engineering, 2022, 10(6): 108673. doi: 10.1016/j.jece.2022.108673
    [45] YANG J X, LV G C, LI T T, et al. Theoretical insight into the degradation of diclofenac by hydroxyl and sulfate radicals in aqueous-phase: Mechanisms, kinetics and eco-toxicity[J]. Journal of Environmental Chemical Engineering, 2022, 10(5): 108311. doi: 10.1016/j.jece.2022.108311
    [46] HE B, SONG L X, ZHAO Z X, et al. CuFe2O4/CuO magnetic nano-composite activates PMS to remove ciprofloxacin: Ecotoxicity and DFT calculation[J]. Chemical Engineering Journal, 2022, 446: 137183. doi: 10.1016/j.cej.2022.137183
  • 加载中
WeChat 点击查看大图
图( 6) 表( 4)
计量
  • 文章访问数:  1119
  • HTML全文浏览数:  1119
  • PDF下载数:  24
  • 施引文献:  0
出版历程
  • 收稿日期:  2023-12-21
  • 录用日期:  2024-03-26
  • 刊出日期:  2025-01-27
张静, 于倩, 丁亮亮, 刘春, 闫晨旭, 牛建瑞, 张瑞娜. 基于密度泛函理论的微气泡臭氧化诺氟沙星降解途径与毒性评估[J]. 环境化学, 2025, 44(1): 288-298. doi: 10.7524/j.issn.0254-6108.2023122102
引用本文: 张静, 于倩, 丁亮亮, 刘春, 闫晨旭, 牛建瑞, 张瑞娜. 基于密度泛函理论的微气泡臭氧化诺氟沙星降解途径与毒性评估[J]. 环境化学, 2025, 44(1): 288-298. doi: 10.7524/j.issn.0254-6108.2023122102
shu
ZHANG Jing, YU Qian, DING Liangliang, LIU Chun, YAN Chenxu, NIU Jianrui, ZHANG Ruina. Degradation pathway and toxicity assessment of microbubble ozonation of Norfloxacin based on Density Functional Theory[J]. Environmental Chemistry, 2025, 44(1): 288-298. doi: 10.7524/j.issn.0254-6108.2023122102
Citation: ZHANG Jing, YU Qian, DING Liangliang, LIU Chun, YAN Chenxu, NIU Jianrui, ZHANG Ruina. Degradation pathway and toxicity assessment of microbubble ozonation of Norfloxacin based on Density Functional Theory[J]. Environmental Chemistry, 2025, 44(1): 288-298. doi: 10.7524/j.issn.0254-6108.2023122102
shu

基于密度泛函理论的微气泡臭氧化诺氟沙星降解途径与毒性评估

    通讯作者: E-mail：liuchun@hebust.edu.cn; 
  • 河北科技大学环境科学与工程学院，河北省污染防治生物技术重点实验室，石家庄，050018
  • 收稿日期:  2023-12-21
  • 录用日期:  2024-03-26
  • 网络出版日期:  2025-01-17
基金项目:
国家重点研发计划项目（2022YFE0119000）资助.

摘要: 诺氟沙星(Norfloxacin，NOF)为第三代喹诺酮类抗菌药被广泛应用，易在环境中积累，威胁人类健康和环境安全. 本研究采用Gaussian与Toxicity Estimation Software Tool(T.E.S.T.)软件预测在微气泡臭氧化(MB/O3)体系中NOF的降解途径与降解产物的生态毒性. 结果表明，MB/O3体系中的羟基自由基等活性氧物质易对NOF分子结构上键级较小、平均局部离子化能较低以及简缩Fukui函数较高的反应位点进行攻击；液相色谱-串联质谱法(LC-MS/MS)分析结果结合模型计算推测，MB/O3处理NOF降解途径包括：脱氟反应、哌嗪环转化、羟基取代反应和喹诺酮环氧化；利用T.E.S.T.软件评估NOF及降解产物的毒性，发现NOF对口服大鼠、胖头鱼、水蚤均存在负面影响，具有发育毒性，无致突变性，且降解过程中可能会产生比NOF毒性大的产物. 本研究采用模型预测NOF降解途径与生态毒性的方法便捷有效，可为MB/O3体系降解复杂有机分子的降解途径和生态毒性研究提供理论依据.

English Abstract

    全文HTML

  • 诺氟沙星（NOF）又名氟哌酸，是第三代喹诺酮类抗菌药，是一种难降解性有机物[1]. NOF具有抗菌谱广和作用性强的特点，已广泛用于人类和兽医学，以预防和治疗细菌引起的感染[2]. 而NOF并不被人类和牲畜完全代谢，因此，NOF可能会通过尿液和粪便的方式被排放到城市污水中[3]，容易在环境中累积[4 − 5]，导致人类生活环境风险的增加. 有研究表明，NOF对植物和水生生物具有毒性[6 − 7]，会对水生环境造成不利的生态影响. 显然，为了保证人类及生态环境健康发展，对NOF进行降解减毒研究具有重要意义. 废水中喹诺酮类抗生素的传统去除方法可分为生物降解[8]、物理吸附[9]、和化学氧化，但存在降解时间长、矿化度不高、易造成二次污染等缺点. 近年来，臭氧[10]、过硫酸盐[11]、电化学[12]等高级氧化过程（AOPs）氧化技术引起了广泛的关注. AOPs已被证明可有效降解抗生素药物[13 − 14]. 其中，臭氧氧化具有无二次污染、反应效率高和成本低的优势. 臭氧在水溶液中可由链式反应[15]分解产生活性氧物质（ROS），如·OH、1O2、·O2-等，·OH具有强氧化性（E0 = 2.80 eV）和非选择性的特点，可以与溶液中大多数抗生素药物发生快速反应. 但单独臭氧氧化在利用率和矿化能力上存在缺点，限制了其应用. 微气泡（MB，平均直径<50 μm）技术的研究为单独臭氧化过程的不足提供了解决办法. MB不同于传统气泡（CB），MB表面张力会引起较高的内部压力，使得臭氧溶解在水中，并发生MB的收缩和塌陷[16]. MB的界面面积更大，导致其在水中上升速度变慢. 因此，这增加了臭氧从气相转移到液相的效率，进而增加抗生素与臭氧微气泡发生氧化反应的可能性[17]. 微气泡臭氧化（MB/O3）体系利用MB与臭氧耦合产生ROS，依据已有报道，该系统主要ROS为·OH[15,18 − 19]. 密度泛函理论（DFT）是一种研究物质结构统计性的理论，既可以用于研究微观结构，也可以用于研究宏观结构，是提供原子、分子以及晶体和表面的结构，并得到相应结构特性的基本工具[20]. 近年来，基于DFT应用Gaussian模型预测优先反应位点并推测降解产物的研究者逐渐增多，卢志磊等[21]和Pablo等[22]使用Gaussian模型预测有机物活性位点推测降解产物路径. 但降解产物毒性鉴定需要昂贵或复杂的仪器进行分析[23].

    因此，本研究基于密度泛函理论（DFT）方法，采用Gaussian模型和Multiwfn程序计算NOF的各拉普拉斯键级（Laplacian bond order, LBO）、平均局部离子化能（average local ionization energy, ALIE）和简缩Fukui函数确定MB/O3体系中NOF优先发生反应的活性位点，与MB/O3工艺降解NOF实验所得LC-MS/MS的结果相结合，从而预测可能的反应路径. 最后，通过定量构效关系（QSAR）考察降解中间产物的毒性[24]，利用T.E.S.T.模型评估NOF及其中间体的生态毒性，为NOF在MB/O3体系下的降解途径与中间产物毒性预测提供新思路.

    • 1.   材料与方法（Materials and methods）

      1.1.   实验试剂

    • 诺氟沙星（NOF，≥98%）购自麦克林生化科技股份有限公司（上海，中国），靛蓝二磺酸钠（90%）从易恩化学技术有限公司购买（上海，中国）. 碘化钾和硫代硫酸钠购于永大试剂有限公司（天津，中国）. 去离子水由Milli-Q超纯水机制备. 所有化学试剂均为分析纯.

      • 1.2.   降解实验过程

    • 实验装置如图1所示，在臭氧浓度12 mg·min−1、气流量0.3 L·min−1、初始NOF浓度为50 mg·L−1、有效体积为10 L的实验条件下，进行MB/O3降解NOF废水实验. 实验时间90 min，前30 分钟每隔5 min取适量NOF水样，后30 min每隔10 min取样1次，水样经有机滤膜（0.45 μm，有机尼龙66）过滤后，进行LC-MS/MS测定.

      • 1.3.   LC-MS/MS检测方法

    • 本研究采用液相色谱（1290 UPLC，安捷伦）与质谱（Q-TOF 6550，安捷伦）联用测定中间产物的质核比进而与模拟结果相对比，确定降解中间产物.

      色谱条件：Waters BEH C18（2.1 mm×100 mm 1.7 μm）；流速0.3 mL·min−1；进样量5μL；流动相A：0.1%甲酸-水溶液；流动相B：甲醇溶液. 梯度洗脱程序见表1.

      质谱条件：ESI+模式电压4000V；一级扫描50—600 m/z；二级扫描起始离子50 m/z；鞘气温度：350 ℃；鞘气流量：12 L·min−1.

      • 1.4.   计算和方法

    • 借助Gauss View 6.0对NOF分子进行几何结构构建，以DFT为基础，溶剂化效应选取Solvation Model Based on Density （SMD）溶剂模型[25] （solvent=water），使用B3LYP-D3泛函，选择6-311 G （d,p）基组，采用Gaussian 16W[26]进行NOF分子振动频率和几何结构优化计算.

      • 1.4.1.   键级的计算

    • 在对NOF分子的化学键键级计算时，选用LBO键级. LBO比Mayer bond order和natural localized molecular orbital bond order更具有区分键强度的能力，这使得LBO可以更准确地描述和预测化学键的性质和行为. LBO与键极性和键解离能之间存在直接的相关性，它已被证明具有合理性和实用性[27]. 因此，使用Multiwfn 3.8[28]程序进行LBO键级计算.

      • 1.4.2.   ALIE的计算

    • ALIE被定义为由轨道密度加权的轨道能量的总和，用于理解分子的化学反应性[29]. ALIE方法可用于分子反应位点的定量分析，其中可能更倾向于亲电攻击. ALIE极值点分布图可以使用Multiwfn程序可视化，利用Visual Molecular Dynamics （VMD 1.9.3）[30]程序对ALIE极值点分布图进行渲染. ALIE的极小值表示电子结合更松散且容易与亲电试剂反应的区域.

      • 1.4.3.   简缩Fukui函数的计算

    • Fukui函数是指分子中电子密度函数的变化[31]. 为了便于在定量层面上比较各个位点的福井函数，定义了简缩Fukui函数（CFF），CFF是基于Hirshfeld电荷（q）来计算的，是将Fukui函数收缩到各个原子上，使每个原子具有一个确定的数值. 使用Multiwfn采用了Hirshfeld电荷计算NOF分子的CFF. 结合VMD软件绘制了NOF分子的CFF原子着色图来预测NOF分子亲电或自由基反应活性位点.

      • 1.4.4.   潜在毒性评估

    • 采用QSAR计算NOF及其降解产物的生态毒性. 通过美国环境保护署开发的T.E.S.T.软件（版本5.1.2）评估氧化产物的急性毒性、生物累积因子、发育毒性和致突变性. 将CAS登录号或物质名称或分子结构输入T.E.S.T.程序中，随后得出LC50（96 h/48 h内对半数暴露于水中的胖头鱼/水蚤致死的浓度）、LD50（大鼠口服该化学品后，半数致死的数量）、生物累积因子、发育毒性和致突变性[32]. 所采用的方法是共识方法，因为此方法在外部验证过程中获得了最佳的预测结果[33].

    2.   结果与讨论（Results and discussion）

      2.1.   NOF的键级

    • 借助Gauss View 6.0对NOF分子进行几何结构构建，NOF分子几何结构优化如图2所示. 键级又称为键序，属于对原子之间化学键的定量分析，适用于有机体系，可以被用来预测分子的断键强度[34]. LBO与键解离能有直接关系，可以用来评估两个原子之间的化学键强弱[27,35]，且LBO与原子之间的键长呈正相关[36]. LBO计算所得数值如表2所示，1C-19F的键级值最小，为0.120. 其次为21C-23O和24N-25C，分别为0.547和0.548. 苯环上的碳碳双键的键级在1.31—1.38的范围内，键级值较高. 因此，C（1）和F（19）之间的键最容易断裂，发生脱氟反应. 其次为O（21）-O（23）和N（24）-C（25）之间的共价键容易受到影响被破坏. 苯环的共价键由于其较高的键级值不容易发生断裂.

      • 2.2.   NOF的ALIE

    • ALIE是指分子失去电子变成离子的能量，所需能量越小，表示电子解离能越低，更易发生亲电和自由基反应. ALIE可弥补分子表面静电势在分析亲电反应活性位点方面的不足. 如图3所示，极小值点已经标出，以便直观地表达所有位置的情况. 蓝色代表较小的ALIE，绿色代表较大的ALIE，白色充当从蓝色到绿色的过渡颜色. 青色代表等表面上的ALIE极小值，可能为亲电攻击的有利位置. NOF分子的哌嗪环上的N（18）原子、苯环和喹诺酮环上的C（11）原子附近的蓝色区域尤为明显，分子哌嗪环上N（15）原子和喹诺酮环上3个O（20）、O（22）和O（23）原子处也存在蓝色区域. N原子附近存在整体ALIE的最小值是7.39 eV，表明N原子处最容易发生亲电反应或者自由基反应. C（10）和C（11）之间的双键、N（15）和喹诺酮环上3个O（20）、O（22）和O（23）原子附近ALIE数值较小，亲电反应也可能在这些地方发生. 这是由于这些原子存在孤对电子从而容易发生亲电反应. 而苯环为π-π共轭体系，比其他键反应活性弱，不易于发生亲电反应.

      • 2.3.   NOF的CFF

    • CFF中f-表示为NOF分子体系中各原子可以作为亲电反应位点的程度，f0体现的是自由基攻击NOF分子上的各原子的程度，数值越正越容易发生相应类型的反应[37]. 如图4所示为根据CFF的数值大小对NOF分子上的原子进行着色，红色为正值，蓝色为负值. 各原子的颜色越红表明数值越大，数值越小颜色越蓝. NOF不同位点的CFF计算结果如表2所示，根据表3描述亲电反应的数值由大到小排序为：15（N） > 5（C） > 3（C） >1（C） > 20（O） >6（C） >2（C） > 19（F） > 4（C） > 14（C）>16（C） > 8（C） > 10（C ） > 11（C）> 13（C） > 22（O） > 17（C） > 18（N） > 21（C） > 24（N） > 23（O） > 27（H） > 25（C） > 26（C）. 描述自由基反应的数值由大到小排序为：10（C） > 15（N） > 5（C） > 20（O） > 1（C） > 3（C） > 2（C） > 8（C） > 6（C） > 11（C） > 19（F） > 24（N） > 4（C） > 22（O） > 21（C） > 16（C） > 14（C） > 23（O） > 13（C） > 25（C） > 17（C） > 26（C） > 18（N）.

      综上所述，N15（f-=0.148）、C5（f-=0.075）、O20（f-=0.047）、F19（f-=0.033）容易受到亲电试剂的攻击，C10（f0 = 0.081）、N15（f0 = 0.081）、C5（f0 = 0.063）和O20（f0 = 0.060）容易受到自由基攻击.

      • 2.4.   MB/O3体系降解NOF产物推测

    • 在MB/O3体系中，·OH起主要降解作用. 采用LC-MS/MS检测MB/O3过程中的NOF降解中间产物和粗略的定量分析，在MB/O3降解实验中检测到19种中间体如表4所示. DFT预测结果结合LC-MS/MS检测的结果，可获得MB/O3降解NOF主要通过3种反应类型：（1）脱氟反应；（2）哌嗪环转化；（3）喹诺酮环氧化. MB/O3降解NOF反应途径如图5所示.

      途径Ⅰ：由于NOF分子的1（C）-19（F）键的不稳定性，该键发生断裂，导致脱氟反应的发生，并生成D1，与上述计算所得出1（C）-19（F）的LBO键级是最小的一致，CFF预测1（C）-19（F）之间的共价键容易断裂. 随后在1（C）上发生羟基化反应生成羟基化产物D2，进一步通过脱羧反应生成D3. Wu等[38]报道了使用MnO2/GO纳米材料活化过一硫酸盐技术降解诺氟沙星过程中有类似的途径. 在本研究中降解30 min和80 min时，通过总离子色谱仪（TIC）模式观察，发现D2的峰有明显的增加趋势. 在80 min时，观察到D3的峰最为显著，这可能进一步证明了途径Ⅰ为主要途径.

      途径Ⅱ：哌嗪环部分被·OH氧化生成中间产物D4. 根据计算CFF的亲电反应，13（C）和14（C）原子处具有较高的f-，易亲电试剂所攻击. 然后哌嗪环被氧化发生裂解和结构重排形成含有醛基产物D5，醛基被氧化失去后形成D6. 消除反应发生在N原子上，16（C）-17（C）被氧化形成带醛基的产物D7. 哌嗪环被活性氧氧化消失，剩下一个氨基生成D8. 然后发生脱羧和脱氟反应生成D9. 在Deng等[39]和Li等[40]的研究结果中，发现了与此途径类似的中间产物.

      途径Ⅲ：10（C）处CFF的f0= 0.0814，数值最大，也最有可能在此处发生自由基反应. ·OH通过抽氢反应和自由基结合形成产物D10，Xu等[41]报道·OH容易攻击NOF喹诺酮环中羧酸基的C=C键. D11是C=C被ROS氧化喹诺酮环开环的产物，喹诺酮环再进行氧化失去羰基生成D12和D13，然后脱去羧基形成D14和CO2，哌嗪环被氧化完全后再发生羟基加成形成D15. 通过30 min时的TIC模式观察，D11的丰度仅次于D3，途径Ⅲ中的各中间产物（除了D15）均在30 min时被观察到. 在30 min降解过程中，途径Ⅲ中的喹诺酮环氧化是MB/O3过程中仅次于途径Ⅰ的降解途径.

      途径Ⅳ：由ALIE方法得出22号O原子可以被ROS所攻击发生亲电反应. NOF发生脱羧反应生成D16[42]. D17是在D16的喹诺酮环上面的C=C处发生氧化反应形成的. D17的哌嗪环上发生氧化开环反应形成D18. D19是哌嗪环全部被氧化完全得到的结果. 通过观察降解实验发生30 min和80 min的TIC，可以发现在所有途径中，途径Ⅳ的产物离子丰度都是最低的，甚至远远低于途径Ⅰ. 相比之下，途径Ⅰ和Ⅲ的产物离子丰度较高，说明在MB/O3过程中它们是主导的反应途径. 因此，根据这些观察结果，可以得出途径Ⅳ是MB/O3过程中最次要的降解途径.

      • 2.5.   NOF及其降解产物的生物毒性预测

    • 基于QSAR，使用T.E.S.T毒性评估工具预测MB/O3体系中的NOF和其中间产物的生态毒性. QSAR模型根据分子理化性质参数或化学结构参数与其毒理活性之间的定量关系预测相应的毒性数据[43]. 通过T.E.S.T.软件可计算出导致50%的口服大鼠（OR）死亡的化学物质剂量LD50、导致50%的胖头鱼（FM）在96 h后死亡的化学物质浓度LC50、导致50%的水蚤（DM）在48 h后死亡的化学物质浓度LC50、生物富集因子（BCF）、致突变性和发育毒性. 根据全球化学品统一分类和标签制度（GHS）和上述计算所得值，进而评估NOF及降解产物的毒性.

      在MB/O3体系下NOF及降解产物的毒性如图6（a）所示. 可以看到，一些OR的LD50没有预测数值，这可能是缺乏相应的实验数据[44]. 对于OR，NOF被认定具有轻度危害. 而在MB/O3过程中产生的降解中间体的LD50均小于母体化合物（NOF），表明在降解过程中产生了毒性略强的中间体，尤其是D14对于口服大鼠被认定具有中度危害. 导致FM和DM在96 h和48 h后死亡的化学物质浓度小于1 mg·L−1、1—10 mg·L−1、10—100 mg·L−1和大于100 mg·L−1，分别被定义为“剧毒”、“有毒”、“有害”和“无害”. NOF对FM表现为有毒作用，而对DM表现为有害作用. 对于FM，大多数臭氧氧化中间体被定义为“有毒”化合物，对水生生物构成了威胁，这可能是因为这些产物中含有脂肪族胺结构或者酰胺结构. 但这些产物的毒性小于母体化合物，D19对于FM是没有毒害作用的. 对于DM，D6、D8、D9、D14和D15被定义为“有毒”化合物，其毒性大于母体化合物. D11、D17和D18被定义为“无害”化合物，因为它们的急性毒性均高于100 mg·L−1. 此外，BCF可以用来衡量生物从环境之中吸收并积累某种物质的程度，除D3、D9、D13、D14、D15和D16外，其余产物的生物累积因子值均低于母体化合物，表明NOF的降解过程伴随着累积毒性.

      发育毒性是受到环境因素（如药物、环境中的有毒化学物质）的影响导致生物体不能够正常生长、分化和发育[45]. 如图6（b）所示，NOF的发育毒性为1.09，高于毒性阈值0.5. 表明NOF是一种发育毒性化合物. 这与NOF本身药物使用事的注意事项一致，18岁以下儿童患者不能服用，否则会延缓未成年人的骨骼形成，会影响到发育. 尽管NOF的降解中间产物的发育毒性有所降低，但仍处于发育毒性水平（D15除外）. 此外，根据致突变性结果，除D14、D15、D18和D19外，NOF及其他降解中间产物致突变性均高于0.5[46]，并不具有致突变性. 随着NOF的降解，降解产物中仅少部分为诱变毒性化合物. 急性毒性，生物富集因子，致突变性和发育毒性是综合毒性的决定因素. 一些降解中间产物，如D6、D8、D10、D14和D15，由于其较高的综合毒性，具有较高的环境风险，我们应更加重视降解产物的毒性.

    3.   结论（Conclusion）

    • （1） 采用Gaussian模型计算典型抗生素NOF的LBO键级，利用Multiwfn程序计算平均局部离子化能和简缩Fukui函数，其中C（1）和F（19）之间的键最容易断裂，发生脱氟反应；哌嗪环上的N（18）原子、苯环和喹诺酮环上的C（11）原子最易发生亲电反应和自由基反应；C5 （f 0 = 0.063）和O20 （f 0 = 0.0598）既容易受到亲电攻击又容易受到自由基攻击. 基于模型预测，结合LC-MS/MS分析推测得到MB/O3体系下NOF的降解途径主要包括：脱氟、哌嗪环转化和喹诺酮环氧化反应.

      （2） 利用T.E.S.T.软件对上述降解产物的毒性进行评估，得出NOF对大鼠、胖头鱼和水蚤有害，NOF具有发育毒性但无致突变性；NOF降解过程中会产生毒性比母体强的产物，并且降解过程中可能会伴随毒性累积.

    参考文献 (46)

返回顶部

目录

/

返回文章
返回

Copyright © 2019 中国科学院生态环境研究中心