饮用水管网生物膜细菌群落特征及其对腐蚀的影响

尹朗; 赵丹; 张素佳; 王海波

doi:10.12030/j.cjee.201505126

饮用水管网生物膜细菌群落特征及其对腐蚀的影响

1.
苏州科技大学环境科学与工程学院, 苏州 215011
2.
中国科学院生态环境研究中心, 北京 100085
基金项目:
国家自然科学基金资助项目（51308529，51290281）

国家水体污染控制与治理科技重大专项（2012ZX07404002）
中图分类号: X172

Characteristics of biofilm bacterial communities in drinking water pipelines and their effects on corrosion

1.
School of Environmental Science and Engineering, Suzhou University of Science and Technology, Suzhou 215011, China
2.
Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China
Fund Project:

摘要: 通过454高通量测序对北方A和B两实际饮用水管网系统中生物膜细菌群落特征进行表征，并研究了其对管网腐蚀产物组成的影响。结果表明，A管网生物膜细菌群落丰度和多样性高于B管网生物膜。在门水平上，两管网生物膜细菌群落主要为变形菌门Proteobacteria，但B管网生物膜中的相对丰度（67.10%）高于A（46.50%）。在纲水平上，A管网生物膜主要为β-变形菌纲Betaproteobacteria，B管网生物膜中主要为β-变形菌纲Betaproteobacteria和δ-变形菌纲Deltaproteobacteria。在属水平上，A管网生物膜中腐蚀相关菌群主要为硝酸盐还原菌和铁还原菌，其腐蚀产物主要为α-FeOOH和Fe3O4，而B管网生物膜中硫酸盐还原菌特别是脱硫弧菌属Desulfovibrio含量较高，其可能与管垢中绿锈含量高有关。
- 454高通量测序 /
- 饮用水管网 /
- 生物膜 /
- 腐蚀产物
Abstract: The biofilm bacterial communities present in drinking water pipelines A and B in northern China were characterized by 454 pyrosequencing,and their effects on the composition of corrosion products were studied.The results showed that the richness and diversity of the biofilm bacterial community in pipeline A were higher than that in pipeline B.At the phylum level,Proteobacteria was dominant in the biofilm bacterial community in both water pipelines.However,the relative abundance of Proteobacteria was higher in the biofilm bacterial community of pipeline B (67.10%) than that of pipeline A (46.50%).At the class level,Betaproteobacteria was dominant in the biofilm bacterial community of pipeline A,while Betaproteobacteria and Deltaproteobacteria were dominant in the biofilm bacterial community of pipeline B.At the genus level,in pipeline A,the corrosion-associated bacteria in the biofilm bacterial community were nitrate- and iron-reducing bacteria and corrosion products were α-FeOOH and Fe3O4.On the other hand,in pipeline B,the main corrosion-associated bacteria the biofilm bacterial community were sulfate-reducing bacteria,especially Desulfovibrio,which may correspond to the high content of green rust among corrosion products in pipeline B.
- 454 pyrosequencing /
- drinking water pipelines /
- biofilm /
- corrosion products

随着党的“十八大”召开，“五位一体”总体布局战略目标的提出，中国对于生态文明建设的重视提高至一个新高度。我国矿产资源开采历史悠久，在为国家经济发展提供坚实保障的同时，因不合理矿产资源开发利用方式导致遗留大量的矿山废弃地，产生了诸多矿山生态环境问题^[1]。近年来，国家投入大量资金与技术支持，而在治理后矿山生态修复效果如何，是否达到预期目标，备受国内外各界关注。

国际上早在20世纪60年代便开始矿山废弃地生态修复效果的研究，并多角度地提出一些评价指标体系与方法，从而综合考量研究区生态修复质量^[2-3]。国际生态委员会从生态系统抗干扰能力、生态恢复的功能与结构以及相邻生态系统的物质能量交流3个角度提出了矿区生态恢复质量评价的9个指标^[4]。KRABBENHOFT et al^[5]通过分析对比矿山废弃地修复区与周边区域植被因子及土壤因子的差异，最终提出了地形土壤单元评价方法，对研究区生态修复效果进行了有效评价。中国在该领域起步较晚，但发展迅速。中国学者普遍认为矿山生态修复效果评估涉及多学科的研究方法，在实践中多应用生态系统评估理论、生态系统服务价值方法进行综合评价^[6] 。刘永光^[7]通过以植物群落性状、土壤理化性状和土壤种子库性状3个层次构建了矿山修复指标体系，对北京市某矿山废弃地工程生态恢复的效果进行评估，取得良好效果。不同矿山废弃地因自然条件、人类活动和政策等因素影响，在构建评价指标体系时要因地制宜，多方面、多角度综合考虑。

目前，我国学者多侧重于矿山生态修复工程区开展研究。王创业等^[8]运用AHP法基于地质环境、地质背景和人类扰动3方面构建评价模型对鄂尔多斯煤矿生态环境质量进行评价，所得结果与实际情况基本相符。但矿山修复后生态系统服务功能及其效果体现，不仅表现在工程区域，对于周边区域也有着积极优化影响。随着社会各界对矿山废弃地生态修复工作的支持力度大幅提升，国家对生态文明建设的高度重视。基于上述情况，本研究结合遥感监测与实验分析方法多尺度对王平煤矿生态环境质量进行综合评价分析，以期为王平煤矿土地合理规划、生态修复工程维护管理等提供依据。

1. 研究区与数据来源

1.1 研究区概况

王平煤矿废弃地位于北京市门头沟区王平镇境内，研究区地处东经 115°57′33″～115°58′57″，北纬 39°57′17″～39°57′59″，属暖温带半湿润半干旱季风气候。总面积123 hm²，位于王平镇政府及王平村煤矿的西侧，俗称坷垃洼地区。研究区平均海拔328 m，自王平村开始，自东向西，海拔从170 m逐步上升为最高处370 m。而研究区自北向南，高差变化从312到357 m，变化相对较小。区域内有煤矸石山压占及塌陷坑2个典型煤矿废弃地生态环境破坏类型，为门头沟区生态修复示范工程。

研究区生态修复工程自2007年开始陆续实施，于2010年完成治理。2011—2020年通过生态种植区、京津风沙源治理工程等项目，使王平煤矿废弃地生态环境进一步得到改善。研究区位，见图1。

图 1 研究区概况

Figure 1. Overview of the study area

下载: 全尺寸图片幻灯片

1.2 数据来源

依据高分一号遥感影像数据并结合现场踏勘及采样条件，在王平煤矿划分3类研究对比区域：对照区、高修复区与低修复区。且3类研究区均位于王平煤矿修复区中部，各研究分区样品采集时间为2021年7—8月。

对于各研究分区土壤调查，为了保证样品的代表性，采取采集混合样的方案。根据实际情况，低修复区与高修复区采用对角线布点法，对照区采用梅花布点法（根据地势情况，布点法进行修改）。每个区域采集9个混合样，每个混合样依据对角线法由5个土样混合得到，3个区域一共采集27个土样。

对于各研究分区植被调查，在不同植物修复模式里分别随机设置样方，其中草本采用1 m×1 m=1 m²的样方, 灌木采用4 m×4 m =16 m²的样方, 乔木采用10 m×10 m=100 m²的样方。根据生态样方调查的结果，确定研究区域内的优势物种。在每个典型样地内分别采集每种优势物种的植物体样品。其中：乔木采集枝叶，灌木采集地上植株，草本采集地上植株。采样方案同土壤采样方案。

2. 基于工程区尺度综合评价模型构建

2.1 王平煤矿修复效果评价体系构建

王平煤矿区境内共有关闭的大小煤窑、矿井20多个，多年无序开采给该地区生态环境造成了极大的破坏和严重的污染，形成了大面积的采空区，造成多处地表塌陷。本研究以王平煤矿修复区原生自然环境条件为研究重点，仅考察自然环境因素。

评价指标体系的构建是区域生态环境评价中的关键一环，关乎评价结果的客观性、科学性等关键因素。通过对王平煤矿生态环境问题进行实地调查和查阅矿区生态环境评价相关文献及政府政策文件，结合实地调查结果与专家指导意见，秉承评价因子选取的科学性、可操作性和综合性等原则^[9-10]，从生态修复学、地质学和系统工程学角度提出一套较为规范化、完善的反映矿山生境特性的综合定量评价体系。

评价研究结果可表示原生自然环境下的王平煤矿修复效果^[11]。鉴于研究区地理环境的复杂性，将评价指标体系分为2个层次展开^[12]：第1层次划分为矿山原生生态环境的4个准则层—土壤理化性质、植被理化性质、植被群落现状和重金属污染现状；第2层次在4个准则层基础上筛选出15项与矿区生态环境息息相关的具体指标，包括：pH、土壤有机质、全氮、速效磷和速效钾4项土壤理化性质指数；植物全碳、全氮、全磷和全钾4项植被理化性质指数；植被丰富度、植被覆盖度2项植被群落指数；Cu、Zn、Pb和Cd 4项重金属污染指数。

2.2 改进的综合指数评价法

目前对于矿区生态环境评价，主要采用模糊综合评价、灰色关联分析、聚类分析和综合指数评价等方法^[13-14]。其中综合指数评价法的优点在于将不同单位性质的指标量纲化，并转换为某一标准形式，可在复杂的情况下，进行生态环境综合评价^[15]。一般对于综合指数评价法权重确定多采用专家打分法，但该方法易受主观因素干扰，进而影响最终结果。因此，本研究基于综合指数评价法，对权重确定进行方法改进，最终结合王平煤矿修复区实地情况对研究区修复效果进行评价分析。

2.2.1 权重确定

综合指数评价法的核心之处在于对指标权重的确定^[16]。目前常见的赋权方法主要分为主观赋权法和客观赋权法^[17]。目前常用的主观赋权法有德尔菲法、层次分析法、最小平方法和环比评分法等^[18]。常见的客观赋权法有熵权法、CRITIC法、主成分分析法和数据包络法等^[19]。其中客观赋权法主要依据大量的原始数据之间的内在关系来确定权重，而本研究无法提供大量原始数据，因而最终采用主观赋权法。

美国学者YAGER ^[20]提出了一种连续的有序加权平均算子(C-OWA)。作为一种指标权重优化衡量的主观赋权方法，合理地解决了多指标、多层次，信息参与过多的问题，科学地将专家极端决策合理分配，从而达到降低主观因素的影响，使赋权结果更具科学性与客观性^[21]。目前广泛应用于水利工程、施工安全和金融投资等领域^[22-24]。因此，本研究引入C-OWA算子对综合指数评价法的指标赋权进行改进，综合运用数理知识构建生态修复指数模型（EREI）。步骤如下。

（1）首先邀请 $n$ 位环境影响评价领域的专家学者对同层次指标进行评价打分，所得数据构成决策集合 $\left( {{a_1},{a_2},{a_3}\cdots {a_i}\cdots{a_n}} \right)$ ，然后将集合中的数据从大至小排序，得到新的数据集合 $\left( {{b_0},{\text{ }}{b_1},{\text{ }}{b_2}\cdots {b_j}\cdot\cdot\cdot{b_{n - 1}}} \right)$ ，其中 ${b_0} \geqslant {b_1} \geqslant {b_2}\cdots \geqslant {b_j}\cdots \geqslant {b_{n - 1}}$ 。

（2）采用组合数计算新的数据集合权重，得到加权向量 ${\alpha _{j + 1}}$ ，见式（1）:

${\alpha _{j + 1}} = \dfrac{{C_{n - 1}^j}}{{\displaystyle \sum\limits_{k = 0}^{n - 1} {C_{n - 1}^k} }} = \dfrac{{C_{n - 1}^j}}{{{2^{n - 1}}}},\quad j = 0,1,2, \cdots ,n - 1$

$(1)$

式中， $C_{n - 1}^j$ 为从 $n - 1$ 个数据中除去 $j$ 个数据的组合数。

（3）加权向量 $\alpha$ 对决策数据计算加权，得到指标绝对权重值，见式（2）:

$\overline {{\omega _i}} = \displaystyle \sum\limits_{j = 0}^{n - 1} {{\alpha _{j + 1}}} {b_j}$

$(2)$

式中， $i\in [1,m]，{\alpha }_{j}\in [0,1]，j\in [1,n]$ ， $m$ 表示指标数目。

（4）最后计算指标得相对权重，见式（3）:

${\omega _i} = \dfrac{{\overline {{\omega _i}} }}{{\displaystyle \sum\limits_{i = 1}^m {\overline {{\omega _i}} } }},\quad i = 1,2,3, \cdots ,m$

$(3)$

本次研究邀请了中国科学院生态环境研究中心6位环境影响评价领域专家学者，采用10分制对各个指标进行评分，基于评分数据，运用C-OWA算子对各个指标赋予权重，所得王平煤矿修复效果指标体系各因子权值，见表1。

表 1 王平煤矿修复效果评价指标体系

Table 1. Wangping coal mine restoration effect evaluation index system

目标层	准则层	指标层/符号	单位	权重
王平煤矿生态修复效果A	土壤理化性质B₁（0.28）	pH/C₁₁	-	0.07
		有机质/C₁₂	g·kg⁻¹	0.08
		全氮/C₁₃	g·kg⁻¹	0.07
		速效磷/C₁₄	mg·kg⁻¹	0.08
		速效钾/C₁₅	mg·kg⁻¹	0.08
	植被理化性质B₂（0.24）	全碳/C₂₁	g·kg⁻¹	0.05
		全氮/C₂₂	g·kg⁻¹	0.05
		全磷/C₂₃	mg·kg⁻¹	0.05
		全钾/C₂₄	mg·kg⁻¹	0.05
	植被群落现状B₃（0.33）	植被丰富度指数/C₃₁	-	0.15
	植被群落现状B₃（0.33）	植被覆盖度/C₃₂	%	0.15
	土壤重金属污染现状B₄（0.15）	Cu污染指数/C₃₃	μg·kg⁻¹	0.03
		Zn污染指数/C₃₄	μg·kg⁻¹	0.03
		Pb污染指数/C₃₅	μg·kg⁻¹	0.03
		Cd污染指数/C₃₆	μg·kg⁻¹	0.03

| Show Table

DownLoad: CSV

2.2.2 评价分级标准划分

矿区生态环境综合指数是一个动态变化的数值，因此需根据实地情况选择评价分级标准。本研究参考我国生态环境部2015年颁布的《生态环境状况评价技术规范》，将研究区生态环境修复效果指标体系分为5级，见表2。

表 2 王平煤矿生态环境修复效果评价体系分级标准

Table 2. Grading standard of evaluation system for ecological environment restoration effect of Wangping coal mine

等级	评价分级	状况表征
Ⅰ	(0,0.2]	差
Ⅱ	(0.2,0.4]	较差
Ⅲ	(0.4,0.6]	一般
Ⅳ	(0.4,0.6]	良
Ⅴ	(0.8,1.0]	优

| Show Table

DownLoad: CSV

2.2.3 数据处理

以对照分区的指标值作为评估目标值，采用综合指数评价法对修复工程区的指标现状值进行评估。

（1）指标计算方法

对于评价指标为正向指标，数值越大，表征的生态系统状况越好，见式（4）:

$Si,{\text{ }}j = Ci,{\text{ }}j/{\text{ }}Ci,{\text{ }}d$

$(4)$

对于评价指标为负向指标，数值越大，表征的生态系统状况越差，见式（5）:

$Si,{\text{ }}j = Ci,{\text{ }}d/{\text{ }}Ci,{\text{ }}j$

$(5)$

式中： $Si,{\text{ }}j$ 表示评估指标i的分值； $Ci,{\text{ }}j$ 表示评估指标i在工程分区的实际调查值； $Ci,{\text{ }}d$ 表示评估指标i在对照分区的实际调查值。

（2）工程分区生态修复效果评估

通过基于改进综合指数评价法建立了生态修复效果指数（EREI），进而评估单一工程分区的实际效果，见式（6）:

${\text{ERE}}{{\text{I}}_j} = \displaystyle\sum\limits_{i = 1}^n {\left( {{W_i}{I_i}/\displaystyle\sum\limits_{i = 1}^n {{I_i}} } \right)}$

$(6)$

式中：EREI_j表示第j个工程分区的生态修复效果指数；n表示评估选用的评价指标的总数；W_i评估选用的第i个评价指标的分值；I_i评估选用的第i个评价指标的权重。

（3）生态修复工程效果评估

王平煤矿整体生态修复区的EREI值计算，见式（7）:

${\text{EREI}} = \displaystyle\sum\limits_{j = 1}^n {\left( {{\rm{ERE}}{{\rm{I}}_j}{S_j}/S} \right)}$

$(7)$

式中：EREI表示矿山生态修复工程的生态修复效果指数；EREI_j表示第j个工程分区的生态修复效果指数；S表示矿山生态修复各工程分区总面积；S_j第j个工程分区的面积。

3. 基于生态功能区尺度综合评价模型

近些年，因遥感技术实时高效、覆盖范围广和快速等特点，已广泛应用于生态环境监测评价领域^[25]。其中在2013年徐涵秋^[26]提出了遥感生态指数模型（RSEI），该模型运用主成分分析耦合绿度、湿度、干度和热度4个生态指标，根据指标贡献率建立模型。采用该多指标评价模型进行评估监测可准确地反映出区域生态环境质量。目前已广泛应用于矿区生态环境监测^[27]、地貌环境研究^[28]和矿业城市景观格局变化^[29]。因此，本研究尝试采用RSEI模型对改进综合指数评价法的评价结果进行验证。选用数据为2021年8月Landsat OLI遥感影像，RSEI模型各分量指标描述及计算如下。

（1）绿度指标。归一化植被差异指数（NDVI）与叶面积指数，植被状况及覆盖度休戚相关，为广泛使用的植被指标之一^[30]。因此，RSEI模型多采用NDVI作为绿度指标。

（2）湿度指标。以缨帽变量的三分量表示湿度指数（WET），可表征为土壤、植被湿度含量，反映区域生态环境湿度状况。

（3）干度指标。由于研究区人为扰动较频繁，存在一定比例的建筑用地与裸土区域，加重区域干化程度，因而选择由裸土指数和建筑指数两者合成得到干度指数NDBSI表示^[31]。

（4）热度指标。以地表温度表示热度，目前地表温度反演主要有单窗算法、单通道法和大气校正法等，本研究采用大气校正法反演计算地表温度（LST）^[32-34]。

（5）RSEI指数计算。因各分量指标单位存在不同，为消除量纲差异，需进行标准化处理^[35]，见式（8～9）:

${\text{N}}{{\text{I}}_i} = \left( {{I_i} - {I_{\min }}} \right)/\left( {{I_{\max }} - {I_{\min }}} \right)$

$(8)$

式中：NI_i表示标准化后某像素的指标值；I_i表示该指标像元值；I_max表示该指标的最大值；I_min表示该指标的最小值。

${\text{RSE}}{{\text{I}}_{\text{0}}}{\text{ = PCA(FVC,WET,LST,NDSI)}}$

$(9)$

式中，PCA为主成分分析。

在主成分分析之后再次对第一主成分进行标准化计算，最终结果便是RSEI，见式（10）:

${\text{RSEI = }}\left( {{\text{RSE}}{{\text{I}}_{\text{0}}}{\text{ - RSE}}{{\text{I}}_{{\text{min}}}}} \right){\text{/}}\left( {{\text{RSE}}{{\text{I}}_{{\text{max}}}}{\text{ - RSE}}{{\text{I}}_{{\text{min}}}}} \right)$

$(10)$

经标准化处理后RSEI指数范围为[0，1]，越接近于１表示王平煤矿区生态环境质量愈好，越接近于0王平煤矿区生态环境质量则愈差。本研究同样依据《生态环境状况评价技术规范》，同时结合前人研究进行分类。以0.2为标准分为5级，分别表征优(0.8,1.0]、良(0.6,0.8]、一般(0.4,0.6]、较差(0.2,0.4] 和差(0,0.2]，见图2。

图 2 2021年8月王平煤矿各级RSEI空间分布

Figure 2. Spatial distribution of RSEI at all levels in Wangping coal mine in August 2021

下载: 全尺寸图片幻灯片

4. 评价结果分析

本研究通过运用改进综合指数评价法构建生态修复效果指数（EREI）对王平煤矿修复效果进行分析研究，将各指标参数代入公式后，计算出王平煤矿划分的高修复区EREI值为0.909，低修复区EREI值为0.619，依据评价分级标准，高修复区与低修复区分别评级为“优”“良”。王平煤矿整体生态修复区EREI值为0.672，评价等级为“良”；同时计算遥感生态指数（RSEI）用以结果对比分析，计算得到王平煤矿修复区总体RSEI数值为0.729，两者计算结果相差不大，评价等级均为“良”。由此说明联用EREI指数与RSEI指数对王平煤矿进行生态修复效果评价是科学合理的。

表1可知，评价指标体系指标层中各因素权重大小，发现植被丰富度指数与植被覆盖度指数权重占比最高，都为0.15，说明两者对王平煤矿生态环境修复效果影响最大。其次是土壤有机质、速效磷和速效钾，权重为0.08，这3项指标可表征土壤养分的主要元素，同时也是土壤提供给植物生长所必需的营养元素。而土壤重金属Cu污染指数、Zn污染指数、Pb污染指数和Cd污染指数的权重占比最小，仅为0.03。

图2可知，该时期王平煤矿修复区生态环境质量主要分布于“良”级与“优”级，两者区域面积占比分别为29.09%和50.90%。这与从2007年所实施的植被恢复治理工程密不可分，通过实施生态种植区、京津风沙源治理和生态公园景观重塑等项目的建设，在近十年研究区植被得到较好恢复。评级“较差”与“差”级区域主要集中在研究区东北部边界，主要原因是这一区域靠近王平村住宅区，以及是丰沙铁路、G108国道、G109 国道与门头沟区通往市区的莲石快速路等主要交通干线范围，所以在解译中将其视为裸土类别。这两区域面积占比较小，分别为4.67%和3.55%。

综上所述，评价定量计算结果与王平煤矿实际修复情况基本吻合。由此说明整体定量评价体系是合理的，评价结果是可靠的。同时对王平煤矿修复区的生态环境质量进行定量评价，通过遥感影像解译计算的RSEI指数用以对比分析，误差较小。说明联用EREI指数与RSEI指数对王平煤矿进行修复效果定量评价是可行的，两者相互印证，使其评价结果更为科学合理。从评价结果可知，王平煤矿自2007年陆续开展生态修复工程，经十余年的人为干预与自然恢复，该区域修复效果良好。

5. 结论

（1）通过实验监测与遥感解译计算对王平煤矿生态环境修复效果进行评价分析，评价结果等级为“良”。结合实地调查表明经过十余年的生态修复工程治理，矿区生态环境质量整体由差转为良，修复效果良好，后续应继续保持这一良好态势。

（2）本研究从多尺度出发，结合宏观与微观监测方法，联用改进综合指数法所构建的生态修复效果指数（EREI）与遥感生态指数（RSEI）对王平煤矿修复区生态环境质量进行综合评价，经计算，两者结果相差不大，评价等级均一致，可为后续矿区生态环境监测评价研究提供一定参考。

[1]	TENG F.,GUAN Y.T.,ZHU W.P.Effect of biofilm on cast iron pipe corrosion in drinking water distribution system:Corrosion scales characterization and microbial community structure investigation.Corrosion Science,2008,50(10):2816-2823
[2]	牛璋彬,王洋,张晓健,等.给水管网中铁释放现象的影响因素研究.环境科学,2007,28(10):2270-2274NIU Zhangbin,WANG Yang,ZHANG Xiaojian,et al.Effect on iron release in drinking water distribution systems.Environmental Science,2007,28(10):2270-2274(in Chinese)
[3]	米子龙,邬慧婷,张晓健,等.低pH低碱度水源水引起供水管网黄水的控制措施.中国给水排水,2014,30(18):23-27MI Zilong,WU Huiting,ZHANG Xiaojian,et al.Control measures for red water problem caused by low pH and low alkalinity source water in drinking water distribution systems.China Water & Wastewater,2014,30(18):23-27(in Chinese)
[4]	黄纯凯,赵鹏,张宏伟,等.给水管道腐蚀管垢的特征分析.给水排水,2011,37(9):155-159HUANG Chunkai,ZHAO Peng,ZHANG Hongwei,et al.Analysis of the characteristics of corrosion scale in water supply pipe.Water & Wastewater Engineering,2011,37(9):155-159(in Chinese)
[5]	黄廷林,戴雪峰,王旭冕,等.多水源供水管网中铁释放规律.环境工程学报,2014,8(3):834-838HUANG Tinglin,DAI Xuefeng,WANG Xumian,et al.Law of iron release in water supply network with multiple water resources.Chinese Journal of Environmental Engineering,2014,8(3):834-838(in Chinese)
[6]	姜文超,蒋晖,吴津津,等.腐蚀铸铁管中饮用水水质变化规律试验研究.华中科技大学学报(自然科学版),2013,41(6):117-121JIANG Wenchao,JIANG Hui,WU Jinjin,et al.Experimental study on quality variation of drinking water in corroded unlined iron pipes.Journal of Huazhong University of Science & Technology (Natural Science Edition),2013,41(6):117-121(in Chinese)
[7]	陈璐.济南市铸铁管材给水管网中附着菌群的研究.济南:山东大学硕士学位论文,2012 CHEN Lu.Bacteria community attached to iron pipe wall in drinking water distribution system of Ji'nan.Ji'nan:Master Dissertation of Shandong University,2012(in Chinese)
[8]	LIN Jianping,ELLAWAY M.,ADRIEN R.Study of corrosion material accumulated on the inner wall of steel water pipe.Corrosion Science,2001,43(11):2065-2081
[9]	WANG Haibo,HU Chun,HU Xuexiang,et al.Effects of disinfectant and biofilm on the corrosion of cast iron pipes in a reclaimed water distribution system.Water Research,2012,46(4):1070-1078
[10]	STAROSVETSKY D.,ARMON R.,YAHALOM J.,et al.Pitting corrosion of carbon steel caused by iron bacteria.International Biodeterioration & Biodegradation,2001,47(2):79-87
[11]	BENSON A.S.,DIETRICH A.M.,GALLAGHER D.L.Evaluation of iron release models for water distribution systems.Critical Reviews in Environmental Science and Technology,2012,42(1):44-97
[12]	ZHANG Yan,GRIFFIN A.,EDWARDS M.Effect of nitrification on corrosion of galvanized iron,copper,and concrete.Journal American Water Works Association,2010,102(4):83-93
[13]	DUBIEL M.,HSU C.H.,CHIEN C.C.,et al.Microbial iron respiration can protect steel from corrosion.Applied and Environmental Microbiology,2002,68(3):1440-1445
[14]	刘小琳,刘文君,金丽燕,等.北京市模拟给水管网管壁微生物膜群落分析.环境科学,2008,29(5):1170-1174 LIU Xiaolin,LIU Wenjun,JIN Liyan,et al.Analysis of microbial community of a Beijing simulator water distribution system.Environmental Science,2008,29(5):1170-1174(in Chinese)
[15]	MARTINY A.C.,JØRGENSEN T.M.,ALBRECHTSEN H.J.,et al.Long-term succession of structure and diversity of a biofilm formed in a model drinking water distribution system.Applied and Environmental Microbiology,2003,69(11):6899-6907
[16]	WANG Haibo,HU Chun,ZHANG Lili,et al.Effects of microbial redox cycling of iron on cast iron pipe corrosion in drinking water distribution systems.Water Research,2014,65:362-370
[17]	LAI Chunyu,YANG Xiao'e,TANG Youneng,et al.Nitrate shaped the selenate-reducing microbial community in a hydrogen-based biofilm reactor.Environmental Science & Technology,2014,48(6):3395-3402
[18]	CAPORASO J.G.,KUCZYNSKI J.,STOMBAUGH J.,et al.QIIME allows analysis of high-throughput community sequencing data.Nature Methods,2010,7(5):335-336
[19]	SUN Huifang,SHI Baoyou,BAI Yaohui,et al.Bacterial community of biofilms developed under different water supply conditions in a distribution system.Science of the Total Environment,2014,472:99-107
[20]	YANG Fan,SHI Baoyou,BAI Yaohui,et al.Effect of sulfate on the transformation of corrosion scale composition and bacterial community in cast iron water distribution pipes.Water Research,2014,59:46-57
[21]	ZHU Ying,WANG Haibo,LI Xiaoxiao,et al.Characterization of biofilm and corrosion of cast iron pipes in drinking water distribution system with UV/Cl₂ disinfection.Water Research,2014,60:174-181
[22]	COBY A.J.,PICARDAL F.,SHELOBOLINA E.,et al.Repeated anaerobic microbial redox cycling of iron.Applied and Environmental Microbiology,2011,77(17):6036-6042
[23]	WEBER K.A.,URRUTIA M.M.,CHURCHILL P.F.,et al.Anaerobic redox cycling of iron by freshwater sediment microorganisms.Environmental Microbiology,2006,8(1):100-113
[24]	JIN Juntao,WU Guangxue,GUAN Yuntao.Effect of bacterial communities on the formation of cast iron corrosion tubercles in reclaimed water.Water Research,2015,71:207-218
[25]	S＇WIETLIK J.,RACZYK-STANISŁAWIAK U.,PISZORA P.,et al.Corrosion in drinking water pipes:The importance of green rusts.Water Research,2012,46(1):1-10

点击查看大图

计量

文章访问数: 2776
HTML全文浏览数: 2332
PDF下载数: 608
施引文献: 0

1. 研究区与数据来源
1.1 研究区概况
1.2 数据来源
2. 基于工程区尺度综合评价模型构建
2.1 王平煤矿修复效果评价体系构建
2.2 改进的综合指数评价法
3. 基于生态功能区尺度综合评价模型
4. 评价结果分析
5. 结论

饮用水管网生物膜细菌群落特征及其对腐蚀的影响