-
水质生物毒性检测作为传统理化检测方法的补充，不仅能快速检测出水中是否含有毒性污染物，同时还可反映多种有毒物和污染物的综合毒性[1-2]。目前，用于水质生物毒性检测的生物传感器主要利用有毒物或污染物对不同营养级的指示生物(发光细菌、藻类、溞类、大型无脊椎动物和鱼类等)的呼吸作用、生长发育或运动能力的抑制效应来进行检测[2]。其中较高营养级的指示生物更能反映有毒物或污染物对环境质量的影响程度，但其检测成本较高、耗时也较长且需要专业的生物培养技能与装置，这导致该类群指示生物在实际应用时限制性较大；低营养级的指示生物特别是发光细菌因灵敏度高、响应快且生长周期短已被广泛用于水质生物毒性检测，但发光细菌中应用最多的费氏弧菌(Vibrio fischeri)和明亮发光杆菌(Photobacterium phosphoreum)实为海洋细菌，其生长需在含盐的溶液中，且溶液的浊度和色度会影响检测精度，这也同样限制了其在淡水生境中的广泛应用[3]。因此，寻找一种快速、灵敏、抗干扰能力强且低成本的新型生物毒性传感器成为了现实所需。
近年兴起的微生物燃料电池(microbial fuel cell, MFC)型生物毒性传感器以阳极电活性细菌(Geobacter spp.、Shewanella spp.和Pseudomonas spp.等)为指示生物，当阳极无毒性污染物存在时，电活性细菌通过催化分解有机底物产生电子，电子由胞外电子传递过程转移至阳极，再经电池外电路到达阴极形成稳定电流；当阳极有毒性污染物存在时，电活性细菌的活性或胞外电子传递受到抑制，导致MFC型生物毒性传感器产生的电流降低，通过检测有毒污染物存在时电池产电量的变化则可定量反映水质生物毒性[4-7]。该传感器具有灵敏、抗干扰能力强、无需外加能源、稳定和可自我修复等特点，已被用于检测BOD、COD、挥发性脂肪酸、重金属、氰化物、甲醛和抗生素等[4-7]。然而，目前关于MFC型生物毒性传感器用于检测农药的研究报道较少。KIM等[8]于2007年最早发现，当MFC型生物毒性传感器以1.0 mg·L−1有机磷农药(二嗪磷)为检测物时，所产生的电量降幅高达61%。2012年，王博等[9]利用MFC型生物毒性传感器构建出一套水质生物毒性预警系统，并成功预警了由强降雨导致自来水厂取水区域内农药倒灌引发的饮用水污染事件。2019年，CHOULER等[10]发现，0.3 mg·L−1三嗪类除草剂(莠去津)可使MFC型生物毒性传感器的回路电流下降12%。这些研究结果均表明，MFC型生物毒性传感器可对含农药污水产生毒性响应，但因农药种类多，来源复杂，再加上MFC型生物毒性传感器对不同农药检测的研究匮乏，进而导致MFC型生物毒性传感器检测农药的相关应用极为有限。
为探究MFC型生物毒性传感器对农药污染物的检测性能，本文研究了MFC型生物毒性传感器对溴氰菊酯(菊酯类杀虫剂)、敌百虫(有机磷杀虫剂)、百菌清(有机氯类杀菌剂)、莠去津(三嗪类除草剂)和烟嘧磺隆(磺酰脲类除草剂)5种典型农药检测的剂量-效应关系，评估了MFC型生物毒性传感器中毒后的自我修复能力，并对不同混合农药的生物毒性进行了检测与对比研究。
-
实验装置为双室圆柱立方体MFC型生物毒性传感器，材料为有机玻璃，双室中间以阳离子交换膜(CMI-7000 Membranes International，Glen Rock，NJ，USA)隔开，单室内径为3.0 cm，长为4.0 cm，阳极室和阴极室均填充满0.5 cm
⊆ 0.5 cm⊆ 0.5 cm碳毡块(三业碳素有限公司，北京)，碳毡先用1.0 mol·L−1盐酸浸泡24 h，去除表面金属离子，再用1.0 mol·L−1 NaOH浸泡24 h，中和剩余盐酸，最后用去离子水冲洗并浸泡24 h。阳极液和阴极液有效体积均为12 mL。阳极为直径9 mm的碳棒，阴极为直径1.0 mm的铂丝，阴、阳电极用铜导线连接，并与1 000 Ω电阻串联(图1)。MFC型生物毒性传感器的检测单元为阳极，温度控制在(25±2) ℃，平行实验为3组。 -
MFC型生物毒性传感器启动时，以南昌市朝阳污水处理厂氧化沟末端污泥作为阳极菌源，将阳极培养基与污泥等体积混合加入阳极室。阳极培养基参照检测有机磷杀虫剂(二嗪磷)的MFC型生物毒性传感器，以0.2 g·L−1葡萄糖为碳源，其他营养物质以及磷酸缓冲液的组成和浓度参考文献[8]。阴极室为氧饱和的50 mmol·L−1磷酸缓冲液(pH=6.8)。阳极液和阴极液均由蠕动泵周期泵入，流速为6.0 mL·min−1，周期为10 min(包括进样3 min和反应7 min)。待输出电压稳定后，将阴、阳电极与100 Ω电阻串联，待输出电压再次稳定后开始实验，输出电压稳定的判定依据为当前周期的平均输出电压与前5个周期的平均输出电压的差异小于5%。
实验所用的5种典型农药分别为25 g·L−1溴氰菊酯(拜耳作物科学有限公司，浙江)、90%敌百虫(沙隆达股份有限公司，湖北)、75%百菌清(利民化工股份有限公司，浙江)、38%莠去津(长青生物科技有限公司，江苏)和40 g·L−1烟嘧磺隆(长青生物科技有限公司，江苏)，所有试剂均以去离子水配制。
-
为了得到MFC型生物毒性传感器检测不同农药的剂量-效应曲线，设置溴氰菊酯的质量浓度分别为0.005、0.05、0.10、0.20、0.30 mg·L−1，敌百虫的质量浓度分别为0.05、0.10、0.20、0.30、0.40 mg·L−1，百菌清的质量浓度分别为0.01、0.05、0.10、0.20、0.30 mg·L−1，莠去津的质量浓度分别为0.003、0.005、0.01、0.03、0.05 mg·L−1，烟嘧磺隆的质量浓度分别为0.01、0.05、0.10、0.20、0.30 mg·L−1。在检测毒性时，将阳极培养基和农药混合作为阳极液，每个浓度连续测试5个周期(50 min)，以5个周期内最大产电抑制率(coulombic yield inhibition ratio, Ic)作为传感器对农药生物毒性的响应值，每个样品测试3次，最后拟合Ic与农药浓度，并计算引起10% Ic所对应的农药浓度[11]。毒性检测结束后，将阳极液改为单纯的阳极培养基，以使阳极微生物恢复活性，并记录MFC型生物毒性传感器的输出电压恢复至稳定所需的时间。2次测样之间应保证传感器有24 h的恢复时间[6]。
3种混合农药的设置方法如下：混合农药A为2种杀虫剂和1种杀菌剂混合，即0.005 mg·L−1溴氰菊酯+0.05 mg·L−1敌百虫+0.01 mg·L−1百菌清；混合农药B为2种除草剂混合，即0.003 mg·L−1莠去津+0.05 mg·L−1烟嘧磺隆；混合农药C为混合农药A+混合农药B。
-
极化曲线和功率密度利用电阻为10~99 999.9 Ω的电阻箱测试，由高到低依次调整MFC型生物毒性传感器外电阻，每次调整后稳定120 min，外电阻两端的电压(输出电压)使用数据采集卡(PISO-813, 研华科技有限公司，中国台湾)连续采集，以连续稳定的3个周期的平均电压作为相应外阻条件下的输出电压，回路电流利用欧姆定律计算，电流密度利用式(1)计算，功率密度利用式(2)计算，电流密度和功率密度均相对于阳离子交换膜几何面积。
式中：I为电流，A；U为外电阻两端的电压，V；R为外电阻，Ω；S为阳离子交换膜几何面积，m2；P为功率密度，W·m−2。
产电抑制率为待测水样(含农药的阳极液)进入MFC型生物毒性传感器前后产电量的差值与待测水样进入MFC型生物毒性传感器前的产电量之比，用以表示待测水样的生物毒性，计算公式如式(3)所示[6,8]。
式中：Ic为产电抑制率；Q0为待测水样进入MFC型生物毒性传感器前5个周期的平均产电量，C；Q为待测水样进入MFC型生物毒性传感器后1个周期的产电量，C。
-
MFC型生物毒性传感器在启动时，外接电阻为1 000 Ω，在接种7 d后，输出电压稳定在(312±36) mV，回路电流为(0.31±0.04) mA(图2(a))。前期研究[12-13]已表明，外接电阻的大小可显著影响MFC型生物毒性传感器的检测性能。在外电阻为50~3 000 Ω时，MFC型生物毒性传感器对Cu(II)的毒性响应值随外电阻的降低先增后减，在外电阻约100 Ω时最大[12]。同样，在MFC型生物毒性传感器检测十二烷基硫酸钠时，在100 Ω外电阻下的毒性响应值远高于1 000 Ω外电阻[13]。因此，本研究为了获得更好的农药检测性能，以100 Ω作为实验时的电阻值。当外接电阻由1 000 Ω改变为100 Ω后，经过2 d的运行，输出电压稳定至(57±22) mV，回路电流为(0.57±0.22) mA(图2(a))，这表明MFC型生物毒性传感器已成功启动。
成功启动后，测试MFC型生物毒性传感器的极化曲线和输出功率(图2(b))，发现回路电流密度为0.44 A·m−2时，输出功率密度最大，为138 mW·m−2，远小于检测BOD的MFC型生物传感器的最大输出功率密度897 mW·m−2[5]。导致该现象的可能原因是，本研究中碳源的质量浓度(0.2 g·L−1)远低于检测BOD传感器的1.282 g·L−1，而使用MFC型生物毒性传感器在检测污染物生物毒性时，低浓度的碳源对应更高的毒性响应值[14]。
-
MFC型生物毒性传感器对溴氰菊酯(图3(a))、敌百虫(图3(b))、百菌清(图3(c))、莠去津(图3(d))和烟嘧磺隆(图3(e)) 5种典型农药均有明显的毒性响应(产电抑制率表示为Ic)，且Ic随农药浓度增加而增加。当溴氰菊酯的质量浓度为0.005~0.3 mg·L−1时，Ic为(1.0±0.6)%~(38.5±7.2)%；当敌百虫的质量浓度为0.05~0.4 mg·L−1时，Ic为(8.3±6.7)%~(24.5±3.0)%；当百菌清的质量浓度为0.01~0.3 mg·L−1时，Ic为(10.1±5.2)%~(45.5±3.3)%；当莠去津的质量浓度为0.003~0.05 mg·L−1时，Ic为(7.3±3.4)%~(28.7±3.0)%；当烟嘧磺隆的质量浓度为0.01~0.3 mg·L−1时，Ic为(2.9±0.8)%~(29.1±1.8)%。
剂量-效应关系是毒理学的重要概念，通过剂量与效应的线性非阈值模型或阈值模型可对有毒污染物的毒性进行预测和外推。在MFC型生物毒性传感器中，Ic与污染物浓度的线性非阈值模型和阈值模型分别对应线性关系和对数关系[12]。由图3(a)~3(e)可以看出，Ic与农药浓度更符合阈值模型。为了获得10% Ic对应的农药浓度，拟合Ic与农药浓度的对数(图3(a)~3(e))。从5个拟合方程可看出，Ic与溴氰菊酯、敌百虫、百菌清、莠去津和烟嘧磺隆浓度的对数均呈良好的线性关系，可决系数(R2)分别为0.975、0.983、0.960、0.955和0.958。依据如上5个不同拟合方程，溴氰菊酯、敌百虫、百菌清、莠去津和烟嘧磺隆诱导10% Ic时的质量浓度分别为0.016、0.070、0.013、0.005、0.033 mg·L−1，这些质量浓度与GB 3838-2002地表水环境质量标准集中式生活饮用水源地中溴氰菊酯(0.02 mg·L−1)、敌百虫(0.05 mg·L−1)、百菌清(0.01 mg·L−1)、莠去津(0.003 mg·L−1)的质量浓度限值非常接近[15]。以上结果表明MFC型生物毒性传感器可用于预警水环境的低浓度农药污染。
此外，与其他不同营养级指示生物的水质生物毒性检测方法对比，发现莠去津的质量浓度达到15.2 mg·L−1才能使斑马鱼的死亡率达到10%[16]，烟嘧磺隆的质量浓度超过1.17 mg·L−1才可使大型溞的急性活动抑制率达10%[17]，百菌清的质量浓度达到4.3 mg·L−1时才使微藻(Skeletonema costatum)的96 h荧光抑制率达10%[18]，而敌百虫的质量浓度需高达1 452 mg·L−1时才能对明亮发光杆菌(P. phosphoreum)产生10%的发光抑制率[19-20]。另外，HERNANDO等[21]以费氏弧菌(V. fischeri)为指示生物检测莠去津和溴氰菊酯时，发现莠去津的质量浓度升高至6 mg·L−1仍未观察到抑制作用，溴氰菊酯的质量浓度高达5 mg·L−1才可产生30%的发光抑制率。这些产生10%抑制效应的农药质量浓度均远高于本研究所得的结果，表明MFC型生物毒性传感器相比传统的生物毒性传感器对这5种典型农药的检出限更低。
-
为了使MFC型生物毒性传感器在实际预警水质污染时能长期稳定运行，要求阳极微生物在中毒后能快速并完全恢复活性[6,13,22]。本研究在检测每种农药后，通过向阳极连续注入新鲜无农药营养液的方式使阳极微生物快速恢复活性。在这个过程中，残留在阳极的农药被稀释和排出，部分未被排出的农药通过阳极微生物的代谢作用降解消除[10]，同时，受损的微生物利用营养液修复繁殖并再生阳极微生物膜[23]。
MFC型生物毒性传感器在检测这5种典型的农药后，输出电压恢复稳定的时间均随农药浓度的增加而延长(图4)。其中检测百菌清后的恢复时间明显高于其他农药。导致该现象的可能原因是：在检测百菌清时MFC型生物毒性传感器的Ic更大(图3)，即电活性细菌的活性受抑制最严重，恢复所需的时间更长。这与KIM等[8]用MFC型生物毒性传感器检测高浓度有机磷杀虫剂(1 mg·L−1二嗪磷, Ic: 61%)时，恢复时间(10 h)更长的结果一致。另外，由图4可看出，MFC型生物毒性传感器检测这5种典型农药后的恢复时间均在240 min内。这表明MFC型生物毒性传感器的阳极微生物被这5种农药抑制后可快速恢复活性。
实验中还观察到，这5种典型农药在较低浓度条件下，MFC型生物毒性传感器的输出电压可恢复至未染毒前的水平，而随着农药浓度的升高，输出电压的恢复时间逐渐加长，甚至不能恢复至未染毒前的水平。这表明，当5种典型农药在较低浓度时，对MFC型生物毒性传感器阳极微生物活性的抑制是可逆的，而在高浓度时是不可逆的。这与MFC型生物毒性传感器检测十二烷基硫酸钠[13]和甲醛[24]时，输出电压在低浓度下可恢复至染毒前水平，在高浓度下不能恢复至染毒前水平的结果一致。在高浓度条件下，农药会对阳极微生物代谢过程中酯酶的磷酸化产生不可逆的影响[8]，从而导致微生物活性受到不可逆的抑制。
在预警高浓度农药污染时，为了使MFC型生物毒性传感器能长期稳定在线监测，当部分阳极微生物发生不可逆失活时，可通过延长恢复时间使生物活性恢复至初始水平。如LI等[23]在利用MFC型生物毒性传感器检测0.1%甲醛时，发现阳极微生物部分失活，输出电压只能恢复到初始60%的水平，通过更换阳极液并延长恢复时间至33 h，可使阳极微生物再生，输出电压恢复至初始水平，且再次检测时获得了可重复的毒性响应；当全部阳极微生物发生不可逆失活时，可利用多个MFC型生物毒性组成的平行传感器组，及时更换失活的传感器[6]。
-
MFC型生物毒性传感器检测混合农药A和混合农药B的Ic分别为(14.6±1.3)%和(12.2±2.5)%，均高于各单一农药的毒性响应(图5)，表明混合农药比单一农药具有更强的生物毒性。这与文献中报道的使用混合农药增强药效的现象类似。例如，敌百虫或溴氰菊酯与有机磷杀虫剂混合可增强杀虫作用[25-26]，莠去津和烟嘧磺隆混合可提高灭藻效果[27]。进一步将混合农药A和B混合，得到含这5种典型农药的混合农药C，检测得Ic为(30.5±4.7)%(图5)，该响应值高于这5种典型农药单一条件时的Ic之和，表明这5种典型农药通过协同作用强化了混合农药的联合毒性。这可能与莠去津可强化有机磷杀虫剂杀虫效果的现象类似[28]。混合农药C中的莠去津可通过增加阳极微生物细胞膜的通透性，促使更多农药进入细胞，从而导致更强的生物毒性。以上这些结果表明，在这5种典型农药浓度满足GB 3838-2002中集中式生活饮用水源地水质要求时，MFC型生物毒性传感器对以这5种典型农药所配制的不同混合农药均有明显的毒性响应。这说明该型生物毒性传感器具有检测低于集中式生活饮用水源地水质标准的混合农药生物毒性的能力，可弥补传统理化检测方法只能检测单一农药浓度不能反应混合农药综合毒性的不足，适用于预警水源地多种农药的混合污染。
MFC型生物毒性传感器在检测毒性污染物时，短期高浓度或长期低浓度染毒基本不改变阳极微生物菌群的组成，但电活性菌的相对丰度通常会降低[29-32]。XING等[29]发现，MFC型生物毒性传感器在检测高质量浓度Cu(II)(10 mg·L−1)、2,4-二氯苯酚(1 000 mg·L−1)或吡啶(1 000 mg·L−1)1次后，阳极微生物菌群组成基本无变化，电活性菌Geobacter、Azoarcus、Arcobacter和Desulfovibrio的相对丰度明显降低。长期低浓度染毒也有类似现象。例如，ZHOU等[32]用1.5 mmol·L−1呼吸链抑制剂叠氮化物使MFC阳极染毒13个月后，发现阳极微生物菌群结构未明显改变，优势菌仍为Geobacter和Ignavibacterium。长期高浓度染毒可改变阳极微生物菌群的结构。MFCs阳极经高质量浓度农药硝磺草酮(50 mg·L−1)、吡唑醚菌酯(30 mg·L−1)、乙氧氟草醚(50 mg·L−1)和异丙甲草胺(8 mg·L−1)染毒20~180 d后，阳极优势菌由电活性菌变为能够降解这些农药的微生物[33-36]。本研究中，MFC型生物毒性传感器阳极检测的农药质量浓度较低(<0.5 mg·L−1)，染毒时间短(约50 min·d−1)且染毒后均在240 min内恢复。因此，可推测MFC型生物毒性传感器在检测这5种典型农药后，阳极微生物菌群的组成可能未发生变化，仅电活性菌相对丰度有所降低，经新鲜阳极液冲洗后可再生恢复。
传统生物传感器检测农药的原理归为2点：一是利用微生物的代谢作用，将农药作为底物检测；二是利用微生物的呼吸作用，将农药作为呼吸抑制剂检测[22,37]。利用MFC型生物毒性传感器检测农药时，阳极微生物的响应机制目前尚不清楚。在MFCs中，多种农药如六氯苯、涕滴伊、硝磺草酮、异丙甲草胺、吡唑醚菌酯、乙氧氟草醚和莠去津等已被证实可作为底物通过阳极微生物的共代谢作用降解[33-36,38-39]。这表明MFC型生物毒性传感器的阳极微生物可能通过代谢作用对农药产生响应。此外，农药种类多且不同农药产生生物毒性的机制不同，因此，MFC型生物毒性传感器的阳极微生物对不同农药的响应机制可能有所不同。KIM等[8]利用MFC型生物毒性传感器检测有机磷农药(二嗪磷)时，推测二嗪磷是通过抑制阳极微生物代谢过程中酯酶的磷酸化，直接引起响应。而CHOULER等[10]利用MFC型生物毒性传感器检测三嗪类除草剂(莠去津)时，推测莠去津被吸附在阳极表面，通过阻碍有机底物向阳极电活性菌的传质，间接引起响应。因此，MFC型生物毒性传感器的阳极微生物对这5种典型农药的具体响应机制有待后续进一步研究。
-
1) MFC型生物毒性传感器对5种典型农药具有明显的毒性响应且检测限较低，溴氰菊酯、百菌清、敌百虫、莠去津和烟嘧磺隆的质量浓度分别低至0.016、0.070、0.013、0.005和0.033 mg·L−1时即可使传感器的Ic达到10%。
2) MFC型生物毒性传感器检测这5种典型农药后，阳极微生物可快速恢复活性，输出电压恢复稳定的时间随农药浓度增加而延长，基本可在240 min内恢复。
3)以5种典型农药所配制的不同混合农药的生物毒性明显高于单一农药，包含这5种典型农药且浓度满足集中式生活饮用水源地水质标准的混合农药的Ic，可达(30.5±4.7)%。
微生物燃料电池型生物毒性传感器对5种典型农药的毒性检测
Detection of five typical agrichemicals using a microbial fuel cell-based biotoxicity sensor
-
摘要: 目前，微生物燃料电池(microbial fuel cell, MFC)型生物毒性传感器被广泛用于检测重金属、氰化物和抗生素等污染物，但将其应用于检测农药的研究极少。为此，探究了MFC型生物毒性传感器对溴氰菊酯、敌百虫、百菌清、莠去津和烟嘧磺隆5种典型农药的检测性能。实验结果表明：这5种典型农药的响应(产电抑制率)均与其浓度的对数呈良好的线性关系，且溴氰菊酯、敌百虫、百菌清、莠去津和烟嘧磺隆使MFC型生物毒性传感器产电抑制率达到10%的质量浓度分别低至0.016、0.070、0.013、0.005和0.033 mg·L−1；中毒后，MFC型生物毒性传感器的恢复时间随农药浓度的增加而延长，但240 min内均可快速恢复稳定；另外，这5种典型农药所配制的不同混合农药的生物毒性均高于单一农药。以上结果表明，MFC型生物毒性传感器对这5种典型农药的响应灵敏，检出限较低且中毒后恢复速度快，具有快速检测和预警水体农药污染的应用潜力。Abstract: At present, microbial fuel cell (MFC)-based biotoxicity sensors were widely attended to detect heavy metals, cyanide and antibiotics in water, while the detection of agrichemicals was rarely discussed. In this paper, five typical agrichemicals including deltamethrin, trichlorfon, chlorothalonil, atrazine, and nicosulfuron were detected using an MFC-based biotoxicity sensor. The results showed that the response (coulombic yield inhibition ratio) of each of these five agrichemicals was in a good linear relationship with the logarithm of its concentration. As low as 0.016 mg·L−1 deltamethrin, 0.070 mg·L−1 trichlorfon, 0.013 mg·L−1 chlorothrin, 0.005 mg·L−1 atrazine or 0.033 mg·L−1 nicotsulfuron could result in a coulombic yield inhibition ratio of 10% for MFC-based biotoxicity sensors. After the biotoxicity detection, the recovery time of MFC-based biotoxicity sensors increased with the increase of agrichemical concentrations, and stable voltage output could be achieved within 240 min for all tested concentrations of these five typical agrichemicals. In addition, compared with the single agrichemical, joint biotoxicities of different mixed agrichemicals prepared by the five typical agrichemicals were apparently higher. This study confirmed that MFC-based biotoxicity sensors possessed sensitive response, low detection limits to these five agrichemicals and robust recovery ability after being poisoned, thus providing an alternative and promising method for fast water quality monitoring and early warning of agrichemical pollutions in water.
-
Key words:
- microbial fuel cell /
- biosensor /
- biotoxicity /
- agrichemical /
- recovery time
-
城市污水活性污泥处理工艺的发展经历了漫长的发展过程，从开始的传统活性污泥工艺，发展到序批式活性污泥工艺及其衍生工艺(SBR、ICEAS、CASS、DAT-IAT、UNITANK、MSBR)，以及改良的活性污泥法(A-B法、氧化沟)[1]。目前，业界提出了多种以活性污泥法为基础的、具有不同优良性能特点和功能的新工艺，如同步硝化-反硝化(SND)、氨厌氧氧化(ANAMMOX)、短程硝化-反硝化、移动床生物膜反应器(MBBR)、膜生物反应器(MBR)等工艺[2-3]。
随着国家对环境保护要求的不断提高，对城市污水处理厂出水水质(尤其是氮和磷含量)的要求也越来越严格[4]，污水处理工艺也相应发生变化，由应用较多的改良活性污泥工艺转变为MBBR[5]和MBR工艺。孙逊等[6]在山东济宁市采用MBBR工艺进行强化脱氮除磷中试实验，获得了成功，为污水处理厂改造提供了重要参考。该MBBR工艺不仅在无锡芦村污水处理厂升级改造中得到了全面认可[7-8]，而且在青岛市李村河污水处理厂[9]、团岛污水处理厂[10]升级改造中均得到采用。这些实例表明，MBBR工艺不仅可以显著提高污水处理系统的硝化能力，而且均具有一定的抗冲击负荷能力；尤其在冬季低温时对氨氮有较高的去除效果，可以保证氨氮的稳定达标[8]。
2017年以前，宁夏回族自治区现有污水处理厂大部分采用改良的活性污泥法，出水水质大都执行《城镇污水处理厂污染物排放标准》(GB 18918-2002)的一级B或二级标准。根据《水污染防治计划》和《宁夏回族自治区城镇污水处理及再生利用设施建设“十三五”规划》，“十三五”期间，必须对未达到一级A排放标准的污水处理设施进行提标改造，并要求新建污水处理厂出水水质全部执行一级A标准。2015—2016年，宁夏回族自治区采用MBBR工艺进行提标改造的污水处理厂主要有吴忠市第一、第二、第三污水处理厂，石嘴山市第一污水处理厂，中卫市城市污水处理厂，西吉县污水处理厂等。上述污水处理厂自改造完成后，出水水质均已稳定达到一级A标准。
本文以吴忠市第三污水处理厂扩建工程为案例，探讨和验证了MBBR工艺的应用效果。从设计水质出发，探讨了工艺流程及主要构筑物参数的合理确定问题，并总结分析了该工程的主要设计特点及运行效果，以期为相关地区城市污水处理厂提标改造及扩建工程提供参考。
1. 工程及工艺流程概况
吴忠市第三污水处理厂现有处理规模为2×104m³·d−1，采用百乐克工艺，出水水质执行一级B标准。2015年采用MBBR工艺进行提标改造，出水执行一级A标准，目前稳定运行。本次扩建工程设计规模为3×104m³·d−1，扩建完成后该污水处理厂总处理规模达到5×104 m³·d−1。扩建工程设计出水执行《城镇污水处理厂污染物排放标准》(GB 18918-2002)的一级A标准，采用“MBBR+沉淀+滤布滤池”组合工艺，尾水经消毒后部分回用，其余尾水达标排放。
根据吴忠市第三污水处理厂多年运行中的实际进水水质，确定本扩建工程的进水水质设计值如表1所示，出水执行《城镇污水处理厂污染物排放标准》(GB 18918-2002)的一级A标准。
表 1 设计进水与出水水质指标Table 1. Designed influent and effluent qualitymg·L-1 进水或出水 COD BOD5 SS NH3-N TN TP 进水 550 230 300 45 65 6 出水 ≤50 ≤10 ≤10 ≤5（8） ≤15 ≤0.5 注：括号外数值为水温>12℃时的控制指标，括号内数值为水温≤12 ℃时的控制指标。 | Show Table
DownLoad:
CSV
根据进水水质设计值和出水排放标准，本扩建工程所采用的污水处理工艺不仅具有去除有机污染物和悬浮固体的效果，重点还应具有同步脱氮除磷的功能。吴忠市第三污水处理厂多年实际运行数据表明，COD和BOD5一直稳定达标，氨氮、总氮及总磷出水浓度波动较大。因此，本扩建工程与多数污水处理厂面临的问题一样，即主要解决氮磷稳定达标排放问题[11]。由于该污水处理厂进水总氮较高，C/N比较低，反硝化缺乏碳源，故考虑外加碳源，并加大缺氧区容积，以保证总氮稳定达标。总磷去除率目标确定为91.7%，此目标仅依生化法是很难达到的，因此，需要采用以生化法为主、化学法为辅的方式来保证达到出水要求。通过设置滤布滤池，一方面可实现悬浮物的稳定达标，另一方面也可保障出水COD和总磷达标。综上所述，确定污水处理工艺流程见图1。
2. 主要构筑物设计和工程特点
2.1 MBBR反应池设计特点
MBBR反应池是整个污水处理厂的核心构筑物，其运行情况直接影响污水处理厂的出水水质。MBBR工艺以悬浮填料为微生物提供生长载体，通过悬浮填料的充分流化，实现污水的高效处理[1]。该工艺充分汲取了生物接触氧化及生物流化床的优点，克服了其传质效率低、处理效率差、流化动力高等缺点。本扩建工程将MBBR与A2/O相结合，工艺运行方式集生物膜工艺和活性污泥工艺的优点于一体。设置MBBR反应池1座2组，采用钢筋混凝土结构。单池有效容积11 437 m³，总平面长、宽、高(净尺寸)分别为95.5、44.5、6.3 m，超高0.8 m。池容划分为厌氧区、缺氧区和好氧区(投加填料)分别为1.8、8.3和8.8 h。设计参数见表2，池型见图2和图3。
表 2 MBBR池设计参数Table 2. Design parameters of the MBBR unit需硝化的氮/(mg·L−1) 需反硝化的氮/(mg·L−1) 有效水深/m 污泥浓度/(mg·L−1) 总回流比 气量/(m3·h−1) 好氧区有效生物膜面积/m2 总停留时间/h 48.5 38.5 5.7 4 000 250%~400% 12 028 1.54×106 18.9 | Show TableDownLoad:
CSV
图 3 MBBR池进水点及回流点分布图Figure 3. Distribution of inlet and reflow points of the MBBR unit根据进水水质情况及出水水质要求，TN去除率需达77%。为此，缺氧区停留时间设计为8.3 h。好氧区的池容与缺氧池基本相同。在好氧区内投加生物悬浮填料，填料规格为：直径25 mm，厚度10 mm，比表面积620 m²·m−³。填料填充率为22%；设计污泥负荷(以单位MLSS所含BOD5计)为0.07 kg·(kg·d)−1；硝化液回流比为250%~400%；污泥回流比为50%~100%。
本扩建工程生化池设计参考UCT工艺在污水处理工程设计中的应用[12]，借鉴郭姣等[13]关于进水方式与比例对UCT工艺脱氮除磷效果的影响的研究结果，即外回流100%、内回流200%时，多点进水的同时脱氮除磷效果明显优于单点进水。为此，本工程采用多点进水、多点回流的设计。缺氧池和厌氧池均设置进水闸门，可实现进水比例的灵活调节；好氧池硝化液回流采用渠道回流，分别回流至缺氧池和厌氧池，可实现多点回流(见图3)；通过闸门可以灵活控制进水及回流的流量比例。
2.2 其他处理单元的设计参数
除了核心处理单元——MBBR生化池，其他均为常规工艺，预处理为粗细格栅间、提升泵及沉砂池(为了防止拦截桶堵塞，细格栅采用内进水孔板细格栅)，沉淀采用中进周出辐流式沉淀池，深度处理采用滤布滤池，鼓风机采用空气悬浮风机(自带变频，调节曝气量灵活方便，可节约能耗)，污泥脱水采用离心脱水机，具体设计参数详见表3。
表 3 处理单元设计参数Table 3. Design parameters of the treatment units处理单元 设计参数 粗细格栅间、提升泵房及沉砂池 粗格栅2套，采用回转式机械粗格栅，栅宽1.2 m，栅条间隙20 mm，安装角度70°； 潜污泵4台(3用1备)，单台流量600 m·h−1，扬程15 m，功率45 kW，变频控制； 细格栅2套，采用内进水孔板细格栅，渠道宽1.4 m，孔径3 mm，安装角度90°； 旋流沉砂池2座，池内径3.05 m，旋流沉砂设备2套，砂水分离器1台。 MBBR反应池 厌氧区：潜水搅拌器5台(4用1备)，叶轮直径400 mm，转速980 r·min−1，功率4 kW； 缺氧区：低速推流器9台(8用1备)，叶轮直径2 000 mm，转速42 r·min−1，功率6.5 kW； 好氧区：管式微孔曝气器2772套，规格：DN65、长度1.0 m、EPDM材质；拦截筒48个，规格：直径600 mm，长度1 200 mm、材质SS304；穿墙回流泵3台(2用1备)，规格：流量520 L·s−1，叶轮直径600 mm，功率7.5 kW。 二沉池 辐流式沉淀池2座，直径30 m，表面负荷0.88 m·m−·h−1，有效水深为4 m。 深度处理车间 采用滤布滤池，平均滤速4.17 m·h−1，峰值滤速≤6.25 m·h−1，吸洗耗水率≤1%~3%。320 m过滤面积；反冲洗系统2套，反洗水泵流量54 m·h−1，扬程17 m，功率3.7 kW。 曝气系统 空气悬浮风机3台(2用1备)，变频控制，流量101 m·min−1，压力 80 kPa，功率190 kW。 加药系统 除磷药剂：聚合氯化铝；外加碳源：乙酸钠；消毒药剂：次氯酸钠。 接触池及计量渠 有效容积700 m3，加氯量12 mg· L−1，不锈钢巴氏计量装置一套，喉宽0.5 m。 污泥处理系统 储泥池1座，有效容积250 m，双曲面搅拌机1台，功率2.2 kW； 离心式脱水机2台(1用1备)，处理能力25~30 m·h−1，工作时间24 h·d−1。 | Show TableDownLoad:
CSV
2.3 工程的设计特点
1)本扩建工程工艺与原厂提标改造工艺保持一致，仍采用MBBR工艺，并将好氧池分为2段，每段均设置拦截筒和填料投加，根据水质水量变化情况灵活调节填料投加区域和投加比，以保证出水稳定达标。
2)为了减少MBBR池拦截筒的堵塞，采用内进水孔板细格栅代替常用的回转式细格栅或者转鼓式格栅。
3)采用缺氧池和厌氧池2处进水、2处回流等优化措施，实现了生物降解功能的强化，保证了系统运行的安全性和稳定性。
4)设置了化学除磷和碳源投加装置，可针对水质情况灵活选择是否投加药剂，运行管理方便灵活，处理效果更稳定。
3. 工程的运行效果
吴忠市第三污水处理厂扩建工程于2019年4月建成投入使用，运行1 a以来，水量从50%增加至80%，最大日处理量达到100%；进水水质除TP外其他指标均低于设计浓度，尤其TN和NH3-N浓度偏低；出水水质一直稳定达到一级A标准。2019年11月至2020年2月整个冬季运行效果如图4所示，其中水温为10~14 ℃，水质指标为出水指标。
图 4 “MBBR池+深度处理”对COD、TN、NH3-N、TP的处理效果Figure 4. Effect of MBBR pool + advanced treatment on the removal of COD, TN, NH3-N and TP从整体看，本扩建工程主要出水水质指标均稳定满足一级A标准要求，COD和TN出水平均值分别为34.5和7.0 mg·L−1，最大值为46.7和14.7 mg·L−1；NH3-N和TP去除率平均值分别为98.4%和94.3%，最大值为1.0和0.5 mg·L−1。从图4可看出，进水TP浓度均值为6.3 mg·L−1，超过设计最大值，而出水全部达标，且除磷药剂投加量极少。分析其原因，主要是在发现进水TN浓度较低时调整了运行工况，采取了以除磷为主以脱氮为辅的策略，增加了厌氧段的硝化液回流量及缺氧段的进水量，形成了类似倒置A2O的运行模式，从而强化了脱氮除磷效果。
进水水质除TP外的其他指标较设计浓度低，但整体进水指标波动不小，而出水基本不受影响，稳定达标，说明MBBR工艺抗冲击负荷能力非常强。
4. 结论
1)本扩建工程采用内进水孔板细格栅代替常规机械格栅，可减少MBBR池拦截筒的堵塞，增加运行的稳定性；采用空气悬浮风机，自带变频控制，可实现曝气量的灵活调节及能耗的降低。
2) UCT工艺及其改良工艺具有灵活改变污水运行模式的特点。根据进水水质的特点，调整脱氮/除磷的主次地位，可加强生化系统的脱氮/除磷效率，且可减少外加碳源及除磷药剂的投加量。
3)进水水质的波动对出水指标影响较小，说明MBBR工艺抗冲击负荷能力强。
4) MBBR和UCT的结合工艺适用于生活污水处理厂。
-
图 1 微生物燃料电池型生物毒性传感器的示意图
Figure 1. Schematic diagram of a microbial fuel cell-based biotoxicity sensor
图 2 微生物燃料电池型生物毒性传感器启动时的输出电压和启动后的产电性能
Figure 2. Voltage outputs during the start-up and power generations after the start-up of a microbial fuel cell-based biotoxicity sensor
图 3 微生物燃料电池型生物毒性传感器检测5种典型农药
Figure 3. Detection of five typical agrichemicals using microbial fuel cell-based biotoxicity sensors
图 4 微生物燃料电池型生物毒性传感器检测不同浓度农药后的恢复时间
Figure 4. Recovery time of microbial fuel cell-based biotoxicity sensors after the detection of different concentrations of the five typical agrichemicals
-
[1] NÜßER L K, SKULOVICH O, HARTMANN S, et al. A sensitive biomarker for the detection of aquatic contamination based on behavioral assays using zebrafish larvae[J]. Ecotoxicology and Environmental Safety, 2016, 133: 271-280. doi: 10.1016/j.ecoenv.2016.07.033 [2] BAE M J, PARK Y S. Biological early warning system based on the responses of aquatic organisms to disturbances: A review[J]. Science of the Total Environment, 2014, 466: 635-649. [3] FARRÉ M, BRIX R, BARCELÓ D. Screening water for pollutants using biological techniques under European Union funding during the last 10 years[J]. TrAC Trends in Analytical Chemistry, 2005, 24(6): 532-545. doi: 10.1016/j.trac.2005.03.008 [4] ZHOU T, HAN H, LIU P, et al. Microbial fuels cell-based biosensor for toxicity detection: A review[J]. Sensors, 2017, 17(10): 2230. doi: 10.3390/s17102230 [5] 唐嘉丽, 凌宇祥, 于广平, 等. 空气阴极微生物燃料电池的构型优化及其快速测定BOD的性能评价[J]. 环境工程学报, 2021, 15(6): 2155-2164. [6] JIANG Y, YANG X, LIANG P, et al. Microbial fuel cell sensors for water quality early warning systems: Fundamentals, signal resolution, optimization and future challenges[J]. Renewable and Sustainable Energy Reviews, 2018, 81: 292-305. doi: 10.1016/j.rser.2017.06.099 [7] 高艳梅, 海热提, 王晓慧, 等. 双室微生物燃料电池重金属毒性传感器的研制[J]. 环境工程学报, 2017, 11(10): 5400-5408. [8] KIM M, HYUN M S, GADD G M, et al. A novel biomonitoring system using microbial fuel cells[J]. Journal of Environmental Monitoring, 2007, 9(12): 1323-1328. doi: 10.1039/b713114c [9] 王博, 王红晓. 水质生物毒性预警系统建设及在海宁市饮用水源保护中的应用[J]. 环境监控与预警, 2012, 4(5): 10-13. doi: 10.3969/j.issn.1674-6732.2012.05.003 [10] CHOULER J, DI LORENZO M. Pesticide detection by a miniature microbial fuel cell under controlled operational disturbances[J]. Water Science and Technology, 2019, 79(12): 2231-2241. doi: 10.2166/wst.2019.207 [11] GODOY A A, KUMMROW F. What do we know about the ecotoxicology of pharmaceutical and personal care product mixtures? A critical review[J]. Critical Reviews in Environmental Science and Technology, 2017, 47(16): 1453-1496. doi: 10.1080/10643389.2017.1370991 [12] JIANG Y, LIANG P, ZHANG C, et al. Enhancing the response of microbial fuel cell based toxicity sensors to Cu(II) with the applying of flow-through electrodes and controlled anode potentials[J]. Bioresource Technology, 2015, 190: 367-372. doi: 10.1016/j.biortech.2015.04.127 [13] STEIN N E, HAMELERS H V M, BUISMAN C N J. The effect of different control mechanisms on the sensitivity and recovery time of a microbial fuel cell based biosensor[J]. Sensors and Actuators B:Chemical, 2012, 171: 816-821. [14] JIANG Y, LIANG P, LIU P, et al. Enhancing signal output and avoiding BOD/toxicity combined shock interference by operating a microbial fuel cell sensor with an optimized background concentration of organic matter[J]. International Journal of Molecular Sciences, 2016, 17(9): 1392. doi: 10.3390/ijms17091392 [15] 地表水环境质量标准: GB 3838-2002[S]. 北京: 中国标准出版社, 2002. [16] 严浩, 黄岁樑. 海河悬浮颗粒物影响阿特拉津对斑马鱼的急性毒性研究[J]. 环境科学学报, 2015, 35(1): 302-310. [17] 陈亮, 沈燕, 孙如意, 等. 5%烟嘧磺隆·21%莠去津可分散油悬浮剂对2种水生生物的毒性研究[J]. 安徽农学通报, 2016, 22(17): 34-36. doi: 10.3969/j.issn.1007-7731.2016.17.014 [18] BAO V W W, LEUNG K M Y, QIU J W, et al. Acute toxicities of five commonly used antifouling booster biocides to selected subtropical and cosmopolitan marine species[J]. Marine Pollution Bulletin, 2011, 62(5): 1147-1151. doi: 10.1016/j.marpolbul.2011.02.041 [19] 张建江, 陈平, 田华, 等. 土壤中3种典型有毒污染物对发光细菌的毒性测试[J]. 环境科学与技术, 2014, 37(9): 15-18. [20] 贾玉玲, 蔡强, 彭惠民, 等. 乙酰胆碱酯酶和发光菌检测有机磷农药毒性研究[J]. 环境科学, 2011, 32(6): 1820-1824. [21] HERNANDO M D, DE VETTORI S, BUENO M J M, et al. Toxicity evaluation with Vibrio fischeri test of organic chemicals used in aquaculture[J]. Chemosphere, 2007, 68(4): 724-730. doi: 10.1016/j.chemosphere.2006.12.097 [22] PASCO N F, WELD R J, HAY J M, et al. Development and applications of whole cell biosensors for ecotoxicity testing[J]. Analytical and Bioanalytical Chemistry, 2011, 400(4): 931-945. doi: 10.1007/s00216-011-4663-6 [23] LI F, ZHENG Z, YANG B, et al. A laminar-flow based microfluidic microbial three-electrode cell for biosensing[J]. Electrochimica Acta, 2016, 199: 45-50. doi: 10.1016/j.electacta.2016.03.138 [24] DAVILA D, ESQUIVEL J P, SABATE N, et al. Silicon-based microfabricated microbial fuel cell toxicity sensor[J]. Biosensors and Bioelectronics, 2011, 26(5): 2426-2430. doi: 10.1016/j.bios.2010.10.025 [25] HASSAN S A, ALBERT R, BIGLER F, et al. Results of the third joint pesticide testing programme by the IOBC/WPRS-Working Group “Pesticides and Beneficial Organisms”[J]. Journal of Applied Entomology, 1987, 103(1/2/3/4/5): 92-107. [26] 朱蕙香, 刘瑞芹. 敌百虫与马拉硫磷、敌百虫与滴滴涕的联合毒性[J]. 农药工业, 1979(3): 53-54. [27] LEBOULANGER C, RIMET F, DE LACOTTE M H, et al. Effects of atrazine and nicosulfuron on freshwater microalgae[J]. Environment International, 2001, 26(3): 131-135. doi: 10.1016/S0160-4120(00)00100-8 [28] ANDERSON T D, LYDY M J. Increased toxicity to invertebrates associated with a mixture of atrazine and organophosphate insecticides[J]. Environmental Toxicology and Chemistry, 2002, 21(7): 1507-1514. doi: 10.1002/etc.5620210724 [29] XING F, XI H, YU Y, et al. A sensitive, wide-ranging comprehensive toxicity indicator based on microbial fuel cell[J]. Science of the Total Environment, 2020, 703: 134667. doi: 10.1016/j.scitotenv.2019.134667 [30] YI Y, XIE B, ZHAO T, et al. Effect of external resistance on the sensitivity of microbial fuel cell biosensor for detection of different types of pollutants[J]. Bioelectrochemistry, 2019, 125: 71-78. doi: 10.1016/j.bioelechem.2018.09.003 [31] WU L C, WANG G H, TSAI T H, et al. Three-stage single-chambered microbial fuel cell biosensor inoculated with exiguobacterium aestuarii YC211 for continuous chromium (VI) measurement[J]. Sensors, 2019, 19(6): 1418. doi: 10.3390/s19061418 [32] ZHOU X, QU Y, KIM B H, et al. Effects of azide on current generation and microbial community in air-cathode MFCs[J]. RSC advances, 2015, 5(19): 14235-14241. doi: 10.1039/C4RA13345E [33] ZHAO H, ZHANG Q. Performance of electro-Fenton process coupling with microbial fuel cell for simultaneous removal of herbicide mesotrione[J]. Bioresource Technology, 2021, 319: 124244. doi: 10.1016/j.biortech.2020.124244 [34] LI X, ZHANG X, ZHAO X, et al. Efficient removal of metolachlor and bacterial community of biofilm in bioelectrochemical reactors[J]. Applied Biochemistry and Biotechnology, 2019, 189(2): 384-395. doi: 10.1007/s12010-019-03014-0 [35] ZHAO H, KONG C H. Elimination of pyraclostrobin by simultaneous microbial degradation coupled with the Fenton process in microbial fuel cells and the microbial community[J]. Bioresource Technology, 2018, 258: 227-233. doi: 10.1016/j.biortech.2018.03.012 [36] ZHANG Q, ZHANG L, WANG H, et al. Simultaneous efficient removal of oxyfluorfen with electricity generation in a microbial fuel cell and its microbial community analysis[J]. Bioresource Technology, 2018, 250: 658-665. doi: 10.1016/j.biortech.2017.11.091 [37] PLEKHANOVA Y V, RESHETILOV A N. Microbial biosensors for the determination of pesticides[J]. Journal of Analytical Chemistry, 2019, 74(12): 1159-1173. doi: 10.1134/S1061934819120098 [38] BORELLO D, GAGLIARDI G, AIMOLA G, et al. Use of microbial fuel cells for soil remediation: A preliminary study on DDE[J]. International Journal of Hydrogen Energy, 2021, 46(16): 10131-10142. doi: 10.1016/j.ijhydene.2020.07.074 [39] WANG H, YI S, CAO X, et al. Reductive dechlorination of hexachlorobenzene subjected to several conditions in a bioelectrochemical system[J]. Ecotoxicology and Environmental Safety, 2017, 139: 172-178. doi: 10.1016/j.ecoenv.2017.01.039 -
点击查看大图
计量
- 文章访问数: 4687
- HTML全文浏览数: 4687
- PDF下载数: 54
- 施引文献: 0
