-
近年来，随着城市建设进程的加快，污水排放和化肥施用等人类活动使得部分水体受到了严重的氨氮污染[1-2]。在水利工程中，为了降低河道防洪水位，提高防洪能力，常常对城市河道进行裁弯取直，使流域河道的形态过于单一，影响河道对污染物的自净能力，加剧了河流区域的环境问题[3]。因此，需要对河道进行生态修复，这不仅关乎水质改善，也涉及生态系统的恢复与生物多样性的保护，一个健康的河道生态系统能够自然净化水质、调节水流、减少洪涝灾害，并为众多生物提供栖息地。构建丁坝和深潭浅滩是河道整治和防护工程中常见的措施。丁坝又称挑流丁坝，是指从河道岸边伸出的挑流体[4]。目前国内外已有许多学者通过实验室水槽实验和计算机模拟软件研究了不同结构丁坝周围的水流形态和河床冲刷特征。吴伊平等[5]利用数值模拟，发现丁坝挑角和丁坝长度会直接影响到丁坝周围的湍流动能和湍流黏度的大小。近年来，许多学者提出生态丁坝的概念，即引入生物材料，利用丁坝和微生物的共同作用提高河道对水中污染物的自净作用[6-7]。李慧[8]提出了用大块毛石堆积并种植沉水植物的生态丁坝，该由该生态丁坝构建的生态整治工程的鱼类流速适宜指数均保持在0.7以上，具有显著的河流生态治理效果。
浅滩指河床底部的一些不同规模的冲击物堆积体，水流急而浅；深潭指浅滩之间水深较大的部分，水流缓而深[9-10]。河道的深浅交替使河道内的生态系统更具有多样性。在整体河段尺度上，深潭浅滩既能增强河流输沙的平稳性和连续性，又能满足河流的防洪设计[11-12]。目前国内外关于深潭浅滩的形成机理有了一定的认识[13]，如THOMPSON等[14]研究了康涅狄格州的布莱克里奇河上一对深潭浅滩的形成过程，同时定量评价了深潭浅滩的动力稳定性。目前的一些研究表明，深潭浅滩也可以对河流中的污染物起到一定净化的作用。李如忠等[15]发现深潭中主流区和暂态存储区具有较好的氮磷滞留潜力。阙凤翔等[16]研究了河床深潭、浅滩等5种地貌单元类型的潜在硝化速率，结果表明，其潜在硝化速率为0.002~0.079 μmol·(g·h)−1(平均值为0.024 μmol·(g·h)−1)。马博健等[17]发现丁坝、潜坝、深潭-浅滩相结合方案对河道水中DO的提高较为明显。针对深潭浅滩大型动物生境方面国内外也有所研究[18-20]。林欢等[21]的研究表明连续浅滩-深潭式仿自然生境修复技术方案有利于鱼类的产卵与栖息。综上所述，生态水利工程中对于深潭浅滩的形成机理、污染去除和生境作用的研究，对不同结构丁坝周围的污染物迁移扩散过程及不同材料的生态丁坝的研究较为丰富，而关于生态丁坝和深潭浅滩对河流氨氮污染净化效果、净化机理的研究较少，且对于生态丁坝和深潭浅滩的研究只停留在工程结构方面，对于微生物方面的研究较少。
本研究以安徽省芜湖市南陵县市桥河2段作为研究区域。经调研发现，该河段水质和水生态系统恶化的主要原因是河流自身的形态问题和沿岸污染问题。该河段形状较为顺直，横纵断面规则，河流自西北向东南流动，水动力条件不足，扩散能力与净化能力差。该河段周边存在许多住宅、农田及工厂，且排水系统比较混乱，大量工业污水和生活污水随雨水一同汇入河流，造成较为严重的氨氮面源污染，进而导致河流功能衰退。因此，该研究基于室内水槽实验，将生态丁坝和深潭浅滩联合构建，首先测定生态丁坝和深潭浅滩组合对水中氨氮的去除效果，并通过测定水槽运行30 d时生态丁坝和深潭浅滩的表面硝化速率和潜在硝化速率，并且对生物沸石、深潭浅滩底质中的微生物种群进行多样性测序，探究生态丁坝和深潭浅滩组合中的微生物多样性以及对水中氨氮污染物的净化机制。这对于实际河道修复中生态丁坝和深潭浅滩的结构布置和参数设置具有指导意义。
-
1)室内水槽模型。为了探究生态丁坝和深潭浅滩组合对河流氨氮的净化效果及影响因素，搭建了单向流动的室内水槽模型。根据安徽省芜湖市南陵县市桥河2段的平均河宽，按照1:60比例进行缩放。水槽中水流运动的主要作用力为重力，其他次要影响忽略不计，考虑水力条件相似，应用弗汝德定律，模型时间比例根据式(1)计算，流速比例根据式(2)计算，流量比例根据式(3)计算，力的比例根据式(4)计算。
式中：Lr为长度比例；Tr为时间比例；Vr为流速比例；Ar为面积比例；Qr为流量比例；ρr为密度比例；gr为重力加速度比例；Fr为力的比例 。
如图1和图2所示，水槽模型整体为矩形横断面，长5.0 m，宽0.5 m，高0.3 m，坡度为0.001，糙率为0.016。图2中A~U为水槽不同位置的横断面。在水槽模型中，水流从经测定不含氮素的中水管道流出，首先进入长0.5 m的布水段，在多孔布水盒和多孔稳水板的作用下，水流达到稳定状态；随后水流进入长4.0 m的实验段；之后水流经过长0.5 m的出水段，通过调节活动插板控制水位高度；最后水流从水槽末端的出水三角堰流出。
2)生态丁坝(生物沸石)。本研究利用优势菌种挂膜法将天然沸石制备为生物沸石。生物沸石可以利用离子交换与生物膜的耦合作用，以较快的速度达到吸收-再生动态平衡，获得更长时间的吸附效率。
首先将粒径为5.0~8.0 mm的天然沸石用蒸馏水洗涤，并加入直径为0.1 m，高为1.0 m的有机玻璃圆柱体中。随后将2.0 g固体硝化细菌和2.0 g固体反硝化细菌用1.0 L的蒸馏水溶解，并加入圆柱体中[22]。再加入微生物培养溶液[23]，直至圆柱体中的水位高度高于沸石5.0 cm左右。控制曝气泵的曝气速率为0.05 L·min−1，使得圆柱体内溶液DO质量浓度维持在2~5 mg·L−1。微生物培养溶液由质量浓度为250 mg·L−1 C6H12O6、4.2 mg·L−1 MgSO4、20 mg·L−1 NH4Cl、4.2 mg·L−1 MnSO4、4.2 mg·L−1 CaCl2、2.3 mg·L−1 NaH2PO4组成。
每培养3 d后，关闭曝气泵并静置2 h。随后分别将圆柱体中1/5、2/5、3/5、4/5的上层溶液在出水口排出，并加入微生物培养溶液至初始水位高度，以加快培养速度。培养15 d后，沸石表面及间隙附着大量的絮状物，停止培养。根据安徽省芜湖市南陵县市桥河某一排污口的水质情况配置了模拟污水(C6H12O6 150 mg·L−1，NH4Cl 20 mg·L−1)，并将其从下至上注入圆柱体中[24]，使装置在0.85 m·h−1的水力负荷下运行。对出水水质监测5 d后发现，该装置对污染物的去除率逐渐达到稳定状态，其中氨氮去除率为43%，耗氧有机污染物（以COD计）去除率为54%。至此，生物沸石制备成功[25]。
3)深潭浅滩底质。天然河流的不同形态结构的底质具有一定差异，因此不同形态结构所营造的水生环境和微生物多样性也有所差异，进而影响河流污染物的净化效果。有研究表明，浅滩底质多为砂粒和砾石，而深潭底质多为黏粒和粉砂[26]。该研究选用研究区域河段的下游采样，并利用筛网将部分混合底质中的砾石与黏粒分开，分别作为水槽模型中的浅滩底质和深潭底质。浅滩底质和深潭底质的实物图如图3所示。
-
经实地调研发现，安徽省芜湖市南陵县市桥河的流速为0.019~0.256 m·s−1。根据弗汝德定律设置Q1流量(1.5×10−3 m3·s−1)。目前一般将生态丁坝和深潭浅滩结构串联在河道内，来探究生态丁坝和深潭浅滩组合对河流生境的改善效果。之前研究表明，错口生态丁坝和异侧深潭浅滩对氨氮净化效果最好[22]。因此，本实验选用一对错口丁坝和一对异侧深潭浅滩进行组合安置在水槽中。为了模拟实际河道环境，在水槽模型内铺设厚度为3 cm的混合底质。随后将制备好的生物沸石分别装入2个长20 cm、宽10 cm、高10 cm钢丝网笼，制成生态丁坝；将采集的浅滩底质装入长80 cm、宽20 cm、高10 cm钢丝网笼，并均匀的种植挺水植物菖蒲，以模拟浅滩结构；在长80 cm、宽20 cm、深10 cm的深槽中铺设厚度为5 cm的深潭底质，并均匀的种植沉水植物苦草，以模拟深潭结构。水槽模型如图1和图2所示。向水槽中通入Q1流量污水，水槽模型外另设一个装有50 mg·L−1 NH4Cl溶液的塑料污水箱。调节水槽模型的进水阀及活动插板，并利用蠕动泵将塑料污水箱中的溶液在水槽的布水段以恒定的流量释放，以模拟上游污染源的释放。待水槽中的水位高度稳定在15 cm，开始对水槽中的水质和流速进行监测。在实验段共设置了4个测量断面(A、H、N、U)和12个测量点，如图2所示。A断面代表污染物在浅滩上游的浓度，H断面代表污染物经浅滩后的下游浓度和生态丁坝前的上游浓度，N断面代表污染物经生态丁坝下游的浓度和深潭上游的浓度，U断面代表污染物经深潭后的下游浓度。待水槽中的水位高度达到稳定状态，使用塑料滴管分别在A、H、N和U断面的3个测量点取样，并对水样中的氨氮浓度进行监测。设置3组平行实验，以保证实验结果的可靠性和准确性。待30 d后，利用氯酸钾抑制法比较生物沸石、浅滩底质和深潭底质的潜在硝化速率和表面硝化速率，并对生物沸石、浅滩底质和深潭底质进行微生物群落多样性测序。在测定潜在硝化速率和表面硝化速率的过程中可能会有部分N2O产生造成误差，由于使用的氨氮溶液浓度较低，产生气体的量不大，本研究暂忽略不计。
-
1)氨氮和亚硝酸盐氮的测定。氨氮质量浓度采用《水质 氨氮的测定 水杨酸分光光度法》(HJ 536-2009)测定；亚硝酸盐氮质量浓度采用《水质 亚硝酸盐氮的测定 分光光度法》(GB 7493-1987)测定。
2)表面硝化速率的测定。水槽模型运行30 d后，取出12 g生物沸石、12 g浅滩底质和12 g深潭底质分别置于50 mL离心管中，加入20 mL蒸馏水、10 mL浓度为20 mmol·L−1的(NH4)2SO4溶液和10 mL浓度为75 mmol·L−1 KClO3溶液。以KClO3溶液加入的时间为0，分别在0、8、16、24 h从离心管中取3 mL水样，并加入3 mL蒸馏水。每组样品设置3个平行样。测量各水样的亚硝态氮含量。生物沸石、浅滩底质和深潭底质的表面硝化速率根据式(5)计算。
式中：v1为表面硝化速率，μmol·(m2·h)−1；ka为亚硝态氮积累浓度与时间的线性拟合斜率，μmol·(L·h)−1；V1为上覆水体积，取40 mL；S为离心管截面积，取5.73 cm2；10为单位转换系数。
3)潜在硝化速率的测定。水槽模型运行30 d后，取出2 g生物沸石、2 g浅滩底质和2 g深潭底质分别置于50 mL锥形瓶中，加入5 mL蒸馏水、5 mL浓度为60 mmol·L−1的KClO3溶液和10 mL浓度为8 mmol·L−1的(NH4)2SO4溶液，于200 r·min−1、20 ℃的恒温振荡培养箱中振荡培养。设置首次培养时间0、2、4、6 h，共4个培养组，每个培养组设3个平行样。首次培养完成后，加入20 mL浓度为4 mol·L−1的KCl溶液，再次振荡培养30 min。振荡完成后测量各锥形瓶水样的亚硝态氮含量。生物沸石、浅滩底质和深潭底质的潜在硝化速率根据式(6)计算。
式中：v2为潜在硝化速率，μmol·(g·h)−1；kp为亚硝态氮积累浓度与时间的线性拟合斜率，μmol·(L·h)−1；V2为提取体系体积，取0.04 L；m为样品烘干后的质量，g。
4)微生物群落多样性测序。水槽模型运行30 d后，分别取出一定量的生物沸石、浅滩底质和深潭底质于100 mL离心管中，每组采集5个平行样品，累计共收集15个样品。将采集的样品存储在液氮罐中冷存。将上述样品送至上海美吉生物医药科技有限公司，并采用Miseq高通量测序技术进行微生物群落多样性测序，主要步骤包括：提取样品的DNA；使用
338F(5'−ACTCCTACGGGAGGCAGCA−3') 和806R(5'−GGACTACHVGGGTWTCTAAT−3') 引物序列对样品16SrDNA基因的V3~V4区域进行扩增，并按照测序量要求进行相应比例的混合；采用2%的琼脂糖凝胶进行电泳检测，并回收PCR产物；使用QuantiFluor™ -ST蓝色荧光定量系统实现PCR产物的定量检测和均一化；进行Illumina高通量测序，并将测序获得的原始数据进行拼接质控与优化，便于进行后续的微生物群落多样性分析。 -
为了探究生态丁坝和深潭浅滩组合对河流氨氮的净化效果，检测各采样点和采样断面的氨氮浓度，根据4个断面(A、H、N、U)的氨氮浓度分析得到浅滩、生态丁坝、深潭对氨氮的去除率，结果如图4所示。由图4可知，在0~24 h内生态丁坝和深潭浅滩组合中生态丁坝的氨氮去除率由24.38%降至8.06%，24~48 h内生态丁坝的氨氮去除率逐渐达到稳定，48 h氨氮平均去除率为7.92%。0~24 h内浅滩和深潭的氨氮去除率均处于波动状态，分别为2.53%~5.85%和1.31%~4.45%，24~48 h内浅滩和深潭的氨氮去除率均逐渐达到稳定状态，48 h氨氮平均去除率分别为4.56%和3.42%。以上结果表明，生态丁坝和深潭浅滩均对水中的氨氮均有去除作用，且氨氮去除率均表现为生态丁坝>浅滩>深潭。
-
微生物的硝化作用是河流氨氮净化的主要机制和重要循环过程[27]。为了进一步探究生态丁坝和深潭浅滩组合对河流氨氮的净化效果，分析浅滩、生态丁坝和深潭的硝化能力，首先在水槽模型运行的第30天，分别从浅滩、生态丁坝和深潭中取出部分底质样品，并利用氯酸钾抑制法测定各底质的表面硝化速率和潜在硝化速率，结果如图5和图6所示。
由图5可以看出，浅滩、生态丁坝和深潭底质中的亚硝氮浓度均呈上升趋势，并且浅滩的平均表面硝化速率为9.68 μmol·(m2·h)−1，生态丁坝的平均表面硝化速率为10.84 μmol·(m2·h)−1，深潭的平均表面硝化速率为4.59 μmol·(m2·h)−1，表面硝化速率表现为生态丁坝>浅滩>深潭。表面硝化速率能够反应底质的实际硝化过程，这也与水槽模型的净化实验结果相符。硝化过程是多种好氧及兼性硝化细菌完成的。生态丁坝中的沸石由于其多孔结构更容易使得硝化细菌附着和生长，且生态丁坝区域和浅滩区域相比深潭区域的溶解氧更加充足[28]，有利于微生物的生长代谢，因此，表现出较强的表面硝化速率。
由图6可以看出，浅滩、生态丁坝和深潭底质中的亚硝氮浓度都随模型运行时间呈上升趋势，并且浅滩的平均潜在硝化速率为45.72×10−3 μmol·(g·h)−1，生态丁坝的平均潜在硝化速率为68.19×10−3 μmol·(g·h)−1，深潭的平均潜在硝化速率为62.06×10−3 μmol·(g·h)−1，潜在硝化速率表现为生态丁坝>深潭>浅滩。潜在硝化速率能够表示底质的最大硝化潜力。在溶解氧充足的水生态系统中，潜在硝化速率越高，表面硝化速率也应该越高。然而深潭的潜在硝化速率大于浅滩的潜在硝化速率，深潭的表面硝化速率却小于浅滩的表面硝化速率。这是由于深潭区域受到溶解氧的限制[29]，从而导致深潭的硝化潜能难以充分发挥。
-
为了进一步探究生态丁坝和深潭浅滩组合的微生物群落特征，在水槽模型运行的第30d，分别从浅滩、生态丁坝和深潭中取出部分底质样品，每个区域采集4组平行样品，并采用Miseq高通量测序技术进行微生物群落多样性测序，并对实验结果取平均值。共采集12个底质样品，共获得715 245个优化序列，平均序列长度为4 161。
OTU是为了方便生物信息统计分析而人为设置的分类单元。该研究通过提取优化序列中的非重复非单序列，并按照97%的相似性对其进行OTU聚类分析，即将Miseq高通量测序获得的非重复非单序列按照97%的相似性划分为多个OTU分类单元，随后根据划分的OTU分类单元识别底质样品的物种信息，以分析其微生物群落的组成情况。本实验中3种底质样品共存在7 504个OTUs，其中，浅滩中含有5 178个OTUs，生态丁坝中含有5 816个OTUs；深潭中含有5 723个OTUs。因此，不同底质样品中OTUs数量表现为生态丁坝>深潭>浅滩。
Alpha多样性分析可以反映微生物群落的丰富度和多样性水平信息，主要包含Ace、Chao、Shannon和Simpson等统计学分析指数。其中，Ace指数和Chao指数可以评价样品菌群的丰富度。Shannon和Simpson指数均可以估计样品菌群的多样性，Shannon指数越大，菌群多样性越高，Simpson指数越大，菌群多样性越低。覆盖度（Coverage）指数可以反映样品覆盖率，覆盖度指数越大，样品中序列被检测出的概率越高，越能反映样品中菌群的真实情况。将4组平行实验结果取平均值得到不同底质样品中菌群Alpha多样性指数信息如表1所示。不同底质样品的Ace指数和Chao指数均处于较高水平，浅滩中分别为4 559.79和4 448.54，生态丁坝中分别为4 949.51和4 891.20，深潭中分别为4 823.94和4 795.33，底质样品中的菌群组成丰富度表现为生态丁坝>深潭>浅滩。此外，浅滩、生态丁坝和深潭的Shannon指数分别为6.93、6.95和6.92，Simpson指数分别为0.004、0.002和0.003，这也说明底质样品中的菌群组成丰富度为生态丁坝>深潭>浅滩。不同底质样品的覆盖度值均为0.98，代表测序覆盖率高，可以真实展示样品中绝大部分细菌的情况。
对不同底质样品的所有OTUs进行识别，共检出属水平的细菌数量为1 371个，隶属于52个门，171个纲，407个目，691个科。浅滩、生态丁坝和深潭中共同拥有的“属”水平的细菌数量为905个，占属水平的细菌总量的66.01%。浅滩中特有的属水平的细菌数量为29个，占细菌物种总数的2.12%；生态丁坝中特有的“属”水平的细菌数量为137个，占细菌物种总数的9.99%；深潭中特有的属水平的细菌数量为47个，占细菌物种总数的3.43%。
在属水平上，不同底质样品中的菌群组成差异较为明显。图7为不同底质样品中在属水平上的菌群组成结构。其中浅滩中的优势菌属主要包括放线菌门中的未分类属(norank_f_norank_o_Vicinamibacterales、norank_f_norank_o_norank_c_MB-A2-108、norank_f_norank_o_Actinomarinales)，绿弯菌门中的未分类属(norank_f_norank_o_SBR1031、norank_f_JG30-KF-CM45、norank_f_A4b、norank_f_norank_o_norank_c_KD4-96、norank_f_Anaerolineaceae)；生态丁坝中的优势菌属主要包括蓝细菌门中的蓝菌属(Cyanobium_PCC-
6307 )、未分类属(norank_f_norank_o_Chloroplast)，变形菌门中的未分类属(norank_f_Steroido-bacteraceae、norank_f_Rhizobiales_Incerta_Sedis)、红细菌属(Rhodobacter)，绿弯菌门中的未分类属(norank_f_Caldilineaceae、norank_f_A4b)，放线菌门中未分类属(norank_f_norank_o_PeM15、norank_f_norank_o_Vicinamibacterales)；深潭中的优势菌属主要包括绿弯菌门中的未分类属(norank_f_norank_o_SBR10-31、norank_f_Anaerolineaceae、norank_f_A4b、norank_f_KD4-96)，放线菌门中的未分类属(norank_f_norank_o_Vicinamibacterales、norank_f_norank_o_Act-inomarinales、norank_f_norank_o_norank_c_MB-A2-108)。这与已有研究结果相似，如何晓乐[30]利用16S r DNA和ITS扩增子测序研究了西安四条河流急流—深潭—河滩系统沉积物中的细菌及真菌的分布规律，发现变形菌门是绝对优势物种(47.33%)，不同河流的微生物种类分布不同。王佳等[31]发现浑河底泥中的微生物主要属于变形菌门( Proteobacteria) 、蓝藻菌门( Cyanobacteria) 、厚壁菌门( Firmicutes) 和拟杆菌门( Bacteroidetes)。通过本研究可以看出，浅滩和深潭中的菌群组成相似度较高，优势菌属主要属绿弯菌门和放线菌门。有研究表明，变形菌、放线菌和绿弯菌广泛存在于城市污水处理系统中，在生物降解中起着重要作用[32]。绿弯菌门和放线菌门中包含大量的硝化细菌和反硝化细菌，并且其丰度水平与氨氮呈正相关[33-34]。与浅滩和深潭相比，生态丁坝中的菌群组成则表现出明显的差异性，即除绿弯菌门和放线菌门的优势菌属外，还包含蓝细菌门和变形菌门。有研究[35]表明，蓝细菌门细菌可以通过产氧性光合作用生长，在氮磷丰富的水体中生长旺盛，与总氮、氨氮呈显著的正相关性。变形菌门与硝态氮呈显著的正相关性，对可以促进水环境中氮的循环流动[36]。绿弯菌门具有将NO3−-N转化为NO2−-N的能力，与硝态氮呈负相关[37]。放线菌门与硝态氮、总氮呈正相关，与氨氮呈负相关。根据氨氮去除率分析、硝化作用分析及Alpha多样性分析结果可知，该结构氨氮去除率均表现为生态丁坝>浅滩>深潭，表面硝化速率表现为生态丁坝>浅滩>深潭，潜在硝化速率表现为生态丁坝>深潭>浅滩，底质中的菌群组成丰富度表现为生态丁坝>深潭>浅滩。因此，不同底质中菌群丰富度和组成结构，是影响浅滩、生态丁坝和深潭硝化能力及净化效果的重要因素。 -
1)在流量为1.5×10−3 m3·s−1、错口生态丁坝和异侧深潭浅滩组合的条件下，生态丁坝、深潭和浅滩均对水中的氨氮有明显的去除效果，并且氨氮去除速率表现为生态丁坝>浅滩>深潭。表面硝化速率表现为生态丁坝>浅滩>深潭，而潜在硝化速率表现为生态丁坝>深潭>浅滩，这是由于深潭区域受到溶解氧的限制，从而导致深潭的硝化潜能难以得到充分发挥。
2)不同底质样品中OTUs数量表现为生态丁坝>深潭>浅滩，菌群组成丰富度表现为生态丁坝>深潭>浅滩，并且浅滩和深潭的菌群组成相似度较高，而生态丁坝的菌群组成则表现出明显的差异性，其包含蓝细菌门和变形菌门，具有良好的固氮作用，可以促进水环境中氮的去除，这导致了生态丁坝的氨氮去除速率、硝化速率与深潭浅滩有明显差异。
3)不同底质中菌群丰富度和组成结构是影响浅滩、生态丁坝和深潭硝化能力以及净化效果的重要因素。
微生物作用下生态丁坝和深潭浅滩组合对氨氮的净化效果
Purification effect of ammonia nitrogen by ecological groin and deep pool shoals combination under the action of microorganisms
-
摘要: 在河道中布置生态丁坝和深潭浅滩是河道整治和防护工程中常见的措施。然而，目前的研究大多数集中在生态丁坝的材料和深潭浅滩对河流生境的影响方面，很少关注微生物作用下生态丁坝和深潭浅滩对河流中氨氮的净化机理。为此，该研究将错口生态丁坝和异侧深潭浅滩组合，采用水槽模型实验的方法研究生态丁坝和深潭浅滩组合布置对河道水体氨氮的净化能力，并对生态丁坝和深潭浅滩的微生物多样性进行分析。结果表明：河流中的氨氮总去除率表现为生态丁坝>浅滩>深潭，即氨氮的净化能力为生态丁坝>浅滩>深潭；生态丁坝和深潭浅滩组合对河流中氨氮的表面硝化速率表现为生态丁坝>浅滩>深潭，而潜在硝化速率表现为生态丁坝>深潭>浅滩；不同底质样品中OTUs数量表现为生态丁坝>深潭>浅滩，菌群组成丰富度表现为生态丁坝>深潭>浅滩；与深潭和浅滩相比，生态丁坝中菌群组成则表现出明显的差异性，除绿弯菌门和放线菌门的优势菌属外，还包含蓝细菌门和变形菌门。研究显示：生态丁坝和深潭浅滩底质中的菌群对河流中氨氮起主要净化作用，其组成结构和丰富度的差异，是导致浅滩、生态丁坝和深潭硝化速率及净化效果不同的重要原因。Abstract: The installation of ecological groin and deep pool shoals is a prevalent practice in river regulation and protection engineering. Nevertheless, prevailing research primarily focuses on the material composition of ecological groin and the impact of deep pool shoals on river habitats, the purification mechanism of ammonia nitrogen in rivers using ecological groin and deep pool shoals under the action of microorganisms has received slight attention. Thus, the ecological alternate groin and deep pool shoals on varying sides was combined to assess their capacity for purifying ammonia nitrogen with the water tank modeling experimental method, and the microbial diversity in them was analyzed. The results showed that the order of the total removal rate of ammonia nitrogen in rivers, as well as the order of the purification effect of ammonia nitrogen, was ecological groin > shoal > deep pool. The order of the surface ammonia nitrogen nitrification rate for this combination was ecological groin > shoal > deep pool, while the order of the potential nitrification rate was groin > deep pool > shoal. The OTU counts in various sediment samples presented the following order: ecological groin > deep pool > shoal, whereas the bacterial community richness presented the following order: groin > deep pool > shoal. Compared with that in deep pools and shoals, a notable contrast occurred in the microbial community composition of ecological groin. Besides the dominated bacterial community of Cyanobacteria and Proteobacteria at phylum levle, Cloroflexi and Actinomyces were also dominated ones. The findings indicated that the microbial community at the bottom of the ecological groin and the deep pool significantly contributed to the purification of ammonia nitrogen in the river. Furthermore, the difference in microbial composition and abundance is a key factor affecting the the nitrification rates and purification efficiency among the shoal, groin and deep pool.
-
催化燃烧法是目前处理挥发性有机物(VOCs)常用的有效方法之一[1-2]。它通过降低反应所需活化能，使反应时间缩短、转化率提高、降低反应所需温度，同时较低的反应温度也使得气体在转化过程中难以生成二次污染物，对环境更为友好，因此，针对催化燃烧的实际应用的研究具有重要的意义。工业上常用的催化剂有2种：一种是颗粒状催化剂；一种是整体式催化剂。颗粒状催化剂在工业上应用时总会发生床层堵塞、颗粒破裂等问题，并且传热效果、热稳定性等性能都比较差，学者们便从这几方面着手开展工作，研发出了稳定性好、耐压耐磨、传热效果好、方便装填的整体式催化剂[3-4]。近些年，整体式催化剂由于其良好的特性在汽车尾气净化等工业领域有了较为广泛的应用，在环保领域有着举足轻重的地位[3]。
在催化燃烧过程中，传热、传质、流动是相当复杂的问题，对于大多数有实际意义的传热、传质、流动问题，都无法得到实际的解决[5]。电脑的发展以及模拟软件的开发为这一难题提供了另一条思路——通过人为控制条件对反应进行一系列模拟，从而观察反应的动态规律。目前使用最多的模拟软件是Fluent，它具有多样的物理模型，可以适用于环保、能源、航空航天等多个领域；同时它还具备先进的求解器和求解方法，通过条件的合理定义，可以得到准确的仿真结果；其强大的后处理功能更能使结果可视化、简单直观地呈现出来。李欣婷[6]对微型圆管燃烧器内二甲醚的催化燃烧进行了数值模拟，进一步验证了催化剂对二甲醚的吸附能力大于氧气，适当增加氧气含量有利于催化反应正向进行；曾文[7]对在均质压燃HCCI发动机中的催化燃烧进行了模拟，创建了单维和多维模型，并详细分析了催化燃烧对HCCI发动机缸内温度场及CO、HC、NO浓度场的影响；王娟等[8-9]对在整体式催化剂中甲苯的蓄热燃烧和催化燃烧进行了数值模拟，从催化剂孔道水平考察了2种方式的反应特征和适用范围。
目前，由于缺少挥发性有机物在催化剂表面的反应机理，并且绝大部分模拟仅是在催化剂单孔道层面进行，因而，缺少针对整体式催化剂催化有机物的研究工作。本研究以甲苯为VOCs的代表物，采用一步反应机理，着眼于整个催化燃烧系统中甲苯转化率、速度变化、当量比和温度分布等因素的研究；并利用多孔介质模型模拟催化燃烧，进一步探索整体式催化反应系统内甲苯催化燃烧的规律分布，再使用Fluent软件进行数值模拟，进而对其燃烧特性进行探究，以便为实际应用提供参考。
1. 计算模型和反应机理
图1为本研究所采用的甲苯催化燃烧反应器三维物理模型。燃烧器入口直径为20 mm，筒体直径为80 mm，总长度为1 267 mm，从558 mm处布置长度为150 mm的整体式催化剂，流动模型选择湍流模型，催化剂段选取多孔介质模型，催化剂床层段流动为层流。燃烧模型选择组分运输模型，因反应放热，高温下辐射作用不可忽略，故利用辐射模型。
1)反应器内气体流动及热传递在圆柱横截面周方向各个参数相等。
2)反应器壁面选取绝热壁面，与外界无热量交换，多孔介质区为辐射灰体。
3)温度梯度引起的质量扩散和浓度梯度引起的热传递忽略不计。
4)重力的影响忽略不计。
5)所有气体都视为不可压缩流体。
6)模拟催化剂的多孔介质视为均一介质。
7)泡沫陶瓷区域气固温度相等。
VERWIN[13]研究发现，当泡沫陶瓷换热率数量级在105 W·(m3·K)−1之上时，充当骨架的固体和流体可作为均一介质对待。泡沫陶瓷的体积换热系数都比较高，FU[14]分别对10 PPI和20 PPI的泡沫陶瓷的体积换热系数进行了研究，结果表明，气流速度为0.08 ~ 5.56 m·s−1时，测得的体积换热系数为100~1 800 kW·(m3·K)−1。故假设局部热平衡是合理的。
在实验过程中计算参数设置如下。
1)反应器入口为velocity-inlet，流速的变化范围在0.16~4 m·s−1。
2)反应器出口设定为pressure-outlet。
3)反应器入口温度设为300 K，其混合气体的热容量(C)、黏度(η)等参数根据各组分特性，采用质量加权平均来计算。
4)多孔介质区材料选择泡沫陶瓷氧化铝，在多孔方程中选用物理速度以实现流体在多孔介质区的加速过程，为了简化计算，设置物性为常数，取值如下：孔隙率0.841；密度650 kg·m−3、热容824.7 J·(kg·K)−1、热导率4.23 W·(m·K)−1、衰减系数1 399、散射系数1 098、吸收系数301；多孔介质区阻力系数(黏性阻力系数和惯性阻力系数)分别按照吕兆华[15]研究得到的公式进行计算。
5)本研究采用甲苯在Pt表面反应的一步反应机理[16]，具体参数设置：指前因子A 1.26×107 s−1，活化能Ea 92.6 kJ·mol−1。
2. 模型验证
对所画网格进行无关性验证[17]。网格数量在模拟中起着至关重要的作用，网格精度不够，不能够满足计算需求；网格数量太大，又会增加计算量。无关性验证有助于在网格加密程度与计算精度之间找到一个平衡点。本研究通过对网格进行1次加密和2次加密来探究网格数量对模拟计算精度的影响，具体模拟结果如表1所示。
表 1 网格无关性验证数据对比Table 1. Comparison of grid-independent validation data加密情况 标准差 面积加权均匀性指数 不加密 0.273 0.882 加密1次 0.233 0.909 加密2次 0.233 0.909 | Show Table
DownLoad:
CSV
由表1可见，当网格加密1次后再进行加密对系统内流场各项分布参数几乎没有影响，故本研究所有计算都是在对所画网格进行1次加密之后进行的。
3. 实验结果分析与讨论
3.1 甲苯/空气混合物当量比的影响
在入口流速为2 m·s−1的条件下，改变甲苯/空气当量比，分别对不同当量比条件下的反应进行数值模拟计算，考察甲苯/空气当量比对甲苯转化率的影响，结果如图2所示。
图 2 甲苯转化率随入口当量比的变化Figure 2. Change of toluene conversion rate with inlet equivalent ratio甲苯转化率主要根据式(1)进行计算。
η=x进−x出x进×100% (1) 式中：η为甲苯转化率；
x进 为入口处甲苯质量分数；x出 为出口处甲苯质量分数。由图2可以看出，入口流速保持一定，增大入口甲苯/空气当量比，甲苯转化率由原来的基本保持不变到不断下降；当量比较低时，甲苯转化率随着入口当量比的增加基本没有下降。当量比由0.84增加到1.04时，甲苯经催化剂催化燃烧，其转化率由97.08%下降至85.79%；当量比由1.04增加到1.25时，其转化率由85.79%下降至77.11%，以基本一致的水平下降。说明当入口气速一定时，混合气体与孔道接触时间一定，反应去除的甲苯量也应该是一定的，但随着反应放热，混和气体在孔道内会实现加速，孔道长度一定，随着速度的增加，混合气体与催化剂接触时间缩短，催化反应去除的甲苯量也会相应减小。
CHI等[18]的研究详细介绍了动力学模型和VOCs氧化机制；HOSSEINI等[19]实验研究发现，甲苯在Pd-Au/TiO2金属物催化剂表面发生的氧化反应遵循L-H模型，即氧分子和甲苯分子在催化剂表面竞争吸附。由罗孟飞等[16, 20]根据L-H理论探究出的甲苯在铂上的反应动力学可知，方程r=kc/(l+bc)中的b为反应物在催化剂表面吸附的平衡常数，b值大小反映了反应物在催化剂表面吸附的易难程度，可以看出甲苯在铂催化剂表面吸附较为容易。通过控制甲苯入口浓度来调整甲苯和氧气的当量比，可以看出，在贫燃条件下，催化段转化率几乎为100%；在富燃条件下，催化段转化率下降，但热力燃烧甲苯转化率上升，由此可知，甲苯在铂上的吸附能力要强于氧气，故适当增加氧气的量有利于催化反应继续进行。
在本次模拟中，将壁面设置为绝热，并通过分区设置反应，在多孔介质区进行以铂为催化剂的催化反应，在多孔介质区后的筒体中进行热力燃烧，当入口当量比为1.04时，催化剂床层出口甲苯转化率为85.79%，反应器出口甲苯转化率为96%，其温度分布和甲苯浓度分布见图3。由图3可以看出，入口当量比为0.63时，高温区出现在催化床层段，入口当量比为1.04时，高温区主要集中在催化床层后，并且高温区整整差了1 000 K，催化反应放热达到了甲苯空间热力燃烧的温度，因此，在反应器后端发生了热力燃烧，从而将甲苯完全转化，说明甲苯的催化燃烧本身就是一个催化燃烧和热力燃烧相互掺杂的过程。在低温下，只发生甲苯的催化燃烧，随着温度的升高，热力燃烧和催化燃烧共同作用，这也说明，当燃烧温度达到一定高度后，一定范围内的甲苯废气均能取得一个很好的转化效率，说明催化燃烧技术具有很强的浓度弹性，非常适用于在真实工业生产中非恒定浓度的有机废气的净化。而且，催化燃烧和热力燃烧共同作用也可以使系统内温度大大降低，更为有效地减少了二次污染物的产生和氮氧化物的产生。
图 3 不同入口当量比的浓度和温度云图Figure 3. Concentration and temperature clouds of different inlet equivalent ratios3.2 燃烧温度的影响
温度是影响燃烧的一个重要因素，研究中考察了当催化燃烧反应发生时，反应器内温度和甲苯转化率的变化情况，在给定温度625 K，混合气体入口当量比为1、入口速度为4 m·s−1的情况下，反应器内温度分布云图如图4所示，高温区主要集中在反应器后端。在同样的条件下，仅改变混合气体入口气速，以分别考察燃烧温度对甲苯转化率的影响，结果如图5所示。
图 4 入口流速为4 m·s-1时反应器中温度变化Figure 4. Temperature variation in reactor at 4 m·s-1 inlet velocity从图5中可以看出，给定燃烧系统一个温度，不同入口气速下，甲苯的转化率均有很大提高；改变燃烧温度，不同流速下的甲苯的转化率也均有所提高，说明燃烧温度是控制甲苯转化率的一个重要因素。入口流速为4 m·s−1，入口当量比为1时，催化剂床层出口甲苯转化率随着温度的上升变化不大，说明流速过快导致甲苯和催化剂之间接触时间过短，此时温度已经不是影响反应的主要因素；但随着入口流速的减小，催化剂床层甲苯达到最高转化率时的温度就越低，但是在反应器出口，几乎在每一种工况条件下，甲苯的转化率都已经达到了100%。这是因为反应放热，在反应器筒体后腔同样发生了热力燃烧，从而将甲苯完全转化。这也说明温度是影响反应的一个重要因素。
3.3 入口流速的影响
改变入口流速会导致反应速率和滞留时间发生变化[21]，从微观角度来讲，它们都是影响反应进行的重要因素。将入口条件固定如下：当量比为1，温度为300 K，入口流速为0.16~4 m·s−1，甲苯转化率随入口流速的变化情况如图6所示。
由图6可以看出：随着入口流速的增加，入口流速小于1 m·s−1时，催化床层出口和反应器出口均保持几乎100%的转化率，入口流速大于1 m·s−1后，催化床层出口转化率逐渐降低；而反应器出口甲苯转化率很高且保持不变，产生这一现象的原因是混合气体经催化反应后蓄积的热量足够支撑甲苯进行热力燃烧。
由催化反应动力学可知，反应速率由物质扩散速率控制，当催化剂长度一定时，入口流速越大，混合气体在孔道内的滞留时间越短，要扩散到铂表面和其活性位点接触的难度就越大，部分甲苯和催化剂来不及充分接触就被气流带离，从而使得整个反应的进程变的缓慢；反之，混合气体因滞留时间长而能与表面有效位点充分地碰撞接触，从而使整个反应的效率提升。
WANG等[22]通过对铂(Pt)催化甲烷的模拟研究得出，Pt催化剂上的均相反应主要对高、中进口速度下的均质燃烧产生负面影响，而在低速条件下表现出正面影响，与本研究模拟结果相同。
图7是甲苯混合气体在反应器中的温度变化曲线。可以看出，中心线温度变化范围较大，其中有3个温度突变：第1个突变是从300 K升到625 K，这是为了使甲苯能够达到燃烧温度；第2个温度突变是从625 K上升到1 700 K左右，这是因为甲苯混合气体进入催化床层，发生了催化反应，燃烧反应放热，从而使得温度急剧升高；随之未反应的混和气体进入反应器筒体后腔，经过热量的蓄积，反应器内的温度已经完全能够支撑甲苯直接进行热力燃烧，故可继续放出大量热。
图8是反应器不同位置的平均温度随入口流速的变化曲线。可以看出，当入口流速为1.5 m·s−1，在经过60 mm长的催化剂床层后温度已经基本不变。随着入口流速的升高，催化床层温度有所降低，但都在催化床层尾端有温度陡增的趋势。从图9可以看出，随着入口流速的降低，最高温度距离前移，可以看出入口流速越低，越有利于催化反应的发生。
图 8 反应器不同位置平均温度随入口流速的变化Figure 8. Variation of mean temperature at different positions of reactor with inlet flow velocity在实际的工程应用中，往往在保证了处理效率的前提下，还要考虑能耗和运行费用问题。当燃烧温度足够高时，在一定入口流速范围内，均可获得很好的甲苯去除效果，因此，可以通过一些手段减少反应器与外界环境之间的换热，降低能量损失，从而促进反应器内催化燃烧和热力燃烧共同作用；同时也可说明催化燃烧技术可以用于气体风量发生波动的有机废气净化。
4. 结论
1)在只改变甲苯入口当量比的情况下，甲苯的催化转化率随甲苯/空气当量比的增大呈现逐渐降低的趋势，这说明催化剂能处理的量是一定的，在甲苯的入口流速为2 m·s−1、燃烧温度为625 K，入口当量比不高于0.84时，甲苯催化转化率均可达到100%；在只改变入口流速的条件下，甲苯的催化转化率与流速呈正相关。当入口当量比为1，燃烧温度为625 K，入口流速不大于1 m·s−1时，甲苯催化转化率均可达到100%。
2)燃烧温度是影响甲苯转化率的重要因素，催化剂可以有效地降低甲苯起燃温度。当燃烧温度大于625 K，甲苯的入口当量比小于1，入口流速小于2 m·s−1时，可保证甲苯转化率在96%以上。
3)通过分段控制燃烧反应，发现贫燃条件有利于催化燃烧，富燃条件有利于引发热力燃烧，同时也可利用此结论，根据所处理废气浓度的波动范围，合理布置催化床层长度。
4)甲苯混合气体在反应器中发生反应时，催化燃烧和热力燃烧共同起作用，因此，在实际反应器的设计中，要考虑对反应器采取一定的绝热措施，以减少反应器壁面与外界环境之间的换热。
-
图 1 生态丁坝和深潭浅滩组合的布设方式实物图
Figure 1. Physical map of ecological groin and deep pool shoals
图 2 生态丁坝和深潭浅滩组合的布设方式设计图（俯视图）
Figure 2. The arrangement of ecological groin and deep pool shoals combination(top view)
图 4 0~48 h生态丁坝和深潭浅滩组合中氨氮去除率变化
Figure 4. Removal rate of NH3-N in the combination of ecological groin and deep pool shoals during 0 to 48 h
图 5 浅滩、生态丁坝和深潭在表面硝化实验中的亚硝氮浓度变化及平均表面硝化速率
Figure 5. Nitrite nitrogen concentration and average surface nitrification rate of shoal, ecological groin and deep pool in the surface nitrification experiments
图 6 浅滩、生态丁坝和深潭在潜在硝化实验中的亚硝氮浓度变化及平均潜在硝化速率
Figure 6. Nitrite nitrogen concentration and average potential nitrification rate of shoal, ecological groin and deep pool in the potential nitrification experiments
图 7 底质样品中在属水平的菌群组成结构
Figure 7. Composition of microflora at genus level in substrate samples
表 1 底质样品中菌群Alpha多样性指数
Table 1. Alpha diversity index of microflora in substrate samples
样品 Ace Chao Shannon Simpson 覆盖度 浅滩 4 559.79 4 548.54 6.93 0.004 0.98 生态丁坝 4 949.51 4 891.20 6.95 0.002 0.98 深潭 4 823.94 4 795.33 6.92 0.003 0.98
下载: 导出CSV
-
[1] XU J, JIN G, TANG H, et al. Assessing temporal variations of ammonia nitrogen concentrations and loads in the huaihe river basin in relation to policies on pollution source control[J]. Science of the Total Environment, 2018, 642: 1386-1395. doi: 10.1016/j.scitotenv.2018.05.395 [2] 杨琴, 张永勇. 沙颍河流域(河南段)非点源氨氮污染模拟与时空特征分析[J]. 环境科学研究, 2021, 34(2): 319-327. [3] XIAO C G, CHEN J, YUAN X J, et al. Model test of the effect of river sinuosity on nitrogen purification efficiency[J]. Water, 2020, 12(6): 1667. doi: 10.3390/w12061667 [4] AUNG H, ONORATI B, OLIVETO G, et al. Riverbed morphologies induced by local scour processes at single spur dike and spur dikes in cascade[J]. Water, 2023, 15(9): 1746. doi: 10.3390/w15091746 [5] 吴伊平, 张岩, 崔鹏义, 等. 丁坝挑角及长度对回流区流动特性影响的数值模拟[J]. 上海理工大学学报, 2020, 42(1): 79-87. [6] RAO L , WANG P F , DAI Q S , et al. The coupling between hydrodynamic and purification efficiencies of ecological porous spur-dike in field drainage ditch[J]. Journal of Hydrodynamics, 2018, 30(3): 373-83. [7] CHEN, Y T. , WANG, X L. , LI S M , et al. Purification efficiency of ecological spur dikes for river pollutants in different geometric arrangements: Experiments and numerical modeling[J]. Journal of Hydrodynamics, 2022, 34, 934-947. [8] 李慧. 基于河道不同生态治理方案的数值模拟探究[J]. 黑龙江水利科技, 2018, 46(11): 13-16. doi: 10.3969/j.issn.1007-7596.2018.11.004 [9] 王兵, 刘慧博, 李峪, 等. 深潭的功能及在城市河道治理中的构建模式[J]. 中国水土保持科学, 2014, 12(3): 107-112. doi: 10.3969/j.issn.1672-3007.2014.03.016 [10] SCHUMM S A, KHAN H R. Experimental study of channel patterns[J]. Nature, 1971, 233(5319): 407-409. doi: 10.1038/233407a0 [11] 黄国鲜, 周建军. 复杂边界下三维水流数学模型的建立和验证[J]. 水力发电学报, 2007, 26(4): 66-70. doi: 10.3969/j.issn.1003-1243.2007.04.013 [12] CALDERON M S, AN K-G. An influence of mesohabitat structures (pool, riffle, and run) and land-use pattern on the index of biological integrity in the Geum River watershed[J]. Journal of Ecology and Environment, 2016, 40(2): 107-119. [13] 王宏涛, 董哲仁, 赵进勇, 等. 蜿蜒型河流地貌异质性及生态学意义研究进展[J]. 水资源保护, 2015, 31(6): 81-85. doi: 10.3880/j.issn.1004-6933.2015.06.013 [14] THOMPSON D M, FIXLER S A. Formation and maintenance of a forced pool-riffle couplet following loading of large wood[J]. Geomorphology, 2017, 296: 74-90. doi: 10.1016/j.geomorph.2017.08.030 [15] 李如忠, 何瑞亮, 刘超, 等. 水库泄洪闸下溪流深潭氮磷营养盐滞留特征及动力学模拟[J]. 环境科学学报, 2021, 41(11): 4606-4614. [16] 阙凤翔. 巢湖十五里河不同河床地貌类型沉积物硝化反硝化潜力与限制性研究[D]. 合肥: 合肥工业大学, 2019. [17] 马博健. 河道仿自然生境营造技术研究: 以太子河本溪城区段为例[D]. 沈阳: 辽宁大学, 2018. [18] WILKINSON S N, RUTHERFURD I D, KELLER R J. An experimental test of whether bar instability contributes to the formation, periodicity and maintenance of pool-riffle sequences[J]. Earth Surface Processes & Landforms, 2010, 33(11): 1742-1756. [19] PAN B, YUAN J, ZHANG X, et al. A review of ecological restoration techniques in fluvial rivers[J]. International Journal of Sediment Research, 2016, 31(2): 110-9. doi: 10.1016/j.ijsrc.2016.03.001 [20] ASSUMPCAO L, MAKRAKIS M , SILVA J F M D , et al. Deep pools: Ecological sanctuaries for steindachneridion melanodermatum, a large endemic and endangered pimelodid of the Iguau river[J]. Multidisciplinary Digital Publishing Institute, 2021, 13(12): 1700. [21] 林欢, 王丽, 杨胜发, 等. 广阳坝河段连续浅滩-深潭式仿自然生境修复技术研究[J]. 水电能源科学, 2023, 41(4): 85-87+96. [22] WANG Q H, LI S M, WANG X L, et al. Study on purification effect of river ammonia nitrogen and optimization of layout parameters in the combination of ecological spur dikes and deep pool shoals: Experiments and MIKE21[J]. River Research and Applications, 2024, 40(4): 529-543. doi: 10.1002/rra.4246 [23] 周群英, 王士芬. 环境工程微生物学[M]. 高等教育出版社2008: 443-446. [24] HUANG T L, ZHOU Z M, XU J L, et al. Biozeolite capping for reducing nitrogen load of the ancient canal in Yangzhou city[J]. Water Science and Technology, 2012, 66(2): 336-344. doi: 10.2166/wst.2012.189 [25] CHEN S, CHEN Y, PEI H, et al. Biofilm development dynamics and pollutant removal performance of ceramsite made from drinking-water treatment sludge[J]. Water Environment Research, 2019, 91(7): 616-627. doi: 10.1002/wer.1089 [26] 郭春祥, 王震洪, 刘立波, 等. 清水江河道深潭—急流—河滩系统水质差异[J]. 绿色科技, 2016(12): 90-94. doi: 10.3969/j.issn.1674-9944.2016.12.032 [27] ISNANSETYO A , SEGUCHI M , KORIYAMA M. Nitrification potential rate of different sediment types of the ariake sea tidal flat in summer and autumn[J]. Research Journal of Environmental & Earth Sciences, 2011, 3(6): 704-716. [28] 赵文博, 解永新, 于英潭, 等. 不同生态复氧方式对城市河流溶解氧影响研究[J]. 环境生态学, 2019, 1(3): 61-66. [29] 王超, 单保庆, 赵钰. 滏阳河水系沉积物硝化速率分布及溶解氧的限制效应[J]. 环境科学学报, 2015, 35(6): 1735-1740. [30] 何晓乐. 西安四条河流急流—深潭—河滩系统底泥微生物多样性及退化河流恢复策略[D]. 西安: 长安大学, 2021. [31] 王佳, 彭剑峰, 宋永会, 等. 浑河底泥微生物群落的季节性变化特征[J]. 环境科学研究, 2016, 29(2): 202-210. [32] YANG Z C, ZHOU Q, SUN H M, et al. Metagenomic analyses of microbial structure and metabolic pathway in solid-phase denitrification systems for advanced nitrogen removal of wastewater treatment plant effluent: A pilot-scale study[J]. Water Research, 2021, 196: 117067. doi: 10.1016/j.watres.2021.117067 [33] PJEVAC P, SCHAUBERGER C, POGHOSYAN L, et al. AmoA-Targeted polymerase chain reaction primers for the specific detection and quantification of comammox nitrospira in the environment[J]. Frontiers in Microbiology, 2017, 8: 1508. doi: 10.3389/fmicb.2017.01508 [34] DAIMS H, LüCKER S, WAGNER M. A new perspective on microbes formerly known as nitrite-oxidizing bacteria[J]. Trends in Microbiology, 2016, 24(9): 699-712. doi: 10.1016/j.tim.2016.05.004 [35] CHEN M Y, TENG W K, ZHAO L, et al. Phylogenomics uncovers evolutionary trajectory of nitrogen fixation in cyanobacteria[J]. Molecular Biology and Evolution, 2022, 39(9): msac171. doi: 10.1093/molbev/msac171 [36] HOEFEL D, MONIS P T, GROOBY W L, et al. Profiling bacterial survival through a water treatment process and subsequent distribution system[J]. Journal of Applied Microbiology, 2005, 99(1): 175-186. doi: 10.1111/j.1365-2672.2005.02573.x [37] FENG C J, ZHANG Z J, WANG S M, et al. Characterization of microbial community structure in a hybrid biofilm-activated sludge reactor for simultaneous nitrogen and phosphorus removal[J]. Journal of Environmental Biology, 2013, 34(2): 489-499. 期刊类型引用(3)
1. 郭强，朱同，杨财毛，季钰冲，丁梓亮，陆青松. 填充床反应管内甲醇催化燃烧数值模拟. 化学工程. 2023(03): 72-77 . 
百度学术
2. 李子旺，邓海发，邢传胜，赵一帆. 燃烧技术治理VOCs的研究进展. 现代化工. 2022(S2): 62-65+70 . 百度学术
3. 刘兆宇，陈颐，罗会龙，查文菊，邹聪明，张留臣，陈峰，刘忠华. 烟叶烘烤定色期密集烤房热湿环境数值分析. 西南农业学报. 2021(11): 2518-2524 . 百度学术
其他类型引用(4)
-
点击查看大图
计量
- 文章访问数: 465
- HTML全文浏览数: 465
- PDF下载数: 31
- 施引文献: 7
