Source identification of nitrous oxide emission pathways from a single-stage nitritation-anammox granular reactor

單級亞硝化-厭氧氨氧化顆粒反應器中氧化亞氮排放途徑的來源識別

來源：Water Research, Volume 102, 2016, Pages 147-157

《水研究》，第102卷，2016年，第147-157頁

 

摘要

摘要部分闡述了通過多邊方法研究了單級亞硝化-厭氧氨氧化序批式反應器（SBR）中氧化亞氮（N2O）的生產途徑，包括實時N2O監測、N2O同位素組成分析以及顆粒生物質中N2O生產速率和微生物群落空間分布的原位分析。N2O排放速率在操作周期初始階段較高，并隨銨濃度降低而逐漸減少。N2O平均排放量占進水氮負荷和去除氮的百分比分別為0.98±0.42%和1.35±0.72%。N2O同位素組成分析顯示，N2O通過羥胺氧化和亞硝酸鹽還原途徑等量生產，但存在N2O還原和/或厭氧氨氧化N2O生產的未知影響。然而，N2O同位異構體分析無法區分亞硝酸鹽還原途徑中硝化菌反硝化和異養反硝化的相對貢獻。因此，應用各種原位技術進一步識別N2O生產者。微傳感器測量顯示約70%的N2O在好氧表層區生產，那里主要分布著硝化菌。因此，羥胺氧化和硝化菌的亞硝酸鹽還原（硝化菌反硝化）可能是好氧區N2O生產的原因。其余N2O（約30%）在厭氧氨氧化菌主導的厭氧區生產，可能表明共存異養反硝化菌的亞硝酸鹽還原及其他未知途徑（包括厭氧氨氧化過程的可能性）導致了厭氧N2O生產。需要進一步研究識別厭氧N2O生產途徑。多邊方法可用于定量檢查N2O生產途徑的相對貢獻。更好理解關鍵N2O生產途徑對建立減少生物脫氮過程N2O排放的策略至關重要。

 

研究目的

研究目的是識別單級亞硝化-厭氧氨氧化過程中N2O的生產途徑，通過反應器和微生物群落水平監測N2O生產，結合微生物群落分析、原位分布和同位素組成，以闡明N2O排放的來源和機制。

 

研究思路

研究思路包括操作實驗室規模序批式反應器（SBR），使用混合污泥（硝化生物質和厭氧氨氧化生物質）在37°C下運行，合成廢水含銨和亞硝酸鹽。通過實時N2O監測、微傳感器測量（如DO、N2O濃度剖面）、熒光原位雜交（FISH）分析微生物空間分布、16S rRNA基因測序（Illumina MiSeq）以及N2O同位異構體分析（δ15Nbulk、δ18O、SP值），整合數據以識別N2O生產途徑。微傳感器用于測量顆粒生物質中化學物質的穩態濃度剖面，并計算凈體積生產速率。

 

測量的數據及研究意義

1 N2O排放速率數據：N2O排放占進水氮負荷的0.98±0.42%和去除氮的1.35±0.72%，數據基于實時監測和氣體色譜分析。研究意義是量化N2O排放水平，顯示單級系統排放較低，與以往研究可比，有助于評估過程的環境影響。

2 N2O濃度隨時間變化數據：來自Fig. 2，顯示操作周期初始階段N2O排放高，隨銨濃度降低而減少。研究意義是揭示N2O排放動態，關聯操作條件，為優化控制提供依據。

 

3 微生物群落數據：來自Fig. 3和Fig. 4，通過MiSeq和FISH顯示好氧區主要分布硝化菌（AOB和NOB），厭氧區分布厭氧氨氧化菌和Chloroflexi。研究意義是確認微生物空間分層，關聯N2O生產區域，幫助識別貢獻者。

 

 

4 微傳感器濃度剖面數據：來自Fig. 5和Fig. 6，顯示DO、NH4、NO2、NO3和N2O在顆粒中的分布，計算凈體積速率。研究意義是直接可視化反應活性區，顯示約70%N2O在好氧區生產，30%在厭氧區，定位生產熱點。

 

 

5 N2O同位素數據：來自Fig. 7，SP值約15-19‰，計算羥胺氧化和亞硝酸鹽還原途徑貢獻各約50%。研究意義是區分生產途徑，但顯示局限性，需結合其他方法。

 

 

結論

1 N2O平均排放量為去除氮的1.35±0.72%，同位素分析顯示羥胺氧化和亞硝酸鹽還原途徑貢獻大致相等。

2 微傳感器和FISH顯示70%N2O在好氧區由硝化菌生產，30%在厭氧區可能由異養反硝化或未知途徑生產。

3 需要進一步研究厭氧區N2O生產機制，多邊方法有助于定量評估途徑貢獻，為減少N2O排放提供策略。

 

使用丹麥Unisense電極測量數據的研究意義

使用丹麥Unisense微電極測量的N2O濃度數據（如Fig. 6所示）的研究意義在于提供高分辨率、原位監測顆粒生物質中N2O的空間分布和生產速率，從而精確識別N2O排放的熱點區域和動態變化。在本文中，微傳感器數據揭示了N2O生產主要集中于顆粒好氧表層（0-100μm），那里DO快速消耗，硝化菌活躍，證實了硝化相關途徑的主導作用。同時，在厭氧區（100μm以下）檢測到N2O生產，表明異養反硝化或厭氧氨氧化可能貢獻。這種測量避免了傳統方法的延遲，提供了實時剖面數據，幫助理解微生物代謝與環境因子（如DO、底物濃度）的相互作用。通過計算凈體積速率，微傳感器數據直接關聯了微生物分布（從FISH）與功能，驗證了同位素分析結果，突出了技術在識別和量化N2O生產途徑中的關鍵作用，為優化反應器操作（如DO控制）以減少溫室氣體排放提供了實驗依據。