Enhanced nitrogen removal and minimization of N2O emission in a constant-flow multiple anoxic and aerobic process

恒定流量多級缺氧好氧工藝中強化脫氮及N2O排放的最小化

來源：Journal of Water Process Engineering, Volume 26, 2018, Pages 336-341

《水處理工程雜志》，第26卷，2018年，第336-341頁

 

摘要

摘要部分闡述了本研究評估了恒定流量多級缺氧好氧（AO）工藝中的氮去除和一氧化二氮（N2O）排放。研究了溶解氧（DO）、碳源和投加模式對N2O排放的影響。氨氮和總氮的去除率分別為99.8%和74.1%。有限的DO、有機碳的存在和高亞硝酸鹽濃度增強了硝化過程中的N2O排放。亞硝酸鹽的內源反硝化顯示出高N2O排放潛力，尤其是一次性投加亞硝酸鹽時。編碼N2O還原酶的nosZ基因廣泛分布于變形菌門（39.6%）、β-變形菌綱（31.6%）和羅爾斯通氏菌屬（20.0%）。研究表明，硝化過程中高DO濃度和不存在有機碳、反硝化過程中避免內源亞硝酸鹽反硝化以及恒定投加操作模式都有利于最小化N2O排放。

 

研究目的

研究目的是評估恒定流量多級AO工藝中的氮去除性能和N2O排放特征，探究不同操作條件（DO濃度、碳源類型、投加模式）對N2O產生的影響，分析微生物群落結構和nosZ基因分布，并提出最小化N2O排放的策略。

 

研究思路

研究思路基于運行一個實驗室規模的恒定流量多級AO反應器（厭氧/好氧I/缺氧I/好氧II/缺氧II/好氧III/沉淀池組合工藝），在低DO條件下處理合成廢水。通過批次實驗測試不同DO濃度、有機碳存在與否、亞硝酸鹽濃度以及投加模式（一次性投加與連續投加）對硝化和反硝化過程中N2O排放的影響。使用Unisense N2O微電極在線監測溶解N2O濃度，通過氣相色譜分析氣相N2O。采用16S rRNA測序分析微生物群落結構，并通過nosZ基因擴增測序研究N2O還原酶的分布特征。最后綜合實驗結果提出N2O減排策略。

 

測量的數據及研究意義

1 數據：不同條件下硝化過程中的氮動力學參數和N2O排放因子，來自Table 2。研究意義：數據顯示低DO（0.4 mg/L）下的N2O排放因子（1.1%）比高DO（7.0 mg/L）條件下（0.6%）高82%，證實低DO增強N2O排放；添加有機碳使N2O排放因子從約0.9%增至18.8-23.2%，表明異養反硝化活動顯著促進N2O產生；亞硝酸鹽濃度從0增至20 mg/L時，N2O排放因子線性增加（R2=0.98），證明亞硝酸鹽是N2O產生的關鍵驅動因子。

 

2 數據：反硝化過程中的氮去除速率和N2O排放因子，來自Table 3。研究意義：數據顯示外源碳（乙酸鈉）反硝化速率（6.42 mg N/g VSS·h）高于內源碳（PHB）反硝化（3.88 mg N/g VSS·h）；亞硝酸鹽反硝化的N2O排放因子（3.7-4.7%）高于硝酸鹽反硝化（2.2-1.7%）；一次性投加模式的N2O積累高于連續投加模式，表明投加方式影響N2O還原酶抑制程度。

 

3 數據：微生物群落和nosZ基因分布，來自Fig. 2和Fig. 3。研究意義：微生物群落以變形菌門（33.5%）、擬桿菌門（29.1%）和浮霉菌門（13.8%）為主；nosZ基因主要分布于變形菌門（39.6%）、β-變形菌綱（31.6%）和羅爾斯通氏菌屬（20.0%），這揭示了具有N2O還原能力菌株的系統發育位置，為調控微生物群落以減少N2O排放提供靶點。

 

 

 

結論

1 恒定流量多級AO工藝可實現高效脫氮（氨氮去除率99.8%，總氮去除率74.1%），但N2O排放受多種因素影響。

2 硝化過程中，低DO、有機碳存在和高亞硝酸鹽濃度顯著增強N2O排放，主要源于硝化菌反硝化和異養反硝化作用。

3 反硝化過程中，亞硝酸鹽作為電子受體、內源碳利用以及一次性投加模式會導致更高的N2O排放，因亞硝酸鹽抑制N2O還原酶。

4 微生物分析顯示nosZ基因廣泛分布于特定菌群（如β-變形菌），但排放因子表明在實際過程中N2O還原仍受環境條件抑制。

5 建議采用高DO硝化、避免硝化期有機碳、防止內源亞硝酸鹽反硝化及連續投加模式以最小化N2O排放。

 

使用丹麥Unisense電極測量數據的研究意義

使用丹麥Unisense電極測量數據的研究意義在于，其N2O微傳感器（如N2O-R型）提供了對溶解態N2O的高精度、實時在線監測能力，時間分辨率高，能捕捉N2O動態變化細節。在本研究中，該電極用于批次實驗中連續監測液體相N2O濃度，數據直接用于計算N2O產生速率和排放因子。意義包括：首先，它允許在秒級間隔內追蹤N2O積累和消耗過程，準確揭示了亞硝酸鹽添加后N2O的立即升高，直接證明了亞硝酸鹽對N2O還原酶的抑制效應。其次，高分辨率數據使能量化不同條件下的N2O排放因子（如Table 2和Table 3），為比較不同場景下的排放潛力提供了可靠量化基礎。最后，實時監測避免了傳統離線方法（如氣相色譜）的延遲和采樣誤差，確保了實驗數據的準確性和可重復性，從而支持了模型驗證和機制解析。總之，Unisense電極數據是連接操作條件與N2O排放響應的關鍵工具，為理解N2O產生機制和開發減排策略提供了堅實的數據支撐。