熱線：021-66110810,66110819
手機：13564362870
Mathematical modeling of nitrous oxide production in an anaerobic/oxic/anoxic process
厭氧/好氧/缺氧過程中一氧化二氮產生的數學建模
來源：Bioresource Technology, Volume 222, 2016, Pages 39-48
《生物資源技術》第222卷，2016年，第39-48頁
摘要
摘要部分闡述了本研究首次將三種已知的一氧化二氮（N2O）產生途徑——銨氧化細菌（AOB）反硝化、不完全羥胺（NH2OH）氧化和異養反硝化利用細胞內聚合物——整合到一個數學模型中，用于描述厭氧/好氧/缺氧（AOA）過程中的N2O生產。開發的模型通過四個實驗案例進行了校準和驗證，并利用文獻中的兩個獨立厭氧/好氧（AO）研究進行了評估。建模結果與測量數據吻合良好。在AOA系統中，N2O主要在有氧階段通過AOB反硝化產生（67.84-81.64%），少量通過不完全NH2OH氧化（15.61-32.17%）和異養反硝化利用細胞內聚合物（0-12.47%）產生。高亞硝酸鹽抑制N2O還原酶導致異養反硝化中N2O積累增加。新模型能夠模擬AOA系統中的硝化-反硝化動態和異養反硝化利用細胞內聚合物的過程。
研究目的
研究目的是開發一個數學模型，全面描述AOA過程中N2O的產生機制，整合AOB反硝化、不完全NH2OH氧化和異養反硝化利用細胞內聚合物等多種途徑，以填補現有模型在完整生物脫氮過程中N2O模擬的空白，并深入理解N2O積累的機理。
研究思路
研究思路包括首先構建數學模型，耦合三種N2O產生途徑；然后利用實驗室AOA工藝的序批式反應器（SBR）實驗數據（案例1-4）進行模型校準和驗證；接著使用文獻中的AO研究數據評估模型適用性；最后測試模型在預測另一AOA系統N2O生產的能力。研究通過MATLAB平臺進行模擬，參數校準基于案例2數據，驗證使用其他案例，并評估模型的預測準確性。
測量的數據及研究意義
1 測量了NH4+（銨氮）、NO2-（亞硝酸鹽）、NO3-（硝酸鹽）、N2O（一氧化二氮）、Ss（易生物降解基質）和DO（溶解氧）等變量的濃度變化。這些數據來自文檔中的圖2、圖3、圖4、圖5和表1。例如，圖2顯示了案例2中NH4+、NO2-、NO3-、N2O、Ss和DO的剖面數據；表1總結了各案例的操作特性和結果。
研究意義在于這些數據用于校準和驗證數學模型，確保模型能準確捕捉AOA過程中氮轉化和N2O產生的動態。通過比較模擬與實測數據，可以驗證模型結構合理性，并深入分析N2O產生途徑的貢獻，如識別AOB反硝化為主導機制。數據來自不同C/N比案例，有助于理解操作條件對N2O積累的影響，為優化工藝減少溫室氣體排放提供依據。
2 測量了N2O的實時濃度，使用丹麥Unisense微傳感器在線監測液相N2O。數據主要出現在圖2B、圖3B、圖4B和圖5C中，顯示了N2O在不同階段的積累趨勢。
研究意義在于Unisense電極提供了高精度實時數據，使模型能動態模擬N2O生產，揭示其在有氧和無氧階段的產生規律。這些數據幫助量化各途徑貢獻，例如證實有氧階段N2O主要來自AOB反硝化，并評估亞硝酸鹽抑制對N2O還原的影響，為理解N2O產生機制提供了實驗支撐。
3 測量了細胞內聚合物（XsTo）的存儲和消耗情況，以及磷濃度變化。數據反映了異養反硝化過程中碳源利用的影響。
研究意義在于闡明XsTo的充足性對N2O積累的關鍵作用；低C/N比下XsTo不足導致N2O積累增加，而高C/N比下N2被完全還原。這揭示了異養反硝化中碳源競爭對N2O產生的調控機制，并暗示反硝化糖原積累生物（DGAOs）為主要微生物群落，為工藝優化提供了微生物學見解。
結論
1 N2O在AOA過程中主要產生于有氧階段，AOB反硝化是主導途徑（占67.84-81.64%），不完全NH2OH氧化和異養反硝化利用細胞內聚合物為次要途徑。
2 高亞硝酸鹽積累對N2O還原酶的抑制是異養反硝化中N2O積累的主要原因，尤其在低C/N比條件下XsTo不足時更為顯著。
3 開發的數學模型成功描述了氮轉化和N2O生產動態，通過校準和驗證顯示良好預測能力，可作為理解AOA過程N2O機制的有效工具。
4 異養反硝化主要由DGAOs而非DPAOs完成，因低P/C比條件有利于DGAOs生長，這通過磷去除數據間接證實。
使用丹麥Unisense電極測量數據的研究意義
使用丹麥Unisense電極測量溶解N2O濃度的研究意義在于實現了N2O的高分辨率實時監測，使模型能精確捕捉N2O的動態產生和消耗過程。這些數據直接驗證了數學模型的關鍵預測，如N2O在有氧階段的積累峰值和無氧階段的還原趨勢。通過電極數據，研究量化了N2O產生速率和積累量，揭示了AOB反硝化在有氧條件下的主導地位，以及亞硝酸鹽抑制對N2O還原的影響。此外，實時監測有助于識別SND過程中N2O的瞬時變化，為優化DO水平和C/N比以減少N2O排放提供了實驗依據，提升了模型在真實廢水處理應用中的可靠性。