Nitrogen removal, microbial community and electron transport in an integrated nitrification and denitrification system for ammonium-rich wastewater treatment

富氨廢水處理中集成硝化和反硝化系統的氮去除、微生物群落和電子傳輸

來源：International Biodeterioration & Biodegradation, Volume 133, 2018, Pages 202-209

《國際生物劣化與生物降解》，第133卷，2018年，第202-209頁

 

摘要

摘要部分指出，部分硝化和反硝化（PND）是一種有前景的氮去除技術，本研究旨在優化PND反應器的操作以實現穩定的部分硝化，處理富氨廢水。研究使用宏基因組學分析功能基因和微生物群落，通過呼吸鏈抑制劑實驗研究反硝化電子傳輸鏈。實現了53.3%的銨氮去除效率，出水亞硝酸鹽氮與銨氮濃度比為0.74。優勢微生物包括Nitrosomonadaceae（氨氧化細菌）和Nitrospira（亞硝酸鹽氧化細菌），反硝化菌主要為Thauera、Phycisphaerales和Paracoccus。高亞硝酸鹽氮濃度增加了亞硝酸鹽氧化細菌活性，阻礙穩定部分硝化，并導致更多N2O排放。提出了修改的反硝化電子傳輸模型，解釋高亞硝酸鹽氮濃度如何增強亞硝酸鹽還原酶的電子競爭，導致N2O還原酶電子供應不足，從而增加N2O排放。

 

研究目的

研究目的是優化集成部分硝化和反硝化（PND）系統的操作，實現穩定的部分硝化和高效氮去除，特別是針對富氨廢水。研究旨在分析微生物群落和功能基因，探討亞硝酸鹽氮（NO2-N）對硝化和反硝化性能的影響，并闡明反硝化過程中電子競爭機制，以減少溫室氣體N2O排放。

 

研究思路

研究思路包括長期運行一個序批式反應器（SBR），處理合成富氨廢水，分六個階段逐步增加進水銨氮濃度和調整操作條件。使用宏基因組學和16S rRNA測序分析微生物群落和功能基因。進行批實驗研究NO2-N濃度對硝化的影響，以及不同電子受體（NO2-N或NO3-N）和碳源對反硝化的影響。通過添加呼吸鏈抑制劑（如rotenone、QDH、antimycin A、DCC）研究反硝化電子傳輸鏈。基于實驗結果提出修改的電子傳輸模型。

 

測量的數據及研究意義

1 系統性能數據：測量了反應器進出水氮濃度（NH4-N、NO2-N、NO3-N）、總有機碳（TOC）和N2O排放動態，這些數據來自Fig.1。研究意義是評估PND系統的氮去除效率和部分硝化穩定性，為優化操作參數提供依據。

 

2 微生物群落結構數據：通過16S rRNA測序分析了微生物在門、綱、屬水平的相對豐度。研究意義是識別優勢菌群（如AOB、NOB和反硝化菌），理解微生物對氮去除的貢獻。

3 功能基因豐度數據：使用宏基因組學測量了氮循環相關基因（如amo、hao、nxrA、nar、nir、nor、nosZ）的相對豐度，這些數據來自Fig.2。研究意義是揭示氮轉化途徑的分子基礎，關聯微生物功能與性能。

 

4 微生物擁有功能基因數據：匹配特定微生物（如Thauera、Nitrosomonas）與功能基因，這些數據來自Fig.3。研究意義是確定關鍵菌株在氮去除和N2O減排中的作用，指導菌群調控。

 

 

5 硝化性能數據：在不同初始NO2-N濃度（0、5、20、80 mg/L）下測量NH4-N氧化速率、NO2-N和NO3-N產生速率、AOB/NOB活性比和N2O排放因子，這些數據來自Table 1。研究意義是評估NO2-N對硝化微生物活性的影響，優化部分硝化條件。

 

6 反硝化性能數據：使用不同電子受體（NO2-N或NO3-N）和碳源測量NO2-N或NO3-N還原速率、TOC利用速率和N2O轉化率，這些數據來自Table 2。研究意義是比較電子受體對反硝化效率和N2O排放的影響，指導碳源選擇。

 

7 電子傳輸鏈數據：添加抑制劑后測量NO3-N還原速率、NO2-N積累速率和N2O產生速率，這些數據來自Fig.4。研究意義是闡明電子傳輸路徑和競爭機制，解釋N2O產生原因。

 

8 電子傳輸模型數據：基于實驗提出修改的電子傳輸模型，顯示電子從CoQ到NAR，從Cyt c到NIR、NOR和NOS，這些數據來自Fig.5。研究意義是可視化電子競爭過程，為模型開發提供基礎。

 

 

結論

1 系統實現了53.3%的銨氮去除效率和85.7%的部分硝化比率，證明PND在富氨廢水處理中的可行性。

2 微生物群落以Bacteroidetes和Proteobacteria為主，AOB（Nitrosomonadaceae）豐度高于NOB（Nitrospira），反硝化菌如Thauera、Phycisphaerales和Paracoccus占主導。

3 功能基因分析顯示Thauera、Nitrosomonas和Acidovorax同時擁有硝化和反硝化基因，可能參與全程氮去除。

4 NO2-N濃度在抑制閾值以下時增強NOB活性，降低AOB/NOB比，阻礙穩定部分硝化。

5 反硝化以NO2-N為電子受體時N2O排放比NO3-N高3倍， due to電子競爭加劇。

6 電子傳輸模型表明NAR優先從CoQ獲電子，NIR、NOR和NOS從Cyt c并行獲電子，高NO2-N濃度增強NIR電子需求，導致NOS電子不足，增加N2O排放。

7 擁有nosZ基因的微生物（如Thauera、Aequorivita、Rhodothermus）有助于減少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（N2O-100微傳感器）在線測量反硝化過程中的溶解N2O濃度，這些數據在文中用于計算N2O轉化率和監測動態排放。研究意義在于該電極提供了高時間分辨率的實時監測能力，能夠準確捕捉N2O產生瞬態變化，避免傳統離線測量的延遲和誤差。這有助于深入理解反硝化過程中電子競爭對N2O排放的影響，例如在碳源不足時N2O積累的機制，為優化操作條件以減少溫室氣體排放提供直接證據。此外，在線數據與動力學參數結合，增強了電子傳輸模型的可信度，支持了高NO2-N濃度導致N2O還原酶電子供應不足的結論。