几种多环芳烃在不同类型稻田土壤中的降解行为

为揭示我国不同类型稻田土壤中多环芳烃(PAHs)的降解率,采集了8个地区的稻田土壤,分别加入菲、荧蒽和苯并[a]蒽进行室内培养试验,分析不同类型稻田土壤中PAHs降解速率的差异及其与土壤理化性质的关系。结果表明,不同类型稻田土壤中PAHs降解能力由大到小依次为四川石灰性紫色土、黑龙江黑土、重庆中性紫色土、山西褐土、北京潮土、安徽黄褐土、河南潮土和湖南黄壤。不同类型稻田土壤中PAHs降解率在培养7 d时均可达51.5%,28 d后降解率大于80%。土壤中PAHs易降解程度由高到低依次为菲、荧蒽和苯并[a]蒽。除四川石灰性紫色土和重庆中性紫色土外,PAHs能显著增加其他类型土壤中总细菌数量和菲降解过程中的双加氧酶功能基因phnAc数量。冗余分析结果表明,土壤中菲和荧蒽降解速率与土壤中NH_4~+-N和有机质含量呈显著正相关(P0.05),与pH值和含水量呈负相关。土壤中苯并[a]蒽降解速率与土壤理化性质均无显著相关性(P0.05)。不同类型稻田土壤中PAHs自然降解速率和留存时间有所差异,可通过在土壤中添加氮肥等营养物质促进PAHs的降解。     

云南宣威肺癌高发区C1煤燃烧排放颗粒物中PAHs的组成特征及健康风险

宣威煤燃烧排放产物与其所导致的肺癌高发率一直是国际学术界关注的热点,但煤燃烧排放颗粒物中的关键致毒组分还不清楚。以肺癌高发区产出的晚二叠世C1煤燃烧排放不同粒径颗粒物为研究对象,分析其中主要有害有机污染物多环芳烃(PAHs)的分布特征及其健康风险。结果表明宣威煤燃烧排放的颗粒物中16种PAHs的总质量浓度为77 359.21 ng·m-3,其中含量最高的是苯并(g,h,i)苝,其他主要的PAHs依此为:屈、苯并(b)荧蒽、苯并(a)蒽、荧蒽、二苯并(a,h)蒽、菲、苯并(k)荧蒽、茚并(1,2,3-cd)芘;强致癌化合物苯并a芘(Ba P)总浓度亦可达到10 060.13 ng·m-3;这些有害有机物主要分布在细颗粒物中;不同粒径颗粒物的毒性当量存在明显差异,细颗粒的毒性当量占可吸入颗粒物中PAHs总毒性当量的87.4%,远高于粗颗粒(12%)和超细颗粒物(0.4%)的毒性当量。     

新疆准东煤矿开采区域中多环芳烃的污染特征分析

本文采集并分析了新疆准东煤矿开采区域6个采样点的降尘、土壤和植物的样品,对样品中16种多环芳烃(PAHs)的含量进行了分析,结果显示,降尘中∑PAHs在1.07—8.34 mg·kg~(-1)间;土壤中(除1#点位)∑PAHs在0.134—1.06 mg·kg~(-1)间;植物中(除1#点位)∑PAHs在0.163—1.54 mg·kg~(-1)间.降尘中高含量PAHs主要为苯并[b]荧蒽、菲和萘;土壤中高含量PAHs主要为菲、荧蒽和蒽;植物中高含量PAHs主要为萘、菲和芴.降尘、土壤及植物中PAHs均显示出富三环的特征;研究区域土壤中PAHs的苯并(a)芘等效毒性当量结果显示,研究区域土壤中PAHs的污染存在一定的潜在风险.     

高铁酸钾降解荧蒽和苯并[a]芘的偏振荧光光谱研究

考察了高铁酸钾对荧蒽和苯并[a]芘两种PAHs(多环芳烃)的降解反应过程,并应用偏振荧光光谱技术研究了荧蒽和苯并[a]芘两种PAHsr降解体系反应过程及其差别的识别,着重探讨了两种PAHs降解体系反应过程中的多种荧光波长模式与偏振度、三维荧光(EEM)与偏振三维荧光(PEEM)变化规律,最后由时间扫描荧光模式直接获得反应动力学拟合方程式.实验结果表明,各荧光识别模式一致地显示出高铁酸钾对荧蒽和苯并[a]芘的显著性降解作用及其对应的各荧光强度变化规律,即反应时间大于40 s后,两种PAHs(多环芳烃)的降解反应均不明显,且降解过程中均无新的荧光发色团结构生成.在高铁酸钾与荧蒽/苯并[a]芘摩尔比为1∶1、1∶4、4∶1的各降解体系的反应过程均符合一级反应动力学规律.荧蒽降解曲线的线性关系更高,苯并芘降解速率更快,多种荧光光谱相结合能够实现对PAHs的降解过程的便捷而有效的追踪,其揭示的结果与分子机理一致,即苯并[a]芘分子较荧蒽分子具有更大的π电子密度,因而在Fe(Ⅵ)夺电子过程中,更易于失去电子而被Fe(Ⅵ)氧化降解.     

钢铁工业区周边农业土壤中多环芳烃(PAHs)残留及评价

对某大型矿业企业周边农业土壤中多环芳烃(PAHs)残留量进行了调查。结果表明,PAHs总残留量范围为312. 2~27 580. 9ng·g-1,且以4环以上多环芳烃组分为主。所有土样中均检出PAHs,单一污染物以芘、艹屈、荧蒽、苯并[a]芘、蒽、菲、苯并[a]蒽、苯并[k]荧蒽、茚并[1,2,3 cd]芘、苯并[g,h,i]苝为主。PAHs残留量与有机质含量相关性较好。不同样区土壤PAHs残留量受常年风向影响明显。以加拿大农业区域土壤PAHs的治理标准值为指标,用内梅罗综合指数法进行评价表明,研究区农业土壤达重污染水平的占37%,中度污染的占19%,轻污染的占25%,另有13%的采样点污染程度处于警戒限,仅有6%的采样点尚处于安全级。     

北京地区表层土壤中多环芳烃的分布特征及污染源分析

根据北京地区不同环境功能区62个样品的分析结果,讨论了研究区表层土壤中多环芳烃的分布特征及污染源类型。结果表明：（1）研究区表层土壤中检测到的多环芳烃主要包括萘、苊、菲、惹烯、三芴、荧蒽、芘、、苯并蒽、苯并[b]荧蒽、苯并[k]荧蒽、苯并[e]芘、苯并[a]芘、苝、二苯并[a,h]蒽、茚并[1,2,3–cd]芘、苯并[g,h,i]苝及其同系物;（2）不同环境功能区表层土壤中多环芳烃的组成及质量分数均存在一定的差别,16种优先控制的多环芳烃质量分数为175.1~10 344 ng.g-1,其中城市中心区表层土壤中多环芳烃的质量分数最高,交通干线附近、工矿企业附近表层土壤中PAHs的质量分数较高,林地、果园和农田表层土壤中PAHs的质量分数较低;（3）表层土壤中PAHs既有来源于石油源,也有来源于化石燃料燃烧产物的,但不同功能区二者贡献存在差别,其中农业用地（林地、果园、农田）中PAHs主要来源于石油源（或部分来源于土壤母岩中的有机质）,城区、交通干线附近及工矿企业附近表层土壤中PAHs污染源以化石燃料燃烧产物输入为主。     

微杆菌3-28对萘、菲、蒽、芘的降解

研究了以多环芳烃为唯一碳源富集培养的微杆菌3-28对不同多环芳烃化合物(Polycyclic aromatichydrocarbons,PAHs)及混合PAHs的降解能力,以及在无机基础培养基中生长时PAHs浓度与一些主要环境因子如pH值、盐度、温度对细菌降解PAHs的影响.结果表明,微杆菌3-28X对萘、菲、蒽和芘均有较高的降解能力,112 h后萘与菲完全降解,而蒽和芘28 d的降解率分别为97.54%、90.2%.初始底物浓度会影响细菌生长速率,底物浓度过高不利于细菌生长.相同培养时间下多底物培养液中的菌群浓度明显高于单底物系统.微杆菌3-28能够在pH 6.0-9.0、盐度10～30g/kg,温度40～55℃的环境下生存,并保持较高的降解能力.图8参33     

应用物种敏感性分布评估多环芳烃对淡水生物的生态风险（Assessing Ecological Risks of Polycyclic Aromatic Hydrocarbons（PAHs）to Freshwater Organisms by Species Sensitivity Distributions）

阐述了利用物种敏感性分布进行生态风险评价的原理与方法,构建了淡水生物对8种常见多环芳烃(蒽、芘、苯并[a]芘、荧蒽、菲、芴、苊、萘)的物种敏感性分布;在此基础上,计算了这8种多环芳烃对不同类别生物的HC5(Hazardous Concentration for5%of the species)阈值,预测了不同浓度多环芳烃对生物的潜在影响比例PAF(Potentialaffected fraction),比较了不同类别生物对多环芳烃的敏感性,以及多环芳烃对淡水生物的生态风险,并对以红枫湖、黄河、白洋淀为代表的中国典型水体中的多环芳烃进行了联合生态风险评价.结果表明:1)当污染物浓度达到10μg·L-1时,半数多环芳烃的风险超过了5%的阈值;当浓度上升到100μg·L-1时,只有萘和苊没有显著生态风险.2)对于芴和荧蒽,无脊椎动物更为敏感;而对于萘,则脊椎动物更敏感.3)通过HC5值比较和SSD曲线图比较,可得出污染物对所有物种的生态风险大小依次为:蒽>芘>苯并[a]芘>荧蒽>菲>芴>苊>萘;对脊椎动物风险大小为:荧蒽>苊>萘;对无脊椎动物:蒽>芘>荧蒽>菲>芴>苊>萘.4)多环芳烃在红枫湖、黄河、小白洋淀的生态风险均较低,急性联合msPAF(multisubstance PAF)值小于1%.     

水-硅油双相体系对多环芳烃降解菌的筛选及鉴定

选用水-硅油双相体系驯化筛选降解多环芳烃的优势菌株。筛选体系为：50mL无机盐溶液＋10mL硅油。从74瓶富集液中,对降解效果明显的富集液进行多环芳烃降解率的液相色谱定量测定。对蒽的降解率最高为45%;对荧蒽的降解率最高为99%,几乎全部降解,对苯并[a]芘的降解率为27%。筛选到一株能够高效降解蒽、菲、芘、荧蒽的菌株,编号LD29,鉴定结果为矢野口鞘氨醇杆菌LD29（Sphingobium yanoikuyae LD29）。富集液Y12对5种多环芳烃的降解效果同样很明显。     

青岛地区大气气溶胶中多环芳烃的GC/MS分析

本文采集了青岛5个区的大气气溶胶样品，参照美国EPA610方法，用GC/MS分析鉴定多环芳烃。结果表明，青岛市大气气溶胶中PAHs总量的总趋势是东部高于西部，中部高于南、北部。多环芳烃的环数分布表明，气溶胶中PAHs几乎全部由人类活动产生。16种优先控制多环芳烃化合物中的萘、苊、芴、荧蕙、茚并[1，2，3-cd]芘，苯并[b]荧蒽、苯并[k]荧蒽等有毒有害有机污染物普遍检出于市内五区。苯并[a]芘的大气含量甚微。     

徐州市区大气颗粒物中多环芳烃的污染特征

采用高效液相色谱技术（HPLC）对徐州市大气颗粒物中优控的16种多环芳烃（PAHs）进行定量研究。结果表明：萘、芴、苊等低分子量芳烃的含量相对较低;苯并（g,h,i）苝、茚并（1,2,3-cd）芘、苯并（k）荧蒽、苯并（a）芘等高分子量芳烃的含量相对较高;含量最高的单体为荧蒽,占待检的16种PAHs的19%以上。不同环数多环芳烃含量大小顺序为：4环〉5环〉6环〉3环〉2环。可吸入颗粒物（PM10）中苯并（a）芘和∑PAHs在不同功能区的分布特征大体上一致,并呈现一定规律性：交通干线区〉工业区〉风景文化区〉居民区〉新城区。由此可以初步认为徐州市区PM10中的PAHs主要来源于燃煤和汽车尾气。     

多环芳烃降解菌的获得及应用

运用双相(水-硅油)系统可进行有机物降解菌的筛选．本实验用此法获得了多环芳烃(PAHs)的降解菌，降解菌对PAHs有较好的降解作用．堆肥法处理PAHs中接入筛选到的降解菌可以大大加强降解效果．堆肥过程中堆温升高很快，对一些PAHs如荧蒽、芘、苯并[a]芘等可以彻底清除，对更多环的PAHs也可降到很低的浓度．图1表3参4     

新乡市地表水中多环芳烃的分布特征及生态风险

利用GC-MS测定了新乡市地表水中15种多环芳烃(PAHs)的含量,分析了其组成特征,并通过安全阈值(MOS10)法评价了新乡市地表水中PAHs的生态风险.结果表明,新乡市地表水中PAHs的含量为369—4248 ng·L,与国内其他河流相比,污染水平较高.PAHs的组成以3环和4环为主,分别占总量的41.3%和40.3%.新乡市地表水中单种PAHs对水生生物的生态风险大小依次为蒽(Ant)菲(Phe)芘(Pyr)苯并[a]芘(Ba P)荧蒽(Flua)芴(Flu)苊(Ace),其中Ant和Phe的暴露浓度超过影响10%水生生物的概率分别为30.2%和10.4%,具有潜在生态风险;Ace、Flu、Flua、Pyr和Ba P的暴露浓度超过影响10%的水生生物的概率分别为0.85%、1.96%、4.26%、6.71%和5.69%,生态风险较低.联合生态风险评价结果表明,新乡市地表水中∑PAH7等效浓度超过影响10%水生生物的概率为43.7%,大于任何单种PAHs对水生生物的生态风险,主要河流的生态风险从大到小依次为金堤河(56.6%)共产主义渠(43.0%)天然文岩渠(16.4%).     

海南红树林沉积物中多环芳烃降解菌群组成及降解率的比较研究

已有研究证明能从有PAHs污染的区域筛选相应的降解菌,海南红树林存在PAHs污染,但少有研究从海南红树林沉积物中筛选PAHs降解菌。文章的研究目的是从海南不同红树林分布区的沉积物中筛选PAHs的降解菌群比较PAHs的降解菌群降解特征,并阐明菌群降解率和菌群结构之间的关系,为环境中PAHs污染区域修复提供理论依据。通过采集海南不同红树林中24个样点的沉积物,以菲、芘、苯并(a)芘3种PAHs为混合碳源,富集培养降解菌群,用HPLC测定菌群降解率,以传统分离培养的方法比较菌群组成差异。所有样点筛得的群对3种底物的平均降解效率为菲(3-环)芘(4-环)苯并(a)芘(5-环)。由贪噬菌属和剑菌属组成的菌群Q15,对菲的降解率达到95.3%,由伯克氏菌属、鞘脂单胞菌属组成的菌群Q12对芘降解率为94%,仅有申氏菌属的菌群Q9,对苯并(a)芘降解率为49.7%。所有样点共筛得23个属60个种的降解菌,除两株为厚壁菌门外,其他均为变形菌门。其中变形菌门中菌DAC9的16S rRNA序列与最相近的菌株序列一致性为97%,可能是潜在新菌。结果表明,红树林沉积物中富集培养的PAHs降解菌群对3种底物的降解效率存在差异,其中中低环PAHs更易被降解。不同的菌属组合对PAHs的降解能力不同。并从沉积物中筛选出了一株潜在新菌。     

墨水河表层沉积物中多环芳烃(PAHs)的分布特征、来源解析及生态风险评价

本文运用GC-MS测定了墨水河表层沉积物中16种优控多环芳烃(PAHs)浓度,采用多种数据分析技术解析了PAHs的来源.结果表明,苊烯、苊、蒽和苯并(a)蒽在部分样品中未检出,其余12种在所有样品中均有检出,16种PAHs总浓度为196.51—8549.33 ng·g~(-1),平均浓度为3320.03 ng·g~(-1).沉积物中PAHs的环数分布以高环为主,运用轻重比、分子比值和主成分分析-多元线性回归模型(PCA-MLR)等3种方法,共同确定PAHs的主要来源分别为混合源(煤炭、生物质和汽油燃烧源)、柴油燃烧源和石油源,这3种来源对总PAHs的贡献分别为59.8%、26.0%和14.2%.效应区间低/中值法(ERL/ERM)对PAHs生态风险分析表明,芴、菲、苯并(a)蒽、、苯并(b)荧蒽、苯并(k)荧蒽和苯并(a)芘在墨水河中下游偶尔会产生负面生态风险,二苯并(a,h)蒽存在经常产生负面生态效应的可能;平均效应区间中值商法(M-ERM-Q)分析表明,墨水河上游和入海口处PAHs的综合生态风险较低,而中下游站位则具有中低风险.     

基于均匀设计优化新鞘氨醇菌US6-1对高分子量多环芳烃的降解条件

运用均匀设计优化一株新鞘氨醇菌Novosphingobium pentaromativorans stain US6-1对芘、荧蒽、苯并[a]芘等高分子量多环芳烃(High molecular weigh polycyclic aromatic hydrocarbons,HMW-PAHs)的降解条件.结果表明,在最适生长条件(30℃、pH 6.5及NaCl浓度为2.5%)下,接种量与底物浓度是影响该菌降解能力的关键因素.在接种量D660 nm为0.6、芘初始浓度56 mg L-1、培养时间5 d的情况下,菌株US6-1对芘的降解达到32.5 mg L-1,预测平均准确率达99.38%;在接种量D660 nm为0.6、荧蒽初始浓度48 mg L-1、培养时间5 d的情况下,对荧蒽的降解达到34.3 mg L-1,预测平均准确率达99.61%;在接种量D660 nm为0.1、苯并[a]芘初始浓度60 mg L-1、培养时间为5 d时,对苯并[a]芘的降解达到24 mg L-1,预测平均准确率达98.75%.菌株US6-1对芘及苯并[a]芘的降解能力比未优化前分别提高了29.2%与58%.     

长春城郊蔬菜地土壤中多环芳烃的含量与分布特征

以长春城市郊区菜地土壤为研究对象,采用GC-FID法对该地区土壤中多环芳烃含量进行分析测定,长春城郊菜地土壤中平均含量苯并(a)芘蒽菲萘.该地区土壤中萘,蒽的含量处于尚清洁水平;部分区域土壤中苯并(a)芘和菲的含量处于轻度污染水平.     

黄河口表层沉积物中多环芳烃(PAHs)的生态风险分析

以黄河口11个表层沉积物站位的实测16种多环芳烃(PAHs)浓度为基础资料,采用平均效应区间中值商法和阈值效应浓度、可能效应浓度法2种评价方法分析黄河口表层沉积物中PAHs的生态风险.阈值效应浓度和可能效应浓度法评价结果表明:所有站位表层沉积物中苯并(b)荧蒽、苯并(k)荧蒽、和苯并(ghi)苝、茚并(1,2,3)芘可能具有一定的生态风险,黄河口东部和东南部海域表层沉积物中萘可能具有一定的生态风险.平均效应区间中值商法结果表明,所有站位表层沉积物中的MERM-Q都小于0.1,发生综合生态风险的可能性较小,危害概率远小于10%.     

功能植物内生细菌筛选及对多环芳烃降解效能研究

功能植物内生细菌在防治土壤和植物多环芳烃(PAHs)污染方面具有潜力。从PAHs污染区采集了铁苋菜(Acalypha australis)、香附子(Cyperus rotundus)和麦冬(Ophiopogon japonicus)等健康植物样品,采用平板直接分离法获得8株能降解芘的植物内生细菌,主要为Enterobacter、Chitinophaga和Xanthomonas等菌属,其10 d对芘(50mg·L~(-1))的降解率为7. 59%～45. 50%。综合内生细菌在共代谢基质存在条件下的芘降解效能,选择从麦冬中分离出的Enterobacter sp. PRd5细菌为研究对象,探究其在各种环境条件下的芘降解性能。结果显示,Enterobacter sp.PRd5 10 d对芘(50 mg·L~(-1))的降解率为41. 37%～50. 63%,7 d可降解95%以上的萘(500 mg·L~(-1))、芴(100mg·L~(-1))和菲(50 mg·L~(-1))等低分子量多环芳烃,10 d对荧蒽(50 mg·L~(-1))和苯并[a]芘(10 mg·L~(-1))等高分子量多环芳烃的降解率分别为35. 89%和17. 44%。降解芘的优化条件研究结果显示,Enterobacter sp. PRd5在p H值6. 0～8. 0、温度25～35℃、外加盐浓度0～10 g·L~(-1)、装液量10～30 mL·(100 mL)-1、接种量3%～17%、芘初始质量浓度25～50 mg·L~(-1)和外加100 mg·L~(-1)葡萄糖条件下,可获得较高的芘降解效能。     

城市化进程中天津市近郊区土壤多环芳烃的污染特征变化及健康风险

多环芳烃(PAHs)是城市主要污染物之一,对居民健康构成了巨大的威胁.然而,探讨城市化与区域PAHs污染特征及其健康风险的关系的研究却很少.基于正定矩阵因子分解(PMF)模型和终身累积癌症风险(ILCR)模型,本文对比了2008年和2012年天津市近郊地区土壤中PAHs的含量、组成、来源及其导致的生态风险.结果表明,土壤中PAHs的浓度增加了1倍,低分子量组分的比例由28.6%上升到34.8%,优势化合物由苯并(b)荧蒽、荧蒽和苯并(g,h,i)苝转变为菲、萘和荧蒽.土壤PAHs主要来源由2008年的燃煤源(51.3%)、机动车排放(23.1%)和生物质燃烧排放(14.5%)转变为2012年的燃煤源(41.0%)、机动车排放(28.4%)和石油源(22.3%),排放源的变化与区域工业能源结构调整以及居民日常生活习惯改变有着密切的关联.机动车排放源贡献率增加导致当地居民的土壤PAHs暴露风险上升,皮肤接触是主要的暴露途径,儿童是对暴露风险最敏感的亚群体.