含水层介质中1株异养硝化-好氧反硝化菌的分离鉴定与脱氮性能

从受氮污染浅层含水层介质中分离纯化得到1株高效异养硝化-好氧反硝化细菌XK51,经过菌落形态、生理生化特性及16S rDNA基因序列分析,鉴定该菌株为假单胞菌属恶臭假单胞菌(Pseudomonas Putida)。脱氮性能结果表明:XK51为兼性反硝化细菌,能在好氧或缺厌氧条件下高效反硝化脱氮,最大和平均反硝化速率分别为27.3,4.4 mg/(L·h),硝酸盐脱除率为95.3%;该菌株同时具有较高异养硝化能力,最大和平均硝化速率分别为4.2,1.4 mg/(L·h),氨氮脱除率为98.5%。XK51最佳碳源为柠檬酸三钠,适宜生长温度为28~35 ℃,最适温度为30 ℃;适宜生长pH为6.5~8.0,最适pH为7.0。XK51可同时进行异养硝化及同步硝化-反硝化,培养期间未出现明显亚硝酸盐和硝酸盐累积,在含氮污废水处理和地下水氮污染修复方面具有潜在工程应用价值。     

新型厌氧多级喷动床及其厌氧氨氧化脱氮性能分析

为改善厌氧反应器内的流态,加快污泥的颗粒化和形成具有生态梯度的微生物生态系统,设计并制作了新型厌氧多级喷动床,实验测试了反应器的水力喷动、气体喷涌和污泥分层分级现象。在常温下,利用新型厌氧多级喷动床接种混合污泥,经过42 d的培养,成功启动厌氧氨氧化反应器,稳定运行18 d后,NH₄+-N、NO₂--N去除率均达到90%以上。启动60 d后,反应器底部出现大量粒径2 mm左右的颗粒污泥,且污泥具有良好的稳定性和沉降性能,沉降速度达到70 m/h。结果表明:厌氧多级喷动床因其特殊的水力结构,可有效加快污泥的颗粒化。     

污泥生物炭去除水中重金属的研究进展

重金属带来的环境风险日益严峻,利用污泥生物炭去除水中重金属污染方面的研究得到了广泛关注。结合当前国内外研究现状,归纳了不同条件下制备的污泥生物炭对水中重金属,如Cd、Pb、Cr、As等的吸附机理,污泥生物炭对大多数重金属的吸附满足物理吸附和化学吸附的多重作用,可通过增加生物炭表面有效基团及有效吸附位点提升吸附性能。同时,总结了影响吸附效率的各种因素,探究了污泥生物炭的再生问题,并对今后污泥生物炭去除水中重金属的研究方向做出了展望。     

稻田NO3-还原耦合As(III)氧化过程及微生物群落特征

以华南稻田土壤为研究对象通过构建微宇宙体系,研究了淹水稻田自养硝酸盐还原耦合As（III）氧化过程及其微生物群落结构组成.结果表明,NO₃^-的添加促进了稻田土壤中As（III）的氧化,在未添加NO₃^-的处理（Soil+As（III））以及灭菌处理（Sterilized soil+As（III）+NO₃^-）中As（III）未发生明显的氧化;在Soil+As（III）+NO₃^-处理中,NO₃^-有少量被还原,而在Soil+NO₃^-处理中,NO₃^-没有被还原.通过16S rRNA高通量分析在NO₃^-还原耦合As（III）氧化体系中微生物群落结构特征,在Soil+As（III）+NO₃^-处理中shannon指数相对较低为8.19,土壤微生物群落多样性降低,其中在门水平上主要优势菌群为变形菌门Proteobacteria（33%）、绿弯菌门Chloroflexi（11%）、浮霉菌门Planctomycetes（12%）;在属水平上主要的优势菌属为Gemmatimonas（7.4%）以及少量的Singulisphaera、Thermomonas、Bacillus.NO₃^-的添加能够促进稻田土壤中自养As（III）氧化,并且影响着稻田土壤中微生物群落组成.     

石墨烯/聚苯胺修饰阴极对反硝化MFC性能影响

反硝化生物阴极微生物燃料电池（MFC）以电极为电子供体,在自养条件下完成硝酸盐去除过程.本研究以碳布（CC）为基底材料,分别制备获得还原氧化石墨烯修饰（rGO-CC）,聚苯胺修饰（PANI-CC）及二者复合修饰的CC电极（rGO/PANI-CC）,并考察其作为阴极材料对反硝化生物阴极MFC产电脱氮性能的影响.扫描电镜结果显示,rGO-CC和PANI-CC的碳纤维分别被片层状rGO和网状PANI覆盖,而rGO/PANI-CC表面呈现PANI在附着rGO的碳纤维上团聚的形貌,均增大了碳布的比表面积.循环伏安测试显示,rGO/PANI-CC具有最高的电化学活性.以rGO-CC,PANI-CC和rGO/PANI-CC为阴极构建MFC的产电能力分别提高了82%,24%和41%,其阴极对NO₃^--N的去除能力增强了23%,9%和13%.16S rDNA测序结果揭示修饰后电极表面微生物的多样性下降,Stappia和Pacacoccus属微生物的丰度增加.     

基于Stacking的地面PM2.5浓度估算

为了解决地面PM_2.5监测网络在空间和时间覆盖受限的问题,提出了基于宽时空覆盖的卫星气溶胶光学厚度AOD,利用Stacking方法建立地面PM_2.5浓度估算模型,将AOD、PM_2.5和各气象参数以及与PM_2.5排放有关的数据进行训练,使用改进网格搜索对模型超参数进行优化,通过对多重共线性分析,建立基于Stacking的最优PM_2.5浓度估算模型。选取2016-01-01-2016-12-31的数据作为实验对象,结果表明:相比于随机森林、GBRT和XGBoost 3种模型,使用岭回归作为元学习器的Stacking模型性能更优,可见Stacking适用于大范围地理区域的大气污染监测。     

排水管道沉积物微生物群落及环境因子分析

选取北京市某区的排水管道沉积物进行取样,采用高通量测序手段分析,结果表明变形菌门、广古菌门、拟杆菌门、厚壁菌门是排水管道沉积物微生物中的优势门类;在纲水平上,δ-变形菌纲、甲烷微菌纲、梭菌纲、拟杆菌纲占相对优势;在属水平上,功能性微生物硫酸盐还原菌（SRB）和产甲烷古菌（MA）普遍存在于各处管道.在所选的6段管段中,管段S3、S4处MA的相对丰度分别为20.6%、40.8%,高于其他管段,厌氧产甲烷的潜能较大,有发生可燃气积累的风险;管段S5、S6处的SRB相对丰度分别为9.14%、8.19%,高于其他管段,硫酸盐还原为硫化物的潜能较大,存在管道腐蚀的风险.RDA分析表明污水的DO、水温、硫酸根、TN与管道沉积物中微生物群落存在相关性.     

建筑垃圾堆放点样本集构建与优化研究

为更好地解决手工制作的建筑垃圾堆放点样本集效率低、数据量少,难以支撑基于深度学习的遥感图像目标检测算法训练需求的问题,采用基于像素的遥感分类方法构建建筑垃圾堆放点样本集,在此基础上结合直方图均衡化,CS-LBP算子约束以及迁移学习的方法对Wasserstein生成对抗模型（WGAN）进行优化,实现了样本集扩充。研究结果表明:相对于纯手工制作的样本集,基于像素的遥感分类方法可以显著提升样本集制作的效率;同时,经过WGAN优化后,生成样本模拟了原始数据的颜色与纹理特征分布规律,增加了原始数据的多样性,满足了扩充样本集的需求。     

土壤环境中微塑料的污染现状及其影响研究进展

微塑料作为一种持久性污染物,对土壤生态系统具有严重影响,土壤中微塑料的污染已愈加受到国内外学者的广泛关注。当前关于土壤环境中微塑料的研究较少,针对当前土壤中微塑料的来源、分布、降解迁移、生态效应及污染防治等方面进行综述。主要包括以下几个方面:1）概括土壤生态系统中微塑料的来源、分布特点和迁移降解规律,确定了土壤环境中微塑料的赋存状态;2）总结土壤生态系统中微塑料与其他污染物的复合效应;3）分析了微塑料对土壤理化性质、动物、植物、微生物的影响,并揭示了微塑料对于土壤生态系统的影响;4）根据土壤微塑料的分布特点、降解迁移及生态效应提出污染防治措施。最后,对今后土壤微塑料的研究重点进行了展望。     

Phosphate recovery with granular acid-activated neutralized red mud: Fixed-bed column performance and breakthrough curve modelling

Granular acid-activated neutralized red mud (AaN-RM) has been successfully prepared with good chemical stability and physical strength. However, its potential for industrial application remains unknown. Therefore, the performance of granular AaN-RM for phosphate recovery in a fixed-bed column was investigated. The results demonstrated that the phosphate adsorption performance of granular AaN-RM in a fixed-bed column was affected by various operational parameters, such as the bed depth, flow rate, initial solution pH and initial phosphate concentration. With the optimal empty-bed contact time (EBCT) of 24.27 min, the number of processed bed volumes and the phosphate adsorption capacity reached 496.95 and 84.80 mg/g, respectively. Then, the saturated fixed-bed column could be effectively regenerated with a 0.5 mol/L HCl solution. The desorption efficiency remained as high as 83.45% with a low weight loss of 3.57% in the fifth regeneration cycle. In addition, breakthrough curve modelling showed that a 5-9-1 feed-forward artificial neural network (ANN) could be effectively applied for the optimization of the fixed-bed adsorption system; the coefficient of determination (R²) and the root mean square error (RMSE) evaluated on the validation-testing data were 0.9987 and 0.0183, respectively. Therefore, granular AaN-RM fixed-bed adsorption exhibits promising potential for phosphate removal and recovery from polluted water.