焦化厂蒸氨废水硫化物处理方法探讨

对焦化厂蒸氨废水中的有机物进行了ＧＣ／ＭＳ分析，发现酚类，吲哚，喹啉和硫醇是主要污染物成分。对旨在降低蒸氨废水硫化物含量的各种处理方法进行了比较。采用ＣＷＺ－０１吸附剂的吸附法能使废水中硫化物降至３０ｍｇ／Ｌ以下。     

金沙江对硫酸的缓冲性能分析

本文分析了金沙江对硫酸的缓冲特征，建立了江水的缓冲曲线方程，并且验证了此方程的有效性，证明用此方程预测硫酸进入金沙江后江水pH值的变化情况，其预测准确度在0.2个pH单位内。     

系统评价天然蛭石吸附氨氮的效果

采用在人工配置含氨氮的污水中投加蛭石的方法,系统研究了天然蛭石吸附污水中氨氮的饱和吸附容量以及蛭石吸附氨氮的等温吸附曲线,探讨了污水的pH值、温度、浓度对氨氮去除率的影响及各影响因子的大小,结果表明,蛭石的饱和吸附量为20 8mg/g;蛭石吸附量在pH2 0～6 0范围内随着pH的增大而增大,最佳pH为4 0～6 0;温度在15～35℃范围内,吸附量随温度的升高减小,氨氮的去除率随着蛭石用量的增加而增加,影响因素的大小顺序为:pH>蛭石的用量>吸附时间>温度。这为蛭石作为一种新型氨氮吸附材料提供了基础参数。     

低浓度臭氧在含钴盐硅胶上的吸附研究

常压下对含钴盐硅胶进行低浓度臭氧的吸附实验，吸附达到饱和后用氮气作为载气加热解吸。结果显示，含钴盐的硅胶对臭氧具有较强的吸附能力；臭氧解吸量随着解吸温度的上升而增加；吸附了臭氧的含钴硅胶粒子在常温(313．15K)下可在60min内不问断解吸出臭氧。     

锆-十六烷基三甲基氯化铵改性活性炭对水中硝酸盐和磷酸盐的吸附特性

采用锆(Zr)和阳离子表面活性剂十六烷基三甲基氯化铵(CTAC)对活性炭进行联合改性,考察了所制备的Zr-CTAC改性活性炭对水中硝酸盐和磷酸盐的吸附去除作用,并探讨了相关的吸附去除机制.结果表明,Zr-CTAC改性活性炭对水中硝酸盐和磷酸盐均具备较好的吸附去除能力.Zr-CTAC改性活性炭对硝酸盐和磷酸盐吸附动力学过程满足准二级动力学模型.Langmuir、Freundlich和Dubinin-Radushkevich(D-R)等温吸附模型可以较好地描述Zr-CTAC改性活性炭对水中硝酸盐的等温吸附过程,Langmuir和D-R等温吸附模型可以较好地描述Zr-CTAC改性活性炭对水中磷酸盐等温吸附过程,通过Langmuir模型计算得到吸附剂对硝酸盐和磷酸盐的最大单位吸附量分别为7.58 mg·g-1和10.9 mg·g-1.高的p H会抑制Zr-CTAC改性活性炭对水中硝酸盐和磷酸盐的吸附.水中共存的Cl-、HCO-3和SO2-4等阴离子均会抑制Zr-CTAC改性活性炭对硝酸盐和磷酸盐的吸附,且对吸附硝酸盐的抑制作用较强而对吸附磷酸盐的抑制作用较弱.水中共存的磷酸盐对Zr-CTAC改性活性炭吸附硝酸盐的抑制作用较强,而水中共存的硝酸盐对Zr-CTAC改性活性炭吸附磷酸盐的抑制作用较弱.1 mol·L-1Na Cl溶液可以使90%左右被吸附到Zr-CTAC改性活性炭表面上的硝酸盐解吸下来.1 mol·L-1的Na OH溶液可以使78%左右被吸附到Zr-CTAC改性活性炭表面上的磷酸盐解吸下来.Zr-CTAC改性活性炭对硝酸盐的吸附机制主要包括阴离子交换作用和静电吸引作用,对磷酸盐的吸附机制主要包括配位体交换作用、阴离子交换作用和静电吸引作用.上述结果说明Zr-CTAC改性活性炭适合作为一种吸附剂去除废水中的硝酸盐和磷酸盐.     

高含固污泥厌氧消化中Fe/S及pH对原位抑硫效率影响及其交互作用

以城市污水处理厂高含固污泥为对象,分别进行了连续厌氧消化抑硫试验和消化污泥Fe(Ⅲ)投加抑硫试验,探讨不同Fe/S(摩尔比)对污泥厌氧消化中溶解态硫化物去除效率的影响以及Fe(Ⅲ)与pH的交互作用.结果表明,热水解污泥厌氧消化采用原位抑硫技术,在Fe/S(摩尔比)为7.75时沼气中H_2S含量可由170.4×10~(-6)降至14.09×10~(-6),无需进行后续处理;当pH为7.00~7.50、Fe/S为1~11时,pH为原位抑硫主要显著影响因子,提高消化池pH有利于降低Fe(Ⅲ)投加量;高含固污泥厌氧消化沼气满足H_2S利用标准时,所需最低Fe/S为7.0;当消化池pH低于7.30时,将无法通过调节Fe/S实现H_2S浓度达标排放.     

水铁矿及其胶体对砷的吸附与吸附形态

采用吸附实验,通过吸附动力学和吸附等温模型,研究了水铁矿及其胶体对As(Ⅲ)和As(Ⅴ)的吸附能力.在此基础上,使用连续提取和As化学形态提取技术分别对水铁矿及其胶体固相上吸附As的结合形态和化学形态进行提取分析.吸附动力学研究以及Langmuir和Freundlich两种吸附等温模型拟合结果表明,水铁矿及其胶体对As的吸附为多层吸附,且易于进行.水铁矿胶体对As(Ⅲ)和As(Ⅴ)的吸附量分别为194.8 g·kg~(-1)和107.3 g·kg~(-1),而水铁矿对As(Ⅲ)和As(Ⅴ)的吸附能力分别为155.2 g·kg~(-1)和104.4 g·kg~(-1),均低于水铁矿胶体.水铁矿及其胶体吸附的As以专性吸附As、无定形铁氧化物结合As和晶型铁氧化物结合As形式存在,胶体上未形成残渣态As.因此,水铁矿胶体吸附As的牢固程度低于吸附As后形成残渣态As的水铁矿,且所吸附的As容易重新释放到环境中,增加环境风险.水铁矿单独存在时不具有将As(Ⅴ)还原为As(Ⅲ)的能力.     

氨化松香基交联聚合树脂对水中诺氟沙星的吸附性能

将松香基功能高分子进行胺基化得到氨化松香基交联聚合树脂(aminated rosin-based resin,ARBR),采用扫描电镜(SEM)、红外光谱(FTIR)和比表面分析(BET)对ARBR进行了表征.利用ARBR树脂对水中诺氟沙星(NOR)吸附去除,系统研究了树脂投加量、pH值、接触时间、离子强度和温度等因素对NOR吸附性能的影响.结果表明,pH在2.0~6.0范围内,ABRA对NOR的去除效果随着溶液pH值的增加而升高,在8~10之间则呈现下降趋势;共存离子溶液的存在对ARBR去除NOR的行为总体上表现为促进作用.ARBR对水中诺氟沙星的吸附动力学过程符合准二级动力学模型.Langmuir等温吸附模型可较好地描述ARBR对水中NOR的吸附过程,理论最大吸附量为30.29 mg·g~(-1)(pH 6.0、20℃).吸附热力学分析表明,ARBR对水中诺氟沙星的吸附是自发吸热的过程,属于物理吸附,其吸附机制主要为氢键与静电作用.脱附再生实验发现,0.1 mol·L~(-1)HCl溶液效果明显优于其它脱附液,进一步确证了氢键在吸附中的主导作用;经过5次吸附-脱附循环后,对NOR仍具有稳定的吸附性能,可再生循环使用.对比了不同类型商品化树脂,ARBR具有较好的吸附效果.该研究结果拓展了松香高值化的应用研究领域,对开发松香在环境微污染控制中的应用具有理论指导意义.     

氧化镁基生物质炭高效去除水体中磷的特性

利用花生壳为前驱体,在高温限氧条件下,将氧化镁(MgO)负载于生物质炭(BC)表面制备出氧化镁基生物质炭(MgOBC)复合材料.系统研究了MgO-BC对水体中P的吸附特性,并探讨了溶液pH值、接触时间、竞争离子等因素对P的吸附效果的影响.结果表明,P的最佳吸附初始pH为7~9,过酸过碱的环境均不利于P的吸附;P的吸附过程可在540 min内达到平衡,且动力学曲线较好地符合伪一级和伪二级动力学模型,拟合系数可达97.3%和99.0%;当Cl~-、HCO_3~-、NO_3~-等共存离子的量浓度达到P的10倍时,MgO-BC对P仍具有较强的吸附能力;P的吸附过程较好地符合Langmuir等温模型,拟合系数达99%,理论最大吸附容量为138.07 mg·g~(-1),远高于其它未经改性或改性的生物质炭和几种典型P吸附剂的吸附容量.此外,吸附P后的复合材料可作为肥料施入土壤,可有效实现P的再利用.综上所述,该MgO-BC复合材料在净化实际P污染水体中有着广阔的应用前景.     

Ethanol mediated As(III) adsorption onto Zn-loaded pinecone biochar: Experimental investigation, modeling, and optimization using hybrid artificial neural network-genetic algorithm approach

Organic matters (OMs) and their oxidization products often influence the fate and transport of heavy metals in the subsurface aqueous systems through interaction with the mineral surfaces. This study investigates the ethanol (EtOH)-mediated As(III) adsorption onto Zn-loaded pinecone (PC) biochar through batch experiments conducted under Box–Behnken design. The effect of EtOH on As(III) adsorption mechanism was quantitatively elucidated by fitting the experimental data using artificial neural network and quadratic modeling approaches. The quadratic model could describe the limiting nature of EtOH and pH on As(III) adsorption, whereas neural network revealed the stronger influence of EtOH (64.5%) followed by pH (20.75%) and As(III) concentration (14.75%) on the adsorption phenomena. Besides, the interaction among process variables indicated that EtOH enhances As(III) adsorption over a pH range of 2 to 7, possibly due to facilitation of ligand–metal(Zn) binding complexation mechanism. Eventually, hybrid response surface model–genetic algorithm (RSM–GA) approach predicted a better optimal solution than RSM, i.e., the adsorptive removal of As(III) (10.47 μg/g) is facilitated at 30.22 mg C/L of EtOH with initial As(III) concentration of 196.77 μg/L at pH 5.8. The implication of this investigation might help in understanding the application of biochar for removal of various As(III) species in the presence of OM.