高锰酸钾复合剂在适度预氧化过程中对藻类及天然有机物的命运及其对含藻水体混凝作用的增强作用

《Environmental Research》:Fates of algal and natural organic matters during moderate pre-oxidation of potassium permanganate composite to enhance coagulation of algae-laden water

【字体: 大 中 小 】 时间:2026年07月28日 来源:Environmental Research 8.2

编辑推荐:

  摘要在处理含藻水体时,预氧化技术被越来越多地用于提升混凝效果,但高锰酸钾复合剂进行适度预氧化以增强混凝作用时,藻类有机物质与天然有机物质的转化行为仍不十分清楚。本研究采用激发-发射矩阵荧光光谱结合平行因子分析方法,追踪不同来源有机物质的转化过程,同时构建多种机器学习模型来预测与藻

  

摘要

在处理含藻水体时,预氧化技术被越来越多地用于提升混凝效果,但高锰酸钾复合剂进行适度预氧化以增强混凝作用时,藻类有机物质与天然有机物质的转化行为仍不十分清楚。本研究采用激发-发射矩阵荧光光谱结合平行因子分析方法,追踪不同来源有机物质的转化过程,同时构建多种机器学习模型来预测与藻类有机物质及天然有机物质相关的荧光组分的去向。研究结果表明,在不会导致藻细胞破裂的适度氧化条件下使用高锰酸钾复合剂进行预氧化,可改变有机物质的结构和分子量分布,从而提高UV254值,而对DOC的影响则较为有限。与单独混凝相比,高锰酸钾复合剂辅助混凝能更有效地去除类似蛋白质的荧光物质(C2),而代表陆地来源天然有机物质的类似腐殖质的荧光物质(C1)的去除效果则提升有限。在所评估的机器学习模型中,随机森林在预测精度与稳定性之间取得了最佳平衡,尤其是在预测C2方面(R2 = 0.965)。Shapley加性解释分析进一步表明,进水中的有机物质特性对出水水质的影响大于试剂添加量。本研究为利用高锰酸钾复合剂预氧化后再混凝的处理方法实现智能优化提供了可解释的框架。

引言

淡水系统中藻华发生的频率和强度日益增加,给全球的饮用水安全带来了挑战(Mao et al., 2024; Qi et al., 2021)。含藻水体中藻类有机物质的浓度较高,这类物质包括藻类代谢过程中释放的胞外有机物质以及藻细胞破裂后释放的胞内有机物质(Pivokonsky et al., 2014)。藻类有机物质是由蛋白质、多糖、类似腐殖质的物质以及其他生物聚合物组成的复杂混合物(Henderson et al., 2008),其中许多物质是消毒副产物的前体,还会导致饮用水处理厂出现口感和气味问题以及膜污染现象(Li et al., 2012; Zhou et al., 2014)。混凝是饮用水处理厂中用于去除颗粒物和溶解有机物质的传统且广泛应用的方法(Xie et al., 2016)。然而,藻类有机物质与天然有机物质共存时,尤其是那些低分子量且亲水性强的可溶组分,往往会降低混凝效率,增加工艺优化的难度(Ma et al., 2012)。因此,提高含藻水体的有机物质去除效率,对于确保饮用水处理厂的稳定运行而言至关重要。
预氧化作为一种有效策略,被广泛用于提升含藻水体中的混凝效果(Li, 2023; Qi et al., 2021)。常用的氧化剂包括高锰酸钾、高锰酸钾复合剂、铁酸钾、次氯酸钠以及臭氧等。不过,不同氧化剂在此过程中的作用存在显著差异(Mao et al., 2024)。例如,高锰酸钾能够改变藻细胞表面性质,促使胞外有机物质释放,并氧化某些有机组分,从而提升絮体的聚集和沉降效果(Chen and Yeh, 2005; Wang et al., 2013)。而次氯酸钠和臭氧这类强氧化剂则可以直接氧化藻细胞膜,进而降低藻类的光合作用活性、活性氧水平以及酯酶活性,从而使藻细胞失去活性(Cao et al., 2021; Fan et al., 2013)。不过,过度氧化会破坏细胞结构,导致胞内有机物质释放,进而恶化水质,增加后续处理负担(Qi et al., 2016; Xie et al., 2013)。因此,了解在可控或适度预氧化条件下的有机物质转化规律,对于优化强化混凝工艺具有重要意义。
要评估这些转化过程,就需要区分处理过程中藻类有机物质与天然有机物质的不同行为,仅依靠溶解有机碳或254纳米处的紫外吸收值这类整体参数是无法准确区分二者的(Zhou et al., 2024)。激发-发射矩阵荧光光谱结合平行因子分析方法,可以将溶解有机物质分解为与不同来源和组成特征相关的独立荧光组分(Stedmon and Bro, 2008)。以往的研究表明,类似蛋白质的荧光组分与藻类有机物质密切相关,而类似腐殖质的组分则更代表陆地来源的天然有机物质(Ding et al., 2025a; Ding et al., 2026; Ding et al., 2025b; Zhou et al., 2025)。此外,有研究指出,氧化应激会破坏蓝细菌的细胞膜,从而导致与生物蝶呤相关的物质释放,这些物质会表现为平行因子分析中可区分的独立荧光组分(Zuo et al., 2022a; Zuo et al., 2022b)。重要的是,平行因子分析能够将这些与生物蝶呤相关的荧光物质与背景中的类似腐殖质荧光有效区分开,因此可作为评估预氧化过程中藻细胞完整性的敏感指标(Ding et al., 2026; Zhou et al., 2026)。这类荧光特征的出现和发展表明,平行因子分析中的各组分可作为追踪特定来源有机物质转化过程的敏感示踪剂。因此,通过监测荧光组分的变化,可以有效地区分并定量分析预氧化强化混凝过程中藻类有机物质与天然有机物质的去向。
尽管激发-发射矩阵荧光光谱结合平行因子分析方法能够揭示有机物质的来源特异性转化规律,但由于该过程的高度非线性和多变量特性,要预测预氧化强化混凝过程中的处理效果仍然面临挑战(Ding et al., 2025b)。藻类有机物质与天然有机物质的去除行为受多种相互作用因素的影响,包括原水质量特性、藻类密度、氧化剂添加量、混凝剂添加量,以及这些因素对有机物质结构和聚集行为的综合影响(Ding et al., 2026; Zhou et al., 2024)。传统的经验方法或机理模型往往无法准确描述这些复杂的相互作用,因此在水质条件变化的情况下,这类方法的适用性有限。机器学习技术作为一种强大的数据驱动工具,能够捕捉复杂环境数据集中的非线性关系并挖掘其中的隐藏模式(Li et al., 2021; Lowe et al., 2022)。随机森林和极端梯度提升等机器学习模型在预测水处理结果方面表现出了良好的性能(Feng et al., 2025; Pang et al., 2025a; Pang et al., 2025b; Wang et al., 2021)。不过,目前大多数研究主要集中在预测整体水质指标或总体去除率上,而对于来源特异性有机物质转化规律的预测研究,尤其是针对适度预氧化强化混凝过程中藻类有机物质与天然有机物质不同去向的预测,仍大多未被深入探索。
因此,本研究旨在系统研究适度预氧化强化混凝过程中藻类有机物质与天然有机物质的去向,同时构建一个预测框架,将操作条件与有机物质转化过程及处理效果联系起来。具体而言,本研究采用激发-发射矩阵荧光光谱结合平行因子分析方法,追踪不同来源的荧光组分,阐明在不同条件下藻类有机物质相关组分与天然有机物质相关组分的差异性去除行为。基于实验数据集,本研究构建了多种机器学习模型,并对其进行了比较评估,以利用原水特性和化学药剂添加量作为输入变量来预测出水的各项指标。此外,还通过特征重要性分析,明确了各关键操作因素和水质因素的相对贡献,从而进一步加深对预测结果的机理理解。

章节节选

化学试剂

实验室规模实验中使用的高锰酸钾复合剂是由哈尔滨工业大学市政工程系的研究团队自行合成的。硫酸铝则从中国烟台的远东精细化工有限公司购买。其他试剂,包括聚合氯化铝、氯化钙、高氯酸钠以及碳酸氢钠,则由中国北京的国药化学试剂有限公司提供。所有试剂

适度预氧化的证明

在建立实验数据集之前,首先对本研究采用的预氧化条件进行了评估,以确保高锰酸钾复合剂处理处于适度氧化状态,即能够在不破坏藻细胞完整性的前提下实现氧化作用。如图1所示,未经处理的含藻水体的激发-发射矩阵光谱显示,其中主要的有机组分是类似微生物代谢副产物的可溶物质以及芳香族类似蛋白质的物质,其中包括酪氨酸类物质等等

结论

本研究探讨了适度预氧化强化混凝过程中藻类有机物质与天然有机物质的转化行为,并建立了可用于预测出水特性的可解释机器学习模型。主要结论如下:
  • (1)
    激发-发射矩阵光谱分析结果显示,在高锰酸钾复合剂氧化过程中未检测到与生物蝶呤释放相关的类似腐殖质的荧光现象,这表明在所选的操作条件下藻细胞完整性得以保持。
  • (2)
    高锰酸钾复合剂主要改变了

CRediT作者贡献说明

李晓颖:研究工作、正式分析。 田秀丽:验证工作、研究工作。 郑振奎:验证工作、研究工作。 杨艳玲:文章撰写——审阅与编辑、验证工作。 李星:文章撰写——审阅与编辑、资金获取。 苏朝阳:文章撰写——审阅与编辑、资金获取。 丁路明:文章撰写——初稿撰写、可视化处理、方法设计、研究工作、正式分析、概念构建。 周志伟:文章撰写——审阅与编辑、验证工作、项目管理工作,

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

数据可用性

数据将应要求提供。

利益冲突声明

? 作者声明,他们不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。
Luming Ding|Zhiwei Zhou|Yeqiang Wu|Xiaoying Li|Xiuli Tian|Zhenkui Zheng|Yanling Yang|Xing Li|Zhaoyang Su
北京工业大学建筑与土木工程学院,中国北京100124
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号