关键气味标志物的三级序贯筛选：集约化养猪场中的转化途径与多维健康风险评估

《Environmental Research》：Three-tier sequential screening of key odor markers: transformation pathways and multi-dimensional health risk assessment in intensive swine farms

　　```json{ "translation": "• 三层筛选方法识别了养猪场的气味标志物。\n• 多维框架评估了农场气味风险的多方面影响。\n• 阐明了气味标志物的微生物转化过程。\n• 粪便处理是气味缓解的优先控制点。\n\n引言：\n公众对气味污染的关注日益增强，因为它直接影响生活质量，并经常引发社会投诉（Hayes等，2017；生态环境部环境投诉中心，2018；Conti等，2020）。农业排放，尤其是集约化畜牧业排放，是主要污染源和持续存在的社会挑战（Brancher等，2017；Rappert和Muller，2005）。在养猪业中，气味主要来自粪便处理、圈舍环境和饲料，其中仅粪便管理就贡献了总气味排放量的65%（Lee等，2020；Le等，2005）。这些排放物包含挥发性有机化合物（VOCs）、氨气和还原性硫化物的复杂混合物，对环境和动物福利构成风险（Rincon等，2019；Aryal等，2022；Hassouna等，2016）。然而，由于无法从数百种已检测到的VOCs中准确识别导致气味骚扰和危害的关键驱动因素，以及对这些关键化合物在农场不同阶段的动态转化路径了解不足，有效的气味管理仍然困难（Zhang等，2021；Jia等，2021；Wu等，2018）。\n\n因此，畜牧业气味管理面临两个相互交织的科学挑战。首先，必须从数百种已检测到的VOCs中准确识别最关键的气味标志化合物，这些化合物对气味骚扰贡献最大且存在潜在健康风险。其次，必须阐明这些关键标志物在工作农场相互关联的不同阶段（例如，从圈舍排泄到粪便储存和处理）的来源，尤其是其转化路径（Jiang等，2023；Konkol等，2022）。没有这种针对性信息，缓解策略将缺乏针对性和效率。\n\n目前识别关键气味化合物的方法存在固有局限性。仪器分析，如气相色谱-质谱联用（GC-MS）和质子转移反应-质谱（PTR-MS），提供了详细的化学清单，但无法直接将化合物与感官感知联系起来（Li等，2025；Lin等，2025）。相反，感官评价反映了整合的人类嗅觉反应，但无法确定致病化学物质（Zhu等，2016）。为了弥补这一差距，气味活性值（OAV），即将化合物浓度与其气味检测阈值相比，已被广泛用作筛选工具，特别是在废物堆肥研究中（Nie等，2020；Tanaka等，2019；Blazy等，2015；Schiavon等，2017）。然而，其在畜牧业环境中的应用存在问题。OAV依赖于在受控实验室条件下为单一化合物确定的气味阈值。在现实中，气味物质之间的复杂相互作用（如协同作用、掩蔽作用）和变化的农场条件可能导致实际感知气味与理论OAV预测值显著偏离，降低其现场准确性（Yao等，2019）。更根本的是，现有研究通常仅提供单一农场的静态化学快照。严重缺乏一种能够交叉关联化学数据、感官性质和时空（多环节、多季节）信息以有效优先确定关键驱动因素的系统框架。此外，这些关键气味化合物的形成路径很少被报道，然而这些路径构成了污染源解析和针对性缓解技术研究的核心。\n\n因此，为应对这些挑战，本研究在天津一家大型养猪场开展。我们在多个季节和关键排放环节进行了系统采样，包括圈舍、粪便收集、粪便处理和饲料储存。本工作的核心创新有三点：首先，我们开发并应用了三阶顺序筛选系统，整合了仪器检测（浓度、检测频率）、感官评价（GC-O、OAV）和统计分析（相关性），以准确识别关键气味标志物。其次，我们追踪了这些关键标志物在不同农场环节和季节中的动态变化，阐明了其潜在的微生物转化路径。第三，在此基础上，我们构建了一个涵盖环境暴露、职业健康和动物福利的新三维健康风险评估模型。最终，本研究旨在为养猪场气味的精准、全过程管理提供科学基础，从识别、溯源到风险评估和控制，从而支持行业的绿色转型和可持续发展。\n\n章节摘要：\n\n采样：\n本研究在中国天津一家大型育肥猪农场进行。该农场年产能约10万头，采用全漏缝地板系统，使用水冲粪排粪方式。粪便处理线包括固液分离，随后在连续搅拌反应器（CSTR）中进行厌氧消化，消化液在露天池储存后用于土地施用。\n\n共识别了七个功能环节……\n\nVOCs和气味物排放特征：\n在养猪场共识别了227种VOCs和气味物，包括19种含硫化合物、67种含氧化合物、12种含氮化合物、18种卤代化合物、1种萜烯、66种烃类和36种芳香族化合物，以及8种其他化合物。其排放特征显示了明显的空间模式、季节动态和化学特征，详见下文。\n\n结论：\n与以往仅依赖浓度或基于OAV排序的研究不同，本研究整合了嗅觉潜力、统计相关性和感官验证来识别气味标志物，从而克服了单一指标方法的局限性。本研究建立了一套系统的三层筛选框架来识别特征气味标志物。通过整合化学表征、气味活性评估、统计相关分析和感官验证……\n\nCRediT作者贡献声明：\nJing Wang：撰写—初稿，软件，方法论，调查，形式化分析，概念化。Xibin Shang：监督，资源，调查，数据管理。Jie Meng：撰写—审阅与编辑，方法论，资金获取，概念化。Zengxiu Zhai：资源，调查，数据管理。Xiande Xiao：资源，调查，数据管理。Bo Ma：资源，调查，数据管理。Meng Han：资源，调查，数据管理。Gen Wang：资源……\n\n利益冲突声明：\n作者声明不存在可能影响本文工作的已知竞争性经济利益或个人关系。\n\n致谢：\n本研究受浙江省\"领雁\"研发计划（编号：2024C03113）、天津市科技项目（编号：24YFZCSN00100）和天津市自然科学基金（编号：23JCYBJC01110）支持。\n\nJing Wang|Xibin Shang|Jie Meng|Zengxiu Zhai|Xiande Xiao|Bo Ma|Meng Han|Gen Wang|Yan Zhang"}```