Model Evaluation of the Microbial Metabolic Processes in a Hydrogen-Based Membrane Biofilm Reactor for Simultaneous Bromate and Nitrate Reduction

同時還原溴酸鹽和硝酸鹽的氫基膜生物膜反應器中微生物代謝過程的模型評估

來源：Membranes 2022, 12, 774.

 

摘要核心內容

 

本研究開發了一個基于AQUASIM平臺的多物種生物膜模型，用于解析氫基質膜生物膜反應器（H?-MBfR）中溴酸鹽（BrO??）和硝酸鹽（NO??）的協同還原機制。通過結合實驗數據校準模型參數，揭示了關鍵操作參數（H?壓力、BrO??/NO??負荷、CO?壓力）對生物膜微環境、微生物群落分布及代謝活性的影響。核心發現包括：

 

最佳H?壓力：0.04 MPa時BrO??和NO??去除通量最高（0.041 g/(m2·d)和0.42 g N/(m2·d)），且H?損失最小（圖6a,b）。

 

競爭抑制：NO??濃度＞10 mg N/L時顯著抑制BrO??還原（BrO??去除通量從0.041降至0.011 g/(m2·d)）（圖6c,d）。

 

CO?影響：CO?壓力＞0.02 MPa導致pH下降（pH 6.0–6.9），抑制反硝化菌（DNB）活性但對溴酸鹽還原菌（BRB）影響較小（圖10e,f）。

 

 

微生物競爭：BRB在酸性環境中耐受性更強，而DNB在NO??高負荷下占據競爭優勢（BRB生物膜占比從20%降至1%）（圖9d）。

 

 

 

研究目的

 

建立定量模型：填補BrO??與NO??協同還原的生物膜模型空白，整合CO?作為碳源和pH調節因子的影響。

 

揭示機制：解析H?壓力、污染物負荷和CO?壓力對生物膜內底物梯度、微生物空間分布及代謝活性的調控機制。

 

優化工藝：確定H?-MBfR同步去除BrO??和NO??的最佳操作參數。

 

研究思路與技術路線

 

采用 “實驗校準-模型驗證-模擬預測” 的三步策略：

 

實驗設計：

 

運行實驗室規模H?-MBfR（圖1），通過長期實驗（140天）校準模型參數（μBRB=0.85 d?1, μDNB=0.57 d?1等）（圖4）。

 

 

 

短期實驗探究H?壓力（0.01–0.08 MPa）、NO??負荷（1–20 mg N/L）、CO?壓力（0.004–0.036 MPa）對污染物去除的影響（圖6）。

 

模型開發：

 

擴展多物種生物膜模型（圖2），包含BRB、DNB、EPS等10種組分（表1）及其代謝動力學方程（表2）。

 

 

 

 

引入pH抑制因子（fpH）量化酸性環境對微生物活性的影響（公式2）。

 

 

驗證與應用：

 

模型預測與實驗數據高度吻合（R2＞0.91）（圖4,6）。

 

 

模擬生物膜內底物梯度（H?、BrO??、NO??）、微生物分布（BRB/DNB占比）及代謝活性空間變化（圖7–10）。

 

 

 

 

關鍵數據及研究意義

1. 污染物去除通量（圖6）

 

數據：

 

H?壓力0.04 MPa時，BrO??和NO??去除通量達峰值（0.041 g/(m2·d)和0.42 g N/(m2·d)）。

 

NO??濃度從10增至20 mg N/L時，BrO??去除通量下降73%（0.041→0.011 g/(m2·d)）。

 

意義：明確電子供體（H?）和電子受體（NO??）競爭是工藝性能的關鍵限制因素。

 

2. 生物膜內微生物分布（圖7d, 9d）

 

數據：

 

DNB始終占生物膜主導（＞70%），BRB占比隨BrO??負荷增加而上升（0.1→1.0 mg/L時從5%增至15%）。

 

NO??＞10 mg N/L時BRB占比驟降至1%（圖9d）。

 

意義：揭示DNB與BRB的空間競爭關系，為調控微生物群落提供依據。

 

3. 代謝活性空間梯度（圖7e,f, 10e,f）

 

數據：

 

BRB活性在生物膜外層（近液相）較高，DNB活性在內層（近膜表面）較強（圖7e,f）。

 

CO?壓力＞0.02 MPa時，DNB活性下降＞50%，BRB活性僅下降20%（圖10e,f）。

 

意義：證實BRB耐酸性優于DNB，指導CO?投加策略以優化協同還原。

 

核心結論

 

最佳操作窗口：

 

H?壓力0.04 MPa、CO?壓力≤0.02 MPa（pH＞7.0）、NO??濃度≤10 mg N/L時，BrO??和NO??同步去除效率最高。

 

微生物競爭機制：

 

NO??高負荷下DNB競爭優勢顯著，抑制BRB活性；BRB耐酸性（pH 6.0–6.9）使其在低pH環境下仍有活性。

 

模型可靠性：校準后的模型可準確預測底物梯度與微生物活性（R2＞0.91），為工藝放大提供理論工具。

 

Unisense電極數據的專項解讀

技術原理與實驗設計

 

Unisense H?微電極（H210型）：

 

測量原理：電化學傳感，實時監測溶解態H?濃度（μg/L）。

 

安裝位點：H?-MBfR反應器內，直接插入生物膜/液相界面（圖1）。

 

校準方法：預極化后，以N?飽和（零點）和H?飽和（量程）溶液校準。

 

關鍵發現與機制解析

 

H?傳質限制（圖6a, 8a）：

 

H?壓力＜0.04 MPa時，生物膜外層（＞200 μm）H?濃度＜半飽和常數（0.002 mg/L），限制微生物代謝。

 

Unisense數據直接驗證模型預測的H?梯度（圖8a），證實H?擴散是DNB/BRB活性的關鍵限制因素。

 

電子供體競爭量化：

 

Unisense測得液相H?濃度（0.0074 mg/L）與模型預測值（0.008 mg/L）高度吻合（圖6a），為電子供體分配機制提供直接證據。

 

發現H?壓力＞0.04 MPa時H?逸散（圖6a），指導優化供氣策略以減少能耗。

 

研究意義

 

工藝優化：Unisense數據直接識別H?傳質瓶頸（0.002 mg/L閾值），推動H?壓力精準調控至0.04 MPa。

 

模型驗證：原位H?濃度監測為生物膜模型提供高精度驗證數據，提升模型預測可靠性（圖6 vs 圖8）。

 

創新洞察：揭示生物膜內H?梯度與微生物活性的空間耦合關系（如DNB活性峰值區與H?高濃度區重合），深化對競爭機制的理解。

 

總結：本研究通過Unisense電極首次實現了H?-MBfR中溶解H?的原位監測，結合多物種模型揭示了BrO??/NO??協同還原的競爭機制，為飲用水處理中氧化性污染物的高效生物去除提供了理論和技術支撐。