第一作者：Mojtaba Maktabifard
通讯作者：Mojtaba Maktabifard
DOI:https://doi.org/10.1016/j.jclepro.2021.130347
文字摘要
活性污泥模型（ASMs），通过扩展N2O排放模块，可成为描述全规模废水处理厂（WWTPs）运行的有力工具。特别是，这些模型可以识别最主要的N2O产生途径，并指导N2O和碳足迹（CF）的减缓措施。通常的做法是使用来自单一废水处理厂的数据来开发和验证模型。在本研究中，一个在斯卢普斯克/波兰成功验证的模型将被推广到另一个全规模的WWTP中。为此，使用了带有N2O模块的ASM 2d模型。此外，该模型的校准和验证结果与基于带有N2O模块的ASM 3模型所得到的结果进行了比较。实施了一种新颖的校准协议，基于系统工程方法，旨在在不影响模型预测准确性的前提下，最小化调整参数的数量。验证后的模型准确预测了生物反应器中液相N2O的产生和气态N2O的排放行为。基于模型的N2O产生途径识别显示，由于微生物群落中异养菌的高丰度，它们在N2O产生中扮演关键角色。研究的工厂在验证和校准期间，N2O排放因子（EF）分别为进水总氮负荷的0.9%至0.94%。基于模型预测，估计好氧区域排放的N2O贡献超过93%，而剩余的7%来自非曝气区域的N2O的液气转移。
图片摘要
Highlights
在全规模污水厂中评估了两种N2O生成/排放模型
采用新颖的模型校准协议，最小化了调整参数的数量
异养反硝化作用被确定为N2O生成的主要途径
基于模型的得到的污水厂N2O排放因子比经验估计值低了41%
Keywords：
Wastewater treatment plant; Carbon footprint; Greenhouse gas emissions; Model calibration; Model application
Viikinmäki污水处理厂，是芬兰最大的污水处理厂，图 1a 显示了九条平行、相同配置的活性污泥管线中的一条的示意图；Viikinkäki 污水处理厂的计算机模型（图 1b) 在 GPS-X 8.0 模拟平台（Hydromantis，加拿大）上构建。
数据收集
机理模型结构
局部敏感性分析 (LSA)
在预校准阶段调整的10个参数集上执行的灵敏度分析（LSA）的结果显示在图4中。通过参数对灵敏度目标变量（NH4+-N、NO3−-N和液相N2O）上的灵敏度系数Sij确定四个最具影响力的参数集是ηN2O,H、ηNO2,H、μAOB和μNOB.
Fig. 4. Sensitivity coefficients of the adjusted parameters during model calibration.
表2显示了调整参数之间的相关性。在本研究中，NO3- 和 NO2- 的还原因子（ηNO3,H 和 ηNO2,H）之间存在高相关性（绝对值>0.9）。由于这种高相关性以及与ηNO3,H相比，ηNO2,H具有更高的影响力（见图4），因此选择ηNO2,H进行最终校准。此外，ηNO2,H也与μNOB和ηN2O,H显示出高度相关性（0.9）。
Table 2. Correlation matrices of the parameters with the highest overall Sij.
Fig. 7. Predicted (solid line) and measured (dashed line): (a) liquid N2O concentration in the first aerobic zone (Z4), (b) liquid N2O concentration in the last aerobic zone (Z6), (c) total N2O emissions from the biological reactor during calibration; (d) liquid N2O concentration in Z4, (e) liquid N2O concentration in Z6, (f) total N2O emissions from the biological reactor during validation.
Fig. 8. Model predictions vs. measured data for **liquid N2O concentration** in the last aerobic zone (Z6) for: (a) preliminary calibration, (b) final calibration (with the reduced set of parameters), (c) predictions by Blomberg et al. (2018); and model predictions vs. measured data for **N2O gas emission**s for: (d) preliminary calibration, (e) final calibration, (f) predictions by Blomberg et al. (2018).
缺氧、中间和有氧隔室中N2O的持续生成和消耗速率展示在图9中。图9a显示了最后一个缺氧隔室（Z2）中的N2O消耗和生成速率。在该舱室中，由DHET（异养反硝化细菌）产生的N2O的平均生成率为76 mgN/L/d，占N2O总量的97%，其余的生成则通过AOB（好氧氧化细菌）的反硝化途径完成。同时，在Z2中，超过99%的产生的N2O被消耗，使得排放的N2O率低至0.08 mgN/L/d。模型预测显示，在缺氧隔室中DHET充当了N2O的净消耗源。
点击“原文链接”，查看论文
声明：本公众号分享的前沿学术成果来源于各学术网站，不依法享有其所有权。若原作者发现本次分享中的文字及图片涉及侵权，请立刻联系公众号后台或发送邮件，我们将及时修改或删除！
邮箱：environmodel@sina.com
若您认为有用，欢迎
将Environmodel设为星标，或
点击“在看”或“分享”给他人
