nZVI-生物炭强化人工湿地脱氮机理：微生物群落组装与机器学习预测

《Environmental Technology & Innovation》：Unveiling Mechanisms of nZVI-Biochar Enhanced Nitrogen Removal in Constructed Wetlands: Microbial Community Assembly

　　本研究针对人工湿地(CW)在低碳氮比废水中脱氮效率低的问题，通过构建纳米零价铁-生物炭(nZVI-Biochar)复合基质湿地系统(CFE-CW)，结合16S rRNA高通量测序、qPCR、随机森林模型和iCAMP框架，揭示了nZVI-Biochar通过富集反硝化菌群(Proteobacteria、Actinobacteriota)、上调功能基因(narG、nirS、nosZ)，并强化同质选择作用，从而显著提升NO3--N去除率(91.2%)的微生物机制，为功能材料强化生态污水处理提供了理论依据。

　　

随着工农业快速发展，大量含氮废水排入水体，导致湖泊、河流富营养化问题日益严重，威胁着饮用水安全和生态系统健康。传统污水处理厂虽能有效除氮，但存在能耗高、剩余污泥量大等缺点。人工湿地（Constructed Wetlands, CW）作为一种生态友好的污水处理技术，主要依靠微生物的硝化和反硝化作用去除氮素，然而，在实际应用中，尤其是在处理低碳氮比（C/N）废水时，常常因为有机碳源不足而导致反硝化过程受阻，脱氮效率不理想。有没有一种方法，既能提高脱氮效率，又无需额外投加碳源，从而降低成本和二次污染风险呢？纳米零价铁（nanoscale zero-valent iron, nZVI）和生物炭（Biochar）这两种功能材料进入了研究者的视野。nZVI能作为电子供体驱动自养反硝化，生物炭则以其多孔结构和表面特性吸附污染物并促进微生物生长。然而，将两者结合形成复合材料（nZVI-Biochar）应用于人工湿地，其强化脱氮的微生物机制以及如何准确预测其处理效果，仍是亟待揭示的科学问题。发表在《Environmental Technology》上的一项研究，正是为了解开这些谜团。

为了回答上述问题，研究人员设计了一套严谨的实验方案。他们首先以菖蒲生物质为原料制备生物炭，并通过液相还原法将nZVI负载到生物炭上，合成nZVI-Biochar复合材料。随后，建立了四组不同基质的人工湿地微型系统：对照组（CK-CW，仅石英砂）、生物炭组（C-CW）、nZVI组（FE-CW）以及nZVI-生物炭复合组（CFE-CW）。研究系统考察了碳氮比（C/N）、水力停留时间（HRT）和pH值等关键运行参数对硝酸盐氮（NO₃^--N）等氮素去除效果的影响。在微生物机制解析方面，研究采用了16S rRNA基因高通量测序技术分析微生物群落结构，利用定量PCR（qPCR）技术检测氮循环关键功能基因（如amoA, narG, nirS, nosZ）的丰度。为了预测出水水质并识别关键影响因素，研究引入了随机森林（Random Forest）机器学习模型进行建模分析。此外，还运用了基于系统发育分箱的零模型（iCAMP）来量化微生物群落组装过程中的确定性（如同质选择）和随机性过程（如扩散限制）的相对重要性。所有水样分析均依据中国国家标准方法进行。

3.1. HRT对NO₃^--N、NO₂^--N、NH₄⁺-N和TN去除的影响

研究发现在HRT为1天时，各湿地系统的总氮（TN）去除率趋于稳定，且HRT为1天与2天的脱氮效果无显著差异，因此确定1天为最佳HRT。在此条件下，CFE-CW表现出最高的TN去除率（86.7%），且出水中亚硝酸盐氮（NO₂^--N）积累量极低（<0.3 mg/L），表明nZVI-Biochar复合材料通过提供反应位点、促进化学反硝化和微生物反硝化等多种途径协同提升了NO₃^--N的去除效率。

3.2. C/N比对NO₃^--N、NO₂^--N、NH₄⁺-N和TN去除的影响

在无外加有机碳（C/N=0）的条件下，CFE-CW仍能实现63.2%的NO₃^--N去除率，显著高于对照组（15.7%），证明了nZVI作为电子供体驱动自养反硝化的能力。随着C/N比增加至5和10，所有系统的脱氮效率均提升，CFE-CW在C/N=10时NO₃^--N去除率高达91.2%。同时，NO₂^--N和NH₄⁺-N的积累减少，表明有机碳的加入促进了异养反硝化过程，削弱了nZVI化学反硝化产铵的作用。

3.3. pH对NO₃^--N、NO₂^--N、NH₄⁺-N和TN去除的影响

pH值为7时，CFE-CW的脱氮性能最佳，出水NO₃^--N、TN和NO₂^--N浓度最低，去除效率最高。酸性或碱性条件均会抑制微生物活性，影响反硝化效果。nZVI-Biochar的添加在一定程度上缓解了碱性条件下nZVI的钝化问题，保证了电子供应的持续性。

3.4. 微生物分析

3.4.1. CW的微生物多样性指数

Alpha多样性分析表明，CFE-CW具有最高的微生物丰富度和多样性，表明nZVI和生物炭的复合使用对微生物群落产生了积极的协同效应。单独添加nZVI（FE-CW）会降低群落的丰富度，可能与nZVI的氧化应激效应有关。

3.4.2. 门水平微生物群落

在门水平上，Proteobacteria（变形菌门）是所有系统中的优势菌门，且在CFE-CW中相对丰度最高。该菌门包含大量具有反硝化功能的菌属，其富集与系统脱氮性能增强密切相关。此外，Bacteroidota（拟杆菌门）、Chloroflexi（绿弯菌门）和Actinobacteria（放线菌门）等在CFE-CW中也呈现较高丰度，它们在有机物降解和氮循环中扮演重要角色。

3.4.3. 属水平微生物群落

在属水平上，CFE-CW显著富集了多种反硝化功能菌属，如进行铁氧化自养反硝化的Thauera（索氏菌属）、利用有机碳或氢气的Denitratisoma、Azospira（固氮螺菌属）、Dechloromonas（脱氯单胞菌属）和Rhodobacter（红杆菌属）等。这些菌属的协同作用是CFE-CW高效脱氮的微生物学基础。

3.4.4. 参与氮代谢的功能基因定量分析

qPCR结果显示，CFE-CW中多个关键氮循环功能基因的丰度显著高于其他组。特别是反硝化过程相关的基因，如编码硝酸盐还原酶的narG、编码亚硝酸盐还原酶的nirS以及编码氧化亚氮还原酶的nosZ基因丰度均明显上调，这直接证明了nZVI-Biochar通过增强微生物的反硝化代谢潜能来提升脱氮效率。

3.5. 机器学习在人工湿地中的应用

3.5.1. 出水中NO₃^--N浓度的预测及影响因素重要性分析

利用随机森林模型构建的出水NO₃^--N浓度预测模型表现出极高的准确性（训练集R2=0.99，测试集R2=0.98）。模型分析指出，总氮（TN）、铵态氮（NH₄⁺-N）、氧化还原电位（ORP）、基质类型和溶解氧（DO）是影响出水NO₃^--N浓度的最关键因素，凸显了基质改良的重要性。

3.5.2. 环境因素与微生物的关系

冗余分析（RDA）和Spearman相关性分析表明，氮素浓度（如NO₃^--N、NH₄⁺-N）是驱动微生物群落结构变化的主要环境因子。在CFE-CW中，关键反硝化菌属（如Thauera、Rhodobacter）的丰度与出水NO₃^--N浓度呈显著负相关，证实了这些微生物在脱氮过程中的核心作用。

3.5.3. 微生物群落组装和网络分析

iCAMP模型分析揭示，nZVI-Biochar的添加显著增强了同质选择（HoS）这一确定性过程在微生物群落组装中的相对重要性（从对照组的63.5%增至81.2%），表明复合材料通过强化环境过滤作用，筛选出具有相似功能性状的微生物类群，导致群落结构趋于聚类和稳定。网络分析进一步显示，CFE-CW的微生物共现网络具有更高的平均度、聚类系数和更短的平均路径距离，意味着微生物间的联系更紧密、信息传递更高效，群落稳定性和功能冗余性更强。

本研究得出结论，nZVI-Biochar复合材料可通过优化运行参数（C/N=10, HRT=1 d, pH=7）、定向塑造功能微生物群落（富集Proteobacteria等）、上调反硝化功能基因表达（narG, nirS, nosZ），并强化以同质选择为主导的确定性群落组装过程，从而显著提升人工湿地的脱氮性能，最高可使NO₃^--N去除率达到91.2%。随机森林模型为湿地出水水质的精准预测和调控提供了可靠工具。该研究不仅深入揭示了nZVI-Biochar强化人工湿地脱氮的微观机理，将功能材料应用与微生物生态理论（群落组装）有机结合，而且为开发高效、稳定、低成本的废水脱氮新技术提供了重要的理论支撑和实践指南，对推动水环境污染治理的可持续发展具有重要意义。尽管nZVI-Biochar复合材料存在初始成本较高的问题，但其卓越的长期处理效能和延长的使用寿命预示着良好的应用前景。未来的研究可聚焦于长期 pilot 试验、nZVI的环境归趋与风险评价、以及针对不同水质的标准应用参数制定，以加速该技术向实际工程应用的转化。