文摘采用三维荧光-平行因子法(3D EEMs-PARAFAC)解析了厌氧-缺氧-好氧(A^(2)O)污水生物处理过程中DOM特征,并对各工艺单元生成的N_(2)O进行了定量分析,之后运用机器学习模型对二者的变化关系进行了响应预测.结果表明,污水处理厂进水中DOM主要包含类色氨酸C1,类富里酸C2,类腐殖酸C3和类酪氨酸C4四种组分,并以C1和C4为主,且各组分含量沿污水处理流程逐渐降低,易生物降解的C1和C4的去除速率明显高于C2和C3.N_(2)O排放是直接碳排放的主要组成部分,其变化表现出明显的空间异质性,各处理单元N_(2)O生成总量由高到低依次为好氧池、辐流沉淀池、缺氧池、厌氧池、细格栅、钟式沉砂池.Shapley Additive ex Planation(SHAP)分析表明,C1和C2对N_(2)O生成影响较大,而C3和C4几乎没有影响,其中C1对N_(2)O的生成表现出促进作用,C2则不利于N_(2)O的生成.高通量测序结果表明,能够利用易生物降解有机物进行反硝化的Methylotenera和Terrimonas是污水处理厂内的优势菌属.本研究揭示了A^(2)O污水生物处理过程中N_(2)O生成对不同DOM组分的差异性响应,并为完善当前污水处理厂的碳排放核算方法并优化污水处理厂低碳运行工艺提供了理论支撑.
