混合干式厌氧消化牛粪和玉米秸秆过程中不稳定性预警指标的筛选

《Journal of Environmental Chemical Engineering》：Screening of instability early warning indicators for mixed dry anaerobic digestion of cow manure and corn straw

干式厌氧消化（DAD）在高效转化农业废弃物中潜力巨大，但高有机负荷率（OLR）易引发系统失稳。本研究通过171天半连续DAD实验，逐步提升OLR至8.5 g VS/(L·d)，发现n-丁酸、甲烷/二氧化碳比（CH4/CO2）和碳酸氢盐/总碱度比（BA/TA）可作为主要预警指标，分别提前14、13和20天预警失稳。辅助指标乙酸/丙酸比（HAc/HPr）可监测酸化风险。实验显示，OLR过高导致氨抑制和挥发性脂肪酸积累，最终引发系统崩溃。同步微生物分析表明水解酸化菌门（Bacteroidota和Firmicutes）丰度上升，而短链挥发性脂肪酸消耗菌门（Proteobacteria）丰度骤降，甲烷生成菌由严格乙酸型转向兼性/氢气利用型。研究结果为DAD系统在高OLR下安全运行提供理论支撑。

　　

胡成龙|朱丰涛|N'Dri Yves Bohoussou|吴文波|秦国辉|李东宇|郑国祥

中国哈尔滨市东北农业大学，邮编150030

摘要

干式厌氧消化（DAD）在转化农业废弃物方面具有显著优势，但高负荷运行容易导致系统不稳定，从而限制了其实际应用。过程监控对于维持系统稳定性至关重要，需要有效识别不稳定的预警指标。本研究在牛粪与玉米秸秆混合物上进行了为期171天的半连续DAD实验，通过逐渐增加有机负荷率（OLR）来诱发系统不稳定，以探讨有效的早期预警指标。结果表明，在系统不稳定之前，正丁酸、CH₄/CO₂比值以及碳酸氢盐碱度与总碱度比值（BA/TA）对干扰特别敏感，可作为主要预警指标，其预警时间分别为14天、13天和20天；乙酸与丙酸比值（HAc/HPr）可作为辅助指标，当该比值小于2.0时需监测系统酸化情况。在有机负荷过高的情况下，初期抑制作用归因于游离氨的积累，而最终系统崩溃则是由于游离挥发性脂肪酸的过度积累所致。此外，在系统不稳定期间碳酸氢盐碱度的急剧下降是导致系统不稳定的内在原因。微生物动态分析显示，在不稳定阶段，水解产酸菌门（Bacteroidota和Firmicutes）的丰度增加，而消耗短链挥发性酸的Proteobacteria丰度显著下降。本研究为农业废弃物的高效稳定转化提供了重要见解。

引言

中国拥有丰富的农业废弃物资源，如作物残余物和动物粪便[1]。最新研究表明，中国每年在农业生产中产生约7亿吨作物残余物和3.8亿吨畜禽粪便[2]、[3]。如果这些富含有机物的废弃物管理不当，不仅会导致生物质资源利用不足，还会造成环境污染[4]。厌氧消化（AD）是一种利用一系列生化反应将有机废弃物转化为可再生生物能源的生物过程，因此是实现有机废弃物综合利用的极具前景的技术[5]、[6]。干式厌氧消化（DAD）的特点是消化物的总固体（TS）含量超过20%[7]。与传统湿式AD相比，DAD具有体积生物气体产率较高、能耗较低、运行成本较低以及更易于处理低水分消化物等优点[8]、[9]。这些优势使得DAD在处理高固体含量的废弃物（如农业残余物和城市固体废弃物）时更加高效[10]。然而，在有机负荷率（OLR）为4.6-18.5 g VS/(L·d)的情况下[11]，DAD过程更容易受到挥发性脂肪酸（VFAs）和氨的抑制，从而加剧系统不稳定[12]。商业化的DAD生物气项目通常在较低的OLR（4.0-6.0 g VS/(L·d)下运行，以确保运行安全，但这不可避免地降低了转化效率并限制了技术规模的扩大[13]。本研究旨在通过识别系统不稳定的敏感预警指标来平衡稳定性和效率，从而支持在高OLR下DAD系统的安全运行，并促进DAD技术的高效和规模化应用[8]。

过程监控被认为是提高AD过程稳定性的关键方法，而识别有效参数是实施过程监控的基础[14]。早期预警指标能够有效反映厌氧反应器当前的代谢状态[15]。理想的预警指标应在AD系统不稳定阶段早期识别干扰，从而及时调节反应系统、消除干扰并恢复AD稳定性[16]。Ao等人总结指出，AD不稳定的预警指标应具备三个关键特征：单向变化、较长的早期响应时间和突然的变化[17]。近年来，学者们对AD预警指标的选择进行了深入研究，包括单一预警指标和耦合预警指标[18]。传统的单一预警指标包括生物气体成分、pH值、ORP值、VFAs、总碱度（TA）、部分碱度（PA）、碳酸氢盐碱度（BA）、中间碱度（IA）、氢分压、粘度和氨氮[19]。例如，Ao等人将ORP确定为鸡粪AD的预警指标，并确定了超过-540 mV的抑制阈值，这表明其在工程应用中的可行性很高[17]。Shen等人发现VFAs在预测玉米秸秆AD过程中的不稳定性中起着关键作用，当该阈值超过10,000 mg/L时，系统的生物气体产率、甲烷含量和产甲烷菌的丰度会显著下降[20]。与单一预警指标相比，耦合预警指标通常包含更全面的信息，在识别不稳定过程方面具有更高的敏感性和准确性，因此成为当前研究AD预警指标的重点[16]。报道的耦合指标包括CH₄/CO₂、CH₄/pH、IA/BA、BA/TA和TVFA/BA[21]、[22]。例如，Zou等人研究了全规模家庭厨余物DAD系统的不稳定过程，并最终选择CH₄/CO₂、CH₄/pH和CH₄/H₂S作为预警指标，其预警时间分别为6天、7天和10天[23]。Wirasembada等人研究了产氢AD反应器不稳定性的预警指标，并提出TVFA/ALK（范围为0.9-1.5）是一个有效的预警参数，其预警性能明显优于单一指标[11]。

然而，由于AD过程的复杂性，以往的研究表明大多数预警指标仅适用于特定类型的原料[24]。即使对于相同的预警指标，其在不同AD过程中的阈值也存在显著差异[25]。例如，Ramos-Suárez等人建议使用IA/PA比值低于0.3来维持奶酪乳清AD的稳定运行[26]，而Ribeiro等人发现，在甘蔗渣和糖蜜共消化过程中，系统在IA/PA比值为1.28时仍能保持稳定[27]。此外，大多数关于不稳定性预警指标的研究集中在湿式AD（TS < 10%）或半干式AD（10% < TS < 20%）上，而针对DAD（TS > 20%）的此类指标的研究仍然不足[28]。与湿式或半干式AD相比，DAD由于其高TS含量而面临独特的运行挑战。首先，较高的底物粘度不仅降低了微生物与底物之间的接触效率，还显著影响了质量传递[29]。其次，在高有机负荷率下运行会进一步加剧VFAs和氨的抑制作用[12]。这种抑制作用还受到丙酸降解的热力学限制和共生乙酸氧化菌的丧失的影响，最终使得传统的预警指标无法可靠地监测DAD过程[11]。此外，秸秆与动物粪便的共消化被广泛认为可以显著改善原料的营养平衡并提高生物气体产量[30]。现有的不稳定性预警指标大多针对单一AD底物，因为它们具有较高的不稳定性风险，而针对秸秆-动物粪便共消化底物的专用指标仍然缺乏，尽管其共消化系统的稳定性有所提高，但其稳定性潜力尚未得到充分探索。因此，本研究系统地研究了牛粪与玉米秸秆混合物在DAD中的不稳定性预警，旨在为这种典型的混合农业和畜禽废弃物底物识别针对性的预警指标。

本研究的目的是诊断在高有机负荷条件下牛粪和玉米秸秆DAD的早期不稳定现象。通过对半连续DAD系统进行171天的监测，并逐步增加OLR，最终确定了能有效响应系统不稳定性的过程参数作为预警指标。同时研究了导致DAD不稳定的微生物群落结构变化，以探索不稳定机制。我们在DAD不稳定性预警指标方面的研究将为促进农业和畜禽废弃物的高效稳定转化提供重要的理论基础和实践参考。

部分内容摘要

底物和接种物

牛粪（CM）采集自中国哈尔滨香坊区的一个奶牛场，并储存在-20°C的冷冻柜中。玉米秸秆（CS）来自中国哈尔滨东北农业大学的实验田，经过自然风干、去除石子和沙子后研磨并通过20目筛网过滤。接种物来自中国哈尔滨Boneng Green Energy Technology有限公司运营的生物气厂，该厂已连续运行超过6个月。

生物气体生产和组成

生物气体组成和体积甲烷产率（VMPR）被广泛用于评估AD系统的生物气体生产指标，并作为评估系统稳定性的关键参数[43]。如图1a和2b所示，在逐步增加OLR的过程中，生物气体组成和VMPR出现了波动。不同OLR阶段的特定甲烷产量（SMY）在标准条件（0 °C, 101.325 kPa）下进行了归一化处理，详见图S2以供进一步分析。

结论

当OLR达到8.5 g VS/(L·d)时，牛粪-玉米秸秆（CM-CS）的DAD过程变得不稳定。通过监测关键过程参数，正丁酸、CH₄/CO₂和BA/TA被确定为主要预警指标，分别提供了14天、13天和20天的充分预警时间，使现场操作人员能够及时采取调节措施（例如调整OLR、补充碱度）以防止系统恶化。HAc/HPr进一步被选为辅助预警指标。

作者贡献声明

吴文波：数据可视化、方法论、概念设计。秦国辉：方法论、实验研究。朱丰涛：项目管理、方法论、概念设计。N'Dri Yves Bohoussou：写作-审稿与编辑、数据分析。李东宇：验证、资源获取。郑国祥：写作-审稿与编辑、方法论、资金获取、概念设计。胡成龙：初稿撰写、数据可视化、验证、实验研究、数据管理。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

本研究得到了中国黑龙江省的技术项目“公开竞争机制选拔最佳候选人”（2022ZXJ05C01）、黑龙江省的关键研发项目（2022ZX02C14）以及黑龙江省创新人才春雁计划（资助编号CYCX24005）的支持。

利益冲突声明

作者声明在本文的发表过程中不存在任何利益冲突。本研究未涉及任何商业或