滞流工况下管网水中微生物群落对铁释放的影响

叶 萍 ,申屠华斌 ,陈环宇 ,李杭加 ,徐 兵 ,张逸夫 ,王 磊,柳景青 *＞(.嘉兴市嘉源给排水有限公司,浙江 嘉兴 3000；.浙江大学土木工程学系,浙江 杭州 3008；3.上海市水利工程设计研究院有限公司,上海 00063；.浙江大学滨海产业技术研究院,天津 30030；.浙江工业大学建筑工程学院,浙江 杭州 300)

目前,我国城乡供水统筹基本实现一体化,位于城市供水管网末梢的供水管道中,由于用户间接性用水的特点,管网水处于滞流状态的现象十分普遍,滞流时间最长可达 12～24h[1-3].滞流工况下,管网水质指标随时间变化,如溶解氧、余氯、浊度等化学指标,同时与腐蚀有关的细菌总数将急剧增加,导致微生物群落结构和含量改变[4-7].这些变化会加剧管道铁释放,严重时甚至引发“黄水”问题[8-9].引发供水管道“黄水”现象的原因有很多,管网水在滞流状态下溶解氧浓度快速衰减[10-12],具有氧化和杀菌作用的余氯浓度的衰减,是导致铁释放加剧的重要原因.这些研究主要是围绕水体化学参数指标对铁释放的影响展开.近年研究表明,供水管道中某些微生物群落自身的生命活动是诱发水质变差的主要原因

[9,13-14].某些微生物群落影响供水管道腐蚀,进而影响了铁释放[15-17],主要包括铁氧化细菌(IOB)、硫酸盐还原菌(SRB)、硫氧化菌(SOB)、反硝化细菌(NRB)、铁还原菌(IRB)等.例如,铁氧化细菌(IOB)能够代谢还原性铁,以Fe(OH)3悬浮颗粒的形态在水体或者存在于分泌液中,这将造成管网出现“黄水”现象[18-20].硫酸盐还原菌(SRB)是一种厌氧菌,SRB主要包括脱硫弧菌属(Desulfovibrio)和脱硫肠状菌属(Desulgotomaculum)2个菌属.SRB以有机物作为电子供体,用硫酸盐作为末端电子接受体,能够将硫酸根还原成硫离子获得能量,并通过消耗氢而使金属表面阴极去极化,加速管道的电化学腐蚀,同时产生的 H2S被氧化成硫酸会对管道局部造成严重的点位腐蚀[21-22],是造成严重铁释放的重要原因.当 SRB和 IOB共存的时候,管道腐蚀速率是电化学的情况下的300倍以上[23].

目前已有研究存在以下不足：1)实验条件的局限：多为实验室小试或管段实验,试验运行工况与实际的管道运行,存在一定差异;2)实验管材的局限：研究的管道是以镀锌管、钢管等易腐蚀等研究为主,而目前实际管网中比例较高的耐腐蚀球墨铸铁管、高密度聚乙烯管(HDPE)和内衬球墨铸铁管也同样存在着铁释放现象;3)研究分析的局限：在滞流工况下水中总铁浓度、微生物群落数量及其结构、水质化学指标三者之间的关联性的研究有待进一步的深入.针对这些不足,本研究依托搭载于实际供水管网系统中的中试试验平台,探究不同供水管道滞流过程中细菌数量和微生物群落结构对铁释放影响作用.

1 材料与方法

1.1 实验装置

中试试验平台搭载于中国东部某市供水管网末端(图1),由4条管线组成,管道管材分别为高密度聚乙烯管(HDPE)和球墨铸铁管(DCIP),管径为DN100和DN200,每节管段长1.0m,每条管线由10节管段组成.

该中试平台与实际市政管网相连接,管网水处于非循环运行,试验平台两端均设置流量可开闭手动阀门,以实现模拟实际管网滞流工况下的状态.分别采用DN100和DN200的球墨铸铁管(DCIP)和高密度聚乙烯管(HDPE)4组供水管道的水体作为滞流实验对象,4条管线上均平行设有水样采集口.在开始实验时,缓慢关闭管道两端的阀门以保证管道内生物膜稳定,在关闭阀门后使水体滞流48h.

图1 管网中试平台平面示意Fig.1 Pilot system researched water supply pipelines

1.2 水质检测指标

水质指标检测见表1.

表1 检测参数和方法Table 1 Water parameters and measurement instrument

1.3 滞流水样的采集

滞流实验操作步骤如下：(1)缓慢关闭中试平台进水阀门,使中试装置管线处于滞流工况,滞流总时长 48h;(2)分别在滞流 0,4,8,16,24,32,40,48h的时间点采集水样,采样前用酒精棉球消毒采样口,放水 3s之后,用无菌蓝盖瓶收集滞流水样,一部分水样现场检测常规理化水质指标,另一部分保存于 4℃的移动冰箱,实验室进行后续指标的检测.

1.4 DNA的提取

将采集的水样样品用 Power Soil DNA Kit(Mo bio laboratories,carlsbad,CA) 进行基因组DNA 抽提,具体操作按照说明书.提取的基因组DNA 采用 1.0%的琼脂糖凝胶电泳检测,再将其置于-20℃的冰箱冷藏,以用于后续的检测.

1.5 Illumina高通量测序

(4)社会环境导致了大学生获取创业知识的外部障碍。近年来参加公务员考试的人次之多，父母希望大学生考公务员，社会上形成了热衷公务员之风，因此大学生对创业的劲头不足，对创业知识的学习动力不足，甚至很多学生主动参加社会实践，开展创业，到企业实习兼职都会被其他同学、家长与辅导员认为是耽误学习。社会环境方面，没有给大学生学习获取创业知识提供一个宽容、宽松的氛围，反而设置了一些障碍。

提取的样品DNA送往上海派森诺有限公司进行高通量测序,采用Illumina测序仪测序.获得原始数据后,首先对原始数据进行质量控制(序列长度200～1000个碱基对,连续相同碱基对N＜6;模糊碱基 N＜1,Q＜25)获得最终用于分析的序列,然后应用 QIME软件,根据序列相似度将序列归为多个操作单元格(Operational Taxonomic Unit,OTU)[24],根据OUT列表中的各个样品物种丰富度情况应用软件mothur[25]进行操作.

1.6 统计方法

采用 Origin(version 9.0)和 IBM SPSS(version20.0)对实验数据进行统计分析,通过单因素方差分析(ANOVA)检验样本的统计学方差,显著性差异假定 P=0.05.采用 Canoco for windows进行环境影响因子分析.

2 结果与讨论

2.1 滞流工况不同供水管道水体微生物群落结构

取每条管线滞流0,4,48h共计12个水样进行微生物群落结构分析,在门水平上,共检测出 10种微生物门.其中变形菌门(Proteobacteria)在所有样品微生物群落结构中均占据主导地位,在 0时刻 4条管线水体中相对丰度约为 30%～60%,在滞流 48h后增大到 86.69%～91.36%.同时还检测到酸杆菌门(Acidobacteria)约为2.63%～6.55%,拟杆菌门(Bacteroidetes)约为 2.19%～5.24%,厚壁菌门(Firmicutes)约为 1.25%～21.98%、放线菌门(Actinobacteria)约为 4.61%～19.36%,绿湾菌门(Chloroflexi)约为 1.33%～7.69%,硝化螺旋菌门(Nitrospirae)约为 1.06%～3.29%,芽单胞菌门(Gemmatimonadetes)约为 1.24%～3.64%.管网水滞流0h时刻,2种管材管道水体微生物结构差别明显.以厚壁菌门(Firmicutes)为例,球墨铸铁管初始细菌相对丰度为21.98%,水泥砂浆内衬球墨铸铁管相对丰度为12.64%,而在DN100和DN200的 HDPE管道水体细菌相对丰度分别为 0.73%和1.25%.当水体滞流48h后,这些细菌相对丰度含量有所下降.同样以厚壁菌门(Firmicutes)为例,球墨铸铁管道水体中的含量减少至 0.11%,水泥砂浆内衬的球墨铸铁管减少至 0.974%,而 2组HDPE管分别减少至0.27%和0.68%.而且球墨铸铁管材水体中的厚壁菌门(Firmicutes)减少量要大于HDPE管道.

在纲水平上,a-变形菌纲(Alphaproteobacteria) 、 β- 变 形 菌 纲(Betaproteobacteria)和放线菌纲(Actinobacteria)含量较高,相对丰度在 50%以上.对于 a-变形菌纲(Alphaproteobacteria)而言, 4组管道水体细菌含量都是随滞流时间的延长而不断增加,2组HDPE管道细菌相对丰度增幅分别为30.72%和22.87%,球墨铸铁管和水泥砂浆内衬的球墨铸铁管的细菌相对丰度增幅分别为 37.08%和26.15%.与之相反,放线菌纲(Actinobacteria),在4组管道中均呈现下降趋势,HDPE管道分别从初始时刻的 16.92%和 10.12%下降到 4.63%和6.44%,而球墨铸铁管和水泥砂浆球墨铸铁管则分别从14.42%和9.46%下降到2.23%和4.67%.不同细菌在水体滞流过程中含量会发生变化,其增加或者减少的趋势与管道属性并不存在关联性.

图2 水样中微生物群落结构组成Fig.2 Bacterial community of water samples

2.2 滞流工况不同供水管道水体总铁与腐蚀细菌的相关性

图3显示,在滞流工况下,4组管道管网水的总铁浓度随滞流时间增加,不断增加.滞流开始时(0时刻),4组管道水相总铁浓度在 0.152～0.195mg/L之间.滞流4h后,DN100的球墨铸铁管中总铁浓度即超出国家规定标准 0.3mg/L,在滞流 48h时总铁浓度达到 2.5mg/L.有水泥内衬的DN200球墨铸铁管以及HDPE管道的管网水中总铁浓度变化趋势相似,在 8h后超标,而且在8～48h内,铁释放增加量基本相同.

图3显示,球墨铸铁管管网水中IOB和SRB数量增加量最大,涂有内衬的球墨铸铁管次之,两组HDPE管最少,这说明管材对于细菌数量增长影响较大.

图3 总铁浓度随时间变化Fig.3 The total iron concentration changes

表2 总铁与IOB、SRB之间相关性和显著性水平Table 2 The correlation and significance level between total iron and IOB、SRB

表2显示,这4组管道水中总铁浓度变化和细菌数量之间的关联性较强,且球墨铸铁管中相关性更强,显著性水平更高.其中,DN100球墨铸铁管管网水中总铁与 IOB(r=0.775,P=0.01),SRB(r=0.649,P=0.05),其相关性较强,显著性水平较高.相比之下,HDPE管网水总铁与 IOB、SRB相关性较强,但是显著性性水平不高.说明球墨铸铁管管网水中细菌对总铁释放的影响性相较于HDPE管的要大,究其原因可能是金属管道中与腐蚀有关的细菌更加容易生长,从而影响总铁的释放.

图4 铁氧化细菌和硫酸盐还原菌数量随时间变化Fig.4 Numbers of IOB and SRB

2.3 滞流工况水体总铁与微生物群落的相关性和RDA分析

通过分析计算相关系数和进行 RDA分析,在门水平上,总铁与 Proteobacteria(r=0.701,P=0.011)、Actinobacteria(r=0.571,P=0.052)、Acidobacteria(r=0.664,P=0.019)呈正相关关系,显著性较强,同时也与一些细菌存在正相关如Cyanobacteria(r=0.461,P=0.132),Gemmatimonade tes(r=0.396,P=0.203)等.同时图5a中,与总铁成钝角的细菌,对铁释放会起到一定的抑制作用.通过SPSS统计分析表明 Bacteroidetes(r=-0.576,P=0.05)以及 Chloroflexi(r=-0.622,P=0.031)与总铁之间相关性较强,显著性水平较高.

在纲水平上,同样得出与总铁存在正负相关性的细菌(图5b),总铁与 Alphaproteobacteria(r=0.801,P=0.002),Betaproteobacteria(r=0.672,P=0.05),Bacilli(r=0.513,P=0.098),存在明显的正相关关系,而与 Acidobacteria(r=0.308,P=0.331)仅存在正相关关系,相关性不强.与 Actinobacteria(r=-0.774,P=0.003),Gammaproteobacteria(r=-0.7 43,P=0.006)存在显著相关性 ,而与 Clostridia(r=-0.332,P=-0.292)呈正相关性.

总之,纲水平上的 Alphaproteobacteria、Betaprotebacteria和 Bacilli,以及门水平上Proteobacteria、Actinobacteria和 Acidobacteria对铁释放起到促进作用.深入研究影响这些微生物群落生长的环境因素,控制其生长将会有效降低滞流时管网水的铁释放.

图5 微生物群落与总铁指标之间的RDA分析Fig.5 Redundancy analysis (RDA) of bacteria community with total iron

3 结论

3.1 不同管材管道中,管网水在滞流过程中,其微生物群落分布：在门水平上主要以变形菌门(Proteobacteria)为主,占 86.69%～91.36%;在纲水平上,a-变形菌纲(Alphaproteobacteria)、β-变形菌纲(Betaproteobacteria)和放线菌纲(Actinobacteria)含量较高,占细菌总量的50%以上.且这些主要菌种相对丰度均随滞流时间而增加.

3.2 总铁浓度与铁氧化细菌和硫酸盐还原菌存在较强的相关性,且墨铸铁管管网水中细菌对总铁释放的影响性相较于HDPE管的要大.

3.3 相关性系数分析和RDA分析表明,门水平上 Proteobacteria、Actinobacteria和 Acidobacteria以及纲水平上的 Alphaproteobacteria、Betaprotebacteria和 Bacilli对铁释放起到促进作用.

[1] 徐菲菲,贾瑞宝.城市供水管道腐蚀及铁释放研究进展 [J]. 城镇供水, 2013,(1)：63-66.

[2] 李 礼,李玉仙,王 敏,等.我国城市供水管网铁释放问题研究现状 [J]. 城镇供水, 2015,(6)：75-78.

[3] Liu J, Chen H, Huang Q, et al. Characteristics of pipe-scale in the pipes of an urban drinking water distribution system in eastern China [J]. Water Science & Technology Water Supply, DOI：10.2166/ws.2015.183.

[4] Zhi W, Ji G. Quantitative response relationships between nitrogen transformation rates and nitrogen functional genes in a tidal flow constructed wetland under C/N ratio constraints [J]. Water Research, 2014,64(7)：32-41.

[5] Prest E I, Hammes F, Kotzsch S, et al. A systematic approach for the assessment of bacterial growth-controlling factors linked to biological stability of drinking water in distribution systems [J].Water Science & Technology Water Supply, DOI：10.2166/ws.2016.001.

[6] Chen L, Jia R B, Li L. Bacterial community of iron tubercles from a drinking water distribution system and its occurrence in stagnant tap water [J]. Environmental Science Processes &Impacts, 2013,15(7)：1332.

[7] Liu J, Shentu H, Chen H, et al. Change regularity of water quality parameters in leakage flow conditions and their relationship with iron release [J]. Water Research, 2017,124：353.

[8] Zhang X, Mi Z, Wang Y, et al. A red water occurrence in drinkingwater distribution systems caused by changes in water source in Beijing, China： mechanism analysis and control measures [J].Frontiers of Environmental Science & Engineering, 2014,8(3)：417-426.

[9] Li X, Wang H, Hu X, et al. Characteristics of corrosion sales and biofilm in aged pipe distribution systems with switching water source [J]. Engineering Failure Analysis, 2016,60：166-175.

[10] Sarin P, Snoeyink V L, Bebee J, et al. Iron release from corroded iron pipes in drinking water distribution systems： effect of dissolved oxygen [J]. Water Research, 2004,38(5)：1259.

[11] Liu J, Chen H, Yao L, et al. The spatial distribution of pollutants in pipe-scale of large-diameter pipelines in a drinking water distribution system [J]. Journal of Hazardous Materials, 2016,317：27-35.

[12] 陈环宇,柳景青,魏宗元,等.供水管网大口径管道管垢中污染物分布的径向差异 [J]. 中国环境科学, 2015,35(9)：2706-2712.

[13] Beale D J, Dunn M S, Morrison P D, et al. Characterisation of bulk water samples from copper pipes undergoing microbially influenced corrosion by diagnostic metabolomic profiling [J].Corrosion Science, 2012,55(2)：272-279.

[14] Xu D, Gu T. Carbon source starvation triggered more aggressive corrosion against carbon steel by the Desulfovibrio vulgaris biofilm [J]. International Biodeterioration & Biodegradation,2014,91：74-81.

[15] Tuovinen O H, Button K S, Vuorinen A, et al. Bacterial, chemical,and mineralogical characteristics of tubercles in distribution pipelines [J]. Journal, 1980,72(11)：626-635.

[16] Lehtola M J, Miettinen I T, Keinänen M M, et al. Microbiology,chemistry and biofilm development in a pilot drinking water distribution system with copper and plastic pipes [J]. Water Research, 2004,38(17)：3769-79.

[17] 张向谊,刘文君,高圣华,等.模拟配水管网中管材和余氯对生物膜形成的影响 [J]. 中国环境科学, 2006,26(3)：303-306.

[18] Moradi M, Duan J, Ashassi-Sorkhabi H, et al. De-alloying of 316stainless steel in the presence of a mixture of metal-oxidizing bacteria [J]. Corrosion Science, 2011,53(12)：4282-4290.

[19] Gerke T L, Maynard J B, Schock M R, et al. Physiochemical characterization of five iron tubercles from a single drinking water distribution system： Possible new insights on their formation and growth [J]. Corrosion Science, 2008,50(7)：2030-2039.

[20] Teng F, Guan Y T, Zhu W P. Effect of biofilm on cast iron pipe corrosion in drinking water distribution system： Corrosion scales characterization and microbial community structure investigation[J]. Corrosion Science, 2008,50(10)：2816-2823.

[21] Pikaar I, Sharma K R, Hu S, et al. Water engineering. Reducing sewer corrosion through integrated urban water management [J].Science, 2014,345(6198)：812-814.

[22] King R A, Miller J D A. Corrosion by the sulphate-reducing bacteria [J]. Nature, 1971,233(5320)：491-492.

[23] Venzlaff H, Enning D, Srinivasan J, et al. Accelerated cathodic reaction in microbial corrosion of iron due to direct electron uptake by sulfate-reducing bacteria [J]. Corrosion Science,2012,66(1)：88—96.

[24] Caporaso J G, Kuczynski J, Stombaugh J, et al. QIIME allows analysis of high-throughput community sequencing data [J].Nature Methods, 2010,7(5)：335.

[25] Li D, Li Z, Yu J, et al. Characterization of bacterial community structure in a drinking water distribution system during an occurrence of red water [J]. Applied & Environmental Microbiology, 2010,76(21)：7171-80.