研究簡介：氧化亞氮（N?O）是一種強效溫室氣體，其在污水處理過程中的排放對污水處理廠的碳足跡影響顯著。N2O的產生與污水處理中的氮轉化過程密切相關，包括氨氧化細菌（AOB）和異養反硝化細菌的作用。N?O的排放受到多種因素的影響，包括操作條件、微生物群落結構、進水水質等。然而以往的研究往往忽視了數據的變異性，僅使用平均排放因子來估算N2O排放，這可能導致估算結果的不準確。研究人員在BioTank1和BioTank2中安裝了多個N2O液相傳感器，分別位于不同的位置，以捕捉N2O排放的時空變異性。通過氣體剝離模型（kLaN?O）計算N?O的排放量，并結合液相N?O濃度數據，量化了N2O排放的時空變異性。研究還分析了不同監測策略對N?O排放估算的影響，包括監測頻率和監測位置的數量。

研究旨在通過分析污水處理廠（WWTP）中氧化亞氮（N2O）排放的時空變異性，提高排放因子（EF）的準確性，并設計更有效的監測策略。研究對象為丹麥Gummerup的表面曝氣污水處理廠，該廠采用階段交替運行的BioDenitro工藝，處理能力為10000人口當量（PE）。研究團隊在110天的監測活動中，通過液相N?O濃度測量，量化了N?O排放的時空變異性，并分析了監測活動的不確定性。研究發現，N?O排放的時空變異性顯著。

在BioTank2中，N?O排放量在不同位置差異明顯，最高排放量出現在靠近轉子的位置（S1m），而最低排放量出現在轉子下游的位置（S10m）。N?O排放的日變異性極高，平均日變異性為162%。此外，N?O排放數據呈正偏態分布，表明對數正態分布比正態分布更能準確描述N?O排放數據。研究還發現，僅通過5分鐘的連續監測，每30分鐘測量一次，即可在不顯著降低數據質量的情況下，增加監測位置的數量。

Unisense氧化亞氮微電極的應用

Unisense微電極被用于監測污水處理廠（WWTP）中的氧化亞氮（N?O）濃度。研究人員使用了四個Unisense液體傳感器來監測N?O的濃度。這些傳感器分別安裝在BioTank1和BioTank2的不同位置，以捕捉N?O排放的時空變異性。氧化亞氮電極以1分鐘的頻率記錄N?O的液相濃度，提供了高時間分辨率的數據，有助于捕捉N?O濃度的動態變化。

實驗結果

研究發現N?O排放的時空變異性顯著。在BioTank2中，N?O排放量在不同位置差異明顯，最高排放量出現在靠近轉子的位置（S1m），而最低排放量出現在轉子下游的位置（S10m）。N?O排放的日變異性極高，平均日變異性為162%。此外，N?O排放數據呈正偏態分布，表明對數正態分布比正態分布更能準確描述N?O排放數據。研究還發現，僅通過5分鐘的連續監測，每30分鐘測量一次，即可在不顯著降低數據質量的情況下，增加監測位置的數量。研究強調了在污水處理廠中準確量化N2O排放的重要性，并提出了通過多點半連續監測策略來提高監測數據的準確性和信息含量。研究結果表明，N2O排放的時空變異性需要通過高頻率監測和多點監測來捕捉，以提高排放因子的準確性。

圖1、左：BioTanks和unisense N2O原位監測設備。右圖：N2O監測程序以及排放系數（EF）計算過程中變異性和不確定性的影響因素。

圖2、四個液體傳感器（Unisense Environment A/S，丹麥）監測N2O濃度。一個傳感器平行于轉子，在BioTank2（S0m）和BioTank1（S0m*）中最低湍流。在BioTank2中，也處于最高湍流。以及氣泡傳輸結束的下游（S10m）。一個浮動室（0.95 m2）記錄了平行和垂直于水流的不同距離處的氣體流量和溶解氧濃度。假設所有轉子的剝離結果相同。

圖3、左圖：BioTank2中沿水流的三個傳感器的N2O發射：S0m、S1m、S10m以及三個傳感器的組合?？偱欧帕亢蛢H曝氣期排放量的箱線圖。箱線圖內帶有凹口的中值表示中位數的95%置信區間。黑菱形表示平均值和正標準差。右圖：分鐘、平均小時和平均每日值的N2O排放量（n=117602、1960和80）。底。左圖：基于S1m的BioTank2的N2O排放量（gN/天），按統治相（Ph）、箱線圖和均值（藍色菱形）分組。N和D對應硝化和反硝化，數字表示BioTank正在進料和排出。第一個和第二個字母/數字分別指BioTank1和2?？偝掷m時間的黑色（%）和藍色（%）占總排放負荷的分數。右圖：N2O的平均液體濃度（每相平均濃度值占所有相平均濃度值之和的百分比，藍色條）、N2O排放量（每相排放量占總排放量的百分比，黑色條）、時間（占總排放量的百分比，灰色條）和相相持續時間的相排放分數（黃色菱形）。

圖4、左：N2O發射系數7天（僅通氣期的箱線圖，右圖中的第16至22天）。N2O排放的單個值（紅色標記、箱線圖）和平均值（藍色標記、藍色文本）用于恒定的平均TN去除。中位數（黑色文本）和變異系數（紅色文本，%）。中心：根據數據頻率1/min計算的發射系數的直方圖。右：平均排放系數（黑色標記）、液體測量的相應每日N 2O變異性（紅色條）以及與剝離項。（藍色條，情況c）和TN（灰色條，情況d）]相關的不確定性。

圖5、頂部：用于氣體收集的浮式容器和采樣管。底部：氣體測量點的位置，所示距離單位為厘米。

結論與展望

本研究量化了在為期110天的活動中，地表曝氣污水處理廠中N2O液體測量產生的N2O排放量和EF的空間和時間變化。氣體汽提模型（kLaN2O）對TN負載的最小測量誤差分別為10.4%和13.0%。N2O濃度和排放量的每日模式不是正態分布，而是正偏斜，這表明對數分布是更準確的描述符（11.6%的天排放量占排放量的50%）。EF為0.30%±1.29%（n=117602），平均值的較高標準差凸顯了N2O數據集正態分布的不準確性，而中位數和2.5-97.5分位數和/或連續對數分布的信息量更大。計算機分析表明監測30分鐘中的5分鐘而不是連續監測可提供合理的準確度和精密度，同時允許六個不同的監測位置。

這項研究中，研究人員量化了帶有表面轉子充氣的污水處理廠生物罐的N2O排放量。生物罐之間和罐內N2O排放的空間變異性凸顯了傳感器位置對于準確量化N2O排放的重要性。技術不確定性表示為kLaN2O平均值的CV，對應于N2O排放量至少為10.6%，排放系數至少為16.7%。以平均N2O排放量的CV表示的排放動態在每天（155%）和整個活動中（平均每日變異性為162%）都很高。

N2O排放數據集呈正偏，表明與正態分布相比，對數正態分布是更準確的描述符，應在報告前進行測試。排放數據集的計算機分析表明，與單點高頻連續測量相比，多點半連續采樣提高了整個污水處理廠空間變異性的準確性。Unisense微電極在本研究中發揮了關鍵作用，通過高頻率監測N?O濃度，提供了高時間分辨率的數據，有助于捕捉N?O排放的動態變化。這些數據不僅用于量化N?O排放的時空變異性，還用于計算排放因子和評估不同監測策略的準確性。通過這些分析，研究團隊能夠提出更有效的N?O監測策略，為減少污水處理廠的溫室氣體排放提供了科學依據。