强电场电离放电制取羟基自由基处理铜绿微囊藻的试验研究

来源 :江苏大学 | 被引量 : 0次 | 上传用户:liuyu80237029
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着人类活动对水域生态系统的影响日益加剧,富营养化已成为全球性的重大水环境问题。目前常用的除藻方法主要有化学药剂法、气浮法、直接过滤法和生物处理法等,但是其安全性、经济性和除藻效率等方面并不能满足水处理的要求。因此,开发和研究安全、高效的除藻方法不仅具有重要的科学和实际意义,而且也是目前水体急需解决的重大环境问题之一。   本文在采用大气压强电场电离放电产生高浓度羟基溶液的技术进行杀藻研究,探讨羟基浓度、初始含藻量、处理时间、pH值和温度对藻液灭杀效果的影响,进行了相关的单因素和正交实验,研究了羟基自由基杀灭铜绿微囊藻的剂.效关系,并对机理进行了初步的探讨,为该方法的工业化应用提供依据。试验结果表明:   (1)通过进行臭氧气体杀灭铜绿微囊藻的静态试验,结果表明,当处理水量为400ml,臭氧气体浓度为4 mg/L,pH为7.1,水样水温296K,初始含藻量为9×106个/ml,处理时间为10min时,铜绿微囊藻杀灭率约为82.3%   (2)采用强电场电离技术制取羟基的实验装置,在较佳的实验室条件下,处理水量200ml,羟基比值浓度为2.618 mg/L,初始含藻量为9×106个/ml,pH值为7.3,水温297K,处理时间为10min时,铜绿微囊藻的杀灭率接近100%。   (3)通过正交试验得出试验的最优水平组合,强电场电离放电产生羟基自由基杀灭铜绿微囊藻的最优工艺条件为羟基比值浓度2.618 mg/L、初始藻浓度9×106个/ml、水温297K、处理时间15min。通过极差分析,判断出各因素对试验指标影响的主次顺序,其中反应时间对铜绿微囊藻的杀灭率的影响最大,其次是羟基比值浓度和初始藻浓度,水温对铜绿微囊藻的杀灭率的影响最小。   (4)在前期的试验研究基础上,设计了1.5t/h处理含藻饮用水的试验,确定羟基制取设备完全满足治理含藻饮用水的需要。试验结果表明,在羟基比值浓度为2.068 mg/L时,处理15min后,铜绿微囊藻的杀灭率可达100%。   (5)羟基自由基主要通过影响蛋白质合成,破坏DNA分子结构,影响膜的通透性,以及细胞色素脱色等方面杀死铜绿微囊藻。   本文的综合结论是:大气压强电场电离放电产生高浓度羟基溶液的技术对藻类的污染可以起到很好的控制作用,可以有效的杀灭饮用水中的藻细胞。该工艺具有广泛的工业应用前景。
其他文献
请下载后查看,本文暂不支持在线获取查看简介。 Please download to view, this article does not support online access to view profile.
期刊
伴随当今全球工业飞速发展,高品位矿产目前几乎已经开发殆尽,所以,为了满足生产力发展的需要,开发低品位难选贫矿已成为必然的趋势。磷矿石是磷化工产业的源头,它是保障磷化
本文通过对荣华二采区10
期刊
随着城市化进程的加快,城市污水处理厂的数量在逐渐增多,因此污泥的产量也在增加。蚯蚓堆肥是一种操作简单、无污染、对环境无损害的一种生物处理技术,近年来得到了广泛的研究。蚯蚓堆肥可以使污泥达到减量化、稳定化、无害化以及资源化。在蚯蚓堆肥的过程中,我们发现前期理化指标的变化蚯蚓组和对照组没有明显的差异,但到反应后期,蚯蚓组和对照组就会表现出明显的差异。由于前期蚯蚓粪的含量比较少,所以在堆肥中的效果不明显
请下载后查看,本文暂不支持在线获取查看简介。 Please download to view, this article does not support online access to view profile.
青海黄土丘陵区位于青海省东部黄土高原和青藏高原的过渡地带,属典型的干旱、半干旱地区,自然地理条件独特,生态系统脆弱,森林覆被率低,是青海省生态建设的重要地区之一。沙棘(Hip
我国能源消费主要以煤为主,约有90%二氧化硫、67%氮氧化物、70%烟尘排放量来自煤的燃烧.其中火电厂等燃煤工业烟气排放污染最为突出.煤燃烧生成的NOx以NO为主(90%以上),其次
2012年11月27日,由中国艺术研究院《中国摄影家》杂志社与包商银行联合主办的“文明与遗产”—第二届“包商银行杯”中国国际摄影双年展在中华世纪坛世界艺术馆隆重开幕。文
1920s至今,塑料产业发展迅猛,海洋塑料污染问题日益严重。关于微型塑料(尺寸小于5mm)对海洋生态系统的危害近年来受到国际社会的广泛关注。目前,我国关于河口海岸带微型塑料的污
针对地震前兆观测数据可能含有异常信息的特点, 为客观描述数据序列的正常背景, 并且不失真地识别异常信号, 本文通过模拟实验序列, 论述了时间序列分析识别异常方法中建模样