利用市政污水厂尾水培养产油微藻—— 营养盐去除与生物质生产

来源 :中国海洋大学学报(自然科学版) | 被引量 : 0次 | 上传用户:xiaoxiaodeai1002
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
将1株产油淡水微藻——微拟球藻(Nannochloropsis sp.MASCC 11)分别接种到青岛市2家市政污水处理厂(STP)的尾水中,根据其生长、油脂产率和营养盐去除情况,评价了利用STP尾水培养微藻以生产富油的藻生物质同时深度净化尾水的可行性.结果表明,团岛污水处理厂(TD-STP)和李村河污水处理厂(LC-STP)尾水中无机氮和磷酸盐的浓度虽然远低于BG11培养基,但仍能支持微藻生长,而且以未经稀释的尾水更具优势,培养8 d后,藻生物量分别达到BG11培养基中生长微藻的65.23% 和44.77%.S T P尾水经稀释后处于营养盐缺乏状态,有利于藻细胞内脂质积累,但是油脂产率最大值(10.5 mg·L-1·d-1)仍出现在未经稀释的TD-STP尾水中,为未稀释LC-STP尾水的1.37倍.LC-STP尾水中微藻的油脂产率较低,可能与该处理厂接纳工业废水而在尾水中残留较多有害物质有关.在微藻的直接和间接作用下,TD-STP和LC-STP尾水中磷酸盐的去除率分别达到94.5% 和100%;无机氮的去除率较低(分别为59.2% 和45.4%),与尾水中初始N/P较高有关.上述结果表明,与接纳工业废水的污水厂相比,处理生活污水的污水厂所排尾水较适于培养产油微藻,能够实现产油微藻低耗培养与尾水深度净化相耦合.
其他文献
本文引入RNN的升级算法LSTM神经网络技术,建立了一套海量数据、高精度的自动拾取地震资料初至流程.相比于其他神经网络方法,LSTM神经网络能够提取数据的时序特征,加强学习初至前噪音时序特征,从而提高初至拾取的精度,为地震资料的初至拾取提供一套新的思路.首先设计样本制作过程并建立、训练模型,通过模拟资料验证方法的有效性,应用于胜利油田浅海与西部山地地震勘探资料的初至拾取,取得理想效果,证明LSTM神经网络初至拾取具有较高的精度与适用性.