基于FTIR分析猪场废水有机物分解过程中组成结构变化

2016-07-12李忠佩马晓焉唐晓雪

光谱学与光谱分析 2016年11期

关键词：氢键羟基纤维素

李磊, 李忠佩*, 刘明, 吴萌, 马晓焉, 唐晓雪

1. 中国科学院南京土壤研究所土壤与农业可持续发展国家重点实验室，江苏南京 210008 2. 中国科学院大学，北京 100049

基于FTIR分析猪场废水有机物分解过程中组成结构变化

李磊1, 2, 李忠佩1, 2*, 刘明1, 吴萌1, 马晓焉1, 2, 唐晓雪1, 2

1. 中国科学院南京土壤研究所土壤与农业可持续发展国家重点实验室，江苏南京 210008 2. 中国科学院大学，北京 100049

规模化猪场; 废水；可溶性有机物; 组成结构；傅里叶红外光谱

引言

自20世纪90年代以来，我国生猪养殖模式逐渐从零散式的家庭养殖转变为规模化的集约生产，并逐渐成为世界第一大猪肉生产和消费国。据统计，2012年末，我国生猪总存栏数为4.75亿头，出栏量为6.96亿头，约占世界生猪总出栏量的一半。规模化猪场的飞速发展，在极大满足人们对肉制品消费需求的同时，大量高有机物和养分浓度废水的集中囤积和无序排放给周边水体和土壤环境造成严重的污染和破坏[1]。作为微生物的能量来源，可溶性有机物(dissolved organic matter, DOM)主要参与了水体中的物质循环；有机物来源、温度和pH值等因素，以及有机物光解和微生物降解等作用均显著影响着水体中DOM的组成与结构[2]。研究发现，猪场废水中养分以DOM为主，其中包括碳水化合物、腐殖酸、脂肪烃、芳香烃、蛋白质以及多糖类等[3]。然而，地域性的气候和地形差异，以及养殖规模、饲料配比和管理方式等因素，导致猪场废水中DOM组成呈现较大的变异性[3-4]。此外，水体中DOM主要是由芳香族和脂肪族的碳氢结构组成的复杂混合体，且在其碳氢结构上还吸附有氨基、羰基、羟基以及酮等一系列的次要官能团[2]。不同类型的官能团，在受到微生物的降解作用时，其吸收峰强度变化存在一定差异。

目前，傅里叶变换红外光谱(FTIR)已被广泛地应用于研究有机物的组成结构。本研究通过设置室内培养试验，基于FTIR分析猪场废水有机物在降解过程中的红外光谱特性，研究废水中DOM的组成结构变化；此外，结合主成分和红外二维相关等分析方法，试图揭示猪场废水中DOM组成结构变化的过程机制。

1 实验部分

1.1 试验布置

经过调查，随机选择了江西省余江县五个代表性的规模化猪场作为试验对象。于2014年6月，在各猪场废水排放口采集7 L新鲜的猪场废水作为供试样品，冷藏后并于24 h内带回实验室。试验前，将预先冷藏的样品充分混匀，取250 mL废水若干份，分装进500 mL的聚乙烯瓶内，放入恒温培养室(28±2)℃，避光静置好气培养。分别在培养第0，10，20，30，40，50，60天采样，每个处理3次重复，并将培养0天的样品视为初始样品。

1.2 样品制备与光谱测定

采用手提式吸引器对废水样品进行抽滤，过0.7 μm GF/F滤膜(Whatman)；量取等体积滤液于50 mL清洁的聚乙烯瓶，并置于-20 ℃低温冷冻后，采用干燥器(LABCONCO)于-75 ℃下对滤液进行冷冻干燥，得到DOM固体颗粒样品。将约2 mg干燥的DOM固体样品与200 mg干燥的溴化钾(KBr，光谱纯)混匀磨细，采用压片机制薄片，并以纯KBr为空白。运用傅里叶红外光谱仪(Nicolet iS10)进行红外光谱测定，波数采集范围为4 000～400 cm-1，扫描次数32，分辨率为4 cm-1，采集样品光谱透射率数据。由于重复样品间误差较小，光谱数据分析中采用各处理平均值。

1.3 数据处理

将样品透射率数据转换为吸光度后，进行基线自动校正。为提高样品间红外光谱的可比性，采用极差标准归一化方法对光谱数据进行处理[5]。根据峰面积计算方法[6]，利用OMNIC 9软件对样品谱图进行峰面积计算，利用Excel 2003对数据进行整理，并采用SPSS 20对光谱数据进行方差分析(p<0.05)。基于UnscramblerR 9.4对光谱数据进行主成分分析，利用2D shige软件进行红外二维相关分析。所有图的绘制均采用Origin 9.1完成。

2 结果与讨论

2.1 猪场废水中DOM的组成结构特征

在样品红外谱图中，特征吸收峰集中在4 000～900 cm-1范围内，因此选定该范围内的红外谱图分析废水中DOM的组成结构特征。结果表明，在相同的培养天数，样品红外谱图吸收峰大体一致，表明不同猪场来源的废水中DOM有着类似的组成结构。图1为各培养时期五个猪场废水DOM红外谱图的平均值。根据文献资料，对供试样品红外谱图中的主要特征吸收峰及其所代表的有机物质进行归属(表1)。

表1 猪场废水样品红外吸收峰的归属

与培养0～10天相比，培养20天的样品谱图中峰1由培养初期的双峰逐渐变成单峰。由于糖类化合物中存在多个羟基，因此在3 570～3 050 cm-1内常会出现多个OH伸缩振动吸收峰[6]。在果胶多糖的红外谱图中，3 600～2 400 cm-1出现的宽峰与分子内或分子间OH伸缩振动有关。通常，3 460 cm-1左右的红外吸收峰归属于纤维素中的O(2)H…O(6)分子内氢键缔合的羟基，3 310～3 230 cm-1的红外吸收峰为纤维素中的O(6)H…O(3)分子间氢键缔合的羟基[7]。源于饲料的组成成分，猪粪中存在大量的纤维素和半纤维素等物质。随着培养天数的增加，3 000～900 cm-1波数范围各吸收峰的相对强度也呈现明显的变化。与初始样品相比，培养60天的废水中峰6和7吸收峰强度有所增加，而峰4和5的吸收峰强度有所降低。可见，不同的DOM组分结构在有机降解过程中的变化存在一定差异。

图1 不同培养时间猪场废水中DOM的红外谱图 (4 000～900 cm-1)

Fig.1 The infrared spectrum of DOM in piggery wastewater after various incubation days (4 000～900 cm-1)

2.2 猪场废水中DOM各组分相对含量变化

表2 废水中DOM各官能团平均相对含量/%

注：同一列中标以不同小写字母的值表示在0.05水平上差异显著，ns为不显著；误差计算采用五个猪场平均值

Note： Different lowercases within the same column indicate the significant at the level ofp<0.05, ns-no significant; the error was determined by the mean value of five pig farms

2.3 猪场废水红外谱图的主成分分析

主成分分析结果表明，PC1和PC2轴分别解释了废水中DOM组成结构总变异的57%和21%[图2(a)]。随着培养天数的增加，猪场废水样品沿着PC2轴形成了两个差异明显的聚类类群(组1和组2)。其中，培养0～10天的样品主要分布在PC2轴负端，而培养20～60天后的样品主要分布在PC2轴正端，表明DOM组成结构在培养20天后发生较为明显的变化。

2.4 猪场废水二维红外相关光谱分析

利用二维相关分析软件，分段研究了4 000～3 000和3 000～900 cm-1范围内猪场废水中DOM红外光谱的二维相关性。其中，二维同步谱图关于对角线对称，位于对角线的峰为自相关峰，位于对角线两侧的为交叉峰。

在4 000～3 000 cm-1的同步谱图中，3 190和3 437 cm-1波数处分别产生较明显的自相关峰，且3 190 cm-1波数处的峰强度更大[图3(a)]。根据二维相关谱图的解读规则[11]，与纤维素中的O(2)H…O(6)分子内氢键缔合的羟基相比，纤维素中的O(6)H…O(3)分子间氢键缔合的羟基降解速率较快，这可能与分子间氢键缔合羟基的能量较低有关。此外，在4 000～3 000 cm-1的同步谱图中还存在一个负交叉峰(3 437, 3 190 cm-1)，即二者间光谱强度存在相反的变化趋势。在4 000～3 000 cm-1的异步谱图中，存在一个明显的负交叉峰(3 437, 3 190 cm-1)[图3(b)]，表明微生物倾向于优先降解纤维素分子内氢键缔合的羟基。

图3 废水样品二维相关红外光谱

(a)～(b) represent the synchronous and asynchronous spectra within the range of 4 000～3 000 cm-1, and (c)～(d) represent the synchronous and asynchronous spectra within the range of 3 000～900 cm-1; correlative peaks increased with the color darkened

3 结论

猪场废水中有机物的组成结构随其降解过程而发生显著变化。猪场废水中DOM主要由蛋白质、脂质类、腐殖酸、酚类和多糖类等有机物组成。由于微生物的降解，废水中与脂质类和蛋白质组分相关的官能团含量逐渐降低并趋于稳定，而与多糖类和芳香族组分相关的官能团显著增加直至平稳。与纤维素分子间氢键缔合的羟基相比，微生物倾向于优先降解纤维素分子内氢键缔合的羟基，但以前者的降解速率更快；此外，废水中DOM以多糖类组分对降解过程的响应最为敏感，而以酚类有机物的降解速率最快。可见，猪场废水中DOM组成结构的变化不仅受到物质自身特性等因素的影响，而且还可能与微生物的选择性降解有关。

[1] ZHOU Zhi-gao, LI Zhong-pei, HE Yuan-qiu, et al(周志高, 李忠佩, 何园球, 等). Acte Pedologica Sinica(土壤学报), 2013, 50(4): 703.

[2] Leenheer J A, Croué J P. Environmental Science & Technology, 2003, 37(1): 18A.

[3] Fridrich B, Krcmar D, Dalmacija B, et al. Agricultural Water Management, 2014, 135: 40.

[4] Boursier H, Béline F, Paul E. Bioresource Technology, 2005, 96: 351.

[5] LU Wan-zhen, YUAN Hong-fu, CHU Xiao-li(陆婉珍, 袁洪福, 褚小立). Near-Infrared Spectroscopy Instruments(近红外光谱仪器). Beijing: Chemical Industry Press(北京：化学工业出版社), 2010.

[6] WENG Shi-fu(翁诗甫). Fourier Transform Infrared Spectroscopy(傅里叶变换红外光谱分析). Beijing: Chemical Industry Press(北京: 化学工业出版社), 2010.

[7] Hinterstoisser B, Salmen L. Vibrational Spectroscopy, 2000, 22: 111.

[8] Guo X J, He X S, Zhang H, et al. Microchemical Journal, 2012, 102: 115.

[9] Li X W, Dai X H, Takahashi J, et al. Bioresource Technologe, 2014, 159: 412.

[10] Hsu J H, Lo S L. Water Science and Technology, 1999, 40(1): 121.

[11] Kokot S, Czarnik-Matusewicz B, Ozaki Y. Biopolymers, 2002, 67(6): 456.

[12] Cuetos M J, Gómez X, Otero M, et al. Biodegradation, 2010, 21(4): 543.

(Received Jul. 2, 2015; accepted Nov. 22, 2015)

*Corresponding author

Structural Analysis of Organic Matter Composition in Piggery Wastewater during the Process of Organic Degradation Based on FTIR Spectroscopy

LI Lei1, 2, LI Zhong-pei1, 2*, LIU Ming1, WU Meng1, MA Xiao-yan1, 2, TANG Xiao-xue1, 2

1. State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China 2. University of Chinese Academy of Sciences, Beijing 100049, China