再生水补给湖泊过程中邻苯二甲酸酯的多介质归趋与微生态响应

Phthalic acid esters (PAEs), as a typical endocrine disrupting chemicals, can enter the water environment through replenishing lakes with reclaimed water, and pose a threat to the water ecosystem. However, the fate and microecological response of PAEs in the lake system are still unclear. In this study, a lake system with reclaimed water as the water source is selected as the research object. By coupling a hydrodynamic model with the level IV fugacity model, a dynamic multi-media model with spatial differentiation characteristics will be constructed to simulate the environmental fate of PAEs in the process of replenishment with reclaimed water. The dose-response relationship between PAEs in different environmental media (aqueous phase/sediment phase) and degradation microorganisms (plankton/host organisms) in the lake system will be established by using machine learning model. On the basis, combining multi-scenario simulation analysis with micro-ecological response prediction, the multi-media fate and micro-ecological response characteristics of PAEs in the lake system will be revealed under different replenishment scenarios and long-term replenishment conditions , and the key influencing factors will be determined. The aim is to provide data support and theoretical basis for scientific control of PAEs in reclaimed water and remediation of PAEs in surface water environment, and this research is of great significance to ensure the safety of ecological reuse of reclaimed water.

邻苯二甲酸酯（PAEs）是一种典型的内分泌干扰物，可通过再生水补给湖泊途径进入水环境的不同介质，从而对水生态系统构成威胁。然而，PAEs在湖泊系统中的迁移归趋及微生态响应尚不明确。本研究选取以再生水为水源的某湖泊系统作为研究对象，将水动力模型和IV级逸度模型相耦合，构建具有空间分异特征的PAEs动态多介质归趋模型，以模拟再生水补给湖泊过程中PAEs的环境归趋；并采用机器学习模型建立湖泊系统中不同环境介质（水相/底泥相）PAEs与降解微生物（浮游/着生生物）之间的剂量-响应关系；在此基础上，结合多情景模拟分析与微生态响应预测，揭示再生水在不同补水情景下和长期补水条件下PAEs在湖泊系统中的多介质迁移归趋规律与微生态响应特征，并确定其中的关键影响因素。旨在为再生水中PAEs的科学管控和地表水环境中PAEs的修复治理提供数据支撑和理论依据，对于再生水生态回用的安全性保障具有重要意义。

目前再生水已经成为重要的河湖补给水源，然而其中携带的微量污染物（以邻苯二甲酸酯PAEs为典型代表）、氮磷、致病菌等会进入水环境的不同介质，从而对水生态系统构成威胁。针对这些典型污染因素，如何进行有效的生态风险防控成为再生水安全回用的关键问题。因此，本课题开展了以下研究：①建立了不同环境介质中PAEs的检测方法，并系统调研了饮用水、再生水、地表水、底泥、土壤等多种环境介质中PAEs赋存状态与污染特征；②基于逸度模型原理，构建了具有空间异质性的湖泊污染物动态多介质归趋模型、污水厂及其受纳河流环境系统中的PAEs多介质归趋模型以及定量环境风险管控模型，通过模拟阐明了在再生水补给湖泊系统等多种环境条件下PAEs的迁移分布规律和生态风险，揭示了水体和底泥污染物累积的不同特征和归趋机制，识别了不同环境介质间PAEs传输过程的关键影响因素，确定了有效的风险控制方案和可控因素的安全阈值；③通过宏基因组测序技术确定了再生水补给湖泊的微生物群落结构和功能特征，识别了PAEs降解微生物和降解酶、氮循环基因、ARGs和VFs等再生水受纳湖泊中关键功能基因的分布特征，揭示了受纳湖泊微生物群落结构和功能的关键环境因素、水质因子及影响机制；④基于机器学习构建了一系列创新性的水质污染与微生态环境响应分析模型，包括PAEs与降解菌和降解功能基因及水环境理化指标之间的响应关系模型、基于微生物群落结构识别水质等级与指示因子、基于细菌丰度预测污染物浓度、基于水质数据预测蓝藻生长状况等模型，实现了微生物基因数据和水环境理化特征之间的相互预测和分析，阐明了多种污染物引起的水环境微生态响应特征与降解机制。研究成果为再生水中污染物的科学管控和地表水环境系统的精准修复治理提供可靠的数据支撑和科学有效的模型方法，对于水环境监测管理方法优化以及再生水生态回用的安全性保障具有重要意义，能够实现对水生态健康快速、高效和全面的感知与诊断，在流域水质和水生态管理方面具有良好的应用和开发前景。