一种基于色彩空间的污泥微生物群落特征的表征方法与流程

本发明属于污水处理领域，涉及一种通过对污泥样品色彩空间变化的分析，从而监测污泥微生物群落特征的色彩表示方法。

背景技术：

在污水处理过程中，要想让污水处理达标排放，不仅要选择好处理工艺，还要对污水处理运行中出现的异常能正确分析，找到症结，制定出合理的防治对策。所以对生物群落特征进行监测是污水处理厂运行管理的重要工作。

在现有的监测污泥系统中生物群落特征的方法中，大部分运行者采用生物测序的方法，此方法成本十分昂贵，且测序时间较长。因此，提供一种高效、简便的利用污泥色彩的变化来监测污泥系统中生物群落，并大幅度节约经济成本和时间成本的方法，成为目前本领域亟待解决的技术问题。

技术实现要素：

本发明的目的在于提供监测污泥中生物群落特征的色彩表示方法。在常规活性污泥系统和厌氧氨氧化系统中，通过分子生物学手段与颜色空间分析，建立了一种基于污泥颜色空间表征微生物群落结构特征的方法。该方法将污泥图像中的RGB值转化为HSV或YUV等其它颜色空间值，HSV或YUV等其它颜色空间值的分量与活性污泥群落结构的种群数量、微生物比例、优势菌群丰度等特征具有良好的相关性，可用于表征活性污泥的群落结构特征。

本发明的目的是通过下述技术方案来实现的。

一种基于色彩空间的污泥微生物群落特征的表征方法，该方法包括以下步骤：

1)取污水处理厂污泥系统中的污泥作为样品，将其分成等量的若干份；

2)将若干份污泥样品经抽滤后使得污泥泥水分离，分别在滤纸上得到固体污泥；

3)用数码相机对得到的若干固体污泥进行拍摄，对同一样品拍摄不少于20幅照片；

4)从中选取至少3幅污泥颜色相近的照片，用专业图像分析软件对各幅照片进行分析，分别得到R、G、B值；

5)通过算法转换将得到的R、G、B值转化为HSV颜色空间模型中的H、S、V颜色编码值，以及YUV颜色空间模型中的Y、U、V颜色编码值；

6)重复步骤1)～5)，得到不同阶段污水处理厂污泥系统中污泥的颜色编码值，利用公式计算，分别得到颜色编码值各自的相对变化量；其中，R1、R2分别代表连续监测的两个相邻的颜色指标；

7)在HSV颜色空间模型中，用H值表征污泥系统在目标环境中优势菌群的类型，用S值表征污泥系统中的各种菌群比例，用V值表征污泥系统中的功能性菌群的丰度；

在YUV颜色空间模型中，用Y值表征污泥系统中的功能性菌群的丰度；用V值表征污泥系统中的各种菌群比例；

8)将分别得到的颜色编码值各自的相对变化量用以判断污泥系统中的微生物群落特征；

当H、S、V颜色编码值和Y、U、V颜色编码值发生变化时，则表示污泥系统中的微生物群落特征中的优势菌群的类型、各菌群比例、功能性菌群的丰度发生了变化。

进一步，在HSV颜色空间模型中：

当H值发生变化时，则表示目标环境中优势菌群的类型发生了变化；

当S值发生变化时，则表示污泥系统中的各菌群比例发生了变化；

当V值发生变化时，则表示污泥系统中功能性菌群的丰度发生了变化；

且H值和V值的变化量随S值的变化量而变，即目标环境中优势菌群的类型和功能性菌群的丰度随各菌群比例变化量而变。

在YUV颜色空间模型中：

当Y值发生变化时，则表示污泥系统中功能性菌群的丰度发生了变化；

当V值发生变化时，则表示污泥系统中的各菌群比例发生了变化；

且Y值的变化量随V值的变化量而变，即功能性菌群的丰度随各菌群比例变化量而变。

进一步，步骤1)要保证污泥样品滤去无关残渣、取样时混合均匀。

进一步，步骤2)在步骤1)的条件下，每份污泥样品取5～30ml，根据污泥浓度的大小和污泥样品的泥水分离性状进行选择，确保污泥区域不留白，且抽滤时间不宜过长。

进一步，所述步骤3)中，拍摄照片时，要在每次取样当天的固定光照下、固定相机模式下拍摄若干能反映污泥真实颜色的彩色照片。

进一步，取样拍照的时间间隔，对于好氧污泥系统，每天进行取样拍照监测；对于厌氧污泥系统，则4d或者一周取样拍照监测一次。

进一步，用专业图像分析软件对照片进行分析时，要选择无杂质的污泥区域。

进一步，步骤4)中，对照片中的污泥区域进行分析时，用相同大小的取样框将污泥区域分割成若干个分析对象，进行统计分析，得到RGB值。

进一步，所述步骤5)中，将RGB值转化为颜色编码值，其中，在HSV颜色空间模型中，H值为色调，S值为饱和度，V值为明度；在YUV颜色空间模型中，Y值为明亮度，U值与V值为色度。

进一步，所述步骤7)中，目标环境是指系统运行中的脱氮、除磷、厌氧氨氧化或甲烷发酵环境。

本发明具有以下优点：

1)快速有效，弥补现行方法的不足。

基于污泥系统的颜色变化，能够有效快速地判定污泥系统培养过程中的变化以及处理能力，弥补系统运行中处理能力难以评估的不足。

2)检测方便。

步骤简单易行，不用添加任何药剂，只需使用普通数码相机即可得到实验数据。即便是没有经验或没有技术知识的污水厂工作人员也可以根据此方法对污泥进行分析。

3)科学高效。

本发明所运用的参数并非水质这种非直观表征污水厂运行情况的指标，而是关注在污水处理的核心主体污泥上。污泥的自身状态才是真正影响污水厂运行的关键。

由于颜色编码值是一种简易、稳定并且方便监测的指标，使得本发明可以适用于大多数运行中的污泥系统。而本发明建立了一种相当简单的方法来描述污泥系统培养过程中生物群落的变化，综合来看，是一种有效提高污水处理运行管理效果的方法。

附图说明

图1(A)是UASB反应器中厌氧氨氧化污泥培养过程中HSV的相对变化图；

图1(B)是UASB反应器中厌氧氨氧化污泥培养过程中YUV的相对变化图；

图2(A)、图2(B)和图2(C)分别是UASB反应器中厌氧氨氧化工艺的接种污泥、正在培养污泥、已经培养成功的厌氧氨氧化污泥的呼吸图谱；

图3(A)是UASB反应器中厌氧氨氧化接种污泥、正在培养的厌氧氨氧化污泥、已经培养成功的厌氧氨氧化污泥的高通量测序结果综合图；

图3(B)是UASB反应器中厌氧氨氧化接种污泥、正在培养的厌氧氨氧化污泥、已经培养成功的厌氧氨氧化污泥的Weighted样本距离热图；

图4(A)、图4(B)和图4(C)分别是SW污水厂好氧短期培养条件下的HSV相对变化图、SW污水厂厌氧搅拌短期培养条件下的HSV相对变化图、SW污水厂厌氧放置短期培养条件下的HSV相对变化图；

图4(D)、图4(E)和图4(F)分别是SW污水厂好氧短期培养条件下的YUV相对变化图、SW污水厂厌氧搅拌短期培养条件下的YUV相对变化图、SW污水厂厌氧放置短期培养条件下的YUV相对变化图；

图5图(A)、图5(B)、图5(C)和5(D)分别是每种工况下SW污水厂污泥短期培养开始和短期培养结束时的呼吸图谱。

具体实施方式

下面通过具体实施例对本发明做进一步说明。

本发明通过污泥的色彩变化来监测污泥系统中生物群落的演变方法。

本发明基于色彩空间的污泥微生物群落特征的表征方法，包括以下步骤：

1)取污水处理厂污泥系统中的污泥作为样品，分成等量的若干份，要保证污泥样品滤去无关残渣、取样时混合均匀。

2)用真空泵和抽滤装置将污泥泥水分离，在滤纸上得到污泥固体。每份污泥样品取5～30ml，根据污泥浓度的大小和污泥样品的泥水分离性状进行选择，确保污泥区域不留白，且抽滤时间不宜过长。

3)同一污泥系统的样品，每间隔以天为单位的相同时间(根据污泥系统主体微生物的特性决定，比如好氧污泥系统，微生物生长变化较快，可每天监测；厌氧污泥系统，则可4d或者一周监测一次)用数码相机在每次取样当天的固定光照下、固定相机模式下拍摄若干能反映污泥真实颜色的彩色照片，对同一样品拍摄不少于20幅照片；

4)从中选取至少3幅与污泥真实颜色最相近的照片，用专业图像分析软件进行污泥的RGB值分析；其中对照片中的污泥区域进行分析时，要选择无杂质的污泥区域，用相同大小的取样框将污泥区域分割成若干个分析对象，进行统计分析，得到RGB值；其中，R代表红色；G代表绿色；B代表蓝色；

5)通过算法转换将得到的R、G、B值转化为其余不同类型的颜色编码值；在HSV颜色空间模型中，H值为色调，S值为饱和度，V值为明度；在YUV颜色空间模型中，Y值为明亮度，U值与V值为色度；

6)重复步骤1)～5)，得到不同阶段污水处理厂污泥的颜色编码值，利用公式计算，分别得到颜色编码值各自的相对变化量；其中，R1、R2分别代表连续监测的两个相邻的颜色指标；

7)在HSV颜色空间模型中，用H值表征污泥系统在目标环境(指系统运行中的脱氮、除磷、厌氧氨氧化或甲烷发酵等环境)中优势菌群的类型，用S值表征污泥系统中的各种菌群比例，用V值表征污泥系统中的功能性菌群的丰度；

在YUV颜色空间模型中，用Y值表征污泥系统中的功能性菌群的丰度；用V值表征污泥系统中的各种菌群比例；

8)将分别得到的颜色编码值各自的相对变化量用以判断污泥系统中的微生物群落特征；

当H、S、V颜色编码值和Y、U、V颜色编码值发生变化时，则表示污泥系统中的微生物群落特征中的优势菌群的类型、各菌群比例、功能性菌群的丰度发生了变化；

在HSV颜色空间模型中：

(1)当H值发生变化时，则表示目标环境中优势菌群的类型发生了变化；

当H值几乎不变时，则表示目标环境中优势菌群的类型并未发生变化；

(2)当S值发生变化时，则表示污泥系统中的各菌群比例发生了变化；

当S值几乎不变时，则表示污泥系统中的各菌群比例并未发生变化；

(3)当V值发生变化时，则表示污泥系统中功能性菌群的丰度发生了变化；

当V值几乎不变时，则表示污泥系统中功能性菌群的丰度未发生变化；

在YUV颜色空间模型中：

(1)当Y值发生变化时，则表示污泥系统中功能性菌群的丰度发生了变化；

当Y值几乎不变时，则表示污泥系统中功能性菌群的丰度未发生变化；

(2)当V值发生变化时，则表示污泥系统中的各菌群比例发生了变化；

当V值几乎不变时，则表示污泥系统中的各菌群比例并未发生变化。

下面通过具体实施例进一步说明本发明效果。

实施例1

1)定期取实验室中UASB反应器培养过程中的厌氧氨氧化污泥30ml；

2)用真空泵和抽滤装置将污泥泥水分离，在滤纸上得到污泥固体；

3)用数码相机在每次取样当天的固定光照下、固定相机模式下拍摄出能反映污泥真实颜色的彩色照片若干；

4)选取三组与污泥真实颜色最相近的照片，用专业图像分析软件进行污泥的RGB值分析；

5)通过算法转换将RGB值转化为H、S、V以及Y、U、V等颜色编码值；

6)重复以上步骤对该反应器中污泥进行连续监测，得到不同培养阶段污泥的色彩指标变化曲线，将每个指标经计算，其中R1,R2代表相邻的两个色彩指标；得到UASB反应器中厌氧氨氧化污泥培养过程中HSV的相对变化图，如图1(A)所示；以及UASB反应器中厌氧氨氧化污泥培养过程中YUV的变化趋势图，如图1(B)所示；

7)对培养过程中具有代表性阶段的污泥取样，选择西安绿标水环境科技有限公司提供的BM400型污水处理厂运行状态智能分析平台作为检测污泥OUR的仪器，得到厌氧氨氧化工艺的接种污泥、正在培养污泥、已经培养成功的厌氧氨氧化污泥的呼吸图谱，如图2(A)、图2(B)、图2(C)所示；

8)对培养过程中具有代表性阶段的污泥取样，进行高通量测序分析，得到生物群落演变过程结果，如表1、图3(A)、3(B)所示。

实施例2

1)取陕西省西安市SW污水厂奥贝尔氧化沟中的污泥6L，分成三组，每组设置两个平行实验，在实验室进行短期培养(为了得到在不同溶解氧条件下和泥水不完全混合这一极端条件下的污泥样品)；

第一组进行连续曝气培养；第二组用氮气除氧后，覆盖保鲜膜置于磁力搅拌器上培养；第三组用氮气除氧后覆盖保鲜膜，不进行其余处理；

对每组污泥进行连续取样，每天取均匀混合的污泥20ml；

2)用真空泵和抽滤装置将污泥泥水分离，在滤纸上得到污泥固体；

3)用数码相机在每次取样当天的固定光照下、固定相机模式下拍摄出能反映污泥真实颜色的彩色照片若干；

4)选取三组与污泥真实颜色最相近的照片，用专业软件进行污泥的RGB值分析；

5)通过软件将RGB值转化为其余不同类型的颜色编码值,得到每组不同培养条件下的色彩变化图，将每个指标经计算，其中R1，R2代表相邻的两个色彩指标；得到SW污好氧短期培养条件下的HSV、YUV相对变化图、三污厌氧搅拌短期培养条件下的HSV、YUV相对变化、SW污厌氧放置短期培养条件下的HSV、YUV相对变化，如图4(A)、图4(B)、图4(C)以及图4(D)、4(E)、4(F)所示；

6)对西安市某污水处理厂短期培养开始和培养结束后的污泥取样，选择西安绿标水环境科技有限公司提供的BM400型污水处理厂运行状态智能分析平台作为检测污泥OUR的仪器，得到每种工况下污泥短期培养开始和短期培养结束时的呼吸图谱，如图5(A)、图5(B)、图5(C)和图5(D)所示。

实施例分析：

实施例1：

由图1(A)可见，S值的变化量大于H值，即S值由高向低反复的波动变化时(S值变化量相对较大，因为是生物系统，在此过程中也不可避免的伴有一定的H、V值变化，变化量较小，只是相对而言)；从H值的变化可以看出：H值相对变化量基本上也呈现了先降低后增加的趋势，在后期变化量逐渐增加，而此时，反应器中的菌群比例调整基本已经达到一个稳定状态；从V值的变化可以看出：在前期V值的波动虽然有变小的趋势，但后期呈现出整体增加的趋势，即后期波动较大。

由图1(B)可见，在反应器运行前期(9月17日之前)V的相对变化量较大，即波动较大，之后变化量变小，趋于稳定；而Y值的相对变化量在8月底之前变化量较小，之后变化量增大；由于U值经计算得出是负值，此处不做分析。

如图2(A)-(C)所示，呼吸图谱可以代表污泥的活性大小，我们先看一下从培养开始到培养成功的过程中自养菌SOUR和异养菌SOUR的变化，自养菌由最初的35％变为33％然后又变为40％，经历了先降低又升高的变化，异养菌由最初的54％降低为43％又升高为44％，也是经历了先降低后升高的变化。说明最初污泥的脱氮功能较高，然后经过初期培养其脱氮功能有所降低，再经过一段时间的培养后，脱氮功能又重新升高。

表1阿法多样性指数统计表：

1)覆盖率:各样品文库的覆盖率，其数值越高，则样本中序列没有被测出的概率越低。该指数实际反映了本次测序结果是否代表样本的真实情况。

覆盖率数值都在0.90以上，说明本次测序结果可以代表样本真实情况。

2)香农指数:用来估算样品中微生物多样性指数之一。Shannon值越大，说明群落多样性越高。

从该指数来看，厌氧氨氧化污泥＜正在培养污泥＜接种污泥，则说明群落多样性厌氧氨氧化污泥＜正在派样污泥＜接种污泥，最初接种的污泥群落多样性最高，随着培养的进行，群落多样性逐渐降低，至培养成功时，群落多样性最低。

3)Chao指数:在生态学中常用来估计物种总数；

Ace指数:是生态学中估计物种总数的常用指数之一。

从这两个指数来看，接种污泥＜正在培养污泥＜厌氧氨氧化污泥，即物种总数接种污泥＜正在培养污泥＜厌氧氨氧化污泥，说明随着培养过程的进行，物种总数是在增加的，即发生了生物富集。

如图3(A)所示：

1)接种污泥中含量最多的是Ottowia属(6.92％)，该属属于变形菌门Proteobacteria，同时，接种污泥中含有两种厌氧氨氧化菌Candidatus Kuenenia以及Candidatus Anammoxoglobus，但量不是很多。

2)随着培养的进行，污泥中的优势菌种变成了Armatimonadetes_gp5(10.63％)属于装甲菌门，同时两种厌氧氨氧化菌的量变得更少，甚至几乎没有。

3)培养成功的Anammox污泥的优势菌种则是厌氧氨氧化菌Candidatus Anammoxoglobus(19.41％)。其中还含有另外一种厌氧氨氧化菌Candidatus Kuenenia(7.97％)。

从接种污泥到正在培养中的污泥菌种变化我们可以看到，菌群已经发生了变化，即菌群比例在该段时间内已经发生了变化。但是经过几个月的培养，最初的接种污泥才形成以厌氧氨氧化菌Candidatus Anammoxoglobus为优势菌群的污泥，说明在定向选择条件下优势菌群的形成需要一定时间。

如图3(A)所示,色块代表距离值，颜色越红表示样本间距离越近，相似度越高，越是越蓝则距离越远。相比较而言，距离值最大的，即样本间微生物群落差异最大的是Inoculated与Anammox之间，距离值最小的是Inoculated与Cultivated，即Inoculated与Cultivated之间微生物群落差异性相较于Inoculated与Anammox之间差异性更小。Cultivated与Anammox之间相比较而言差异性较小，但与Anammox污泥之间仍有一定的差异，说明此时的污泥已经在向Anammox污泥转化，也说明整个变化过程中系统是越来越接近Anammox系统。

所以综上所述，S值可表征菌群比例，在系统变化过程中先进行变化(S值变化量相对较大，因为是生物系统，在此过程中也不可避免的伴有一定的H、V值变化，变化量较小，只是相对而言)，H值可表征目标环境下优势菌群的类型，一般在培养后期变化。V值表征功能性菌群的丰度，在后期才升高，后期污泥的脱氮能力也升高。在YUV这种色彩空间模型中，Y则跟HSV中的V表示相同，表征功能性菌群的丰度，V则表示了HSV中S的含义，表征各菌群的比例。

实施例2：

由图4(A)、4(B)、4(C)可以看出，在不同方式的短期培养过程中，S值的相对变化量一直大于H值的相对变化量。这也说明S值表征污泥系统中各菌群的比例，并且在系统变化时该参数先发生变化，然后H值变化。

由图4(D)、4(E)、4(F)可以看出，几乎所有条件下V值相对变化量都大于Y值的相对变化量，即各系统都是先进行了菌群比例的调整。

从代表污泥活性的呼吸图谱各指标上来看，三种不同培养方式的自养菌OUR都出现了略微升高的趋势，而异养菌的OUR则是略微降低。但其总和都是降低的趋势，则污泥的脱氮功能总体上来说是略微降低的。因为在短期培养过程中，所有的系统先进行菌群比例的调整，即HSV中S值以及YUV中V值的变化，这样势必引起污泥原有功能暂时弱化，如图5(A)-图5(D)呼吸图谱变化所示。因短期培养时间较短，该系统只进行了培养初期的一些变化，即菌群比例的调整，而新的优势菌群的出现以及量的增加，在该短期培养过程中表现不明显。