业已发现，生物浸出在矿业中具有广泛应用的前景，因为生物浸出法对环境友好，由于其能耗低和基本投资少，而节约处理费用，并且可以提取低品位和高品位矿石。然而，商业化利用微生物浸出红土镍矿的工艺还未开发出来。红土镍矿储量占近海镍资源的2／3。采用传统的选矿手段无法得到镍精矿。目前从红土镍矿中回收镍的传统方法是火法冶金和湿法冶金。
与异养生物不同，化能无机自养微生物从二氧化碳中摄取碳来维持生存和生长。为了处理这种碳源，它们通过氧化无机化合物来获取能量。通过氧化化合物，在细胞处理过程中利用储存在化学键中的能量。生物浸出过程中所使用的化能无机自养生物利用硫和硫化矿（如黄铁矿）作为能源，在氧化过程中它们最终生成硫酸（式（1）～（4））。
（1）
（2）
（3）
（4）
生成的硫酸保持体系的pH维持在适宜细菌生长的水平，并且有助于红土镍矿的有效浸出。氢离子可以取代矿物基体中的金属离子，从而实现金属的溶解。
质子的浸蚀过程为：
（5）
然而，目前并未利用化能无机自养细菌回收红土镍矿中的镍，这可能是由于矿石中缺乏硫，从而不能产生所需要的硫酸。为了成功地利用这类细菌，需要通过外部添加硫来生产硫酸。
因此，本研究的目的是确定利用化能无机自养微生物浸出红土镍矿的可能性。尤其是考查化能无机自养微生物浸出红土镍矿的几种影响因素。使用2水平5因素统计试验设计方法（ ）考察主要因素对生物浸出的影响，这些因素为：颗粒粒度、矿浆浓度、pH、基质类型（黄铁矿和硫）以及细菌接种数量。
一、材料和方法
（一）矿物样品及特性
本实验所用的红土镍矿样品由南非的Mintek研究所提供。使用标准套筛将矿物分为三个不同的粒级（－38 m、＋53－63 m和＋100－150 m）。生物浸出之前，对每个粒级进行化学分析和粒度组成分析。使用王水（3∶1的HCl和HNO3的混合物）对矿物酸性浸出之后，采用原子吸收光谱分析红土镍矿的化学组成。表1a为红土镍矿样品中不同组分矿物的丰度。表1b为红土镍矿中以氧化物表示的化学组成。表1c为不同粒级的粒度分布以及各粒级对应的元素组成。在表1c中，根据颗粒的体积分数计算了平均粒径。
表1a 红土镍矿中不同矿物的相对丰度
物 相 | 具体值 |
镍蛇纹石[（Mg）3Si2O5（OH）4] | 少 |
针铁矿和褐铁矿[（Fe，Ni）O（OH）和Fe2O3·H2O] | 多 |
钛黄铁矿[（Fe，Ti）S2] | 痕量 |
镍黄铁矿[（Fe，Ni）S2] | 痕量 |
滑石[（Mg）6Si8O20（OH）4] | 痕量 |
皂石[（Ca0.25（Mg，Fe）3（Si，Al）4O10（OH）2·nH2O）] | 痕量 |
透闪石[（Ca2Mg5）Si8O22（OH）2] | 痕量 |
石英[SiO2] | 很多 |
表1b 红土镍矿样品的化学组成
矿 物 | SiO2 | Fe2O3 | Cr2O3 | Al2O3 | MgO | NiO | CoO |
含量／% | 52.8 | 21.9 | 1.0 | 2.5 | 7.5 | 1.9 | 0.3 |
矿 物 | CaO | MnO | CuO | C | S | P | |
含量／% | 0.7 | 1.3 | ＜0.1 | 0.1 | ＜0.1 | 0.1 |
表1c 不同粒级红土镍矿的元素组成及其平均粒径
粒级／ | ＜38 | 53－63 | 100－150 |
Ni含量／% | 1.7 | 1.5 | 1.4 |
Co含量／% | 0.1 | 0.2 | 0.2 |
平均粒度／ | 10.4 | 59.5 | 137.1 |
（二）细菌
本实验中使用的化能无机自养细菌的混合培养物（Acidithiobacillus ferrooxidans、Acidithiobacillus caldus和Leprospirillum ferrooxidans）菌由南非Mintek研究所提供。细菌在9K培养基中培养。
（三）试验设计
本研究中，采用统计试验设计方法（DOE）来研究红土镍矿的可浸性。同时研究了几个过程因素。系统地改变几个因素，从而确保所研究的主要因素及其之间交互作用的可靠性和独立性。在特性研究阶段中研究了主要因素对红土镍矿生物浸出的影响。其目的是为了确定影响浸出结果的重要变量及其之间的交互作用。每个因素以及它们之间交互作用的显著性应用因素统计试验设计 方法来评估。研究的主要目标是使化能无机自养微生物浸出红土镍矿的浸出率最大。因此，镍的回收率（即转化率）是目标（响应值）。
1、试验因素和水平
虽然以前的研究人员采用异养微生物确定了一些影响红土镍矿溶解的重要因素。而本试验则确定采用化能无机自养微生物浸出红土镍矿时一些因素的影响，并且将其量化，从而使得这些因素可以测量。在本研究中，潜在的设计因素分为控制因素和不变因素。控制因素是研究中实际选择的因素（表2）。不变因素是那些可能对响应发挥作用但对本试验无关紧要的因素，所以它们被设定在特定的水平上。（见（四）影响的正态概率关系曲线）
表2 试验因素和控制因素的水平
控制因素 水平1 中心点 水平2 pH 1.5 2.0 2.5 粒度／ －38 －63＋53 －150＋100 矿浆浓度／% 5 10 15 基质类型a 5%硫和Fe2＋ 5%硫和Fe2＋ 5%黄铁矿和Fe2＋ 接种量／% 5 10 15
a二价铁离子（Fe2＋）的浓度与文献（Silveman and Lundgren，1959）相同
为了简化计算，因素以它们的编码值进行研究。因素的物理水平和编码水平如表3和表4所示。一般的，连续变量的编码值由以下公式得到：编码值＝[实际值－1／2（最高值＋最低值）]1／2（最高值－最低值）。对于定性的变量，其编码值随机指定。
在基本设计中，基质类型列通过合并颗粒粒径和矿浆浓度列得到，接种量列通过合并pH、颗粒粒径和矿浆浓度列得到。
表3 由 因数试验设计（基本设计）得到的镍回收率结果
标准 次序 随即 次序 控制因素a Ni平均回收率／% A B C D E 1 3 －1 －1 －1 ＋1 －1 24 2 8 ＋1 －1 －1 ＋1 ＋1 20 3 7 －1 ＋1 －1 －1 ＋1 30 4 6 ＋1 ＋1 －1 －1 －1 26 5 1 －1 －1 ＋1 －1 ＋1 17 6 4 ＋1 －1 ＋1 －1 －1 14 7 5 －1 ＋1 ＋1 ＋1 －1 30 8 2 ＋1 ＋1 ＋1 ＋1 ＋1 26
a表中以编码－1和＋1表示的实验因素水平如下：对于pH（A）：1.5（－1）和2.5（＋1）；粒度（B）：－38 m（－1）和－150＋100 m（＋1）；矿浆浓度（C）：5%（－1）和15%（＋1）；基质类型（D）：硫（－1）和黄铁矿（＋1）；接种量（E）：5%（－1）和15%（＋1）。
表4 由 因数试验设计（折叠设计）得到的镍回收率结果
标准 次序 随即 次序 控制因素a Ni平均回收率／% A B C D E 1 6 ＋1 ＋1 ＋1 －1 ＋1 26 2 1 －1 ＋1 ＋1 －1 －1 29 3 8 ＋1 －1 ＋1 ＋1 －1 16 4 4 －1 －1 ＋1 ＋1 ＋1 20 5 3 ＋1 ＋1 －1 ＋1 －1 32 6 2 －1 ＋1 －1 ＋1 ＋1 35 7 5 ＋1 －1 －1 －1 ＋1 15 8 7 －1 －1 －1 －1 －1 23
a表中以编码－1和＋1表示的实际因素水平如下：对于pH（A）：1.5（－1）和2.5（＋1）；粒度（B）：－38 m（－1）和－150＋100 m（＋1）；矿浆浓度（C）：5%（－1）和15%（＋1）；基质类型（D）：硫（－1）和黄铁矿（＋1）；接种量（E）：5%（－1）和15%（＋1）。
2、统计分析
应用影响概率关系曲线、残差分析和中点分析对试验结果进行统计分析。
（四）影响的正态概率关系曲线
在分析未重复的因素数据时，偶尔会出现高阶交互作用，因此采用正态概率关系曲线来评估显著因素。这就是实际值影响的累积正态概率曲线。可忽略的影响一般呈正态分布，平均方差（ 2）为0，它是一条直线方程，而显著影响的平均方差不为零，且不是直线方程。
对每个因素水平的响应值进行平均，得到统计设计的影响。每个因素的两个水平下的响应的平均值的差表示那个因素对响应影响的显著性。用数学公式表示，由输入变量的改变而引起的单个效应可以由以下公式计算：
（6）
大概率关系曲线中，所有效果需要从低到高分等级，并且按照这个顺序编号。接下来，编号的效果（i）由以下公式得到其百分数值：
值＝ ×100% （7）
（五）残差的绘图分析
残差的正态关系曲线可为不确定的有疑问的模型提供诊断检验。数据残差的正态概率关系曲线检验残差为正态分布的假设是否正确。如果残差是正态分布，则为直线。残差拟合曲线（拟合模型）可检验变量在每组中偏差值相同的假定。由于异常值可能会产生不适当的影响，当实验被排除在分析之外时，基于预测值计算每次实验要删除的残差。由以下公式计算残差：
残差＝ （8）
（六）使用中点检测曲率
在设计中加入中点，可以保护由二次效应产生的曲率，同时可以对所获得的误差极性独立评估。如果 是镍在第nc次中点转化的平均值， 是所研究的因素点镍转化率的平均值，如果 － 比较小，那么中点则位于或穿过因素分点平面的附近，则没有二次方曲线。若 － 比较大，则存在二次方曲线。
（七）试验和取样
所有的 因素设计的细菌浸出试验都在一个500mL Erlenmeyer烧瓶中进行的。将200mL灭菌的介质、适量的灭菌能源、预先测量过细菌接种量的细菌液和合适数量的红土镍矿加入到浸出体系中，放到旋转的振荡器中，在30℃和190r／min下培养。使用1mol／L硫酸和1mol／L氢氧化钠维持体系pH。每两天对实验体系进行监测，使用移液管（1.5mL）在转动的情况下取样，然后快速过滤。通过添加蒸馏水（或9K培养液）来补偿液体提取的减少。用原子吸收法分析滤液中的镍含量。所有的试验随机进行，直到镍的回收率保持不变为止。
二、结果与讨论
（一）主要因素
表3和表4中的数据用来评估主要因素影响及其交互影响（如图1所示）。根据液相中的镍数量占红土镍矿中的镍总量的百分比来计算表3和4中细菌浸出红土镍矿后的镍回收率。
当应用分数因素设计时存在效应的混合模式。这意味着，（假设三因素和更高因素的交互作用不显著），一个因素的评估效应是一个因素实际值效应和两个因素交互效应的联合。为了将主要因素的影响和在统计上不显著的两个因素的交互作用影响区分开来，使用折叠技术，在该试验中所有控制因素为原来的相反符号值。
表4为基本设计在符号上的相反值，即折叠。联合这两个设计来评价所有的主要效应，清除统计上不显著的两个因素的交互效应，如图1所示。
图1 主要因素和因素交互作用的正态图
（由基本设计和折叠设计联合得到）；A、B、C、D和E是主要因素
（表3）；AB、AC、AD、AE、BC、BD、BE、
CD和CE是因素的交互作用
以图1所示的概率图来确定显著效应。在图1中，当同时应用基本设计和折叠设计来评估单个因素的效果时发现，A（pH）、B（粒径）、C（矿浆浓度）和D（基质类型）是统计上的显著因素，因为它们的均值不为零。E（接种量）不是统计上的显著因素，因为它与正态分布（零平均值）区别不大。矿浆浓度和基质类型之间存在重要的交互作用。
当只绘制基本设计的主要因素和两个因素的交互作用时，在混合模式中不能将主要效应与两个因素的交互作用区分开来（结果没有表示）。
建立了显著因素和响应之间的一次多项式模型（预测或拟合模型）来说明响应与显著因素之间的关系：
R＝24.03－2.08Aa＋5.40Bb－1.69Cc＋1.36Dd＋0.71CcDd （9）
预测模型式中某些变量的负号表明了使细菌浸出红土镍矿镍回收率最大，这些因素需要保持在较低水平。正号表示因素需要保持在较高的水平。
在中点观测到的四个回收率为20%、21%、25%和22%（表5）。这四个中点的平均值为22%。8个基本设计（表3）和8个折叠设计（表4）的平均值为24%。尽管这两个平均值并不接近（差别为2%），有可能存在曲率。然而，非线性检验并没有发现哪个因素含有曲率，可能不存在。然而，对于本研究的目的（因素筛选），是假设近似的存在线性。事实上，因为公式（9）包含交互作用的项，因此，该模型可以代表响应公式中的曲率。
表5 由 分数因素设计得到的镍回收率结果（中点）
编号 控制因素a Ni平均回收率／% A B C D E 1 0 0 0 0 0 20 2 0 0 0 0 0 21 3 0 0 0 0 0 25 4 0 0 0 0 0 22
a表中以编码0表示的实际因素水平如下：对于pH（A）：2.0；粒径（B）：－63＋53 m；矿浆浓度（C）：10%w／v；基质类型（D）：硫；接种量（E）：10%v／v。
图2为残差的正态概率曲线。由图可知，所有的残差位于一条直线上，线性相关系数位0.97，这表明残差呈正态分布。以残差对拟合值（拟合模型值或预测回收率）作图，可以检验每组的偏差都是相同的假设（图3），即随机误差为零均值和偏差为恒定值的分布。所有的残差在－2和＋1之间分布，并没有系统结构。因为残差为恒定值、零均值和独立地常态分布（图2和图3），由此可知，式（9）可以较好地拟合试验数据。换句话说，对误差的假设是令人满意的。
图2 残差正态分布曲线图
图3 残差与预期回收率之间关系曲线
（二）因素对回收率的影响
1、pH的影响
pH值的影响如图4所示。从该图可以看出，在低pH下镍的回收率较高。培养基的pH显著影响嗜酸性微生物的生长和活性。由于在低pH下细菌的活性高，希望酸浓度（H＋离子）较高（pH＝－log[H＋]）。预料H＋离子可引起镍的溶解，如式（4）所示。
图4 pH对镍回收率的影响（由基本设计和折叠设计联合得到）
2、粒度的影响
粒度的影响如图5所示。由图可知，在所研究的范围内，低于38 m颗粒对镍回收率产生负面影向。这与更多的暴露表面从而导致镍溶解增强的预期是矛盾的。这同样与小颗粒中镍含量比大颗粒多（见表1c）相矛盾。这可能是由于当粒度减小，红土镍矿颗粒之间以及矿物颗粒和细菌之间的碰撞速率增大，从而限制了细菌在黄铁矿或硫基质上的粘附。由小颗粒造成的物理摩擦有可能破坏细胞的结构，从而使其通过氧化而产生浸出过程失活。红土镍矿复杂的矿物学同样增强了离子和氢键作用。这些作用受小粒径颗粒的影响，此时大表面积使每个颗粒暴露在大量的不同矿物之间。因此，认为－38 m是本研究中的临界最小粒径。然而，在随后的优化试验中还应该确定有利于镍回收率的实际有效粒度。
图5 粒度对镍回收率的影响（由基本设计和折叠设计联合得到）
3、矿浆浓度
矿浆浓度的影响如图6所示。由该图可知，在5%的低矿浆浓度下，镍的回收率较高。在高矿浆浓度下浸出速率的降低是由于固体和液体的不均匀混合，导致气体传输限制，由于液体太浓（高黏度），气体不能有效地传输至细胞上。
图6 矿浆浓度对镍回收率的影响（由基本设计和折叠设计联合得到）
4、基质类型的影响
基质类型的影响如图7所示。该图表明，在使用硫作为基质时，镍的回收率较高。这可由使用硫比用黄铁矿的变化图中看出（图8）。图8为在基本设计中，不同试验中使用硫和黄铁矿作为基质，在生物浸出时从设定点开始pH的变化。当时用硫作为基质，不考虑初始pH（1.5或2.5），pH降低，然后维持在限定值水平。对于给定值为较高pH时，限定值落在1.9～2.0的范围内，而给定值为较低pH时，限定值落在1.3～1.4的范围内。当以黄铁矿作为基质时，pH增大，对给定值为较低pH时，pH落在1.5～1.6的范围内。然而，对给定值为较高pH时，pH落在2.3～2.4的范围内。
图7 基质类型对镍回收率的影响（由基本设计和折叠设计联合得到）
图8 pH变化趋势图（基本设计）
1－pH基准线；2－用黄铁矿，pH 1.5；3－用硫，pH 1.5；
4－用硫，pH 2.5；5－用黄铁矿，pH 2.5
在折叠设计时观察到类似的pH变化趋势（未显示结果）。当使用硫作为基质时，对于给定值为较低pH时，限定值落在1.3～1.4范围内，而给定值为较高pH时，限定值落在1.9～2.0范围内。当以黄铁矿作为基质时，对给定值为较高pH时，pH落在2.1～2.2范围内，而对给定值为较低pH时，pH落在1.5～1.6范围内。
总之，试验结果表明，添加元素硫以及随后生物产酸过程对维持红土镍矿生物浸出时的低pH是相当重要。
5、细菌接种量的影响
细菌接种量似乎对浸出过程没有多大影响（图1）。这是由于细菌并非直接浸蚀矿物本身，不像硫化矿，组成矿物的硫和二价铁被氧化，因此对矿物溶解产生直接影响。细菌对矿物溶解的影响似乎与细菌和加入培养基的基质有关。由于研究中可以得出，不管细菌接种量高低，通过细菌氧化硫产酸的速率比酸消耗速率要大。
6、因素交互作用影响
在所研究的范围内，变量之间的交互作用，除矿浆浓度和基质类型之外，在统计上均不显著。它们的影响为零均值正态分布，作图时呈现一条直线（图1）。然而，这里却不能看出矿浆浓度和基质类型交互作用的理由。
（三）浸出曲线
8个（表3）红土镍矿生物浸出试验结果如图9所示。由图可知，在试验中观察到大量的离散数据。这表明在本研究所考虑的因素影响之间还存在很大偏差。某些情况下回收率的降低是由于镍离子的沉淀引起的。在折叠设计中观察到类似的浸出曲线（未表示该结果）。
图9 镍回收率随浸出时间的变化（基本设计）
三、结论和以后的研究
本次二水平设计的目的是获得用化能无机自养微生物进行生物浸出红土镍矿的试数据，并对其优化，并确定哪个因素对响应具有显著性，并且这些因素哪些是正影响因素，哪些是负影响因素。由试验结果可知，pH、粒度、矿浆浓度和基质类型是统计上重要操作参数。当细菌接种量在15%～5%v／v时，在统计上它是不显著的因素。在所研究的范围内，除矿浆浓度和基质类型外，变量之间的交换作用在统计上的影响是不显著的。
折叠试验澄清了主要影响结果，确保了主要因素不与统计上不重要的两因素交互作用相混淆（图1）。
试验结果表明，用硫作为基质获得的结果要比用黄铁矿作为基质获得的结果好。由硫基质获得的矿浆pH比用黄铁矿时的要低，酸的产生将增强镍的回收。值得注意的是，接下来的研究需要重点关注加入浸出培养基中硫的量，以便优化镍的回收。结果同样表明，在低pH和矿浆浓度下镍的回收率最大。在所研究的范围内，粒度小于38 m的颗粒对镍的回收产生负面影响。
试验结果表明，在影响曲线中可能存在有曲率，因此，不仅要进行线性影响评估，还要进行二次方影响评估，以建立由诊断检验定义的镍回收率最大的区域的响应面，因此需要进行新的三水平试验设计。
QQ交流群
