圍護結構霉菌種類識別及生長風險研究*

同濟大學 陳玉卿 高 軍上海建科集團股份有限公司 章重洋 李景廣

0 引言

霉菌生長是建筑圍護結構的一種常見現象，世界衛(wèi)生組織(WHO)的研究表明，全球約20%的房屋都存在霉菌生長問題[1]。我國建筑霉菌污染狀況遠高于其他國家，調查結果表明，全國超過80%的居民建筑均有不同程度的霉菌存在[2]。霉菌生長不僅會影響建筑的美觀，損壞建筑結構特性，還會對室內環(huán)境和人員健康造成巨大危害[3]。美國醫(yī)學研究所(IOM)的研究報告指出，室內表面的霉菌會釋放揮發(fā)性有機物(微生物VOC或MVOC)，這些懸浮的霉菌產物如被室內人員吸入，可引起咳嗽、哮喘等呼吸道疾病[4-5]。世界衛(wèi)生組織在潮濕與霉菌危害的研究報告中指出，在美國存在潮濕和霉菌問題的家庭中，呼吸道疾病的患病率增加約30%～70%[1]。王晗等人基于橫斷面調查方法，發(fā)現住宅室內潮濕和霉菌問題與兒童哮喘及過敏性疾病存在顯著的相關性，其中“霉點”與鼻炎之間的相關性尤為顯著[6]。此外，霉菌生長還會嚴重影響室內空氣質量，導致病態(tài)建筑綜合征等疾病的發(fā)生[7]。

鑒于圍護結構霉菌生長的普遍性和危害性，從20世紀60—70年代以來，國內外學者針對其生長風險預測展開了大量的研究。Ayerst[8]和Smith等人[9]基于瓊脂培養(yǎng)法研究了溫度和濕度對霉菌生長速率的影響，并給出了曲霉屬菌(Aspergillus)及青霉屬菌(Penicillium)等菌屬生長速率隨溫濕度變化的等值線簇。Johansson等人以木材、石膏等建筑材料為培養(yǎng)基，確定了不同建材表面霉菌生長的臨界含水量[10-12]?；诖罅看祟惷咕囵B(yǎng)實驗的結果，諸多學者開發(fā)了不同的霉菌生長預測模型，其中一些主流的生長模型如表1所示。綜合分析各生長模型，可以看出多數模型均考慮了溫度、相對濕度、培養(yǎng)基和暴露時間等影響霉菌生長的主要因素。其中，應用較為廣泛的包括VTT模型和WUFI等值線模型。然而，VTT模型和WUFI等值線模型均未考慮具體菌屬對圍護結構霉菌生長風險的影響。而Clarke等人的研究表明，不同菌屬霉菌生長所需的溫濕度范圍差異較大[13]。此外，VTT模型未考慮各類建材表面霉菌生長的差異性，而WUFI等值線模型也只是簡單地將建材分為兩大類，在實際使用中也會出現建材分類模糊，造成預測不便或預測結果與現實不符等問題。因此，對圍護結構中出現的菌屬進行鑒定和分析，同時建立合理的方式表征建材影響，對合理預測霉菌生長風險具有現實意義。此外，對霉菌種類的識別還有助于霉菌相關疾病的診斷和預防。

本文以上海市某居民小區(qū)為研究對象，對其中存在發(fā)霉現象的建筑圍護結構進行霉菌采集，通過DNA高通量測序技術對霉菌種類進行識別，從而確定建筑圍護結構中所出現的霉菌菌屬?；诰鷮僮R別結果，選擇文獻中對應菌屬的培養(yǎng)數據，構建出基于文獻數據的霉菌生長預測溫度-濕度-生長速率等值線模型；再基于Sautour提出的最佳溫度狀態(tài)下霉菌生長速率與相對濕度的函數關系式[24]，對上述等值線模型進行進一步修正；通過定義長霉因子來表征材料特性對霉菌生長的影響。最后，基于此模型對上海市典型圍護結構的霉菌生長風險進行分析，并將結果與Sedlbauer提出的等值線模型進行對比。

1 圍護結構霉菌種類識別

圍護結構霉菌種類識別研究的對象為上海市某居民小區(qū)，對其中存在發(fā)霉現象的建筑圍護結構進行霉菌樣品采集和鑒定分析。霉菌樣品現場采集的主要方法有擦拭取樣、黏合取樣、接觸平皿取樣和體積取樣等，其中體積取樣是在建筑材料表面進行霉菌取樣的最常見方法[25]。本文采用體積取樣法，以主要霉點為中心從發(fā)霉墻體表面取2 mm×2 mm的樣品塊(如圖1所示)，針對每個發(fā)霉部位取3個樣品塊作為1個完整樣品，用塑封袋封裝；標記樣品編號并記錄建筑年代信息；利用干冰將采集樣品冷藏帶回。本文共調查發(fā)霉建筑住戶29戶，采集霉菌樣品29例，按照建筑年代分別對其進行編號，其中F、E和N分別代表50年代建筑、1979—1985年建筑及1989—1995年建筑，F、E和N類建筑霉菌樣品數分別為8例、10例和11例。

圖1 霉菌體積取樣

本文采用DNA高通量測序技術對霉菌種類進行識別，該技術是基于特定DNA序列的分離，從而靶向特定的表型以獲取微生物特征的一種生物學鑒定技術。其中霉菌的鑒定是基于真菌rDNA ITS測序技術，由于ITS序列在絕大多數真菌中表現出序列多態(tài)性，而在種內相對一致，種間差異明顯，因此廣泛用于真菌鑒定。通過提取霉菌樣品DNA，再利用PCR(聚合酶鏈式反應，是一項DNA體外合成放大技術)技術擴增出真菌的ITS區(qū)序列，將所得序列與數據庫進行比對，從而確定真菌種類。與傳統(tǒng)的培養(yǎng)法識別相比，DNA測序技術不但能夠快速靈敏地完成鑒定工作，還能夠提高微生物鑒別的準確性[25-26]。

圖2為29例霉菌樣品種類識別的結果?？梢钥闯?，各樣品霉菌識別的結果大致可分為以下幾類：1)樣品為某單一菌屬占主導。如樣品F006、F007、E003、E007、N001、N010中，芽枝霉屬菌(Cladosporium)的相對豐度均接近100%；樣品F003中，青霉屬菌(Penicillium)的相對豐度接近100%；E008和N011中，曲霉屬菌(Aspergillus)的相對豐度接近100%。2)樣品表現為2種菌屬主導。如樣品E004和E005中，枝霉屬菌和青霉屬菌的相對豐度各占約40%～50%。3)樣品中菌屬成分復雜。為了便于后續(xù)建立霉菌生長風險預測模型，本文以某菌屬在所有樣品中出現次數不少于1/3且單個樣品中相對豐度不低于10%作為標準，得出建筑圍護結構生長的主要霉菌種類為芽枝霉屬菌、青霉屬菌和曲霉屬菌。

圖2 霉菌種類識別結果

圖3顯示了不同年代建筑中3種主要菌屬的平均相對豐度結果。可以看出，在3類建筑中，3種主要菌屬的總相對豐度均為65%左右，其中芽枝霉屬菌的相對豐度均較大，超過30%。對于F和E類建筑，芽枝霉屬菌、青霉屬菌和曲霉屬菌的相對豐度分布類似，3種菌屬分別約占35%、20%和10%。而對于N類建筑，3種菌屬分別占46.5%、3.7%和16.2%。

圖3 3類建筑中3種主要菌屬的平均相對豐度分布

2 霉菌生長風險預測等值線模型

等值線模型是霉菌生長預測的一種常用模型，其原理為：基于不同溫濕度狀態(tài)點下的霉菌培養(yǎng)數據，得出各生長速率下溫濕度狀態(tài)點集，形成用于霉菌生長預測的溫度-濕度-生長速率等值線簇。Sedlbauer基于文獻中霉菌培養(yǎng)數據開發(fā)的等值線模型已被納入圍護結構熱濕評價軟件WUFI，是目前霉菌風險評估中應用較為廣泛的模型之一[18]。然而該模型存在以下不足：1) 未對圍護結構中所出現的具體菌屬進行識別分析，因此所采用的培養(yǎng)數據缺乏針對性；2) 由于該模型僅基于實驗數據通過包絡方法得到一系列等值線，因此對于等值線間及實驗數據不涉及的溫濕度區(qū)域，該模型未能給出很好的解釋；3) 該模型通過將建筑材料分為兩大類來考慮材料特性對霉菌生長的影響，這樣的分類過于粗糙，無法表征材料特性。因此，本文首先基于圍護結構霉菌識別結果選擇相應的霉菌培養(yǎng)數據，對等值線模型進行修正；再基于最佳溫度狀態(tài)下霉菌生長速率與相對濕度的函數關系，對等值線間及實驗數據未涉及的溫濕度區(qū)域的霉菌生長進行預測分析；最后通過定義長霉因子以表征建材特性對霉菌生長的影響。

2.1 基于文獻數據的等值線模型

霉菌生長可以通過多種方式來衡量，例如菌落直徑、菌體干重的增加、不同類型孢子的產生速率等。先前研究表明，菌落直徑的線性增長可以較好地描述不同溫濕度下霉菌生長的情況。Ayerst[8]和Smith等人[9]以瓊脂作為培養(yǎng)基，針對溫度0～40 ℃、相對濕度70%～100%環(huán)境下的霉菌生長情況進行了大量的實驗研究。根據霉菌識別結果，本文選擇芽枝霉屬菌、青霉屬菌和曲霉屬菌的代表性菌種(如表2所示)的培養(yǎng)數據作為基礎，進行模型修正。

表2 3種菌屬的代表性菌種

霉菌生長溫度-濕度-生長速率等值線構建采用數學包絡法，即在確定某一生長速率μ下的等值線時，為了防止其中任意一種霉菌的生長，以所有單個菌種溫濕度等值線的最低包絡線作為該生長速率下的等值線，記為LIMμ。Sedlbauer的研究表明，利用雙曲余弦函數的半曲線可以較好地包絡各類霉菌生長的溫濕度狀態(tài)實驗結果(如式(1)所示)。同時，實驗結果顯示，不同生長速率下的霉菌生長等值線具有近似平行的特性。因此，為便于建模和模型使用，近似認為各生長速率下的等值線均相互平行。

LIMμ：φ=acosh(b(θ-θopt))+c

(1)

式中a、b、c為擬合系數；θ和θopt分別為環(huán)境溫度和霉菌生長最佳溫度。

對于芽枝霉屬菌、青霉屬菌和曲霉屬菌，其θopt在20～35 ℃之間，本研究中取綜合θopt等于30 ℃。由此得到生長速率μ分別為0.1、0.5、1、2、3、4 mm/d時所對應的等值線，如圖4所示。表3為各生長速率下LIMμ的表達式?？梢钥闯觯瑢τ诓煌鷮?，其生長所需的溫濕度范圍在屬間存在較大差異：在溫度方面，芽枝霉屬菌、青霉屬菌生長所需的最佳溫度為20～25 ℃，而曲霉屬菌生長所需的最佳溫度約為25～30 ℃。因此，從圖4可以看出，LIMμ在0～20 ℃時的邊界主要受到芽枝屬菌和青霉屬菌的限制(陰影區(qū)域1)。在相對濕度方面，曲霉屬菌生長所需的最低相對濕度小于另外2種菌屬，因此，曲霉屬菌對LIMμ低濕邊界的影響較大(陰影區(qū)域2)。圖5為根據霉菌識別結果和文獻中培養(yǎng)數據所得的等值線模型最終結果。

2.2 生長速率修正

上述基于文獻數據的等值線模型在解釋等值線間及實驗數據未涉及的溫濕度區(qū)域的霉菌生長情況時存在困難，即：1) 溫濕度狀態(tài)點處于μ>4 mm/d和μ<0.1 mm/d時，無法根據既有等值線給出相應的生長速率；2) 各等值線間溫濕度狀態(tài)點所對應的生長速率，只能通過簡單的線性插值求取，而顯然圖5中的等值線并非線性分布，因此插值法的合理性也值得商榷。為了解決這些問題，本文基于最佳溫度狀態(tài)下霉菌生長速率與相對濕度的函數關系式(如式(2)所示)，對上述實驗數據模型進行進一步修正。

(2)

式中μopt為霉菌生長的最大速率；φopt、φmax、φmin分別為霉菌生長所需的最佳、最大和最小相對濕度。

基于表3中的關系式，可計算出當溫度θ=θopt=30 ℃時，各生長速率所對應的相對濕度，如表4所示。

基于式(2)對表4數據進行擬合，擬合結果如圖6所示，得到φopt、φmax、φmin分別為97.5%、97.3%、74.2%，μopt為9.016 mm/d?？梢钥闯觯谙鄬穸冗_到最佳值之前，生長速率隨著相對濕度增大而增大，增速逐漸增大，根據擬合結果，最大生長速率可達9.016 mm/d。而當相對濕度達到某個極限值后，霉菌生長速率不再增大，反而會下降，這一結果可以解釋為當相對濕度接近100%時，霉菌生長會受到阻礙，這與實際研究結果相符。需要

表3 各生長速率下等值線表達式

圖5 基于文獻數據的等值線模型

表4 最佳溫度狀態(tài)下各生長速率對應的相對濕度

說明的是，由于上述擬合參數是基于3個菌屬綜合數據所得，因此與單個菌屬的擬合數據可能會存在一定偏差。但在解釋整體的霉菌生長風險時，可以認為這樣的擬合結果是可以接受的。

圖6 生長速率擬合結果

基于擬合曲線，即可反解出最佳溫度θopt狀態(tài)下，對應于各生長速率的相對濕度，從而確定出修正后的等值線模型，如圖7所示。其中，反解出的LIM 0可以視作霉菌生長的臨界曲線，即當溫濕度狀態(tài)點在該曲線上方時，可能存在霉菌生長風險。LIM 0曲線為：φ=0.026 33cosh(0.100 83(θ-30))+0.715 3。在實際應用中，以某時間節(jié)點下的溫濕度狀態(tài)點作為輸入參數，根據式(1)可求出與該溫濕度狀態(tài)點位于同一條等值線上(θ=θopt)的相對濕度；將該相對濕度作為式(2)的輸入參數，即可求得對應的該時間節(jié)點下的生長速率；將逐時生長速率對時間求和，即可求出某個時間段內霉菌生長的指標參數，以此作為霉菌生長風險的評價依據。

圖7 生長速率修正后的等值線模型

2.3 材料特性修正

上述等值線模型是基于最佳培養(yǎng)基(麥芽瓊脂)下的霉菌培養(yǎng)數據所得，而在實際情況中，建筑材料所含營養(yǎng)物質相對較少，因此其表面的霉菌生長往往需要更高的溫濕度水平。Johansson以常見建材為培養(yǎng)基，研究了在10 ℃和22 ℃下霉菌生長所需的臨界相對濕度φcrit，如表5所示[27]?？梢钥闯?，相比于圖7中的臨界相對濕度，建材表面同等溫度下的臨界相對濕度更高。因此，為區(qū)別不同材料對于霉菌生長的影響程度，定義在某一溫度下最佳培養(yǎng)基上霉菌生長的臨界相對濕度與某一建材表面霉菌生長的臨界相對濕度之比為該建材在該溫度下的長霉因子Rm，θ，即

(3)

由此可以得到常見建材的長霉因子，如表5所示。可以看出，材料長霉因子根據溫度不同稍有差異，但總體上差距不大。因此，可通過將最佳培養(yǎng)基上求得的霉菌生長速率乘以相應的長霉因子定性分析各材料間霉菌生長風險的差異。

表5 10 ℃和22 ℃時各建材表面霉菌生長的臨界相對濕度[27]及長霉因子

2.4 模型誤差分析

本霉菌生長預測模型基于霉菌現場采集鑒定實驗結果及霉菌培養(yǎng)實驗數據建立，同時進行了生長速率及建材種類的修正。相比于Sedlbauer提出的等值線模型，本模型更加符合我國建筑圍護結構霉菌生長的實際情況，同時也提高了在等值線間溫濕度狀態(tài)點、不同建材表面霉菌生長等方面評價的精度和合理性。但由于在建模過程中做了相應的簡化，因此本模型在以下方面存在誤差：

1) 本模型主要考慮了影響霉菌生長的四大主要因素——溫度、濕度、培養(yǎng)基及暴露時間。對于一些次要因素如pH值、光照強度等，由于其對霉菌生長的影響程度較小[18]，因此本模型未予以考慮。由于最佳培養(yǎng)基情況下這些次要因素往往處于最理想情況，而圍護結構表面的實際情況往往達不到最理想情況，因此對于這些方面的忽略使本模型具備一定的安全(無霉菌生長)余量。

2) 由于霉菌培養(yǎng)實驗數據是基于特定的穩(wěn)態(tài)溫濕度工況，而實際情況下溫濕度狀態(tài)是動態(tài)變化的，因此本研究忽略了溫濕度狀態(tài)變化對霉菌生長速率的具體影響。Johansson的研究表明，溫濕度狀態(tài)的動態(tài)變化會在一定程度上降低霉菌生長的速率[27]。因此，這一因素的忽略同樣使模型具備一定的安全余量。

3) 各材料的長霉因子是基于特定溫度狀態(tài)，從而定性表征不同材料對霉菌生長的影響程度，因此據其計算所得的霉菌生長量可能與實際結果存在差異，但在比較不同材料表面霉菌生長的程度時，可以認為通過該因子所得結果是有效的。如果想要定量描述某材料表面霉菌的生長量，還需要進行培養(yǎng)實驗。

綜合來說，由于忽略了部分在建模時處于最理想情況的次要因素，本模型在霉菌生長風險預測時還是相對保守的，即具備一定的安全余量。如果需要定量描述動態(tài)溫濕度邊界下各類建材表面霉菌生長的情況，還需要進行相應的培養(yǎng)分析。

3 典型圍護結構霉菌生長風險分析

基于上述修正模型，對上海市典型圍護結構內表面的霉菌生長風險進行分析。圖8顯示了一典型的外保溫結構，主體材料為混凝土，保溫材料為EPS，外飾層和連接層為砂漿。為分析室內相對濕度對圍護結構霉菌生長風險的影響，室內全年溫濕度變化簡化為正弦變化[28]，平均相對濕度分別設置為60%、65%、70%和75%，全年相對濕度波動范圍設置為20%；平均溫度為20 ℃，全年溫度波動范圍設置為4 ℃。圍護結構熱濕耦合計算采用WUFI Pro軟件，由此得到墻體內表面的全年逐時溫濕度數據。以此數據作為輸入值，基于修正后的霉菌模型計算全年霉菌生長指數。

圖8 典型外保溫圍護結構

為了研究不同工況下圍護結構內表面材料對霉菌生長的影響，分別選擇內表面材料為最佳培養(yǎng)基材料及常見的灰泥材料。圖9給出了不同室內工況下2種圍護結構材料內表面霉菌生長速率逐時值?？梢钥闯?，在上海地區(qū)，夏季室內溫度較高，此時若室內相對濕度也同樣處于較高水平，則容易引發(fā)霉菌快速生長，且霉菌生長速率隨著室內相對濕度增大而增大。同時，材料屬性對霉菌生長的影響也較為明顯，對于平均相對濕度為75%的情況，當內表面材料為最佳培養(yǎng)基材料時，最大生長速率約為0.23 mm/d。而當內表面材料為灰泥材料時，最大生長速率約為0.18 mm/d。

由此得出結論，當夏季室內相對濕度越高，且圍護結構內表面材料的長霉因子越大時，圍護結構的霉菌生長風險也越大。因此，控制夏季室內相對濕度及選擇長霉因子小的內表面材料是防止墻體內表面霉菌生長的2個可行措施。

為了比較修正后的模型與Sedlbauer模型在評價霉菌生長風險方面的差異性，利用二者對室內相對濕度為75%工況下的圍護結構霉菌生長風險進行計算分析。圖10顯示了2種模型對于不同內表面材料年霉菌生長量計算結果的對比(即對圖9中一年的逐時霉菌生長率進行求和)?？梢钥闯?，Sedlbauer模型中2類建材年霉菌生長總量相差超過100 mm。而從本文提出的模型來看，對于不同的飾面材料，如灰泥、刨花板和膠合板等，其年霉菌生長總量相差較小。這說明，利用修正后的模型可以更好地反映出不同飾面材料霉菌生長風險的大小，即提高霉菌生長風險評價的精度，避免由于材料選擇導致霉菌生長風險的高估或低估。

圖10 相對濕度75%工況下不同材料霉菌年生長量Sedlbauer模型與修正模型比較

4 結論與展望

本文通過現場采集和DNA高通量測序技術，對圍護結構中出現的霉菌進行了識別。在此基礎上，基于文獻中培養(yǎng)數據、最佳溫度下霉菌生長速率與相對濕度函數關系及常用建材表面霉菌生長臨界相對濕度對等值線模型進行了修正。利用修正后的模型對上海市典型圍護結構在不同室內相對濕度水平下的霉菌生長風險進行了評估，并將評估結果與Sedlbauer等值線模型進行了比較。研究得到的主要結論有：

1) 建筑圍護結構生長的主要霉菌種類為芽枝霉屬菌、青霉屬菌和曲霉屬菌；對于不同年代的建筑，上述3類菌屬相對豐度分布稍有不同，但總體占比均約為65%。

2) 基于文獻數據和生長速率擬合，得到了修正后的等值線模型，該模型以某時刻的溫濕度數據作為輸入條件，求取任意時間節(jié)點的霉菌生長速率，再對時間進行積分，求取對應時間段的生長總量，作為霉菌生長風險評價的指標。其中，霉菌生長的溫濕度邊界為：LIM 0：φ=0.026 33cosh(0.100 83(θ-30))+0.715 3。

3) 為表征不同建材對于霉菌生長的影響，定義了長霉因子。同一材料不同溫度下的長霉因子稍有不同，但差異不大。給出了常用建材的長霉因子。

4) 對于上海地區(qū)典型的外保溫圍護結構，其內表面的霉菌生長風險隨夏季室內相對濕度增大而增大，因此控制夏季室內相對濕度及選擇長霉因子小的內表面材料是防止霉菌生長的2種可行手段。此外，模型對比結果顯示，通過提出長霉因子，可以提高霉菌生長風險評估的精度。