2021, Vol. 42
随着城市化进程的不断加快, 河道、内湖的生态健康受到外源输入的影响日益严重, 污水处理厂是重要的外源输入之一[1].污水厂的处理工艺无法完全去除的营养盐和有害物质, 随尾水排放进入自然水体[2, 3], 可能导致受纳水体营养物质富集而产生富营养化[4], 改变河流生态系统水生生物群落的结构及功能[5, 6].底栖生物膜是周丛生物和有机碎屑的集合, 构成了河流食物网的基础部分, 是河流生态系统生物地球化学循环中至关重要的调控单元[7].底栖生物膜是河流中最先对尾水排放做出响应的生物集合, 能够捕捉河湖历史污染信息, 吸收存储河流中历史排放事件释放的污染物[8, 9], 是重要的污染物指示标志和河湖水质变化的“吹哨者”, 常被用作评估水生环境生态变化的指示标志.
生物膜的结构和功能很大程度上取决于周丛生物群落及有机质的组成.水溶性有机质(water-soluble organic matter, WSOM)是生物膜有机质中最活跃的成分, 也是异养菌和藻类等微生物代谢过程中可利用有机物的重要来源[10, 11], 在塑造生物膜微生物群落方面发挥重要作用[12, 13].尾水排放可提高底栖生物膜的胞外酶活性, 进而将复杂有机物转化为简单有机质, 促进微生物的吸收利用过程[14].了解细菌群落组成与DOM组成之间的关系对阐明河流生态系统中的碳循环过程至关重要, 目前已有较多学者关注河流[15, 16]和湖泊[17, 18]中溶解性有机质(DOM)与细菌群落的特征及其内在联系.然而对于河流底栖生物膜细菌群落与WSOM特征的关注仍然较少.解析尾水受纳区底栖生物膜细菌群落与WSOM的特征及相互作用机制, 对明晰尾水区底栖生物膜在河流碳循环中发挥的作用和揭示尾水区生态环境演替过程具有重要的科学意义.本研究通过探究尾水受纳区底栖生物膜细菌群落与WSOM特征及其内在联系, 以期为探索尾水受纳区生态系统的污染指示标志提供新的思路.
1 材料与方法 1.1 采样区域与样品采集选择南京市江宁区城北污水处理厂尾水受纳河段作为研究区域(31.96°N, 118.84°E).城北污水处理厂位于江宁区东山街道土山路西侧, 主要收集东山老城区、岔路地区、上坊地区的居民生活污水, 主体污水处理工艺采用鼓风曝气氧化沟形式的A2/O, 污水处理量4万m3·d-1, 出水水质达到《城镇污水处理厂污染物排放标准(GB 18918-2002)》一级A标准.
于2019年12月对研究区域底栖生物膜进行采样.采样区域以污水厂排污口为分界线, 将排污口上游1 km河段定义为上游区(在排污口上游0.5 km和1 km处设置采样点B2和B1), 反映未受污水厂尾水排放影响的河流状况; 将排污口下游0.5 km河段定义为受尾水排放严重影响的污染源头区(排污口处为采样点A0, 排污口下游0.2 km和0.5 km设置采样点A1和A2); 污染源头区下游2.5 km河段定义为受尾水排放影响较小的污染下游区(排污口下游1、1.5、2和3 km设置采样点A3、A4、A5和A6).采样点位如图 1所示.
|
图 1 尾水受纳河流采样点布置示意 Fig. 1 Sampling sites in the representative effluent water-receiving river |
底栖生物膜采集的具体方法如下[19]: 捞取采样点附近大小相似且附着生物膜的石块, 使用无菌刮刀将石头上附着生物膜刮下, 收集至无菌不锈钢容器中.每个采样点采集约50 g湿重底栖生物膜样品.所有样品放入含有冰袋的样品储存箱中保存, 尽快运回实验室处理分析.
1.2 实验方法 1.2.1 样品预处理每个采样点采集2 g湿重的生物膜样品分别装入2 mL聚丙烯离心管中, 转移到-80℃冰箱内进行暂时保存, 用于DNA提取及PCR扩增.将每个采样点采集的约40 g湿生物膜进行冷冻干燥处理(Christ ALPHA 1-2 LD plus, 德国Marin Christ公司).对冷冻干燥后的生物膜样品进行研磨, 过100目筛去除杂质后密封保存备用.
1.2.2 生物膜WSOM提取及有机碳含量测定采用浸提-离心法提取生物膜WSOM.将经过预处理的生物膜样品按照物料∶水(g∶g)=1∶2的比例装入灭菌后的锥形瓶中, 在20℃下恒温振荡16 h.将浸出液转移至50 mL灭菌离心管中, 在4 000 r·min-1下离心30 min, 取上清液并用0.45 μm无菌醋酸纤维滤膜过滤, 滤液即为生物膜样品的WSOM, 置于-4℃保存待测[11, 20].使用总有机碳分析仪(Multi N/C2100, 德国耶拿分析仪器股份公司)对WSOM中的DOC含量进行检测.每个样品平行检测3次, 数据以平均值±标准差形式记录.
1.2.3 光谱检测用荧光分光光度计(F7000, 日立, 日本)测量WSOM三维荧光光谱(EEMs), 光电倍增管电压为700 V, 信噪比为110.设置的激发波长(Ex)和发射波长(Em)的扫描范围在200~600 nm, 中间间隔为5 nm, 积分时间为0.1 s.采用Milli-Q水作空白对照, 对数据进行去除内滤效应以及一阶/二阶瑞利、拉曼散射等校正操作.使用MATLAB(R2016a)软件调用DOM Fluor工具箱进行平行因子(PARAFAC)分析.将荧光强度进行拉曼归一化, 所得的相对荧光强度以拉曼单位表示(R.U.). UV-vis光谱采用紫外-可见分光光度计(UV6000, 上海元析仪器有限公司)测量.在200~700 nm范围内测定样品的吸光度, 扫描间隔为1 nm, 原始光谱扣除Milli-Q水光谱值进行校正, 每个样品平行检测3次.根据原始光谱计算相关特征参数, 如表 1所示.结果以平均值±标准差形式表示.
|
表 1 紫外-可见吸收光谱特征参数及环境意义 Table 1 UV-vis derived absorption spectra parameters and environmental meanings |
1.2.4 生物膜DNA提取及PCR扩增
使用FastDNA Spin Kit试剂盒(Q-BIOgene, Carlsbad, CA)对样品DNA进行提取, 并对DNA进行琼脂糖凝胶电泳检测.初测合格的DNA送至上海凌恩生物科技有限公司进行高通量测序.测序引物为341F(5′-CCT AYG GGR BGC ASC AG-3′)及806R(5′-GGA CTA CNN GGG TAT CTA AT-3′), 对目标样品16S rRNA的V3~V4区域进行扩增.扩增结束后, 用1%琼脂糖凝胶电泳对PCR扩增产物进行检测.在Illumina MiSeq上以扩增产物为模板制备测序文库.对测序结果开展质量检测, 将超过75%扩增子长度的Illumina双端引物的条形码和引物进行裁剪, 并使用Flash v1.2.7进行合并后获得最终的微生物基因序列信息.
1.2.5 测序分析使用QIIME2(v2018.6; Quantitative Insights Into Microbial Ecology)对微生物基因序列信息进行分析.在切除序列的引物片段后, 调用DADA2算法进行质量过滤、去噪、拼接和去嵌合体, 得到具有99%相似度的扩增子序列变异(Amplicon Sequence Variants, ASVs).调用classify-sklearn算法, 参照Silva数据库(Release132, http://www.arb-silva.de/)对每个ASVs的特征序列进行物种注释.
1.3 数据分析采用R Studio(v.3.4.2; http://www.r-project.org/)进行细菌群落的α多样性分析、冗余分析(RDA)和方差分解分析(VPA).基于Bray-Curtis距离绘制非度量多维尺度(NMDS)排序图, 使用相似性分析(ANOSIM)进行群落差异检验.以细菌门水平相对丰度绘制柱状堆积图.基于斯皮尔曼相关系数对生物膜WSOM紫外可见特征参数及荧光组分进行相关性分析.使用Origin 9.1软件绘制生物膜WSOM光谱参数变化图.使用Gephi软件(http://gephi.github.io/)绘制网络分析图.
2 结果与讨论 2.1 尾水受纳区底栖生物膜WSOM性质 2.1.1 生物膜WSOM、CWSOM浓度与相关性分析DOC和a(355)分别代表底栖生物膜WSOM浓度和CWSOM相对浓度.ω(WSOM)的平均值(以C计, 下同)为152.4 mg·g-1[图 2(a)], 与Schmidt等[23]报道的土壤ω(WSOM)水平类似, 表明底栖生物膜是河流生态系统中重要的碳库.排污口处ω(WSOM)和ω(CWSOM)增加, 在污染源头区逐渐下降, 污染下游区的ω(WSOM)和ω(CWSOM)与污染源头区和上游区存在显著差异(ANOVA, P < 0.05).生物膜具有存储河流历史排放物质的功能[8, 9], 外源输入的有机质会被生物膜存储在WSOM中且不断累积, 可能会部分记录和反映历史污染情况.CDOM是DOM的重要组成部分, 在水体有机质相关研究中, Brezonik等[24]和Spencer等[25]的研究分别发现, 在湖泊和以针叶林为主的河流中DOM浓度与发色溶解性有机质浓度(CDOM)呈现显著正相关, DOM和CDOM之间的交融混合使它们的变化趋势相同, 从而呈现显著的正相关关系, 因此可将CDOM作为表征DOM的有效指标[26].本研究中, 尾水区底栖生物膜中ω(WSOM)与ω(CWSOM)也呈现显著正相关(R2=0.93, P < 0.01), 表明CWSOM可以作为表征生物膜WSOM的有效指标, 开展进一步地光谱研究.
|
(a)WSOM和CWSOM的浓度沿程变化, (b)紫外可见光谱特征参数沿程变化, (c)各荧光组分荧光强度相对丰度 图 2 尾水区底栖生物膜WSOM光谱分析 Fig. 2 Spectroscopic analysis of WSOM in benthic biofilms |
底栖生物膜WSOM紫外可见光谱特征参数变化如图 2(b)所示, 相关光谱特征参数在尾水受纳河流不同区域不存在显著差异(ANOVA, P>0.05). E254/E204和SR与WSOM和CWSOM浓度的变化趋势相似.在A2/O处理过程中, 反硝化作用受到抑制, 使污水中高疏水性蛋白含量增加[27], 但由于其已被生物降解的特点, 导致了污染源头区生物膜WSOM疏水性沿程下降.Park等[28]的研究报道在污水处理过程中, 低分子量组分容易被生物降解有效去除, 而高分子量组分被稳定储存, 随尾水排放进入自然水体.尾水区底栖生物膜WSOM的SR值处于0.30~0.75的较低水平, 与Yu等[15]的研究结论类似, 说明大分子有机质在尾水受纳区底栖生物膜中占据优势地位.除上游区B2点位外, 生物膜WSOM的芳香性整体水平较为稳定, 这是由于在A2/O的废水处理过程中, 非芳香族组分被选择性去除, 而芳香族组分被保存在尾水中, 携带芳香组分的尾水为河流带来了丰富的芳香碳、酚类和含共轭双键的物质[15], 影响底栖生物膜WSOM的组成.且芳香性物质相对稳定性更高, 不易被微生物降解[15, 29], 在底栖生物膜中可稳定储存.
2.1.3 荧光组分的组成及分布使用PARAFAC解析生物膜WSOM的荧光组分, 经残差分析和对半分析验证, 确定3组分模型为最适模型(图 3), 该模型可解释EEM光谱中大于96%的变异度.将平行因子分析识别出的模型与Openfluor数据库中的其他模型按94%的相似度进行匹配识别, 结果如表 2所示.C1组分是陆源类腐殖质, 易光解, 且生物可利用性较差, 其中2个激发波长分别指示紫外光区类富里酸和可见光区类富里酸, 与DOM中的羰基和羧基相关, 一般指示外源输入[30, 31].C2组分为陆源或海洋类腐殖质, 该组分与土著微生物的活动密切相关, 易被微生物循环利用[32, 33].C3组分为色氨酸类蛋白, 通常以游离分子的形式结合在肽或腐殖质结构中, 与微生物降解及人为活动排放有关[34~36].
|
图 3 PARAFAC识别出的3种荧光组分及其激发与发射荷载 Fig. 3 Three main fluorescent components and their excitation and emission loadings determined via PARAFAC analysis |
|
|
表 2 PARAFAC识别出的3种荧光组分在Openfluor数据库中的匹配信息 Table 2 Peak assignments of three components from PARAFAC analysis based on Openfluor database |
WSOM荧光组分在尾水区沿程变化情况如图 2(c)所示.结果显示C1组分占比逐渐增加.据报道在以污水排放为主要补给的河流中, 高分子腐殖质物质在水体DOM中占据优势地位[1], 这可能是导致尾水区底栖生物膜WSOM中类腐殖质含量较大的主要原因.疏水性有机物主要由大分子类腐殖质组成, 而亲水性有机物主要由低分子量的多糖、蛋白质和氨基酸组成[15], 因此尽管生物膜WSOM的疏水性在下降, 仍以高疏水性、高分子量的类腐殖质物质为主.斯皮尔曼相关性分析的结果显示SUVA280与C3组分呈显著正相关(R2=0.97, P < 0.01).色氨酸类蛋白本身具备良好的芳香性质, 且芳香结构稳定性较高, 因此C3组分在底栖生物膜WSOM中占比稳定.DOC与SR、E254/E204和a(355)之间存在显著的正相关关系(R2>0.8, P < 0.05), SR与E254/E204和a(355)也存在显著的正相关关系(R2>0.8, P < 0.05), 说明生物膜WSOM的组成可能受到不同性质有机质的影响, 同时不同性质的有机质之间可能存在相互作用[35], 具体的作用方式需开展进一步研究.
2.2 生物膜细菌群落特征基于16S rRNA的测序结果, 在18个样品中共得到7 852个ASVs.使用QIIME2对每个样品中的所有ASVs进行物种注释, 发现污染源头区和污染下游区的样品相较于上游区共增加了23门、49纲、89目、107科和173属.所有样品共发现59个门分类水平上的细菌群落.变形菌门(Proteobacteria)为绝对的优势菌门, 占总细菌序列的33.64%, 其次为拟杆菌门(Bacteroidota, 10.01%)、酸杆菌门(Acidobacteriota, 8.79%)、绿弯菌门(Chloroflexi, 6.14%)和粘球菌门(Myxococcota, 5.50%).不同采样点位处细菌菌门的相对丰度存在差异[图 4(a)].变形菌门(Proteobacteria)和疣微菌门(Verrucomicrobiota)在尾水区的相对丰度占比较大.变形菌门(Proteobacteria)、拟杆菌门(Bacteroidota)和酸杆菌门(Acidobacteriota)是河流沉积物环境中的优势菌群, 也是河流氮、碳循环过程的重要参与者[36].变形菌门(Proteobacteria)的分布受到河流中脂类和腐殖质类DOM的影响.拟杆菌门(Bacteroidota)具有分解纤维素、淀粉多糖和碳水化合物的功能, 能使复杂化合物和不稳定有机质发生再矿化作用.疣微菌门(Verrucomicrobiota)也与类腐殖质物质的降解密切相关, 常参与河湖水体中N-乙酰氨基葡萄糖(NAG)的降解[37, 38].尾水区底栖生物膜细菌群落的优势菌群相对稳定, 为其参与河流的生物地球化学循环提供了良好的条件.
|
(a)生物膜细菌群落门水平相对丰度堆积;(b)基于Bray-Curtis距离的NMDS排序 图 4 尾水区底栖生物膜细菌群落多样性分析 Fig. 4 Analysis of bacterial community diversity in benthic biofilms |
底栖生物膜细菌群落的α多样性指数如表 3所示.Coverage指数都在0.999以上, 说明测序结果能够很好反映研究区域细菌群落的真实情况. Shannon指数综合反映了细菌群落的丰富度及均匀度, 其数值可以反映物种的多样性; Pielou指数则展示了细菌群落的均匀度变化情况. Shannon指数的范围在7.93~8.46之间, 在尾水区呈现: 污染下游区>污染源头区>上游区的变化趋势, 说明底栖生物膜细菌群落多样性在尾水区沿程增加, 这与Drury等[39]的研究结论相悖.尾水排放对受纳水体的影响可能存在两面性, Drury等[39]的研究中大流量的尾水排放及沿线多氯联苯(PCBs)和多环芳烃(PAHs)等有毒物质的人为输入是导致其底栖细菌群落多样性下降的主要原因.而在本研究中, 尾水来自处理生活污水的中型污水厂, 营养物含量较高且有毒物质较少, 为生物膜细菌群落提供了更加适宜的生存环境, 促进其生长与繁殖. Pielou指数在污染源头区和污染下游区高于上游区, 说明受尾水排放影响的区域底栖生物膜细菌群落组成更加均匀, 多样性及均匀度的增加使尾水受纳区生物膜细菌群落的结构更加稳定[15]. Perujo等[40]的研究也发现污水厂下游的生物膜细菌群落能适应尾水排放的环境压力并有效利用输入的外源有机质.
|
|
表 3 底栖生物膜细菌群落α多样性指数 Table 3 The α diversity of bacterial community in benthic biofilms |
使用非度量多维尺度分析研究尾水区不同区域底栖生物膜细菌群落的差异, 发现同组的样品之间出现一定的聚集趋势, 细菌群落结构相似, 而不同组的样品之间则存在较大的距离[图 4(b)].尾水区中不同区域的底栖生物膜细菌群落受尾水排放的影响不同, 有形成各自独特的群落结构的趋势.但是经ANOSIM检验后发现不同区域的细菌群落之间无显著差异(R=0.23, P=0.88).细菌群落的差异通常体现在大范围或长时间的取样[41], 本研究中细菌群落未能形成差异可能主要归因于尾水区采样区域受限.
2.3 生物膜细菌群落与WSOM关系研究 2.3.1 生物膜WSOM对生物膜细菌群落变化的贡献使用去趋势对应分析(DCA)对生物膜细菌群落变化及环境因素进行检验, 结果显示最大梯度长度 < 3, 因此选择RDA对环境因子与细菌群落变化之间的相关性做进一步地研究.将生物膜WSOM特征参数及荧光组分作为环境因子进行冗余分析[图 5(a)], RDA第一轴和第二轴分别能够为细菌群落的变化提供40.18%和16.04%的解释度.C3组分与SUVA280、C1组分和SR关系密切, 说明色氨酸类蛋白芳香性较强, 而类腐殖质则以大分子物质为主, 这与前文中叙述的荧光组分所具有的光谱性质结论相同.RDA结果表明CWSOM[a(355)]、芳香性(SUVA280)和分子量(SR)是影响尾水区底栖生物膜细菌群落变化的3个主要因素[图 5(a)].为了进一步探索何种WSOM在影响生物膜细菌群落变化上起主导作用, 使用VPA分析探究大分子类腐殖质、陆源或海源类腐殖质和芳香性色氨酸类蛋白这3类WSOM对生物膜细菌群落组成变化的贡献度.结果显示芳香性色氨酸类蛋白对细菌群落的变化贡献度最大[图 5(b)], 达到34%, 其次是大分子类腐殖质(15%)和陆源或海源类腐殖质(3%), 三者相互作用下对细菌群落的贡献度为11%.综上所述, 在尾水受纳河流中, 不同性质的生物膜WSOM是驱动生物膜细菌群落组成发生变化的关键因素.
|
(a)WSOM与细菌群落变化的冗余分析,(b)WSOM对细菌群落变化的方差分解分析 图 5 细菌群落变化的冗余分析与方差分解分析 Fig. 5 Redundancy analysis and variance decomposition analysis of bacterial community changes |
以往的研究常关注于浮游细菌结构与DOM特性之间的关联, 群落结构的变化通常取决于对外源DOM的利用效率和浮游细菌自身的降解能力[16].Wear等[42]研究了美国黑水河口湾中DOM性质, 发现生物利用度、光谱斜率、分子组成和来源等因素可以显著影响水中细菌群落组成.Zhang等[13]的研究发现太湖全湖区陆源腐殖质和色氨酸在时间水平上与细菌群落的变化显著相关.Melo等[14]的研究报道了亚马逊河漫滩的洪水能够调节DOM的来源与芳香性, 进而在DOM性质与细菌群落组成之间构建紧密的联系.生物膜内部的细菌具有更多的胞外酶和更适宜的物质吸收环境, 同时生物膜基质还为细菌对有机质的吸收利用提供了良好的载体[7, 12].尽管腐殖质是生物膜有机质的主要成分, 但其生物可利用性差, 不易被细菌使用, 因而对群落变化的贡献度低于更易于被微生物分解使用的色氨酸类蛋白[14].在河流生态系统中, 微生物在对类蛋白物质的分解利用的同时也产生腐殖质类物质[18], 故生物膜细菌群落与WSOM的组成处于一个动态变化之中.细菌群落组成会对有机质组分的变化做出反馈, 能够适应且高效利用外来有机质的细菌群落将成为尾水区底栖生物膜细菌中的优势群体.
2.3.2 生物膜WSOM与细菌群落的共现网络分析基于斯皮尔曼相关系数构建ASVs和WSOM组分的共现网络以进一步探究细菌群落与WSOM之间的深层联系.筛选显著相关的边(R2>0.6, P < 0.05)构建共现网络, 网络中共有102个节点和304条边, 其中正负相关的边占比相当(53.6%和46.3%), 说明细菌群落内部及其与WSOM组分之间存在复杂的相互关系.网络中的优势菌门为Proteobacteria(44.3%)、Desulfobaacterota(10.3%)、Bacteroidota(7.8%)和Verrucomicrobiota(6.9%).将网络进行模块化处理后, 共形成4个模块, 模块化度为0.51, 大于0.4, 表明网络具有良好的模块化结构.网络中形成的4个模块占比分别为34.3%、25.5%、24.5%和15.7%, 每个模块中包含了不同的ASVs和WSOM, C2组分属于模块Ⅰ, 与Proteobacteria、Bacteroidota、Spirochaetota和Desulfobaacterota关系密切; 模块Ⅲ则聚集了Proteobacteria、Bacteroidota、Verrucomicrobiota、Halobacterota、Desulfobaacterota、类腐殖质组分C1与色氨酸类蛋白C3.
Proteobacteria广泛分布于各个模块[图 6(a)], 他们参与包括类腐殖质、类色氨酸在内的有机质的降解与生成.研究证明Proteobacteria在水环境的有机碳代谢过程中发挥重要作用[27].类腐殖质组分的降解或生成主要与Proteobacteria、Desulfobaacterot和Halobacterota相关, 而Proteobacteria、Bacteroidota和Halobacterota则主要参与色氨酸类蛋白的新陈代谢[图 6(b)].大量研究已经证实Proteobacteria中的α-Proteobacteria、β-Proteobacteria、γ-Proteobacteria和Bacteroidota、Verrucomicrobiota与类腐殖质组分的降解或生成密切相关, Bacteroidota、γ-Proteobacteria、Firmicutes和Actinobacteria则主要参与色氨酸类物质的生消过程[18, 43].值得注意的是, 除Proteobacteria外, Halobacterota也与3种荧光组分联系紧密.Halobacterota是一种产甲烷古菌, 相较于其他常见的产甲烷菌门(如Euryarchaeota等)具有更多样化的底物摄取范围, 可利用如甲氧基芳香族化合物等外来底物, 是控制尾水区甲烷产生的关键环节, 在尾水区河流的碳循环过程中扮演重要角色[44].共现网络展现了细菌群落之间复杂的相互关系, 生物膜WSOM是生物膜有机质中的最活跃部分, 其分布和动态变化与微生物的代谢物密切相关[45].Proteobacteria和Halobacterota通过参与河流碳循环过程, 构建细菌群落与WSOM组分之间的紧密联系.
|
(a)门水平细菌, (b)不同类型的模块; 蓝色表示负相关，橙色表示正相关; 节点大小与连接度成正比; 节点分别以门水平细菌与模块着色 图 6 生物膜中荧光组分和细菌ASVs基于斯皮尔曼相关系数构建的共现网络 Fig. 6 Co-occurrence network analysis between ASVs and three fluorescence components base on Spearman's correlation analysis |
从属水平上看, 模块Ⅱ中与C1和C3组分显著相关的Methanoregula属于Halobacterota, 是已知的能参与直接种间电子转移的产甲烷古菌之一, 它能直接接收电子并将CO2还原为CH4, 参与河流碳循环过程[46].模块Ⅱ中的MND1和Arenimonas都属于Proteobacteria, MND1在土壤、地表水和地下水生态系统中都曾被高频率检出, 具有在好氧、厌氧等环境下进行多种物质代谢的功能[47]; Arenimonas能快速分解易降解有机物, 是一种生长速度较快的富营养指示菌[48], 它们都能够更加适应尾水区的复杂环境条件, 在河流生态系统的生物地球化学循环过程中发挥重要作用.共现网络分析证实尾水区底栖生物膜细菌群落与WSOM的组成将以动态变化的模式应对尾水中复杂不确定成分的冲击, 这种动态变化同样揭示了尾水排放对受纳水体造成的生态影响.
3 结论(1) 尾水区底栖生物膜WSOM以大分子的类腐殖质为主, 芳香性色氨酸类蛋白在底栖生物膜WSOM中含量稳定, 不同性质的有机质可能影响底栖生物膜WSOM的组成.
(2) 受尾水排放影响的底栖生物膜细菌群落多样性和均匀度较高, 群落结构更加稳定.CWSOM、有机质芳香性和分子量是影响尾水区底栖生物膜细菌群落变化的主要因素, 其中芳香性色氨酸蛋白对细菌群落变化的解释度最高(34%).
(3) 共现网络揭示生物膜细菌群落之间复杂的相互关系, Proteobacteria和Halobacterota通过河流碳循环参与生物膜WSOM的新陈代谢, 构建起细菌群落与WSOM组分之间的紧密联系, 这种动态变化使底栖生物膜具有作为尾水区生态变化指示标志的潜力.
| [1] | Kamjunke N, Hertkorn N, Harir M, et al. Molecular change of dissolved organic matter and patterns of bacterial activity in a stream along a land-use gradient[J]. Water Research, 2019, 164. DOI:10.1016/j.watres.2019.114919 |
| [2] |
赵志瑞, 张佳瑶, 李铎, 等. 生物膜生态浮床对城市尾水净化特征分析[J]. 环境科学, 2020, 41(2): 809-814. Zhao Z R, Zhang J Y, Li D, et al. Purification characteristics of urban tail water from sewage treatment plant by biofilm ecological floating bed[J]. Environmental Science, 2020, 41(2): 809-814. |
| [3] |
杨钊, 李江, 张圣虎, 等. 贵阳市污水处理厂中典型抗生素的污染水平及生态风险[J]. 环境科学, 2019, 40(7): 3249-3256. Yang Z, Li J, Zhang S H, et al. Pollution level and ecological risk of typical antibiotics in Guiyang wastewater treatment plants[J]. Environmental Science, 2019, 40(7): 3249-3256. |
| [4] | Jiang L, Wu A Q, Fang D X, et al. Denitrification performance and microbial diversity using starch-polycaprolactone blends as external solid carbon source and biofilm carriers for advanced treatment[J]. Chemosphere, 2020, 255. DOI:10.1016/j.chemosphere.2020.126901 |
| [5] | Rodríguez-Castillo T, Barquín J, álvarez-Cabria M, et al. Effects of sewage effluents and seasonal changes on the metabolism of three Atlantic rivers[J]. Science of the Total Environment, 2017, 599-600: 1108-1118. DOI:10.1016/j.scitotenv.2017.05.067 |
| [6] | Ribeiro R X, da Silva Brito R, Pereira A C, et al. Ecotoxicological assessment of effluents from Brazilian wastewater treatment plants using zebrafish embryotoxicity test: a multi-biomarker approach[J]. Science of the Total Environment, 2020, 735. DOI:10.1016/j.scitotenv.2020.139036 |
| [7] | Battin T J, Besemer K, Bengtsson M M, et al. The ecology and biogeochemistry of stream biofilms[J]. Nature Reviews Microbiology, 2016, 14(4): 251-263. DOI:10.1038/nrmicro.2016.15 |
| [8] | Pu Y, Ngan W Y, Yao Y, et al. Could benthic biofilm analyses be used as a reliable proxy for freshwater environmental health?[J]. Environmental Pollution, 2019, 252: 440-449. DOI:10.1016/j.envpol.2019.05.111 |
| [9] | Hobbs W O, Collyard S A, Larson C, et al. Toxic burdens of freshwater biofilms and use as a source tracking tool in rivers and streams[J]. Environmental Science & Technology, 2019, 53(19): 11102-11111. |
| [10] | Chantigny M H, Harrison-Kirk T, Curtin D, et al. Temperature and duration of extraction affect the biochemical composition of soil water-extractable organic matter[J]. Soil Biology and Biochemistry, 2014, 75: 161-166. DOI:10.1016/j.soilbio.2014.04.011 |
| [11] | Huang M K, Chai L W, Jiang D J, et al. Spatial patterns of soil fungal communities are driven by dissolved organic matter (DOM) quality in Semi-Arid regions[J]. Microbial Ecology, 2020. DOI:10.1007/s00248-020-01509-6 |
| [12] | Carreiro M M, Sinsabaugh R L, Repert D A, et al. Microbial enzyme shifts explain litter decay responses to simulated nitrogen deposition[J]. Ecology, 2000, 81(9): 2359-2365. DOI:10.1890/0012-9658(2000)081[2359:MESELD]2.0.CO;2 |
| [13] | Zhang W, Zhou Y Q, Jeppesen E, et al. Linking heterotrophic bacterioplankton community composition to the optical dynamics of dissolved organic matter in a large eutrophic Chinese lake[J]. Science of the Total Environment, 2019, 679: 136-147. DOI:10.1016/j.scitotenv.2019.05.055 |
| [14] | de Melo M L, Kothawala D N, Bertilsson S, et al. Linking dissolved organic matter composition and bacterioplankton communities in an Amazon floodplain system[J]. Limnology and Oceanography, 2020, 65(1): 63-76. DOI:10.1002/lno.11250 |
| [15] | Yu M D, Liu S J, Li G W, et al. Municipal wastewater effluent influences dissolved organic matter quality and microbial community composition in an urbanized stream[J]. Science of the Total Environment, 2020, 705. DOI:10.1016/j.scitotenv.2019.135952 |
| [16] | Qiu L L, Cui H Y, Wu J Q, et al. Snowmelt-driven changes in dissolved organic matter and bacterioplankton communities in the Heilongjiang watershed of China[J]. Science of the Total Environment, 2016, 556: 242-251. DOI:10.1016/j.scitotenv.2016.02.199 |
| [17] | Ávila M P, Brandão L P M, Brighenti L S, et al. Linking shifts in bacterial community with changes in dissolved organic matter pool in a tropical lake[J]. Science of the Total Environment, 2019, 672: 990-1003. DOI:10.1016/j.scitotenv.2019.04.033 |
| [18] | Zhang L, Fang W K, Li X C, et al. Linking bacterial community shifts with changes in the dissolved organic matter pool in a eutrophic lake[J]. Science of the Total Environment, 2020, 719. DOI:10.1016/j.scitotenv.2020.137387 |
| [19] | Biggs B J F, Kilroy C. Stream periphyton monitoring manual[M]. Christchurch, New Zealand: New Zealand Ministry for the Environment, 2000. |
| [20] |
王齐磊, 江韬, 赵铮, 等. 三峡库区典型农业小流域土壤溶解性有机质的紫外-可见及荧光特征[J]. 环境科学, 2015, 36(3): 879-887. Wang Q L, Jiang T, Zhao Z, et al. Ultraviolet-visible (UV-Vis) and fluorescence spectral characteristics of soil dissolved organic matter (DOM) in typical agricultural watershed of three gorges reservoir region[J]. Environmental Science, 2015, 36(3): 879-887. |
| [21] |
刘堰杨, 孙辉, 刘琛, 等. 川西高原河流水体CDOM的光化学降解特性[J]. 环境科学, 2019, 40(12): 5318-5329. Liu Y Y, Sun H, Liu C, et al. Characteristics of chromophoric dissolved organic matter (CDOM) in natural rivers of western Sichuan plateau[J]. Environmental Science, 2019, 40(12): 5318-5329. |
| [22] |
周石磊, 孙悦, 张艺冉, 等. 基于UV-vis和EEMs解析白洋淀冬季冰封期间隙水DOM的光谱特征及来源[J]. 环境科学学报, 2020, 40(2): 604-614. Zhou S L, Sun Y, Zhang Y R, et al. Spectral characteristics and sources of DOM in sediment interstitial water from Baiyangdian Lake in Xiong'an new area during the winter freezing period based on UV-vis and EEMs[J]. Acta Scientiae Circumstantiae, 2020, 40(2): 604-614. |
| [23] | Schmidt M W I, Torn M S, Abiven S, et al. Persistence of soil organic matter as an ecosystem property[J]. Nature, 2011, 478(7367): 49-56. DOI:10.1038/nature10386 |
| [24] | Brezonik P L, Olmanson L G, Finlay J C, et al. Factors affecting the measurement of CDOM by remote sensing of optically complex inland waters[J]. Remote Sensing of Environment, 2015, 157: 199-215. DOI:10.1016/j.rse.2014.04.033 |
| [25] | Spencer R G M, Aiken G R, Butler K D, et al. Utilizing chromophoric dissolved organic matter measurements to derive export and reactivity of dissolved organic carbon exported to the Arctic Ocean: a case study of the Yukon River, Alaska[J]. Geophysical Research Letters, 2009, 36(6): L06401. |
| [26] | Zhu W Z, Zhang H H, Zhang J, et al. Seasonal variation in chromophoric dissolved organic matter and relationships among fluorescent components, absorption coefficients and dissolved organic carbon in the Bohai Sea, the Yellow Sea and the East China Sea[J]. Journal of Marine Systems, 2018, 180: 9-23. DOI:10.1016/j.jmarsys.2017.12.003 |
| [27] | Meng Y J, Wang M M, Guo B, et al. Characterization and C-, N-disinfection byproduct formation of dissolved organic matter in MBR and anaerobic-anoxic-oxic (AAO) processes[J]. Chemical Engineering Journal, 2017, 315: 243-250. DOI:10.1016/j.cej.2017.01.009 |
| [28] | Park M H, Lee T H, Lee B M, et al. Spectroscopic and chromatographic characterization of wastewater organic matter from a biological treatment plant[J]. Sensors, 2010, 10(1): 254-265. |
| [29] | Brogi S R, Balestra C, Casotti R, et al. Time resolved data unveils the complex DOM dynamics in a Mediterranean river[J]. Science of the Total Environment, 2020, 733. DOI:10.1016/j.scitotenv.2020.139212 |
| [30] | Osburn C L, Wigdahl C R, Fritz S C, et al. Dissolved organic matter composition and photoreactivity in prairie lakes of the U.S. Great Plains[J]. Limnology and Oceanography, 2011, 56(6): 2371-2390. DOI:10.4319/lo.2011.56.6.2371 |
| [31] | Kowalczuk P, Tilstone G H, Zabłocka M, et al. Composition of dissolved organic matter along an Atlantic Meridional Transect from fluorescence spectroscopy and Parallel Factor Analysis[J]. Marine Chemistry, 2013, 157: 170-184. DOI:10.1016/j.marchem.2013.10.004 |
| [32] | Brogi S R, Jung J Y, Ha S Y, et al. Seasonal differences in dissolved organic matter properties and sources in an Arctic fjord: implications for future conditions[J]. Science of the Total Environment, 2019, 694. DOI:10.1016/j.scitotenv.2019.133740 |
| [33] | Zito P, Podgorski D C, Johnson J, et al. Molecular-level composition and acute toxicity of photosolubilized petrogenic carbon[J]. Environmental Science & Technology, 2019, 53(14): 8235-8243. |
| [34] | Li J C, Wang L Y, Geng J J, et al. Distribution and removal of fluorescent dissolved organic matter in 15 municipal wastewater treatment plants in China[J]. Chemosphere, 2020, 251. DOI:10.1016/j.chemosphere.2020.126375 |
| [35] | Zhou Y Q, Li Y, Yao X L, et al. Response of chromophoric dissolved organic matter dynamics to tidal oscillations and anthropogenic disturbances in a large subtropical estuary[J]. Science of the Total Environment, 2019, 662: 769-778. DOI:10.1016/j.scitotenv.2019.01.220 |
| [36] | Guo X P, Yang Y, Niu Z S, et al. Characteristics of microbial community indicate anthropogenic impact on the sediments along the Yangtze Estuary and its coastal area, China[J]. Science of the Total Environment, 2019, 648: 306-314. DOI:10.1016/j.scitotenv.2018.08.162 |
| [37] | Li Y, Xu C, Zhang W L, et al. Response of bacterial community in composition and function to the various DOM at river confluences in the urban area[J]. Water Research, 2020, 169. DOI:10.1016/j.watres.2019.115293 |
| [38] | Tada Y, Grossart H P. Community shifts of actively growing lake bacteria after N-acetyl-glucosamine addition: improving the BrdU-FACS method[J]. The ISME Journal, 2014, 8(2): 441-454. DOI:10.1038/ismej.2013.148 |
| [39] | Drury B, Rosi-Marshall E, Kelly J J. Wastewater treatment effluent reduces the abundance and diversity of benthic bacterial communities in urban and suburban rivers[J]. Applied and Environmental Microbiology, 2013, 79(6): 1897-1905. DOI:10.1128/AEM.03527-12 |
| [40] | Perujo N, Freixa A, Vivas Z, et al. Fluvial biofilms from upper and lower river reaches respond differently to wastewater treatment plant inputs[J]. Hydrobiologia, 2016, 765(1): 169-183. DOI:10.1007/s10750-015-2411-1 |
| [41] | Huo Y, Bai Y H, Qu J H. Unravelling riverine microbial communities under wastewater treatment plant effluent discharge in large urban areas[J]. Applied Microbiology and Biotechnology, 2017, 101(17): 6755-6764. DOI:10.1007/s00253-017-8384-4 |
| [42] | Wear E K, Koepfler E T, Smith E M. Spatiotemporal variability in dissolved organic matter composition is more strongly related to bacterioplankton community composition than to metabolic capability in a blackwater estuarine system[J]. Estuaries and Coasts, 2014, 37(1): 119-133. DOI:10.1007/s12237-013-9651-y |
| [43] | Zhou L, Zhou Y Q, Hu Y, et al. Microbial production and consumption of dissolved organic matter in glacial ecosystems on the Tibetan Plateau[J]. Water Research, 2019, 160: 18-28. DOI:10.1016/j.watres.2019.05.048 |
| [44] | Lyu Z, Shao N N, Akinyemi T, et al. Methanogenesis[J]. Current Biology, 2018, 28(13): R727-R732. DOI:10.1016/j.cub.2018.05.021 |
| [45] | Lee Y K, Lee M H, Hur J. A new molecular weight (MW) descriptor of dissolved organic matter to represent the MW-dependent distribution of aromatic condensation: insights from biodegradation and pyrene binding experiments[J]. Science of the Total Environment, 2019, 660: 169-176. DOI:10.1016/j.scitotenv.2019.01.035 |
| [46] | Li Y Q, Ma C J, Ma J F, et al. Promoting potential direct interspecies electron transfer (DIET) and methanogenesis with nitrogen and zinc doped carbon quantum dots[J]. Journal of Hazardous Materials, 2021, 410. DOI:10.1016/j.jhazmat.2020.124886 |
| [47] | Spain A M, Krumholz L R, Elshahed M S. Abundance, composition, diversity and novelty of soil Proteobacteria[J]. The ISME Journal, 2009, 3(8): 992-1000. DOI:10.1038/ismej.2009.43 |
| [48] | Li X Z, Rui J P, Mao Y J, et al. Dynamics of the bacterial community structure in the rhizosphere of a maize cultivar[J]. Soil Biology and Biochemistry, 2014, 68: 392-401. DOI:10.1016/j.soilbio.2013.10.017 |