2022, Vol. 43
, ZHANG Zi-wei , ZHANG Tian-na , ZHOU Shi-lei
, ZHANG Yi-ran , DONG Wan-jia , YU Ming-hui , ZHANG Yi-fan , ZHANG Jia-feng
河北省大部分城市分布于相对平坦的平原地区, 省会石家庄市中心城区景观水体是城市水系重要的组成部分, 在维护城市生态功能上发挥着重要的作用[1]. 但是, 一方面由于景观水体流动性差和水体自净能力弱[1, 2]; 另一方面, 景观水体受到城市面源污染、生活点源和降雨冲刷等污染的威胁[3], 过量的氮素输入造成了景观水体富营养化严重和水体水质的恶化[4]. 众所周知, 景观水体微生物与水质间存在密切的关系, 功能微生物介导下的特定元素的迁移转化是景观水体中水质演变的重要作用[5]. 因此, 开展景观水体氮素功能微生物菌群与水体水质的相关分析, 有助于进一步认识景观水体氮素功能微生物介导下的水体氮素演变机制.
景观水体氮素超标是引发水体富营养化的主要原因[5], 反硝化作用是氮素削减的重要途径, 由于nirS基因在反硝化过程发挥重要作用[6], 因此大多研究者以此为标记基因研究反硝化群落演变. 目前涉及到的领域主要包括: 土壤[7]、河口沉积物[8]、湖泊[9]和河流[10]等环境. 其中, 梁伟光等[11]的研究发现李家河水库春季分层期nirS型反硝化菌群分布主要受水温、溶解氧和氮素驱动; 杨文焕等[12]的研究发现南海湖nirS型反硝化细菌主要为假单胞菌属(Pseudomonas)和红杆菌属(Rhodobacter)为主, 且与硝氮和总磷呈正相关; 康鹏亮等[5]研究了西安市典型景观水体nirS型反硝化细菌的种群结构, 得到环境因子综合调控nirS型反硝化细菌种群的组成和分布. 然而, 对于景观水体在季节演变过程中水体以及沉积物中反硝化群落的演变特征和驱动因素未见系统性的研究.
如何实现城市景观水体氮素削减和完成城市水环境的水质提升, 是水体自我修复功能恢复的关键, 同时也是实现城市生态文明建设的重要体现.本文选择石家庄市中心城区典型公园的景观水体作为研究对象, 同时结合前期春季水体反硝化菌群落数据[13], 分析水体和沉积物中nirS型反硝化菌群落演变特征以及与水质的相互关系, 以期为探究城市景观水体反硝化功能菌群结构演变以及与氮素的互作机制提供科学依据.
1 材料与方法 1.1 研究区域与样品采集本研究于2018年冬季(1月)、春季(4月)、夏季(7月)和秋季(10月)采集石家庄主城区4个代表性景观水体的水样和沉积, 具体采样点如图 1所示. 4个采样点分别为裕华区的世纪公园(SJ), 长安区的长安公园(CA), 新华区的水上公园(SS)和桥西区的裕西公园(YX).其中, 选取各个公园中心区域用浮漂定位, 用有机玻璃取水器在每个采样点采集3次2 L的表层水样(水面以下0.2 m)混合后为该采样点水样, 用彼得森抓泥斗采集3次各采样点的沉积物, 并收集混合3次表层沉积物为该采样点的表层沉积物样品(0~2 cm)[12]; 水样和沉积物置于放有冰袋的箱子里运回实验室, 用于相关水质指标的测定.与此同时, 各采样点的环境指标用HACH Hydrolab DS5型多参数水质仪现场测定, 包括温度(T)、溶解氧(DO)、pH、氧化还原电位(ORP)和电导率(EC); 用塞式盘测定水体透明度(SD); 水样中硝氮(NO3--N)、氨氮(NH4+-N)、高锰酸盐指数、铁(Fe)和锰(Mn) 等水质参数依据文献[14]的方法测定.沉积物的氮分级依据文献[15]的方法测定, 并划分为离子交换态(IEF)、弱酸可浸取态(WAEF)、强碱可浸取态(SAEF)和强氧化剂可浸取态(SOEF), 并测定不同形态氮——氨氮、硝氮、亚硝氮和总氮来进一步分析与反硝化群落的相关关系.
|
图 1 景观水体采样点示意 Fig. 1 Distribution of the sampling sites in landscape water |
将各采样点采集到的1 L水体样品用0.22 μm的醋酸纤维滤膜过滤, 并将滤膜和沉积物样品送至上海美吉生物科技有限公司进行水体和沉积物微生物反硝化群落的高通量测序.本文利用nirS的引物为cd3aF(5′-GTSAACGTSAAGGARACSGG-3′)和R3cdR (5′-GASTTCGGRTGSGTCTTGA-3′)对水体和沉积物的nirS基因进行PCR扩增[16], PCR反应体系和反应程序参照文献[13]执行.微生物原始测序数据上传至NCBI的SRA登录号为PRJNA647208.
1.3 微生物生信分析使用vegan包计算α多样性的Chao1指数和ACE指数[17], 香农指数和辛普森指数[18]和覆盖率指数[19]; 通过主坐标分析(PCoA)和Venn图分析研究反硝化菌微生物群落的分布和差异; 基于方差膨胀因子(VIF)分析来判断环境因子的共线性, 筛选环境因子[20], 并通过冗余分析(RDA)研究所选环境因子与微生物的关系[21]; 基于层次聚类分析(HP)定量环境因子对微生物种群的影响[22]. 选取OTU水平间的斯皮尔曼相关性r>0.9和显著性P < 0.001的物种, 进行微生物群落的网络分析[23], 并依据网络结构的相关参数来筛选关键物种[24], 同时基于斯皮尔曼相关性分析探讨环境因子与微生物各个网络模块的关系[25, 26].
1.4 数据分析本文使用R和Rstudio软件进行数据统计和绘图分析, 利用Gephi软件进行网络可视化绘图.非参数多因素方差分析(Adonis)、相似性分析(Anosim)和多响应置换过程分析(MRPP)来研究不同分组间微生物群落差异. 随机森林分析(random forest analysis)筛选影响微生物群落分布的关键环境因子.
2 结果与讨论 2.1 水体水质及沉积物氮素分析景观水体各个季节主要水质参数和沉积物氮素如表 1所示.结果显示, 各个采样点水体TN季节间不存在显著差异, 但是同一季节内不同采样点差异较大; 其中春季ρ(TN)的均值最大, 达到7.32 mg·L-1; 夏季ρ(TN)的均值最小, 达到3.14 mg·L-1. 春季高锰酸盐指数的均值最大, 达到8.51 mg·L-1; 冬季高锰酸盐指数的均值最小, 达到5.41 mg·L-1. ρ(TP)夏季最小(0.02 mg·L-1), 与春季和冬季存在显著差异(P < 0.05); ω(IEF-TN)、ω(SAEF-TN)和ω(SOEF-TN)都不存在显著的季节差异, 其中ω(IEF-TN)夏季最小(均值, 85.82 mg·kg-1)、冬季最大(均值, 403.68 mg·kg-1), ω(SAEF-TN)秋季最小(均值, 259.95 mg·kg-1)、春季最大(均值, 335.62 mg·kg-1), ω(SOEF-TN)夏季最小、秋季最大. WAEF-TN秋季与春季和冬季呈现显著差异(P < 0.05), ω(WAEF-TN)在氮分级中占比较高.水体水质季节间存在显著差异(Adonis, MRPP和Anosim, P < 0.001).沉积物氮素在采样点间存在显著差异(Adonis, MRPP和Anosim, P < 0.01).
|
表 1 景观水体主要水质参数和沉积物氮素指标1) Table 1 Water parameters and sediment nitrogen in landscape water |
2.2 微生物α多样性分析
本研究进行了基于α多样性的主坐标分析、冗余分析以及层次聚类分析.水体和沉积物α多样性的PCoA分析结果如图 2(a)和图 2(b)所示, 前两轴共同解释了总体变化的70.45%和65.92%, 其中PCoA1起主要作用; 各季节和各采样点间不存在差异显著(P>0.05).基于VIF分析筛选出影响水体α多样性分布的主要环境因子为: T (VIF=4.52)、pH (VIF=2.01)、EC (VIF=3.61)、DO (VIF=2.60)、SD(VIF=2.65)和NH4+-N (VIF=2.57). 基于水体α多样性的RDA结果[图 2(c)], RDA1解释了总体变化的62.98%, 在解释水体采样点α多样性分布中起主要作用, 其中环境因子EC、DO、SD以及NH4+-N与RDA1呈负相关(相关性系数为-0.92~-0.97); 环境因子T和pH与RDA1呈正相关(相关性系数为0.85~0.99).基于VIF分析筛选出影响沉积物α多样性分布的主要环境因子为WAEF-NH4+-N (VIF=1.01) 和SOEF-NH4+-N (VIF=1.01).基于沉积物α多样性的RDA结果[图 2(d)], RDA1解释了总体变化的31.10%, 在解释沉积物采样点α多样性分布中起主要作用, 其中环境因子SOEF-NH4+-N与RDA1呈正相关(相关性系数为0.98); 环境因子WAEF-NH4+-N与RDA2呈正相关(相关性系数为0.98). HP分析显示影响水体α多样性分布的环境因子排序为: EC (20.6%)>SD (16.2%)>pH (10%)>DO (7.6%)>T (7.5%)>NH4+-N (5.3%) [图 2(e)]; 影响沉积物α多样性分布的环境因子排序为: SOEF-NH4+-N (29.8%)>WAEF-NH4+-N (2%) [图 2(f)].
|
图 2 景观水体和沉积物α多样性的主坐标分析、冗余分析和层次聚类分析 Fig. 2 PCoA, RDA, and HP of the α-diversity of water and sediment in landscape water |
水体和沉积物反硝化菌都主要隶属于变形菌门(Protebacterice)、未分类(unclassified_Bacteria)和环境样本(environmental_samples). 其中变形菌门在水体和沉积物中占比为9.79%~90.33%和20.51%~87.51%.与此同时, 有研究表明变形菌门在氮素的物质循环中发挥重要作用[27].在变形菌门的纲水平上, β-Proteobacteria为景观水体和沉积物中的主要类别, 占比为3.05%~49.07%和8.89%~63.91%, 并且已有的研究表明大多反硝化脱氮菌隶属于β-Proteobacteria[28]. 其次为γ-Proteobacteria, 在景观水体和沉积物中的占比为0%~66.04%和0%~15.02%, 并且被发现在含盐废水反硝化过程中发挥关键作用[29].在属水平上(图 3), Dechloromonas是水体和沉积物中主要的属, 占比达到0.17%~28.22%和0.23%~19.59%; Pseudomonas在水体和沉积物中占比为0%~66.04%和0%~15.02%; 未分类的占比较高, 包括unclassified_β-Proteobacteria (水体: 2.02%~32.92%; 沉积物: 3.00%~43.05%), unclassified_Proteobacteria (水体: 5.31%~33.08%; 沉积物: 2.39%~69.64%), unclassified_Bacteria (水体: 8.83%~72.86%; 沉积物: 8.41%~56.83%)和unclassified_Rhodocyclaceae (水体: 0.30%~10.33%; 沉积物: 1.91%~15.50%); environmental_samples在水体和沉积物中占比为0.83%~31.96%和0.31%~25.25%. 此外丰度较低的物种还包括, 在水体Azospira (0%~1.39%). 在沉积物中: Thauera (0%~4.62%)、Rhodobacter (0%~15.05%)、Rubrivivax (0%~7.28%)、Leptothrix (0%~17.35%)、unclassified_Burkholderiales (0%~15.58%)和Cupriavidus (0%~2.58%).
|
图 3 景观水体和沉积物反硝化菌组成(属水平) Fig. 3 Community composition of denitrification bacteria for water and sediment in landscape water |
Dechloromonas是污水中生物脱氮的常见菌属[30, 31], 比如, 在固相腐殖质的低温反硝化中Dechloromonas起着关键作用[32]; 人工湿地反硝化中的主要菌[33]; 水产养殖水处理系统中主要的好氧反硝化菌[34]. Thauera和Azoarcus能够利用芳烃作为碳源进行反硝化[35, 36]; Rubrivivax gelatinosus可以将亚硝态氮还原为氮气的反硝化菌[37]; Rhodobacter是活性污泥中重要的反硝化菌[38]; Azoarcus与TN的去除呈现显著正相关[39]; Burkholderiales是新型反硝化生物反应器中重要的反硝化菌[40]; Cupriavidus sp. S1是1株新型耐重金属的好氧反硝化菌[41], Cupriavidus sp. HY129是一种混合营养反硝化细菌, 可以修复地下水中的锰和硝酸盐[42]; Pseudomonas作为具有耐低温、耐贫营养和高脱氮效率的典型反硝化菌被广泛报道[41, 43].综上分析, 景观水体和沉积物中的主要菌属都为典型的反硝化菌.
与此同时, 本文通过韦恩图分析来研究景观水体和沉积物不同采样点反硝化菌群的差异.对水体反硝化菌来说[图 4(a)]: 各个公园共有的OTU在季节间差异明显, 春季共有的OTU种类最多、达到130个, 夏季共有的OTU种类为62个, 秋季共有的OTU种类为69个, 冬季共有的OTU种类为95个; 春季各采样点独有的OTU种类排序为: YX>SJ>CA>SS, 夏季各采样点独有的OTU种类排序为: YX>SJ>CA>SS, 秋季各采样点独有的OTU种类排序为: SJ>YX>CA>SS, 冬季各采样点独有的OTU种类排序为: SJ>YX>SS>CA.对沉积物反硝化菌来说[图 4(b)]: 各个公园共有的OTU在季节间差异明显, 春季共有的OTU种类最多、达到136个, 夏季共有的OTU种类为21个, 秋季共有的OTU种类为51个, 冬季共有的OTU种类为16个; 春季各采样点独有的OTU种类排序为: SJ>YX>CA>SS, 夏季各采样点独有的OTU种类排序为: YX>SJ>SS>CA, 秋季各采样点独有的OTU种类排序为: YX>CA>SS>SJ, 冬季各采样点独有的OTU种类排序为: YX>SJ>SS>CA.
|
(a)水体, (b)沉积物 图 4 景观水体和沉积物反硝化菌的韦恩图分析 Fig. 4 Venn analysis of different sampling sites for water and sediment denitrification bacteria in landscape water |
不同季节间反硝化菌差异分析见图 5, 水体反硝化菌不同季节间独有的OTU种类差异明显, 春季独有的OTU种类为532个, 夏季独有的OTU种类为27个, 秋季独有的OTU种类为67个, 冬季独有的OTU种类为122个, 各个季节共有的OTU种类为653个.沉积物反硝化菌不同季节间独有的OTU种类差异明显, 春季独有的OTU种类为436个, 夏季独有的OTU种类为287个, 秋季独有的OTU种类为180个, 冬季独有的OTU种类为132个, 各个季节共有的OTU种类为461个.
|
图 5 景观水体和沉积物反硝化菌季节间韦恩图分析 Fig. 5 Venn analysis of different seasons for water and sediment denitrification bacteria in landscape water |
水体微生物网络结果表明[图 6(a)]: 水体反硝化微生物网络结构中包含293个节点和1 127条边, 其中正向作用的边占比最大(98.85%); 网络中节点的大小正比于网络结构中节点的度, 节点间红色的线表示两节点相关关系为正, 节点间绿色的线表示两节点相关关系为负, 节点间线的宽度正比于两节点的相关系数的绝对值网络结构的模块性为0.66, 大于0.4表明构建的水体反硝化微生物网络具有良好的模块结构[44]; 本网络相关模块的物种占比如图 6(a)所示, 其中模块1占比最大(11.95%). 网络分析各模块与水质参数的相关性分析显示[图 7(a)], 大多环境因子与模块呈现负相关, 高锰酸盐指数与模块1、模块2、模块4、模块5和其他模块呈现显著负相关(P < 0.05), 与模块3、模块6、模块7和模块8呈现显著正相关(P < 0.01).与此同时, 网络分析共得到99个关键物种OTU, 依据关键物种OTU占比各模块的排序为: 模块4(30个)>模块2(22个)>模块5(16个)>模块8(8个)=其他模块(8个)>模块1(7个)>模块6(3个)=模块7(3个)>模块3(1个). 关键物种OTU主要为Dechloromonas、Pseudomonas、Rhodobacter、unclassified_Rhodocyclaceae、unclassified_Burkholderiales、unclassified_ Betaproteobacteria、environmental_samples、unclassified_ Bacteria和unclassified_Proteobacteria. 关键物种的PCoA分析显示[图 8(a)], PCoA1和PCoA2共解释了总体变化的65.51%, 季节间不存在显著差异, 采样点间存在显著差异(Adonis, MRPP和Anosim, P < 0.001).
|
网络中节点的大小正比于网络结构中节点的度, 节点间红色的线表示两节点相关关系为正, 节点间绿色的线表示两节点相关关系为负, 节点间线的宽度正比于两节点的相关系数的绝对值 图 6 景观水体和沉积物反硝化菌微生物网络分析 Fig. 6 Network analysis of denitrification bacteria for water and sediment in landscape water |
|
(a)水体, a1. T, a2. pH, a3. ORP, a4. EC, a5. DO, a6. SD, a7. NH4+-N, a8. NO2--N, a9. NO3--N, a10. TN, a11. TDN, a12. TP, a13. TDP, a14. 高锰酸盐指数, a15. Fe, a16. Mn; (b)沉积物, b1. IEF-NH4+-N, b2. IEF-NO2--N, b3. IEF-NO3--N, b4. IEF-OrgN, b5. WAEF-NH4+-N, b6. WAEF-NO2--N, b7. WAEF-NO3--N, b8. WAEF-OrgN, b9. SAEF-NH4+-N, b10. SAEF-NO2--N, b11. SAEF-NO3--N, b12. SAEF-OrgN, b13. SOEF-NH4+-N, b14. SOEF-NO2--N, b15. SOEF-NO3--N, b16. SOEF-OrgN, b17. IEF-TN, b18. WAEF-TN, b19. SAEF-TN, b20. SOEF-TN; *表示差异水平P < 0.05, **表示差异水平P < 0.01, ***表示差异水平P < 0.001 图 7 景观水体和沉积物反硝化菌微生物网络模块与环境因子相关性分析 Fig. 7 Correlation analysis between microbial modules of denitrification bacteria for water and sediment and environment factors in landscape water |
|
图 8 景观水体和沉积物反硝化菌关键物种的主坐标分析 Fig. 8 PCoA of keystone denitrification bacteria for water and sediment in landscape water |
沉积物微生物网络结果表明[图 6(b)]: 沉积物反硝化微生物网络结构中包含243个节点和1060条边, 其中正向作用的边占比达到100%; 网络结构的模块性为0.42, 表明构建的沉积物反硝化微生物网络也具有良好的模块结构; 本网络相关模块的物种占比如图 6(b)所示, 其中模块1占比最大(16.05%). 网络分析各模块与沉积物氮素的相关性分析显示[图 7(b)], 大多环境因子与模块呈现负相关, IEF-NH4+-N、IEF-NO3--N、SAEF-OrgN、SOEF-NH4+-N、IEF-TN和SOEF-TN与模块1、模块2、模块3, 、模块4、模块6、模块7和模块8呈现显著负相关(R为0.53~0.72, P < 0.05), 模块5与IEF-OrgN、WAEF-NH4+-N、SAEF-NO3--N、SOEF-NO3--N、SAEF-TN和SOEF-TN呈现显著负相关(P < 0.01), 其他模块与沉积物氮素呈现显著正相关(P < 0.05).与此同时, 网络分析共得到63个关键物种OTU, 依据关键物种OTU占比各模块的排序为: 模块1(37个)>模块4(9个)>模块3(8个)>模块2(5个)>模块6(3个)>模块7(1个). 关键物种OTU主要为unclassified_Rhodocyclaceae、Dechloromonas、environmental_samples、unclassified_Betaproteobacteria、unclassified_Bacteria和unclassified_Proteobacteria.关键物种的PCoA分析显示[图 8(b)], PCoA1和PCoA2共解释了总体变化的55.44%, 季节间不存在显著差异(P>0.05), 采样点间也不存在显著差异(P>0.05).
2.5 环境因子与微生物群落的关系本研究基于OTU水平的RDA分析研究环境因子对景观水体和沉积物反硝化菌群落的影响. RDA结果表明[图 9(a)], T (VIF=1.95)、NH4+-N (VIF=2.44)、NO3--N (VIF=1.41)、TP (VIF=1.29)、高锰酸盐指数(VIF=1.87)和总锰(VIF=1.78) 是影响水体反硝化群落分布的主要因素, RDA1和RDA2共解释了总体变化的39.38%, 其中环境因子NO3--N与RDA1呈正相关(相关性系数为0.91); 各影响因子中高锰酸盐指数和TP的影响最大, 达到19.7%和10.3%.如图 9(b)所示, SAEF-OrgN (VIF=3.07)、WAEF-NO3--N (VIF=1.11)和IEF-OrgN (VIF=3.23) 是影响沉积物反硝化群落分布的主要因素; RDA1和RDA2共解释了总体变化的30.21%, 其中环境因子IEF-OrgN和SAEF-OrgN与RDA1呈正相关(相关性系数为0.97~1.00), WAEF-NO3--N与RDA2呈负相关(相关性系数为-0.99); 其中影响程度排序为: SAEF-OrgN (14.3%)>IEF-OrgN (13.3%)>WAEF-NO3--N (10.2%).
|
图 9 景观水体和沉积物全部和关键物种反硝化菌与环境因子的冗余分析 Fig. 9 RDA of whole and keystone denitrification bacteria for water and sediment in landscape water |
与此同时, 本文探讨了环境因子对水体和沉积物反硝化菌群中关键物种的影响. 结果显示: 水体反硝化菌关键群落RDA1和RDA2共同解释了总体变化的38.2%, 高锰酸盐指数(VIF=1.13)和TP(VIF=1.13)是其主要的环境因子, 其解释率达到23.7%和14.5% [图 9(c)]; 沉积物反硝化菌关键群落RDA1和RDA2共同解释了总体变化的28.98%, IEF-NH4+-N (VIF=1.05)和WAEF-TN (VIF=1.05)是其主要的环境因子, 其解释率达到17%和12% [图 9(d)].
随机森林结果显示, NO3--N (P < 0.05)是影响水体α多样性中ACE的主要环境因子, 高锰酸盐指数是影响水体α多样性中Shannon (P>0.05)和β多样性中PCoA1(P < 0.05)的主要环境因子, TP(P < 0.05)是影响水体β多样性中PCoA2的主要环境因子[图 10(a)].与RDA分析得出高锰酸盐指数和TP是影响水体反硝化菌群落分布的主要结论相一致.该结论与康鹏亮等[5, 45]的研究指出高锰酸盐指数是影响新纪元公园和木塔寺公园水体nirS型反硝化细菌种群结构的显著因素, TP是影响劳动公园和丰庆公园水体nirS型反硝化细菌的种群结构的显著因素相一致; 同时, TP作为影响水体反硝化菌群落分布的重要因素与包头南海湖中的结论相吻合[12]; 但是, 本文结论与影响汾河下游水体nirS型反硝化细菌群落的主要影响因子为无机氮的结论不同[10].对于沉积物而言, SOEF-NH4+-N (P < 0.05)、IEF-OrgN (P < 0.05)和IEF-NH4+-N (P < 0.05)是影响水体α多样性中ACE的主要环境因子, IEF-NH4+-N (P < 0.05)和SOEF-OrgN (P < 0.05)是影响水体α多样性中Shannon的主要环境因子, IEF-OrgN (P < 0.05)、SOEF-NH4+-N (P < 0.05)和SAEF-NH4+-N (P < 0.05)是影响沉积物β多样性中PCoA1的主要环境因子, WAEF-NO3--N (P < 0.05)和SOEF-NH4+-N (P < 0.05)是影响沉积物β多样性中PCoA2的主要环境因子[图 10(b)].与RDA分析得出IEF-NH4+-N以及WAEF-NO3--N是影响沉积物反硝化菌群落分布的重要环境因子的结论相吻合.张欣泉等[46]的研究发现, 沉积物总氮含量是影响沉积物反硝化菌丰度的重要因素, 间接说明了氮素是影响反硝化菌的重要环境因素.毛铁墙等[47]的研究发现硝酸盐显著影响湛江湾反硝化细菌群落结构. 以上相关研究说明氮素对反硝化菌群落存在重要影响, 本文得到的离子提取态氮和弱酸浸取态氮对沉积物反硝化菌群落影响较大, 可能与这两种氮作为可转化氮, 易被微生物利用有关, 对于本文结论会在将来的研究中进一步分析发生的内在机制.
|
黑色柱状图表示关键环境因子 图 10 景观水体和沉积物反硝化菌的随机森林分析 Fig. 10 Random forest analysis of denitrification bacteria for water and sediment in landscape water |
(1) 景观水体水质参数空间差异不显著(P>0.05), 季节差异显著(P < 0.001); 沉积物氮素空间差异显著(P < 0.001), 季节差异不显著(P>0.05). 水体和沉积物α多样性的季节差异和空间差异都不显著(P>0.05), EC和SOEF-NH4+-N分别是影响水体和沉积物α多样性分布的主要环境因子.
(2) 景观水体和沉积物的反硝化菌主要包括: Dechloromonas、Rhodocyclaceae、Pseudomonas、Rhodobacter和Thauera. 水体和沉积物反硝化菌呈现出显著的空间差异(P < 0.001).高锰酸盐指数与水体微生物网络模块呈现显著相关; 沉积物各氮素与沉积物微生物网络模块大多呈现负相关; 筛选得到的水体关键物种呈现显著的空间差异(P < 0.001).
(4) RDA以及随机森林分析表明, 高锰酸盐指数和TP是影响水体反硝化群落和关键物种的主要环境因子; SOEF-NH4+-N、IEF-NH4+-N和WAEF-NO3--N是影响水体反硝化群落和关键物种的主要环境因子.
| [1] |
李如忠, 陈慧, 刘超, 等. 合肥环城公园景观水体水质特征及环境质量评价[J]. 环境科学学报, 2020, 40(3): 1121-1129. Li R Z, Chen H, Liu C, et al. Water quality characteristics and environmental quality assessment of landscape water in the round-city-park in Hefei[J]. Acta Scientiae Circumstantiae, 2020, 40(3): 1121-1129. |
| [2] |
汪嘉杨, 郭倩, 余静, 等. 城市景观水体富营养化评价的升半Г型分布指数公式[J]. 环境科学学报, 2017, 37(3): 1162-1168. Wang J Y, Guo Q, Yu J, et al. Eutrophication evaluation for urban landscape waters based on semi-Г type distribution function[J]. Acta Scientiae Circumstantiae, 2017, 37(3): 1162-1168. |
| [3] |
李飞鹏, 张海平, 陈玲. 小型封闭水体环境因子与叶绿素a的时空分布及相关性研究[J]. 环境科学, 2013, 34(10): 3854-3861. Li F P, Zhang H P, Chen L. Temporal and spatial distribution of environmental factors and chlorophyll-a and their correlation analysis in a small enclosed lake[J]. Environmental Science, 2013, 34(10): 3854-3861. |
| [4] |
李劢, 郭兴芳, 郑兴灿, 等. 城市景观水环境监测及富营养化评价——以天津市5处景观水体为例[J]. 环境保护科学, 2020, 46(6): 129-132, 148. Li M, Guo X F, Zheng X C, et al. Environment monitoring and eutrophication evaluation of urban scenic water body——Taking five scenic water bodies in Tianjin as examples[J]. Environmental Protection Science, 2020, 46(6): 129-132, 148. |
| [5] |
康鹏亮, 黄廷林, 张海涵, 等. 西安市典型景观水体水质及反硝化细菌种群结构[J]. 环境科学, 2017, 38(12): 5174-5183. Kang P L, Huang T L, Zhang H H, et al. Water quality and diversity of denitrifier community structure of typical scenic water bodies in Xi'an[J]. Environmental Science, 2017, 38(12): 5174-5183. |
| [6] | 张旭志, 杨倩倩, 赵俊, 等. 反硝化功能基因nirS和nirK及其检测技术研究进展[J]. 微生物学杂志, 2018, 38(4): 84-91. DOI:10.3969/j.issn.1005-7021.2018.04.012 |
| [7] |
曹乾斌, 王邵军, 陈闽昆, 等. 不同恢复阶段热带森林土壤nirS型反硝化微生物群落结构及多样性特征[J]. 生态学报, 2021, 41(2): 626-636. Cao Q B, Wang S J, Chen M K, et al. The structure and diversity of nirS-denitrifying microbial community across three restoration stages of Xishuangbanna tropical forests[J]. Acta Ecologica Sinica, 2021, 41(2): 626-636. |
| [8] | Fozia, Zheng Y L, Hou L J, et al. Community dynamics and activity of nirS-harboring denitrifiers in sediments of the Indus River Estuary[J]. Marine Pollution Bulletin, 2020, 153. DOI:10.1016/j.marpolbul.2020.110971 |
| [9] | Zhang H H, Zhao Z F, Chen S N, et al. Geographical patterns of denitrifying bacterial communities associated with different urban lakes[J]. RSC Advances, 2018, 8(31): 17079-17090. DOI:10.1039/C8RA01295D |
| [10] |
汪银龙, 冯民权, 董向前. 汾河下游水体nirS型反硝化细菌群落组成与无机氮关系[J]. 环境科学, 2019, 40(8): 3596-3603. Wang Y L, Feng M Q, Dong X Q. Community composition of nirS-type denitrifying bacteria in the waters of the lower reaches of the Fenhe river and its relationship with inorganic nitrogen[J]. Environmental Science, 2019, 40(8): 3596-3603. |
| [11] |
梁伟光, 黄廷林, 张海涵, 等. 李家河水库春季分层期nirS型反硝化菌群特征分析[J]. 环境科学, 2022, 43(1): 306-313. Liang W G, Huang T L, Zhang H H, et al. Characteristic analysis of nirS denitrifying bacteria community in lijiahe reservoir during stratification[J]. Environmental Science, 2022, 43(1): 306-313. |
| [12] |
杨文焕, 石大钧, 张元, 等. 高原湖泊沉积物中反硝化微生物的群落特征——以包头南海湖为例[J]. 中国环境科学, 2020, 40(1): 431-438. Yang W H, Shi D J, Zhang Y, et al. Community characteristics of denitrifying microorganisms in plateau lake sediments——taking Nanhaihu lake as example[J]. China Environmental Science, 2020, 40(1): 431-438. DOI:10.3969/j.issn.1000-6923.2020.01.048 |
| [13] |
张艺冉, 李再兴, 孙悦, 等. 石家庄市春季景观水体nirS型反硝化细菌群落特征分析[J]. 环境科学, 2019, 40(7): 3295-3303. Zhang Y R, Li Z X, Sun Y, et al. Community structure characteristics of nirS denitrifying bacteria of spring typical parkland waterbodies in Shijiazhuang city[J]. Environmental Science, 2019, 40(7): 3295-3303. |
| [14] | 国家环境保护总局. 水和废水监测分析方法[M]. (第四版). 北京: 中国环境科学出版社, 2002. |
| [15] | Zhou S L, Sun Y, Li Z X, et al. Characteristics and driving factors of the aerobic denitrifying microbial community in Baiyangdian Lake, Xiong'an New Area[J]. Microorganisms, 2020, 8(5). DOI:10.3390/microorganisms8050714 |
| [16] | Palmer K, Biasi C, Horn M A. Contrasting denitrifier communities relate to contrasting N2O emission patterns from acidic peat soils in arctic tundra[J]. The ISME Journal, 2012, 6(5): 1058-1077. DOI:10.1038/ismej.2011.172 |
| [17] | Rogers M B, Firek B, Shi M, et al. Disruption of the microbiota across multiple body sites in critically ill children[J]. Microbiome, 2016, 4(1): 66. DOI:10.1186/s40168-016-0211-0 |
| [18] | Chen B S, Teh B S, Sun C, et al. Biodiversity and activity of the gut microbiota across the life history of the insect herbivore Spodoptera littoralis[J]. Scientific Reports, 2016, 6. DOI:10.1038/srep29505 |
| [19] | Xin X D, He J G, Wang Y F, et al. Role of aeration intensity on performance and microbial community profiles in a sequencing batch reaction kettle (SBRK) for wastewater nutrients rapid removal[J]. Bioresource Technology, 2016, 201: 140-147. DOI:10.1016/j.biortech.2015.11.053 |
| [20] | Joshi D R, Zhang Y, Gao Y X, et al. Biotransformation of nitrogen-and sulfur-containing pollutants during coking wastewater treatment: correspondence of performance to microbial community functional structure[J]. Water Research, 2017, 121: 338-348. DOI:10.1016/j.watres.2017.05.045 |
| [21] | Kernan M R, Helliwell R C. Partitioning the variation within the acid neutralizing capacity of surface waters in Scotland in relation to land cover, soil and atmospheric depositional factors[J]. Science of the Total Environment, 2001, 265(1-3): 39-49. DOI:10.1016/S0048-9697(00)00648-3 |
| [22] | Lai J S, Peres-Neto P. Rdacca. hp: Hierarchical partitioning for canonical analysis. R package version 0.1.0[EB/OL]. https://CRAN.R-project.org/package=rdacca.hp, 2020-12-04. |
| [23] | Sun W M, Xiao E Z, Pu Z L, et al. Paddy soil microbial communities driven by environment- and microbe-microbe interactions: a case study of elevation-resolved microbial communities in a rice terrace[J]. Science of the Total Environment, 2018, 612: 884-893. DOI:10.1016/j.scitotenv.2017.08.275 |
| [24] | Li Y, Wu H N, Shen Y, et al. Statistical determination of crucial taxa indicative of pollution gradients in sediments of Lake Taihu, China[J]. Environmental Pollution, 2019, 246: 753-762. DOI:10.1016/j.envpol.2018.12.087 |
| [25] | De Menezes A B, Prendergast-Miller M T, Richardson A E, et al. Network analysis reveals that bacteria and fungi form modules that correlate independently with soil parameters[J]. Environmental Microbiology, 2015, 17(8): 2677-2689. DOI:10.1111/1462-2920.12559 |
| [26] | Zhang B G, Zhang J, Liu Y, et al. Co-occurrence patterns of soybean rhizosphere microbiome at a continental scale[J]. Soil Biology and Biochemistry, 2018, 118: 178-186. DOI:10.1016/j.soilbio.2017.12.011 |
| [27] | Hou L F, Zhou Q, Wu Q P, et al. Spatiotemporal changes in bacterial community and microbial activity in a full-scale drinking water treatment plant[J]. Science of the Total Environment, 2018, 625: 449-459. DOI:10.1016/j.scitotenv.2017.12.301 |
| [28] | Gao J, Duan Y, Liu Y, et al. Long-and short-chain AHLs affect AOA and AOB microbial community composition and ammonia oxidation rate in activated sludge[J]. Journal of Environmental Sciences, 2019, 78: 53-62. DOI:10.1016/j.jes.2018.06.022 |
| [29] | Miao Y, Liao R H, Zhang X X, et al. Metagenomic insights into salinity effect on diversity and abundance of denitrifying bacteria and genes in an expanded granular sludge bed reactor treating high-nitrate wastewater[J]. Chemical Engineering Journal, 2015, 277: 116-123. DOI:10.1016/j.cej.2015.04.125 |
| [30] | Wang W H, Wang Y, Fan P, et al. Effect of calcium peroxide on the water quality and bacterium community of sediment in black-odor water[J]. Environmental Pollution, 2019, 248: 18-27. DOI:10.1016/j.envpol.2018.11.069 |
| [31] |
李雨平, 姜莹莹, 刘宝明, 等. 过氧化钙(CaO2)联合生物炭对河道底泥的修复[J]. 环境科学, 2020, 41(8): 3629-3636. Li Y P, Jiang Y Y, Liu B M, et al. Restoration of river sediment by calcium peroxide(CaO2) combined with biochar[J]. Environmental Science, 2020, 41(8): 3629-3636. |
| [32] | Xiao Z X, Zhang L, Li Z L, et al. Enhanced low-temperature denitrification by microbial consortium using solid-phase humin[J]. Environmental Research, 2021, 196. DOI:10.1016/j.envres.2020.110392 |
| [33] | Fan C Z, He S B, Wu S Q, et al. Improved denitrification in surface flow constructed wetland planted with calamus[J]. Journal of Cleaner Production, 2021, 291. DOI:10.1016/j.jclepro.2021.125944 |
| [34] | Deng M, Li L, Dai Z L, et al. Aerobic denitrification affects gaseous nitrogen loss in biofloc-based recirculating aquaculture system[J]. Aquaculture, 2020, 529. DOI:10.1016/j.aquaculture.2020.735686 |
| [35] | Callaghan A V, Davidova I A, Savage-Ashlock K, et al. Diversity of benzyl-and alkylsuccinate synthase genes in hydrocarbon-impacted environments and enrichment cultures[J]. Environmental Science & Technology, 2010, 44(19): 7287-7294. |
| [36] | Feng W W, Liu J F, Gu J D, et al. Nitrate-reducing community in production water of three oil reservoirs and their responses to different carbon sources revealed by nitrate-reductase encoding gene (napA)[J]. International Biodeterioration & Biodegradation, 2011, 65(7): 1081-1086. |
| [37] |
张千, 吉芳英, 付旭芳, 等. 气水比对后置固相反硝化滤池工艺脱氮及微生物群落影响[J]. 环境科学, 2018, 39(7): 3297-3305. Zhang Q, Ji F Y, Fu X F, et al. Effects of gas/water ratio on the characteristics of nitrogen removal and the microbial community in post solid-phase denitrification biofilter process[J]. Environmental Science, 2018, 39(7): 3297-3305. |
| [38] | Benyoucef N, Pauss A, Abdi N, et al. Enhancement of the denitrification performance of an activated sludge using an electromagnetic field in batch mode[J]. Chemosphere, 2021, 262. DOI:10.1016/j.chemosphere.2020.127698 |
| [39] | Wang L M, Xu W W, Yu J H, et al. Response of denitrobacteria involved in nitrogen removal for treatment of simulated livestock wastewater using a novel bioreactor[J]. Ecological Engineering, 2020, 147. DOI:10.1016/j.ecoleng.2020.105762 |
| [40] | Zhang Y M, Wang L M, Han W, et al. Nitrate removal, spatiotemporal communities of denitrifiers and the importance of their genetic potential for denitrification in novel denitrifying bioreactors[J]. Bioresource Technology, 2017, 241: 552-562. DOI:10.1016/j.biortech.2017.05.205 |
| [41] | Sun Z Y, Lv Y K, Liu Y X, et al. Removal of nitrogen by heterotrophic nitrification-aerobic denitrification of a novel metal resistant bacterium Cupriavidus sp. S1[J]. Bioresource Technology, 2016, 220: 142-150. DOI:10.1016/j.biortech.2016.07.110 |
| [42] | Bai Y H, Su J F, Wen Q, et al. Characterization and mechanism of Mn(Ⅱ)-based mixotrophic denitrifying bacterium (Cupriavidus sp. HY129) in remediation of nitrate (NO3--N) and manganese (Mn(Ⅱ)) contaminated groundwater[J]. Journal of Hazardous Materials, 2021, 408. DOI:10.1016/j.jhazmat.2020.124414 |
| [43] | Huang T L, Guo L, Zhang H H, et al. Nitrogen-removal efficiency of a novel aerobic denitrifying bacterium, Pseudomonas stutzeri strain ZF31, isolated from a drinking-water reservoir[J]. Bioresource Technology, 2015, 196: 209-216. DOI:10.1016/j.biortech.2015.07.059 |
| [44] |
沈烽, 黄睿, 曾巾, 等. 分子生态网络分析研究进展[J]. 环境科学与技术, 2016, 39(S1): 94-98, 173. Shen F, Huang R, Zeng J, et al. Progress of the molecular ecology network analysis[J]. Environmental Science & Technology, 2016, 39(S1): 94-98, 173. |
| [45] | 康鹏亮. 湖库水体好氧反硝化菌种群结构及其脱氮特性研究[D]. 西安: 西安建筑科技大学, 2018. |
| [46] |
张欣泉, 吴晓雅, 甄毓, 等. 长江口及邻近海域沉积物中硝化与反硝化细菌分布特征研究[J]. 海洋环境科学, 2020, 39(5): 746-752. Zhang X Q, Wu X Y, Zhen Y, et al. Distribution characteristics of nitrifiers and denitrifiers in sediments from Changjiang Estuary and adjacent sea area[J]. Marine Environmental Science, 2020, 39(5): 746-752. |
| [47] |
毛铁墙, 董宏坡, 陈法锦, 等. 湛江湾沉积物中反硝化和厌氧氨氧化细菌的丰度、多样性及分布特征[J]. 海洋与湖沼, 2020, 51(1): 59-74. Mao T Q, Dong H P, Chen F J, et al. Abundance, diversity, and distribution of denitrifier and anammox bacteria in zhanjiang bay sediments[J]. Oceanologia et limnologia Sinica, 2020, 51(1): 59-74. |