2022, Vol. 43
2. 中国矿业大学化工学院, 徐州 221116;
3. 中国矿业大学环境与测绘学院, 徐州 221116;
4. 中国矿业大学中阿微生物采矿与土壤生态修复联合研究中心, 徐州 221116
2. School of Chemical Engineer and Technology, China University of Mining and Technology, Xuzhou 221116, China;
3. School of Environmental and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China;
4. CUMT-UCASAL Joint Research Center for Biomining and Soil Ecological Restoration, China University of Mining and Technology, Xuzhou 221116, China
2020年中国生产了38.4亿t煤炭, 占全球的51.0%.其中: 井工开采占比超90.0%[1], 它极易产生裂隙和塌陷, 对地表造成不可逆转地破坏, 从而影响了农业生产和生态环境的可持续性.目前, 我国井工开采土地损毁约为0.1~0.3 hm2 ·(104 t)-1, 东部平原矿区尤为严重[1].该区煤粮复合和潜水位高[2], 开采沉降后极易积水成湖, 并向湿地转变, 不但破坏了大量优质耕地, 还形成农田下水直排入湖导致水体富营养化, 彻底改变农田物质循环和水土资源平衡, 威胁国家粮食安全和区域生态安全[1].为减缓上述威胁, 东部平原矿区复垦的主要方向为农田[3], 但复垦农田土壤肥力低且种植效益差, 一直限制着地方复垦和农户种植的积极性.
平原矿区复垦主要采取固废充填、表土回填、上覆压实[1, 4]和重构土体[5].但复垦土壤往往质地砂、肥力低、盐碱重、结构散[6, 7]和保水保肥能力差, 严重制约着土地利用方式和农田作物产量[8].复垦土壤的自然恢复十分缓慢[5], 主要归结于复垦土壤一般受风蚀、水蚀或污染等持续干扰[1], 缺少激发机制和恢复力.微生物作为土壤系统中最活跃的组分, 在物质循环和养分转化等过程中起关键催化作用[9, 10].先前矿区复垦侧重于田块平整和农田配套工程, 忽视土壤生态功能保育和恢复力重建, 造成复垦后一些土壤性状不受控, 从而导致土壤微生物群落关键功能丧失[11].因此, 激发微生物功能成为评估复垦土壤恢复是否成功的重要标准[12].但评估需要长期监测, 责任矿山不愿投入和农户无力持续投入, 导致复垦土壤生物群落多样性及其功能的长期监测科学数据的缺失[13].尽管有少数研究已关注这一问题[12, 14], 但无法填补复垦土壤微生物群落及组装机制知识缺失的鸿沟[15].
当前, 高通量测序已成为打开微生物黑箱的常规方法, 但如何将测序结果转化为新的实用知识仍具一定的挑战性[11].分子生态网络分析方法能识别微生物菌群间相互作用和关键种群[16], 对监测和评估微生物关键类群及相关生态功能变化十分有益[17, 18].此外, 复杂的复垦土壤环境如何影响微生物群落组装？这一过程又受何种机制操控？目前尚未见复垦土壤关键类群变化及组装机制的相关报道.为此, 本文选择山东邹城矿复垦土壤为研究对象, 采集4个复垦时长和1个对照共75个土样, 利用高通量测序和分子生态网络分析方法, 探索复垦时长对土壤微生物群落结构和功能的影响, 揭示关键类群间相互作用及组装机制, 以期为科学评估复垦土壤发育和矿山扰动土壤恢复提供新见解.
1 材料与方法 1.1 研究区概况山东邹城市位于东经116°44′30″~117°28′54″、北纬35°09′12″~35°32′54″(图 1), 属于暖温带季风气候, 年降水量为777.1 mm, 年均气温为14.1℃.土壤为棕色潮土, 砂、壤和黏分别占22.3%、65.9%和11.8%.从2001年起, 利用煤矸石充填、客土回填, 再机械压实复垦沉陷地, 一般充填200~400 cm, 客土回填80 cm[4], 4个复垦地块均采用相同复垦模式, 且客土来源相同.依据不同复垦年限时长, 分别记为R17(复垦17 a)、R14(复垦14 a)、R11(复垦11 a)和R8(复垦8 a), 复垦后由专业公司统一耕作, 主要种植小麦和大豆一年两熟, 本研究选择的样地除复垦时长不同外, 地形、气候、种植模式、耕作和施肥方式等均保持一致, 形成良好的复垦序列.
|
R8表示复垦8a, R11表示复垦11 a, R14表示复垦14 a, R17表示复垦17 a, CK表示对照, 下同 图 1 研究区位置和采样点示意 Fig. 1 Location of the study area and sampling sites |
2019年5月4日, 从4块复垦区(Rx)随机5点法采集各15个0~10 cm表土样, 并从附近选取3块未受采矿影响的农田随机5点法采集各5个0~10 cm表土样作为对照(CK), 总共75个样品.样品采集后现场剔除植物根系、砾石等, 并将土样充分混合均匀, 无菌密封保存于4℃车载冰箱, 返回实验室后储存于-20℃冰箱, 用于微生物高通量测序分析.
1.3 高通量测序分析使用Fast DNA SPIN kit(MP Biomedicals, 美国), 并遵循试剂盒说明, 从75个新鲜土样中分别提取DNA, 使用NanoDrop one测量DNA浓度和纯度.引物515F(5′-GTGCCAGCCGGTAA-3′)和907R(CCGTCAATTCMTTRAGTT)用来扩增细菌16S rRNA基因的V4~V5区域.PCR反应使用BioRad S1000仪器(伯乐, 美国)进行. 50 μL体积的PCR混合物含有25 μL Taq复合物(宝生物, 大连)、每个引物1 μL(10 μmol ·L-1)和3 μL DNA模板(20 ng ·μL-1).PCR扩增程序如下: ① 94℃ 5 min初始化; ② 30个循环, 94℃ 30 s变性, 52℃ 30 s退火, 72℃ 30 s延伸; ③ 72℃ 10 min最终延伸.利用GeneTools Analysis Software(Version4.03.05.0, SynGene)对PCR产物进行浓度对比后, 按照质量分数计算各样品所需体积, 将各PCR产物进行混合.使用E.Z.N. A.® Gel Extraction Kit凝胶回收试剂盒回收PCR混合产物, TE缓冲液洗脱回收目标DNA片段.按照NEBNext® UltraTM DNA Library Prep Kit for Illumina®标准流程进行建库操作.使用Illumina HiSeq 2500平台对构建的扩增子文库进行PE250测序(美格基因, 深圳).
测序数据处理包括: 利用Trimmomatic软件分别对双端的Raw Reads数据进行质量过滤; 利用FLASH软件对每对PE reads进行拼接, 将成对的reads拼成一条序列; 根据序列首尾两端的barcode和引物信息等, 利用Mothur软件将序列分配至相应的样品中, 最终得到有效的拼接片段[7].利用usearch V10软件对所有样品的全部Clean Tags进行聚类, 默认以97%的一致性将序列聚类成为OTU.在聚类的同时, 用usearch剔除嵌合体和singleton序列, 然后进行代表性序列物种注释[15]. 16S rRNA基因的原始序列数据已保存在NCBI数据库中, 登记号为PRJNA674491.
1.4 分子生态网络分析本研究采用MENA平台(http://ieg4.rccc.ou.edu/mena)构建分子生态网络, 具体方法如下: 将所得OTUs数据进行lg转换, 计算相关矩阵, 并基于斯皮尔曼相关系数, 转化为相似性矩阵[16].根据随机矩阵理论, 选择最优相似阈值从相似矩阵倒数邻接矩阵, 用邻接矩阵编码每对节点之间的连接强度, 通过分析相关矩阵特征值的最近邻间距分布预测生态群落[19].生态网络中OTU作为节点, 边表示节点间的连接, 当网络内一组OTUs之间的连接较多, 且与组外的连接较少时, 可将这组OTUs视为一个模块, 模块化(modularity)表示网络中所有能被划分为模块的OTUs所占比例, 模块化程度越高说明网络冗余越少[20]. Z-P图表达模块中基于拓扑角色的OTUs分布状况, 每个点代表数据集中的一个OTU, 根据模块内连接度(Zi)和模块间连接度(Pi)散点图确定各OTU的拓扑作用, 识别模块枢纽(module hubs), 连接节点(connectors)和网络枢纽(network hubs), 其中, Zi≥2.5的OTUs被视为模块枢纽, Pi≥0.62的OTUs被视为网络中的连接节点, 同时满足这两个条件的被视为网络枢纽[21].微生物分子生态网络图采用Gephi软件(v0.9.2)进行可视化, 同时计算生态网络拓扑参数.
1.5 数据统计与分析微生物信息分析在美格基因云平台(http://www.magichand.online/h5-BioCloud-site/)上进行分析, 包含Pan(泛)和Core(核心)物种分析、α多样性指数、β多样性分析(NMDS、PCA)和16S COG功能预测分析.所得数据采用SPSS 20.0(IBM, 美国)进行单因素方差分析(ANOVA)、T-检验、wilcox和Kruskal_Wallis秩和检验, 利用Origin 9.0(Origin Lab, 美国)绘制丰度雷达图、功能柱状图和生态网络Z-P散点图.在Hiplot平台(https://hiplot.com.cn/)上传数据后自动运行获得箱式图和弦图.在Galaxy/DengLab平台上(http://mem.rcees.ac.cn:8080/)利用零模型解析微生物群落生态过程[22], 探究微生物群落组装方式.先计算获得β-nearest taxon index(β-最近物种指数, βNTI)和Raup-Crick矩阵(RCbray)等参数, 当βNTI值＞2时, 表示群落组装过程为确定性过程; βNTI值＜2时, 表示群落组装以随机性过程为主[23].同时, 当RCbray值＞+0.95、RCbray值＜-0.95及RCbray值＜0.95时, 分别表示随机性过程为扩散限制、同质扩散和不明确过程[23].
2 结果与分析 2.1 不同复垦时长下土壤微生物群落多样性变化从75个样品测序中共取得2 942 739条有效序列, 在97%序列相似度水平上聚类为194 073个OTUs, CK低于Rx且在5%水平上显著差异[图 2(a)和2(b)].OTU水平上α多样性结果显示: Rx的Chao1指数高于CK, 且随复垦时长增加呈逐渐上升的趋势[图 2(c)], R17和R14的Chao1指数极显著高于CK(P < 0.01).Rx的香农(Shannon)指数低于CK[图 2(d)], 尤其是R17和R14显著低于CK(P < 0.05).辛普森(Simpson)指数呈现与Shannon指数相似的趋势[图 2(e)].Rx的Pielou均匀度指数低于CK, 尤其是R17和R14最为显著(P < 0.01)[图 2(f)].这说明复垦改变了土壤微生物物种数, 复垦时长增加物种的相对丰度.但α多样性和均匀度均下降, 说明新物种的产生改变了群落物种水平.
|
*表示P < 0.05, **表示P < 0.01, ***表示P < 0.001, ns表示无相关性 图 2 不同复垦时长下OTU数及α多样性 Fig. 2 OTU number and α diversity analysis in different reclamation sites |
OTU水平上β多样性结果显示: PCA分析中除CK与R8组少数样点外, 不同组间分离明显且组内相对紧密.R14和R17组样点较紧密, 但与CK距离远, R8和R11组样点沿y轴与CK部分重合[图 3(a)].PCA两轴样本间差异的总解释度为89%, 充分解释了不同组样本间的差异和相似度.NMDS分析中CK和R17在x轴上与其它组存在距离, R8、R11和R14在x轴上微生物系统发育更为接近.与此同时, R8和R11在y轴上与R14产生距离[图 3(b)].这表明不同复垦时长及CK之间微生物群落多样性存在差异.
|
图 3 不同复垦时长下β多样性分析 Fig. 3 The β diversity analysis in different reclamation sites |
复垦土壤中占主导地位菌门有拟杆菌门(Bacteroidetes)、酸杆菌门(Acidobacteria)、变形菌门(Proteobacteria)、绿弯菌门(Chloroflexi)和浮霉菌门(Planctomycetes), 分别占23.0%±3.6%、23%±1.8%、18%±2.1%、15.8%±3.5%和6.5%±0.5% [图 4(a)].Rx中酸杆菌门和绿弯菌门极显著高于CK(P < 0.01), 而拟杆菌门和变形菌门则完全相反(P < 0.01).属水平上RB 41 在复垦土壤中占主导地位, 相对丰度为11%±1.3%, 且Rx极显著高于相对丰度约为5.7%的CK样本(P < 0.01).然而, 鞘氨醇单胞菌属(Sphingomonas)、黄色土源菌属(Flavisolibacter)、黄杆菌属(Flavobacterium)、马赛菌属(Massilia)和地杆菌属(Pedobacter)等5个丰富菌属则完全相反, CK中相对丰度显著高于Rx样点[P < 0.05, 图 4(b)], 这表明5个丰富菌属对复垦引发的环境变化相对敏感.
|
图 4 不同复垦时长下主导菌门和属的物种组成 Fig. 4 Dominating compositions of microbial communities on the phylum and genus level in different reclamation sites |
16S COG功能预测分析表明Rx微生物群落具有相似的功能特征, 功能基因包括4个一级功能层和25个二级功能层. 20个二级功能层的相对丰度＞1%(图 5), 主要包含翻译、核糖体结构和生物发生, 氨基酸转运与代谢等功能, 最主要的14种功能相对丰度>80%, Rx相对丰度略高于CK.此外, Rx在辅酶转运与代谢, 翻译、核糖体结构与生物发生等8种功能上与CK存在差异, 这些功能随复垦时长正向变化, 在Rx环境下不断增强.而碳水化合物转运与代谢, 脂质转运与代谢, 无机离子转运与代谢等9种功能则在Rx环境下有所减弱.
|
图 5 16S COG最重要20个二级功能层分析热图 Fig. 5 Heatmap of the 20 key functions on the hierarchy level 2 of the relative abundances of 16S COG predicted gene functions |
共发生网络分析表明: CK网络结构远比Rx更加复杂[图 6(e)], R8、R11、R14和R17网络分别由186、234、280、313个OTU节点和262、349、319、637条边构成[图 6(a)~6(d)], 远低于CK(337个节点和1 002条边).拟杆菌门(Bacteroidetes)、变形菌门(Proteobacteria)、酸杆菌门(Acidobacteria)、浮霉菌门(Planctomycetes)、放线菌门(Actinobacteria)、疣微菌门(Verrucomicrobia)、绿弯菌门(Chloroflexi)和芽单孢菌门(Gemmatimonadetes)等8个菌门占共发生网络OTU节点>90%, 其中: Bacteroidetes(26.1%±3.3%)和Proteobacteria(16.2%±4.2%)始终占据主导地位.Rx网络节点之间正向关系显著高于CK, 菌群之间更趋向于合作[图 6(a)~6(d)].
|
图 6 不同复垦时长下土壤微生物群落共发生网络 Fig. 6 Co-occurrence molecular ecological networks retrieved from sampling plots subjected to different land reclamation times |
一般将模块内连接度Zi≥2.5或模块间连接度Pi≥0.62的节点视为关键物种[21], 从图 7可知: >97%的节点为外围节点, R8有3个模块枢纽节点, 包括OTU178、OTU2和OTU5380.R11有3个模块枢纽节点, 分别为OTU225、OTU47和OTU7.R14、R17和CK各有4个模块枢纽节点.但不同处理中连接节点数差异显著, R8(5个)、R11(5个)、R14(4个)和R17(8个)远低于CK(16个)(图 7).这些模块枢纽和连接节点可认为是关键物种, Rx的关键物种与CK之间存在显著差异, 且不同复垦时长生态网络的关键物种也明显区分.
|
连接节点数: R8有5个, 其中酸杆菌门1个, 拟杆菌门2个, 绿弯菌门2个; R11有5个, 其中酸杆菌门2个, 拟杆菌门1个, 浮霉菌门1个, 变形菌门1个; R14有4个, 其中酸杆菌门2个, 浮霉菌门1个, 变形菌门1个; R17有8个, 其中酸杆菌门2个, 拟杆菌门2个, 绿弯菌门1个, Dependentiae 1个, 迷踪菌门1个, 浮霉菌门1个; CK有16个, 酸杆菌门3个, 放线菌门1个, 拟杆菌门4个, 芽单胞菌门1个, 髌骨细菌门1个, 浮霉菌门3个, 变形菌门2个, 疣微菌门1个.模块枢纽数: R8有3个, 均属于酸杆菌门; R11有3个, 均属于拟杆菌门; R14有4个, 其中酸杆菌门1个, 拟杆菌门1个, 硝化螺旋菌门1个, 浮霉菌门1个; R17有4个, 其中拟杆菌门2个, 芽单胞菌门1个, 浮霉菌门1个; CK有4个, 其中酸杆菌门1个, 绿弯菌门1个, 浮霉菌门1个, 变形菌门1个 图 7 不同复垦时长下土壤微生物群落分子生态网络Z-P图 Fig. 7 The Z-P plot of different microbial molecular ecological networks in different reclamation sites |
从不同复垦时长βNTI值来看, Rx和CK微生物群落构建以确定性组装为主导, 贡献率>80% [图 8(a)].除R8外, 其余Rx和CK的βNTI值呈显著性差异(P＜0.05).为进一步深入了解组装机制, 计算βNTI值＜2的条件下RCbray值[图 8(b)], 发现Rx和CK之间微生物群落随机性组装过程存在显著差异(P＜0.05), 以不明确过程为主(RCbray值＜0.95).其中: R8、R11、R14和CK之间微生物群落随机性组装过程存在极显著差异(P＜0.01), R17群落随机性组装过程十分接近CK, 这说明随复垦时间延长, 环境胁迫因子逐渐消除, 土壤微生物群落构建逐渐由确定性组装向随机性组装过渡.
|
*表示P < 0.05, **表示P < 0.01, ***表示P < 0.001, ns表示无相关性 图 8 不同复垦时长下微生物群落βNTI值和RCbray值 Fig. 8 The βNTI and RCbray values of microbial communities in different reclamation sites |
所有样品确定性组装过程占主导(图 9), R8、R11、R14、R17和CK贡献率分别为89.5%、94.3%、83.8%、86.7%和82.9%, 同时βNTI＞2, 即为同质选择.随机性组装过程贡献小, 但不同复垦时长下随机性组装机制不一, 扩散限制仅在R17和CK中有贡献(RCbray值＞0.95), 分别占1.0%和4.8%; 同质扩散仅在Rx中有贡献(RCbray值＜-0.95), 对R8、R11、R14和R17的贡献分别为6.7%、4.8%、9.5%和3.8%; 不明确过程对所有样地均有贡献(RCbray值＜0.95), 其中: CK中贡献相对较大, 为12.4%.
|
HS表示同质选择, HD表示同质扩散, DL表示扩散限制, UD表示不明确过程 图 9 不同复垦时长下不同生态过程对微生物群落组装的贡献 Fig. 9 Contribution of different ecological processes to microbial assembly processes in different reclamation sites |
矿区复垦改善了土壤环境胁迫状况, 从而促进土壤微生物群落区系发育[15, 24].本研究显示Rx物种丰富度随复垦时长增加, 多样性和均匀度随复垦时长下降(图 2).这与Zhang等[20]的研究观察到沙化草地复垦土壤微生物群落均匀度较低相一致, 主要归结于随时间增加复垦土壤发育的空间异质性也变大, 群落均匀度下降.但物种相对丰度却随环境胁迫消除得到发展, 或那些能够适应特殊环境的菌种受到激发[12, 20].复垦土壤β多样性在Rx序列上存在显著变化, CK样点远离R14和R17组, 与R8和R11组距离近, 第1轴解释度高达83%, 所解释的样本间关系是可信的[图 3(a)].但CK与距离较近的R8和R11群落组成明显不同, CK组在第2轴上距R8、R11、R14和R17组样点呈越来越近的趋势[图 3(b)].这表明随复垦时长增加, Rx群落组成与CK越相似.这与Helingerová等[25]的研究发现长期复垦后场地可为微生物创造更为理想的生存条件的结论相一致.微生物群落结构在Rx序列上的变化也进一步证实, 土壤微生物可能会复苏或恢复直至接近原始水平, Li等[26]的研究也取得过类似的结论.
CK和Rx组微生物群落在门和属水平上分布明显不同, 表明复垦及时长对微生物群落组成产生了影响[7].本研究中拟杆菌门、变形菌门和疣微菌门相对丰度在Rx时序上降低, 且丰度低于CK; 酸杆菌门、绿弯菌门和放线菌门相对丰度在Rx时序上增加, 且高于CK[图 4(a)].这与Li等[27]的研究发现并不一致, 主要原因是平原矿区潜水位高, 复垦后田块每年反复返碱, 从而影响了土壤pH值.本研究观察到所有Rx样品中酸杆菌门一直为主要门类[图 4(a)], 其丰度与pH值存在正向关系.这与Griffiths等[28]的研究报道完全不同, 酸杆菌门相对丰度并没随pH值增加而下降.此外, Rx序列高pH值也解释了放线菌门丰度的增长[图 4(a)], 与碱性土有较大亲和力.一般干旱半干旱矿区复垦土壤中放线菌门最为丰富[29], 本研究中相对丰度仅排第7, 可能与高土壤湿度密切有关.事实上, 本研究观察到绿弯菌门相对丰度随Rx时序增长, 主要与高的潜水位有关[30], 并与浮霉菌门丰度正向关系, 浮霉菌门一般是存在于微咸水中的水生细菌[31].同时, 也与复垦土壤保水能力不断改善密切相关.细菌群落在属水平上更能体现出演替方向的区别, 而且环境选择作用在属水平上体现地更加明显[图 4 (b)][13].其中, 作为革兰氏阴性菌的鞘氨醇单胞菌属, 其在好氧条件下易产生过氧化氢酶, 具有较强的芳香族化合物降解能力[32, 33]. 黄杆菌属是一类以产生黄色素为特征的革兰氏阴性杆菌菌属, 可降解碳水化合物, 分解脂肪和蛋白质, 亦具有耐盐性[34, 35].二者在复垦活动后丰度下降, 说明复垦活动可能对其好氧生存环境造成挑战, 且在一定程度上限制了其能源需求[36].
土壤微生物群落结构改变必定影响其功能, 本研究中微生物代谢功能活跃(相对丰度＞40%), 这与复垦土壤环境胁迫防御及与其它生物互作等密切相关(图 5).复垦土壤相对贫瘠, 微生物加大碳水化合物转运与代谢功能, 促进固氮、溶磷, 强化自身对养分的吸收和利用.变形菌门相对丰度在Rx序列上呈减少趋势, 可能与复垦土壤污染状态减少有关.众所周知, 变形菌门是一系列有机污染的高效降解菌, 假单胞菌、伯克霍尔德氏菌等含PAHs降解基因[37~39].这些功能蛋白表达的活跃不仅改善了贫瘠土壤的营养循环, 也反映了群落功能对长期复垦土壤农业生产的响应, 彰显微生物群落对外界刺激的差异化生存策略.
3.2 复垦时长对微生物菌群间相互作用及组装过程的影响关键类群对复垦土壤微生物组装至关重要, 本研究利用共发生网络和Z-P图探索Rx和CK组物种的变化, 发现不同复垦时长微生物菌群间相互作用发生了显著变化(图 6和图 7).随复垦时间延长, 网络连接节点、模块枢纽或网络枢纽增加, 表明微生物群落间相互作用不断紧密, 抗干扰能力持续增加[40~42]. CK几乎未受任何扰动, 因此网络间互作最为复杂, R17次之.这说明随复垦时间延长, 微生物群落稳定性越来越好, 互作越来越紧密, 复垦时长显著地影响菌群间相互作用[7, 15].此外, 5个网络中微生物物种有较大差异, 优势类群在复垦时序上也发生了较大变化(图 6).有研究报道了不同环境中的关键类群[17], 但矿区复垦土壤中关键类群如何演化的研究几乎是空白.本研究发现不同复垦时长下关键类群有差异(图 6和图 7), 拟杆菌门和酸杆菌门占主导地位, 但一些相对丰度低的菌门, 如浮霉菌门, 除R8外, 它与酸杆菌门和变形菌门始终显示为关键类群.事实上, 随复垦时长变化, 高丰度类群消失, 这也意味着物种相对丰度与关键类群并不直接相关, 之间并没有直接相关关系.优势菌门的变化可能导致土壤功能的变化[24], 考察不同复垦时长下微生物群落网络相互作用和功能的变化, 发现土壤生态系统随复垦时长向更复杂稳定系统方向演化.
本研究发现复垦土壤微生物群落组装以确定性过程为主导(图 8和图 9), 表明群落结构与功能受当地特定环境选择操控.这样的同质性选择可能与高潜水位地区长期耕作管理及其形成的特定农田土壤环境有关, 从该区水稻土微生物群落组装也获得类似的结论[43].也表明复垦并未改变群落组装机制, 仍取决于立地环境条件的自然选择.有报道指出深海极端寡营养环境和隧道黑暗无光极端环境下群落组装以异质性确定性过程为主导[44, 45], 也说明了群落所处环境条件决定了组装过程.虽然以确定性组装过程为主导, 但Rx贡献比高于CK.随机性组装过程中扩散限制对R17和CK有贡献, 不明确过程在CK贡献最高.这些结果表明复垦及时长确实影响了微生物群落组装.随机性组装过程中同质扩散仅在Rx序列中有贡献, 表明复垦后有微生物类群可能通过变异或水平基因转移等方式获取新的表型来适应复垦扰动.
4 结论(1) 土壤微生物群落多样性随复垦时长的变化存在显著差异, 复垦及时长影响着土壤微生物群落结构变化, 提高了群落丰富度, 降低了群落多样性和均匀度.
(2) 微生物群落分子生态网络随复垦时间延长更加稳定和复杂, 复垦及时长不仅改善了土壤环境胁迫, 还增强了微生物群落的环境适应性.
(3) 当地所有样地土壤群落构建过程均以同质性选择确定性过程为主导, 主要归结于东部平原地区高潜水特征和长期耕作管理实践及形成的特定农田土壤环境.
| [1] |
胡振琪. 我国土地复垦与生态修复30年: 回顾、反思与展望[J]. 煤炭科学技术, 2019, 47(1): 25-35. Hu Z Q. The 30 years' land reclamation and ecological restoration in China: Review, rethinking and prospect[J]. Coal Science and Technology, 2019, 47(1): 25-35. |
| [2] | Qu J F, Tan M, Hou Y L, et al. Effects of the stability of reclaimed soil aggregates on organic carbon in coal mining subsidence areas[J]. Applied Engineering in Agriculture, 2018, 34(5): 843-854. DOI:10.13031/aea.12829 |
| [3] |
卞正富, 雷少刚, 金丹, 等. 矿区土地修复的几个基本问题[J]. 煤炭学报, 2018, 43(1): 190-197. Bian Z F, Lei S G, Jin D, et al. Several basic scientific issues related to mined land remediation[J]. Journal of China Coal Society, 2018, 43(1): 190-197. |
| [4] | Qu J F, Hou Y L, Ge M Y, et al. Carbon dynamics of reclaimed coal mine soil under agricultural use: A chronosequence study in the Dongtan mining area, Shandong Province, China[J]. Sustainability, 2017, 9(4). DOI:10.3390/su9040629 |
| [5] |
白中科, 周伟, 王金满, 等. 再论矿区生态系统恢复重建[J]. 中国土地科学, 2018, 32(11): 1-9. Bai Z K, Zhou W, Wang J M, et al. Rethink on ecosystem restoration and rehabilitation of mining areas[J]. China Land Science, 2018, 32(11): 1-9. |
| [6] | Ahirwal J, Maiti S K. Assessment of soil properties of different land uses generated due to surface coal mining activities in tropical Sal (Shorea robusta) forest, India[J]. Catena, 2016, 140: 155-163. DOI:10.1016/j.catena.2016.01.028 |
| [7] | Luo Z B, Ma J, Chen F, et al. Adaptive development of soil bacterial communities to ecological processes caused by mining activities in the Loess Plateau, China[J]. Microorganisms, 2020, 8(4). DOI:10.3390/microorganisms8040477 |
| [8] | Zhao Z Q, Wang L H, Bai Z K, et al. Development of population structure and spatial distribution patterns of a restored forest during 17-year succession (1993-2010) in Pingshuo opencast mine spoil, China[J]. Environmental Monitoring and Assessment, 2015, 187(7). DOI:10.1007/s10661-015-4391-z |
| [9] | Novianti V, Marrs R H, Choesin D N, et al. Natural regeneration on land degraded by coal mining in a tropical climate: Lessons for ecological restoration from Indonesia[J]. Land Degradation & Development, 2018, 29(11): 4050-4060. |
| [10] | Moradi J, John K, Vicentini F, et al. Vertical distribution of soil fauna and microbial community under two contrasting post mining chronosequences: Sites reclaimed by alder plantation and unreclaimed regrowth[J]. Global Ecology and Conservation, 2020, 23. DOI:10.1016/j.gecco.2020.e01165 |
| [11] | Delgado-Baquerizo M, Bardgett R D, Vitousek P M, et al. Changes in belowground biodiversity during ecosystem development[J]. Proceedings of the National Academy of Science of the United States of America, 2019, 116(14): 6891-6896. DOI:10.1073/pnas.1818400116 |
| [12] | Yuan C Y, Li F Y, Yuan Z Q, et al. Response of bacterial communities to mining activity in the alpine area of the Tianshan Mountain region, China[J]. Environmental Science and Pollution Research, 2021, 28(13): 15806-15818. DOI:10.1007/s11356-020-11744-6 |
| [13] | Ngugi M R, Dennis P G, Neldner V J, et al. Open-cut mining impacts on soil abiotic and bacterial community properties as shown by restoration chronosequence[J]. Restoration Ecology, 2018, 26(5): 839-850. DOI:10.1111/rec.12631 |
| [14] | Li J, Xin Z, Yan J, et al. Physicochemical and microbiological assessment of soil quality on a chronosequence of a mine reclamation site[J]. European Journal of Soil Science, 2018, 69(6): 1056-1067. DOI:10.1111/ejss.12714 |
| [15] | Ma J, Lu Y Q, Chen F, et al. Molecular ecological network complexity drives stand resilience of soil bacteria to mining disturbances among typical damaged ecosystems in China[J]. Microorganisms, 2020, 8(3). DOI:10.3390/microorganisms8030433 |
| [16] | Deng Y, Zhang P, Qin Y J, et al. Network succession reveals the importance of competition in response to emulsified vegetable oil amendment for uranium bioremediation[J]. Environmental Microbiology, 2016, 18(1): 205-218. DOI:10.1111/1462-2920.12981 |
| [17] | Ramirez K S, Geisen S, Morriën E, et al. Network analyses can advance above-belowground ecology[J]. Trends in Plant Science, 2018, 23(9): 759-768. DOI:10.1016/j.tplants.2018.06.009 |
| [18] | Banerjee S, Walder F, Büchi L, et al. Agricultural intensification reduces microbial network complexity and the abundance of keystone taxa in roots[J]. The ISME Journal, 2019, 13(7): 1722-1736. DOI:10.1038/s41396-019-0383-2 |
| [19] | Zhou J Z, Deng Y, Luo F, et al. Phylogenetic molecular ecological network of soil microbial communities in response to elevated CO2[J]. MBio, 2011, 2(4). DOI:10.1128/mBio.00122-11 |
| [20] | Zhang Q, Ma J, Yang Y J, et al. Mining subsidence-induced microtopographic effects alter the interaction of soil bacteria in the sandy pasture, China[J]. Frontiers in Environmental Science, 2021, 9. DOI:10.3389/fenvs.2021.656708 |
| [21] |
马静, 卢永强, 张琦, 等. 黄土高原采煤沉陷对土壤微生物群落的影响[J]. 土壤学报, 2021, 58(5): 1278-1288. Ma J, Lu Y Q, Zhang Q, et al. Effects of coal mining subsidence on soil microbial community in the Loess Plateau[J]. Acta Pedologica Sinica, 2021, 58(5): 1278-1288. |
| [22] | Feng K, Zhang Z J, Cai W W, et al. Biodiversity and species competition regulate the resilience of microbial biofilm community[J]. Molecular Ecology, 2017, 26(21): 6170-6182. DOI:10.1111/mec.14356 |
| [23] | Luan L, Liang C, Chen L J, et al. Coupling bacterial community assembly to microbial metabolism across soil profiles[J]. mSystems, 2020, 5(3). DOI:10.1128/mSystems.00298-20 |
| [24] | Delgado-Baquerizo M, Oliverio A M, Brewer T E, et al. A global atlas of the dominant bacteria found in soil[J]. Science, 2018, 359(6373): 320-325. DOI:10.1126/science.aap9516 |
| [25] | Helingerová M, Frouz J, Šantrůčková H. Microbial activity in reclaimed and unreclaimed post-mining sites near Sokolov (Czech Republic)[J]. Ecological Engineering, 2010, 36(6): 768-776. DOI:10.1016/j.ecoleng.2010.01.007 |
| [26] | Li X H, Lei S G, Liu F, et al. Analysis of plant and soil restoration process and degree of refuse dumps in open-pit coal mining areas[J]. International Journal of Environmental Research and Public Health, 2020, 17(6). DOI:10.3390/ijerph17061975 |
| [27] | Li Y Y, Chen L Q, Wen H Y, et al. 454 Pyrosequencing analysis of bacterial diversity revealed by a comparative study of soils from mining subsidence and reclamation areas[J]. Journal of Microbiology and Biotechnology, 2014, 24(3): 313-323. DOI:10.4014/jmb.1309.09001 |
| [28] | Griffiths R I, Thomson B C, James P, et al. The bacterial biogeography of British soils[J]. Environmental Microbiology, 2011, 13(6): 1642-1654. DOI:10.1111/j.1462-2920.2011.02480.x |
| [29] | Bastida F, Hernández T, Albaladejo J, et al. Phylogenetic and functional changes in the microbial community of long-term restored soils under semiarid climate[J]. Soil Biology and Biochemistry, 2013, 65: 12-21. DOI:10.1016/j.soilbio.2013.04.022 |
| [30] | Chen F, Zhang W Y, Ma J, et al. Experimental study on the effects of underground CO2 leakage on soil microbial consortia[J]. International Journal of Greenhouse Gas Control, 2017, 63: 241-248. DOI:10.1016/j.ijggc.2017.05.017 |
| [31] | Lindsay M R, Webb R I, Strous M, et al. Cell compartmentalisation in planctomycetes: Novel types of structural organisation for the bacterial cell[J]. Archives of Microbiology, 2001, 175(6): 413-429. DOI:10.1007/s002030100280 |
| [32] |
张颖, 杨悦, 韦庆慧, 等. 鞘氨醇单胞菌的特性及应用研究进展[J]. 化学与生物工程, 2021, 38(3): 6-13. Zhang Y, Yang Y, Wei Q H, et al. Research progress in characteristic and application of Sphingomonas[J]. Chemistry & Bioengineering, 2021, 38(3): 6-13. |
| [33] |
徐文杰, 赵泉林, 罗明汉, 等. 2, 4-二硝基甲苯磺酸盐降解菌株的分离、鉴定及降解特性研究[J]. 北京大学学报(自然科学版), 2021, 57(4): 733-738. Xu W J, Zhao Q L, Luo M H, et al. Isolation and identification of a 2, 4-dinitrotosylate degrading strain and its degradation characteristics[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(4): 733-738. |
| [34] | Menon R R, Kumari S, Viver T, et al. Flavobacterium pokkalii sp. nov., a novel plant growth promoting native rhizobacteria isolated from pokkali rice grown in coastal saline affected agricultural regions of southern India, Kerala[J]. Microbiological Research, 2020, 240. DOI:10.1016/j.micres.2020.126533 |
| [35] |
朱金山, 秦海兰, 孙启耀, 等. 冬季小流域水体微生物多样性及影响因素[J]. 环境科学, 2020, 41(11): 5016-5026. Zhu J S, Qin H L, Sun Q Y, et al. Microbial diversity and influencing factors in a small watershed in winter[J]. Environmental Science, 2020, 41(11): 5016-5026. |
| [36] |
王鹤茹, 杨琳琳, 王蕊, 等. 基于不同能源底物和营养水平的酸性矿山废水产生机制研究[J]. 环境科学学报, 2021, 41(10): 4056-4063. Wang H R, Yang L L, Wang R, et al. Study on the mechanisms of acid mine drainage generation based on different energy substrates and nutrient levels[J]. Acta Scientiae Circumstantiae, 2021, 41(10): 4056-4063. |
| [37] |
李鹏洋, 安启睿, 王新皓, 等. 辽河四平段流域河流沉积物微生物群落多样性和结构分析[J]. 环境科学, 2022, 43(5): 2586-2594. Li P Y, An Q R, Wang X H, et al. Analysis on diversity and structure of microbial community in river sediment of Siping section of Liaohe River[J]. Environmental Science, 2022, 43(5): 2586-2594. |
| [38] | Dong C, Bai X, Sheng H, et al. Distribution of PAHs and the PAH-degrading bacteria in the deep-sea sediments of the high-latitude Arctic Ocean[J]. Biogeosciences, 2015, 12(7): 2163-2177. |
| [39] | Guarino C, Zuzolo D, Marziano M, et al. Investigation and Assessment for an effective approach to the reclamation of Polycyclic Aromatic Hydrocarbon (PAHs) contaminated site: SIN Bagnoli, Italy[J]. Scientific Reports, 2019, 9. DOI:10.1038/s41598-019-48005-7 |
| [40] | Hunt D E, Ward C S. A network-based approach to disturbance transmission through microbial interactions[J]. Frontiers in Microbiology, 2015, 6. DOI:10.3389/fmicb.2015.01182 |
| [41] | Ma J, Gonzalez-Ollauri A, Zhang Q, et al. Ecological network analysis to assess the restoration success of disturbed mine soil in Zoucheng, China[J]. Land Degradation & Development, 2021. DOI:10.1002/ldr.4116 |
| [42] |
陈兆进, 林立安, 李英军, 等. 镉胁迫对芒草根际细菌群落结构、共发生网络和功能的影响[J]. 环境科学, 2021, 42(8): 3997-4004. Chen Z J, Lin L A, Li Y J, et al. Shifts in rhizosphere bacterial community structure, co-occurrence network, and function of Miscanthus following cadmium exposure[J]. Environmental Science, 2021, 42(8): 3997-4004. |
| [43] | Jiao S, Lu Y H. Soil pH and temperature regulate assembly processes of abundant and rare bacterial communities in agricultural ecosystems[J]. Environmental Microbiology, 2020, 22(3): 1052-1065. |
| [44] | Starnawski P, Bataillon T, Ettema T J G, et al. Microbial community assembly and evolution in subseafloor sediment[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(11): 2940-2945. |
| [45] |
王纬琦, 程晓钰, 向兴, 等. 四川锦屏隧道细菌群落特征及其组装过程[J]. 第四纪研究, 2021, 41(4): 1216-1228. Wang W Q, Cheng X Y, Xiang X, et al. Bacterial community and their assembly process in Jinping Tunnel, Sichuan Province[J]. Quaternary Sciences, 2021, 41(4): 1216-1228. |