2022, Vol. 43
2. 桂林理工大学岩溶地区水污染控制与用水安全保障协同创新中心, 桂林 541004;
3. 桂林理工大学广西环境污染控制理论与技术重点实验室, 桂林 541004
2. Collaborative Innovation Center for Water Pollution Control and Water Safety in Karst Area, Guilin University of Technology, Guilin 541004, China;
3. Guangxi Key Laboratory of Environmental Pollution Control Theory and Technology, Guilin University of Technology, Guilin 541004, China
湿地是同时拥有水生环境和陆生环境的重要生态系统[1], 也是人类最重要的生存环境之一[2], 它具有生物多样性、气候调节和土壤碳储存等重要的生态系统服务功能, 是全球生态和社会价值最高的生态系统[3, 4].在我国南方地区, 稻田是一种常见的土地利用形式, 不仅具有粮食生产功能, 其作为人工湿地, 还拥有土壤碳储存等多种生态功能[5].土地利用的变化, 会直接改变植被类型和土壤结构[1, 6].土壤团聚体作为土壤最重要的结构体, 对维持土壤中的微生物群落结构和酶活性有着重要的作用[7].同时, 土壤微生物又是团聚体中最活跃的生物因素.土地利用改变以后, 微生物的群落结构和活性与土壤团聚体的形成过程以及形成后的稳定性密切相关[8].因此, 研究团聚体中的微生物群落结构对揭示土地利用变化对湿地土壤团聚体稳定性的影响机制具有重要意义.
有研究表明, 在天津滨海盐碱化沼泽湿地地区, 在60 a的农业利用(20 a的稻田利用和40 a的旱地用)之后, 土壤有机碳含量降低, >2 mm粒径团聚体含量降低, 0.053~0.25 mm粒径团聚体含量升高[9].在三江平原湿地地区, 利用为水田的土壤总有机碳含量显著降低, 团聚体稳定性总体上也降低, 但 < 0.25 mm的小团聚体却明显增加[10].在我国的南方地区, 与荆江湿地相比, 稻田土壤有机碳含量显著增高, 且稻田和湿地均以0.2~2 mm粒径团聚体比例最高, < 0.002 mm粒径团聚体比例最低[11].与鄱阳湖湿地相比, 稻田各粒径团聚体土壤有机碳含量也显著较高, 团聚体物理稳定性有所降低[12].在浙江杭州湾地区, 滩涂土地围垦并进行水稻种植后, 细菌多样性在0.2~2 mm和 < 0.002 mm组分中较高, 而 < 0.002 mm组分中的真菌多样性显著低于其他粒径团聚体[13].以上研究结果表明, 湿地的稻田利用能够改变土壤团聚体稳定性、有机碳含量和微生物群落组成.
会仙湿地是我国最大的岩溶湿地, 在这个系统中, 稻田是一种重要的土地利用和景观类别.有研究结果显示, 在会仙湿地系统中, 稻田微生物生物量与天然湿地无显著差异[14], 但是稻田的土壤有机碳、多个土壤酶活性[15]和真细菌数[14]显著高于天然湿地, 二者之间的微生物群落组成也存在显著性差异[4, 16].然而, 在岩溶湿地利用为稻田后, 土壤团聚体细菌群落结构变化的探究还未见报道.因此, 本文以会仙岩溶湿地系统的天然湿地和稻田为研究对象, 通过对比分析不同粒径土壤团聚体细菌群落组成, 分析不同团聚体粒径中的细菌网络特征, 明晰天然湿地和稻田土壤团聚体细菌群落结构的异同, 以期为阐明土地利用变化对湿地土壤团聚体稳定性的影响机制提供理论依据.
1 材料与方法 1.1 研究区域概况会仙岩溶湿地位于广西桂林市临桂区会仙镇(25°10′46″N, 110°23′24″E).该地区属于亚热带季风气候, 该区域年平均降雨量为1 890.4 mm, 年降雨量的52.6%集中在4~7月.本研究选取具有代表性的天然湿地和稻田为研究对象, 其中双穗雀稗(Pasplum distichum)为天然湿地的优势植被, 研究所涉及的稻田耕作时长已超过30 a, 种植单季稻, 其余时间种植红薯[Ipomoea batatas (L.) Lam.]; 稻田以施加氮磷钾肥(240 kg ·hm-2, 氮磷钾含量均低于15%)为主, 采样土壤样品时水稻处于成熟期, 水稻收割后根茬留田, 秸秆不还田.
1.2 土壤样品的采集与前处理土壤样品于2020年8月采集, 稻田和天然湿地各选取3块样地, 每块样地间隔在200 m左右.在每块样地(均大于15 m×15 m)中随机选取3个采样点, 采集0~20 cm的耕层土壤, 均匀混合为1个4.5 kg的样本.将当天采集的土样带回实验室, 去除植物根系和小石块等杂物, 置于-4℃冰箱做短暂保存.一部分用于团聚体分级; 另一部分继续风干后, 分别研磨过10、60和100目筛保存, 用于测定土壤理化性质.
1.3 土壤团聚体分离采用改良后的湿筛法[17]进行团聚体分离.称取相当于100 g的新鲜土壤, 置于2 mm筛上, 浸没在室温下无菌水中30 min, 然后在2 min内振荡筛子50次, 振幅为3 cm, 使所有土样通过2 mm筛子.将过筛后的土壤悬浊液置于0.25 mm筛上, 按上述操作继续振荡2 min, 将留在筛上的物质用无菌水清洗收集至离心管中, 在4 000 r ·min-1条件下离心30 min, 得到0.25~2 mm粒径组分(大团聚体).将通过筛子的土和水按照上述操作步骤继续分级, 可以得到0.053~0.25 mm粒径组分(微团聚体)和 < 0.053 mm粒径组分(粉、黏粒).将收集的团聚体进行冷冻干燥后装袋, 置于-80℃冰箱储存, 用于提取土壤细菌DNA.
1.4 土壤理化性质的测定土壤理化性质的测定方法参照文献[18]的方法进行, 土壤pH值采用精密pH计(上海仪电科学仪器公司, 中国)直接测定; 土壤有机碳(SOC)采用浓硫酸-重铬酸钾外加热法; 可溶性有机碳(DOC)经水土振荡提取后, 用总有机碳分析仪(Analytik Jena公司, 德国)测定; 总氮(TN)用浓硫酸消煮-凯氏定氮法测定; 碱解氮(AN)采用碱解扩散法; 总磷(TP)采用碳酸钠熔融法测定; 有效磷(AP)采用盐酸-氟化铵法测定; 交换性钙和交换性镁用Optima 7000 DV电感耦合等离子发射光谱仪(Perkin Elmer公司, 美国)测定.土壤理化性质见表 1.
|
表 1 土壤理化性质1) Table 1 Basic physical and chemical properties of soil |
1.5 细菌高通量测序
使用Powersoil DNA提取试剂盒(Mo Bio Laboratories Inc., CA)对土壤DNA进行抽提并利用0.8%琼脂糖凝胶电泳检测提取的DNA质量.随后对细菌16S rRNA的V4[19~21]区域进行PCR扩增, 引物序列为515F(GTGCCAGCMGCCGCGGTAA)与806R(GGACTACHVGGGTWTCTAAT), 扩增反应体系: Taq PCR Master Mix 25 μL, 模板DNA 1 μL, 上下游引物2 μL, 补ddH2 O至50 μL.扩增反应条件: 94℃预变性4 min, 94℃变性30 s, 58℃退火30 s, 72℃延伸1 min, 72℃保持10 min, 共循环32次, 4℃保温.PCR结束后, 用2%的琼脂糖凝胶电泳检测PCR产物质量, 使用OMEGA胶回收试剂盒切胶回收PCR产物, TE缓冲液洗脱回收目标DNA片段.测序由生工生物工程(上海)公司使用Illumina MiSeq平台完成.对测得的序列进行质控, 去除嵌合体、短序列后完成数据过滤, 得到可供后续分析的高质量目标序列.在97%的相似性水平上使用UPARSE算法进行OTUs的聚类, 挑选出OTUs的代表性序列, 比对数据库(Silva 132/16s bacteria), 对代表性序列进行物种注释.利用α多样性指数(Richness、Chao1和Shannon)表征细菌群落的丰富度和多样性, 计算公式如下:
|
(1) |
|
(2) |
式中, Sobs为实际检测到得OTU数目, m1为只含一条序列的OTU数目, m2为只含两条序列的OTU数目, ni为第i个OTU所包含的序列数, N为所有序列数之和.
1.6 数据分析利用EXCEL 2016进行数据处理, 用SPSS 23.0软件进行差异显著性分析和Pearson相关性分析.利用Origin 2018绘制细菌群落在门和目水平上的相对丰度柱状图.使用Cytoscape 3.7.1软件中的CoNet插件构建细菌生态网络, 具体分析步骤和参数选择参考顾静馨[22]提供的操作方法.即选择Pearson correlation、Spearman correlation、Bray-Curtis dissimilarity和Kullback-Leibler dissimilarity这4种分析方法, 并设置500的起始连接数, 再采用Benjamini-Hochberg标准化处理相关系数, 即校正原有假设检验得到的显著性P值, 并最终采用校正后的P值, 保留相关系数r>|0.9|且P < 0.01的OTUs构建关联网络, 可得到生态网络边和节点的数据信息, 再用Gephi-0.9.2进行可视化.将接近中心性和低>0.28, 中介中心性 < 0.18, 连接度排名前5的OTU确定为关键物种[23].
2 结果与分析 2.1 土壤理化性质和团聚体组成稻田和天然湿地土壤理化性质见表 1.从中可以看出, 稻田土壤的TN、AN、TP、AP、交换性钙和交换性镁均显著(P < 0.05)高于天然湿地, 而pH显著(P < 0.05)低于天然湿地.
稻田和天然湿地土壤团聚体组成差异见表 2.从中可以看出, 稻田和天然湿地土壤团聚体的回收率为99.14%和90.71%.两种土地利用方式土壤团聚体的主要组成部分是粉、黏粒组分, 分别为40.90%和44.74%, 均显著(P < 0.05)高于其他两种粒径.与天然湿地相比, 稻田微团聚体比例较高.
|
|
表 2 不同土地利用方式土壤团聚体组成1) Table 2 Composition of soil aggregates under different land use patterns |
稻田和天然湿地全土及团聚体中的碳含量变化见表 3.从中可以看出, 稻田全土以及各粒径团聚体中的SOC和DOC含量都显著(P < 0.05)高于天然湿地, 而对于同一种土地利用方式来说, 无论是稻田还是天然湿地, 微团聚体中的SOC和DOC含量都显著(P < 0.05)高于其他两种粒径, 而D/S在微团聚体和粉、黏粒中天然湿地显著(P < 0.05)高于稻田.
|
|
表 3 不同土地利用方式下全土及团聚体中的碳含量变化1) Table 3 Changes in carbon content in whole soil and different aggregates under different land-use patterns |
2.2 土壤团聚体细菌多样性和群落组成
稻田和天然湿地全土及团聚体细菌α多样性指数见表 4.从中可以看出, 稻田全土以及粉、黏粒组分细菌的Richness指数和Chao1指数显著(P < 0.05)低于天然湿地; 大团聚体和微团聚体中的Shannon指数显著(P < 0.05)高于粉、黏粒组分.
|
|
表 4 不同土地利用方式全土及土壤团聚体细菌α多样性指数 Table 4 The α diversity of soil bacteria in whole soil and different aggregates of different land-use types |
全土及团聚体细菌α多样性指数与土壤碳含量的相关性分析表明(表 5), 在全土中Richness指数和Chao1指数与SOC含量和DOC含量呈显著负相关(P < 0.01), 与D/S呈显著正相关(P < 0.05); Chao1在粉、黏粒中与SOC含量呈显著负相关(P < 0.05).
|
|
表 5 全土及团聚体细菌α多样性指数与土壤碳含量的相关性分析1) Table 5 Correlation analysis between bacterial α diversity index and soil carbon content in whole soil and different aggregates |
通过对OTUs进行归类后发现, 相对丰度大于1%的门共有10个[图 1(a)], 分别为变形菌门(Proteobacteria)、酸杆菌门(Acidobacteria)、放线菌门(Actinobacteria)、绿弯菌门(Chloroflexi)、拟杆菌门(Bacteroidetes)、芽单胞菌门(Gemmatimonadetes)、浮霉菌门(Planctomycetes)、疣微菌门(Verrucomicrobia)、硝化螺旋菌门(Nitrospirae)和Rokubacteria, 它们的相对丰度占细菌总OTUs的94.82% ~96.52%.在稻田中, 酸杆菌门在大团聚体、微团聚体和粉、黏粒中的相对丰度分别为21.96%、20.72%和19.85%, 表明随着团聚体粒径的增大, 酸杆菌门的相对丰度逐渐升高, 而天然湿地变化趋势正好相反.从同一粒径来看, 稻田中绿弯菌门在大团聚体、微团聚体和粉、黏粒中的相对丰度分别为7.97%、8.56%和7.40%, 显著(P < 0.05)高于天然湿地(4.93%、4.81%和3.76%); 而放线菌门在这3种粒径中的相对丰度分别为5.47%、5.27%和4.38%, 显著(P < 0.05)低于天然湿地(9.94%、7.43%和5.47%).从全土来看, 稻田绿弯菌门相对丰度(8.11%)显著(P < 0.05)高于天然湿地(5.07%), 天然湿地放线菌门相对丰度(11.24%)显著(P < 0.05)高于稻田(8.28%).
|
Whole表示全土; Mac表示0.25~2 mm的大团聚体; Mic表示0.053~0.25 mm的微团聚体; SC表示 < 0.053 mm的粉、黏粒, 下同 图 1 细菌门和目水平的群落组成 Fig. 1 Bacterial community composition at level of phylum and order |
在目水平上, 相对丰度大于1%的目共有14个[图 1(b)]: 鞘脂单胞菌目(Sphingomonadales)、β-变形菌目(β-Proteobacterium)、微球菌目(Micrococcales)、根瘤菌目(Rhizobiales)、芽单胞菌目(Gemmatimonadales)、粘球菌目(Myxococcales)、Chitinophagales、Pyrinomonadales、土圈菌目(Pedosphaerales)、厌氧绳菌目(Anaerolineales)、Solibacterales、Gemmatales、SBR1031和芽枝霉目(Blastocatellales), 它们的相对丰度占细菌总OTUs的43.89% ~54.57%.在稻田中, 根瘤菌目在大团聚体、微团聚体和粉、黏粒中的相对丰度分别为2.48%、3.83%和4.21%, 变化趋势与天然湿地相似.从同一粒径来看, 稻田中微球菌目在大团聚体、微团聚体和粉、黏粒中的相对丰度分别为2.53%、2.32%和2.45%, 显著(P < 0.05)低于天然湿地(7.32%、5.09%和3.37%); 而稻田厌氧绳菌目在3种粒径中的相对丰度分别为2.35%、3.03%和2.65%, 显著(P < 0.05)高于天然湿地(0.92%、0.91%和0.43%).从全土来看, 稻田厌氧绳菌目相对丰度(2.35%)显著(P < 0.05)高于天然湿地(1.10%), 其他菌目均无显著性差异, 以上结果表明, 土地利用方式显著改变了不同粒径土壤团聚体中细菌的相对丰度.
对土壤细菌门和目水平丰度与土壤碳含量进行冗余分析(图 2), 门水平两个轴累积解释变异量为24.17%[图 2(a)], 目水平两个轴累积解释变异量为26.22%[图 2(b)].置换检验表明, DOC为主导细菌门水平(P=0.04)和目水平(P=0.016)群落结构变化的关键环境因子.土壤细菌门和目水平丰度与DOC的相关性表明(表 6), DOC含量与绿弯菌门、硝化螺旋菌门和厌氧绳菌目呈显著正相关(P < 0.01).
|
红色箭头线表示土壤碳含量指标, 蓝色箭头线表示优势菌门和优势菌目 图 2 土壤细菌门和目水平丰度与土壤碳含量的冗余分析 Fig. 2 RDA of abundance of phyla and orders of soil bacteria and soil carbon content |
|
|
表 6 土壤细菌门和目水平丰度与DOC的相关性 Table 6 Correlation of abundance of phyla and orders of soil bacteria with DOC |
2.3 主成分分析
通过主成分分析(基于OTU水平)可以看出(图 3), 轴1和轴2的差异贡献值为34.52%和22.55%, 总变异度为57.07%.不同土地利用方式的细菌群落组成显著不同(r=0.923, P=0.001), 但同一土地利用方式不同粒径团聚体细菌群落结构相似.
|
图 3 细菌群落结构主成分分析(PCoA) Fig. 3 Principal component analysis of bacterial community structure (PCoA) |
为了更好地了解聚集作用对细菌群落的影响, 利用高通量测序数据构建细菌-细菌、细菌-土壤碳含量的网络关系(图 4), 并使用NetworkAnalyzer工具进行网络拓扑参数计算(表 7), 可以发现, 与天然湿地相比, 稻田网络的节点数增加, 网络边数、平均邻居数和平均连通度在微团聚体和粉、黏粒组分中均较高, 而这3个系数在大团聚体中较低; 稻田微团聚体和粉、黏粒中的特征路径长度较短以及模块性较低, 而稻田大团聚体中正好相反; 再者, 稻田中细菌网络正相关连接数在微团聚体和粉、黏粒组分中也均高于天然湿地; 6个网络中均以正相关关系为主.在稻田中, 网络的平均连通度随着团聚体粒径的增大而减少, 而模块性和特征路径长度随着团聚体粒径的增大而增大.
|
图 4 不同团聚体中OTUs水平上的细菌-细菌、细菌-土壤碳含量的网络关系 Fig. 4 Co-occurrence networks of bacteria-bacteria and bacteria-soil carbon content at the OTUs level in different aggregate sizes |
|
|
表 7 不同土地利用方式下团聚体中细菌网络的关键拓扑特征 Table 7 Key topological features of soil bacterial networks in different aggregates under different land-use types |
通过不同团聚体中OTUs水平上的细菌-细菌、细菌-土壤碳含量间的网络关系可以看出(图 4), DOC对粉、黏粒组分网络的影响较大, 稻田和天然湿地中的连接度分别为15和22; 在微团聚体中, 稻田DOC、SOC和D/S在网络中的连接度为2、4和2, 天然湿地中三者的连接度分别为18、1和12; SOC对粉、黏粒组分网络的影响较大, 稻田和天然湿地中的连接度均为11.
不同土地利用方式下团聚体关键物种的中介中心性、接近中心性和连接度结果显示(表 8), 在大团聚体中, 稻田网络主要受厌氧绳菌目(Anaerolineae)、芽单胞菌科(Gemmatimonadaceae)、Acidibacter和地杆菌属(Terrabacter)的影响, 其中厌氧绳菌目与DOC呈显著正相关(P < 0.01); 天然湿地网络主要受脱硫盒菌科(Desulfarculaceae)、Acidobacteria Subgroup 6、芽孢杆菌属(Bacillus)、Rhodoplanes和RB41的影响.在微团聚体中, 稻田网络主要受mle1-7、Stenotrophobacter、鞘氨醇单胞菌属(Sphingomonas)、马赛菌属(Massilia)和SC-I-84的影响; 天然湿地网络主要受Ensifer、Dehalococcoidia、根瘤菌属(Mesorhizobium)、RB41和Metagenome的影响, 其中根瘤菌属和RB41与DOC呈显著正相关(P < 0.01).在粉、黏粒中, 稻田网络主要受δ-变形菌纲(δ-Proteobacteria)、芽单胞菌纲(Gemmatimonadetes)和Acidobacteria Subgroup 6的影响; 天然湿地网络主要受Terrimonas、RB41、Pedosphaeraceae、Nocardioides和鞘氨醇单胞菌属(Sphingomonas)的影响.
|
|
表 8 不同土地利用方式下团聚体关键物种的中介中心性、接近中心性和连接度 Table 8 Betweenness centrality, closeness centrality, and degree for keystone species in the networks abstained for different aggregates under different land-use types |
3 讨论 3.1 土地利用变化对会仙岩溶湿地全土和团聚体中细菌群落组成的影响
土壤微生物群落的多样性指数是评价土壤生态功能稳定和健康的重要指标[24].在本研究中, 细菌的Richness指数和Chao1指数在天然湿地全土和粉、黏粒组分中显著高于稻田, 而Shannon指数在两种土地利用之间却无显著性差异, 这可能因为相似的淹水环境构建了相似的细菌群落组成和多样性, 但耕作与施肥使细菌群落趋同化, 丰度降低, 这与在鄱阳湖湿地关于不同土地利用方式下土壤微生物群落功能多样性的研究结果相似[25].然而在同一土地利用方式不同团聚体中, 无论天然湿地还是稻田土壤, 大团聚体和微团聚体的Shannon指数均显著高于粉、黏粒组分, 说明较大的团聚体中细菌的物种多样性更高, 这有利于提高大团聚体和微团聚体抵抗外界环境干扰的能力.土壤细菌α多样性与土壤碳含量的相关性分析结果显示, 在全土中SOC和DOC与细菌群落丰富度指数均呈显著负相关, 说明土壤碳含量对细菌丰富度可能具有抑制作用[25]; 在各粒径组分中, 唯有粉、黏粒组分中Richness指数与SOC呈显著负相关, 这可能是因为SOC对粉、黏粒中细菌丰富度的影响比其余两种组分大.不同粒径土壤团聚体的分布、大小和组成不同, 影响了团聚体内部空气和养分的分布, 也因此为土壤微生物提供了独特多样的栖息环境[26], 导致土壤团聚体微生物的分布有较大的差异[27~29].本研究中, 稻田中的微团聚体比例显著较高, 说明稻田土壤的凝聚性提高.稻田中大团聚体中酸杆菌门相对丰度显著高于其余两种粒径团聚体, 该门的细菌多为寡营养细菌, 适应大团聚体中较低的养分条件.微团聚体中的拟杆菌门的相对丰度显著高于大团聚体, 由于微团聚体中DOC含量的增加, 显著升高了微生物对碳源的易利用程度, 使其从贫营养型变为富营养型.与天然湿地土壤相比, 绿弯菌门和厌氧绳菌目的丰度在稻田土壤3种粒径团聚体中都明显较高.本研究中, 基于RDA分析, 结果表明DOC是土壤细菌群落的主要影响因子, 且绿弯菌门与可溶性有机碳含量呈显著正相关, 因此, 在可溶性有机碳含量较高的稻田中绿弯菌门丰度较高, 这是因为较高的可溶性有机质使绿弯菌从光能自养转变为光能异养, 加快了其生长速度[30, 31]; 而且, 绿弯菌门的部分细菌还参与了CO2固定、CO和CH4的氧化等过程[31, 32]; 也有报道指出, 绿弯菌门的厌氧绳菌目属于自养异养混合的游离型氨氧化细菌[33], 异养型的厌氧绳菌还能降解石油烃和氨基酸等化合物[34], 为微生物提供更多可利用的碳源, 促进微生物的生长, 有利于微生物多样性的提高.
3.2 土地利用变化对土壤团聚体细菌网络的影响生态系统中, 土壤中的微生物之间以复杂的网络共存或拮抗[35], 通过生态网络可以很好地对微生物物种间潜在的互作关系进行研究.土壤团聚体可以为土壤微生物创造空间异质的微环境[36], 不同的团聚体栖息着不同的微生物群落, 从而出现不同的微生物生态网络[21, 37, 38].网络节点数、边数、平均邻居数和平均连通度可以反映网络的复杂程度[21, 39, 40].在本研究中, 相比于天然湿地, 稻田微团聚体和粉、黏粒组分中的细菌间具有更高的网络节点数、边数、平均邻居数和平均连通度, 表明细菌间的相互作用更强, 网络结构更为复杂, 并且在这两种组分中网络的平均连通度更大以及特征路径长度更短, 这说明天然湿地利用为稻田后, 提高了微团聚体和粉、黏粒组分中细菌间物质循环和信息传递效率[41].与稻田其他两种组分或者天然湿地的大团聚体相比, 稻田大团聚体网络则具有更长的特征路径长度、更高的模块性和更低的平均连通度, 因此当外界环境发生变化时, 外界干扰在网络中的扩散速度减慢, 在短时间内环境扰动不会传递到整个网络, 从而稻田大团聚体网络在应对干扰时更加稳定[42, 43].网络中生态位相同或具有共生关系的微生物间为正相关, 而处于竞争和捕食关系的微生物间为负相关[44, 45].本研究的6个细菌网络均以正相关关系为主, 表明细菌间潜在的合作关系大于竞争和捕食关系.有研究发现, 土壤养分含量提高会减少微生物之间的负相关关系[46], 天然湿地利用为稻田后, 由于人为施肥, 提高了土壤有机碳含量, 因此稻田微团聚体和粉、黏粒组分网络中的正连接占比高于天然湿地, 但是稻田土壤大团聚体中细菌之间的正连接数占比低于湿地土壤, 表明频繁的耕作对稻田土壤大团聚体有一定的破坏性.在稻田中, 随着团聚体粒径的减小, 细菌网络的特征路径长度减小以及平均连通度增大, 这表明稻田中的物质循环和信息传递效率随着团聚体粒径的减小而提高.土壤碳含量与土壤网络的关系的结果表明, 稻田微团聚体网络受土壤碳含量的影响较小, 但是土壤碳含量对其他土壤团聚体网络结构影响都较大, 这也与加拿大农林复合系统中细菌群落网络的驱动因素的研究结果一致[47].
生态网络分析还可以通过统计分析来推测出关键物种[40].本研究中, 不同土地利用方式和不同粒径团聚体细菌网络中的关键物种不同.但是在天然湿地中, RB41为所有粒径团聚体共有的关键物种, 说明RB41在天然湿地土壤中具有重要作用.有研究表明, RB41在非施肥土壤中含量较高[48], 李强[39]的研究发现RB41是岩溶断陷盆地土壤细菌-真核生物网络的关键物种.厌氧绳菌目为稻田大团聚体网络的关键物种, 与DOC显著正相关, 说明该菌偏爱养分高的生境.马赛菌属是稻田微团聚体的关键物种, 有研究发现, 该细菌具有固氮、溶磷等作用, 能有效提高植物的营养获取能力, 从而影响植物的生长和产量[49]; 而鞘氨醇单胞菌属对结构复杂的难降解芳香化合物具有特异作用[50].在稻田粉、黏粒组分中, 芽单胞菌科为关键物种, 有利于粉、黏粒组分物质循环能力的加强[51].总的来看, 这些细菌大多数都属于酸杆菌门和变形菌门, 说明这两种菌门的细菌生态位宽, 具有较强的环境适应性[52].关键物种包含一些丰度较低的物种, 例如, Terrabacter、Nocardioides和Rhodoplanes等, 表明关键物种不一定是土壤中某些丰度高的物种, 但它们赋予群落更大的连通性, 有利于细菌间相互作用的加强[53].因此, 关键物种对于维持微生物群落结构和功能非常重要.
4 结论(1) 稻田微团聚体占29.64%, 显著高于天然湿地中微团聚体的占比(22.20%), 表明稻田土壤的凝聚性提高.
(2) 天然湿地的稻田利用显著改变了土壤细菌群落结构, 在全土和3种团聚体组分中, 稻田绿弯菌门和厌氧绳菌目的相对丰度均显著高于天然湿地, DOC是影响细菌群落结构的关键因子.
(3) 稻田中微团聚体和粉、黏粒细菌网络的复杂性较高, 细菌间的资源利用和信息传递效率较高; 而稻田大团聚细菌网络紧密性较低, 模块性较高, 有利于大团聚体群落结构的稳定; 土地利用方式改变了团聚体中的关键物种.
| [1] |
徐飞, 张拓, 怀宝东, 等. 土地利用变化对松花江下游湿地土壤真菌群落结构及功能的影响[J]. 环境科学, 2021, 42(5): 2531-2540. Xu F, Zhang T, Huai B D, et al. Effects of land use changes on soil fungal community structure and function in the riparian wetland along the downstream of the Songhua River[J]. Environmental Science, 2021, 42(5): 2531-2540. |
| [2] |
张翼然, 周德民, 刘苗. 中国内陆湿地生态系统服务价值评估——以71个湿地案例点为数据源[J]. 生态学报, 2015, 35(13): 4279-4286. Zhang Y R, Zhou D M, Liu M. Ecosystem service valuation research of Chinese inland wetlands based on case study[J]. Acta Ecologica Sinica, 2015, 35(13): 4279-4286. |
| [3] |
王娜, 高婕, 魏静, 等. 三江平原湿地开垦对土壤微生物群落结构的影响[J]. 环境科学, 2019, 40(5): 2375-2381. Wang N, Gao J, Wei J, et al. Effects of wetland reclamation on soil microbial community structure in the Sanjiang Plain[J]. Environmental Science, 2019, 40(5): 2375-2381. |
| [4] |
程跃扬, 靳振江, 王晓彤, 等. 土地利用方式对会仙岩溶湿地土壤真菌群落和功能类群的影响[J]. 环境科学, 2020, 41(9): 4294-4304. Cheng Y Y, Jin Z J, Wang X T, et al. Effect of land-use on soil fungal community structure and associated functional group in Huixian Karst wetland[J]. Environmental Science, 2020, 41(9): 4294-4304. |
| [5] | Yoon C G. Wise use of paddy rice fields to partially compensate for the loss of natural wetlands[J]. Paddy and Water Environment, 2009, 7(4): 357-366. DOI:10.1007/s10333-009-0178-6 |
| [6] |
王国栋, Middleton B A, 吕宪国, 等. 农田开垦对三江平原湿地土壤种子库影响及湿地恢复潜力[J]. 生态学报, 2013, 33(1): 205-213. Wang G D, Middleton B A, Lu X G, et al. Effects of farming on wetland soil seed banks in the Sanjing Plain and wetland restoration potential[J]. Acta Ecologica Sinica, 2013, 33(1): 205-213. |
| [7] |
王进, 刘子琦, 鲍恩俣, 等. 喀斯特石漠化区林草恢复对土壤团聚体及其有机碳含量的影响[J]. 水土保持学报, 2019, 33(6): 249-256. Wang J, Liu Z Q, Bao E Y, et al. Effects of forest and grass restoration on soil aggregates and its organic carbon in Karst rocks desertification areas[J]. Journal of Soil and Water Conservation, 2019, 33(6): 249-256. |
| [8] |
李娜, 韩晓增, 尤孟阳, 等. 土壤团聚体与微生物相互作用研究[J]. 生态环境学报, 2013, 22(9): 1625-1632. Li N, Han X Z, You M Y, et al. Research review on soil aggregates and microbes[J]. Ecology and Environment Sciences, 2013, 22(9): 1625-1632. DOI:10.3969/j.issn.1674-5906.2013.09.027 |
| [9] |
朱源山, 王义东, 郭长城, 等. 天津盐碱化沼泽湿地开垦对土壤团聚体有机与无机碳含量的影响[J]. 生态学杂志, 2020, 39(1): 206-216. Zhu Y S, Wang Y D, Guo C C, et al. Effects of long-term reclamation on soil organic and inorganic carbon contents of aggregates in a saline wetland in Tianjin[J]. Chinese Journal of Ecology, 2020, 39(1): 206-216. |
| [10] |
张会慧, 王世标, 王均睿, 等. 三江平原湿地不同利用方式对土壤理化性质及团聚体组成的影响[J]. 生态学杂志, 2019, 38(6): 1679-1687. Zhang H H, Wang X B, Wang J R, et al. Effects of different land use types on soil physicochemical properties and aggregate composition in Sanjiang Plain wetland[J]. Chinese Journal of Ecology, 2019, 38(6): 1679-1687. |
| [11] |
邰继承, 潘根兴, 杨恒山, 等. 不同土地利用方式对河滩砂质湿地土壤有机碳在团聚体内分布和稳定性的影响[J]. 水土保持学报, 2013, 27(2): 228-233. Tai J C, Pan G X, Yang H S, et al. Effects of different land use types on distribution and stability of sandy flood wet land soil organic carbon aggregate[J]. Journal of Soil and Water Conservation, 2013, 27(2): 228-233. |
| [12] |
陶金. 鄱阳湖湿地围垦后土壤团聚体结构、有机碳及微生物多样性变化的研究[D]. 南昌: 南昌大学, 2012. Tao J. Study on soil aggregate structure, soil organic carbon and micro-bial diversity after reclamation of Poyang Lake wetland[D]. Nanchang: Nanchang University, 2012. |
| [13] | Liu Y L, Wang P, Ding Y J, et al. Microbial activity promoted with organic carbon accumulation in macroaggregates of paddy soils under long-term rice cultivation[J]. Biogeosciences, 2016, 13(24): 6565-6586. DOI:10.5194/bg-13-6565-2016 |
| [14] |
靳振江, 曾鸿鹄, 李强, 等. 起源喀斯特溶洞湿地稻田与旱地土壤的微生物数量、生物量及土壤酶活性比较[J]. 环境科学, 2016, 37(1): 335-341. Jin Z J, Zeng H H, Li Q, et al. Comparisons of microbial numbers, biomasses and soil enzyme activities between paddy field and dryland origins in karst cave wetland[J]. Environmental Science, 2016, 37(1): 335-341. |
| [15] |
袁武, 靳振江, 程跃扬, 等. 岩溶湿地和稻田的土壤酶活性与CO2和CH4排放特征[J]. 中国农业科学, 2020, 53(14): 2897-2906. Yuan W, Jin Z J, Cheng Y Y, et al. Characteristics of soil enzyme activities and CO2 and CH4 emissions from natural wetland and paddy field in karst areas[J]. Scientia Agricultura Sinica, 2020, 53(14): 2897-2906. |
| [16] |
贾远航, 靳振江, 袁武, 等. 会仙岩溶湿地、稻田与旱地土壤细菌群落结构特征比较[J]. 环境科学, 2019, 40(7): 3313-3323. Jia Y H, Jin Z J, Yuan W, et al. Comparison of soil bacterial community structure between paddy fields and dry land in the Huixian Karst wetland, China[J]. Environmental Science, 2019, 40(7): 3313-3323. |
| [17] | Six J, Elliott E T, Paustian K, et al. Aggregation and soil organic matter accumulation in cultivated and native grassland soils[J]. Soil Science Society of America Journal, 1998, 62(5): 1367-1377. DOI:10.2136/sssaj1998.03615995006200050032x |
| [18] | 鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科学出版社, 1999. |
| [19] |
孙万龙, 陈苏铭, 刘雪华, 等. 不同土壤采样设计下土壤表层微生物α多样性的差异分析[J]. 微生物学通报, 2020, 47(6): 1699-1708. Sun W L, Chen S M, Liu X H, et al. Effect of soil sampling designs on soil microbial alpha diversity[J]. Microbiology China, 2020, 47(6): 1699-1708. |
| [20] |
刘艳霞, 李想, 邹焱, 等. 贵州省典型植烟生态区域根际土壤微生物群落多样性[J]. 生态学报, 2018, 38(9): 3145-3154. Liu Y X, Li X, Zou Y, et al. Investigation and analysis of microbial information in tobacco-planted soil from different ecological regions in the Guizhou province[J]. Acta Ecologica Sinica, 2018, 38(9): 3145-3154. |
| [21] | Liao H, Zhang Y C, Wang K, et al. Complexity of bacterial and fungal network increases with soil aggregate size in an agricultural inceptisol[J]. Applied Soil Ecology, 2020, 154. DOI:10.1016/j.apsoil.2020.103640 |
| [22] |
顾静馨. 土壤微生物生态网络的构建方法及其比较[D]. 扬州: 扬州大学, 2015. Gu J X. The methods of constructing soil microbial ecological network and its comparison[D]. Yangzhou: Yangzhou University, 2015. |
| [23] | Banerjee S, Schlaeppi K, Van Der Heijden M G A. Keystone taxa as drivers of microbiome structure and functioning[J]. Nature Reviews Microbiology, 2018, 16(9): 567-576. |
| [24] | Rousk J, Bååth E, Brookes P C, et al. Soil bacterial and fungal communities across a pH gradient in an arable soil[J]. The ISME Journal, 2010, 4(10): 1340-1351. |
| [25] |
张杰, 胡维, 刘以珍, 等. 鄱阳湖湿地不同土地利用方式下土壤微生物群落功能多样性[J]. 生态学报, 2015, 35(4): 965-971. Zhang J, Hu W, Liu Y Z, et al. Response of soil microbial functional diversity to different land-use types in wetland of Poyang Lake, China[J]. Acta Ecologica Sinica, 2015, 35(4): 965-971. |
| [26] | Trivedi P, Delgado-Baquerizo M, Jeffries T C, et al. Soil aggregation and associated microbial communities modify the impact of agricultural management on carbon content[J]. Environmental Microbiology, 2017, 19(8): 3070-3086. |
| [27] |
赵美纯, 李鑫, 王月, 等. 东北黑土旱田改稻田对土壤团聚体微生物群落功能多样性的影响[J]. 核农学报, 2020, 34(12): 2831-2838. Zhao M C, Li X, Wang Y, et al. Changes in microbial community functional diversity in soil aggregate of black soil turned from upland into paddy tillage in Northeast China[J]. Journal of Nuclear Agricultural Sciences, 2020, 34(12): 2831-2838. |
| [28] |
朱孟涛, 刘秀霞, 王佳盟, 等. 生物质炭对水稻土团聚体微生物多样性的影响[J]. 生态学报, 2020, 40(5): 1505-1516. Zhu M T, Liu X X, Wang J M, et al. Effects of biochar application on soil microbial diversity in soil aggregates from paddy soil[J]. Acta Ecologica Sinica, 2020, 40(5): 1505-1516. |
| [29] | Bach E M, Williams R J, Hargreaves S K, et al. Greatest soil microbial diversity found in micro-habitats[J]. Soil Biology and Biochemistry, 2018, 118: 217-226. |
| [30] | Bu R Y, Ren T, Lei M J, et al. Tillage and straw-returning practices effect on soil dissolved organic matter, aggregate fraction and bacteria community under rice-rice-rapeseed rotation system[J]. Agriculture, Ecosystems & Environment, 2020, 287. DOI:10.1016/j.agee.2019.106681 |
| [31] |
鲜文东, 张潇橦, 李文均. 绿弯菌的研究现状及展望[J]. 微生物学报, 2020, 60(9): 1801-1820. Xian W D, Zhang X T, Li W J. Research status and prospect on bacterial phylum Chloroflexi[J]. Acta Microbiologica Sinica, 2020, 60(9): 1801-1820. |
| [32] |
赵文慧, 马垒, 徐基胜, 等. 秸秆与木本泥炭短期施用对潮土有机质及微生物群落组成和功能的影响[J]. 土壤学报, 2020, 57(1): 153-164. Zhao W H, Ma L, Xu J S, et al. Effect of application of straw and wood peat for a short period on soil organic matter and microbial community in composition and function in fluvo-aquic soil[J]. Acta Pedologica Sinica, 2020, 57(1): 153-164. |
| [33] |
王怡静, 夏晶晶, 于景丽, 等. 水分驱动半干旱区河流沉积物/土壤厌氧绳菌群落的空间异质性[J]. 微生物学通报, 2020, 47(9): 2807-2821. Wang Y J, Xia J J, Yu J L, et al. Moisture determined spatial heterogeneity of river sediment/soil Anaerolineaceae communities in semiarid region[J]. Microbiology China, 2020, 47(9): 2807-2821. |
| [34] | Zhu P, Wang Y P, Shi T T, et al. Intertidal zonation affects diversity and functional potentials of bacteria in surface sediments: a case study of the Golden Bay mangrove, China[J]. Applied Soil Ecology, 2018, 130: 159-168. |
| [35] | Coyte K Z, Schluter J, Foster K R. The ecology of the microbiome: networks, competition, and stability[J]. Science, 2015, 350(6261): 663-666. |
| [36] | Gupta V V S R, Germida J J. Soil aggregation: influence on microbial biomass and implications for biological processes[J]. Soil Biology and Biochemistry, 2015, 80: A3-A9. |
| [37] | Lin Y X, Ye G P, Ding W X, et al. Niche differentiation of comammox Nitrospira and canonical ammonia oxidizers in soil aggregate fractions following 27-year fertilizations[J]. Agriculture, Ecosystems & Environment, 2020, 304. DOI:10.1016/j.agee.2020.107147 |
| [38] | Zheng W, Zhao Z Y, Gong Q L, et al. Responses of fungal-bacterial community and network to organic inputs vary among different spatial habitats in soil[J]. Soil Biology and Biochemistry, 2018, 125: 54-63. |
| [39] |
李强. 土地利用方式对岩溶断陷盆地土壤细菌和真核生物群落结构的影响[J]. 地球学报, 2021, 42(3): 417-425. Li Q. Land-use types leading to distinct ecological patterns of soil bacterial and eukaryota communities in karst graben basin[J]. Acta Geoscientia Sinica, 2021, 42(3): 417-425. |
| [40] | Ye G P, Banerjee S, He J Z, et al. Manure application increases microbiome complexity in soil aggregate fractions: results of an 18-year field experiment[J]. Agriculture, Ecosystems & Environment, 2021, 307. DOI:10.1016/j.agee.2020.107249 |
| [41] |
李冰, 李玉双, 魏建兵, 等. 不同土地利用方式对土壤细菌分子生态网络的影响[J]. 环境科学, 2020, 41(3): 1456-1465. Li B, Li Y S, Wei J B, et al. Effects of different land use typess on the molecular ecological network of soil bacteria[J]. Environmental Science, 2020, 41(3): 1456-1465. |
| [42] | Wang Y, Zhang R, Zheng Q, et al. Bacterioplankton community resilience to ocean acidification: evidence from microbial network analysis[J]. ICES Journal of Marine Science, 2016, 73(3): 865-875. |
| [43] | Carpenter S R, Arrow K J, Barrett S, et al. General resilience to cope with extreme events[J]. Sustainability, 2012, 4(12): 3248-3259. |
| [44] |
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, 40(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, 40(8): 3997-4004. |
| [45] | Faust K, Raes J. Microbial interactions: from networks to models[J]. Nature Reviews Microbiology, 2012, 10(8): 538-550. |
| [46] | Banerjee S, Kirkby C A, Schmutter D, et al. Network analysis reveals functional redundancy and keystone taxa amongst bacterial and fungal communities during organic matter decomposition in an arable soil[J]. Soil Biology and Biochemistry, 2016, 97: 188-198. |
| [47] | Banerjee S, Baah-Acheamfour M, Carlyle C N, et al. Determinants of bacterial communities in Canadian agroforestry systems[J]. Environmental Microbiology, 2016, 18(6): 1805-1816. |
| [48] | Ai C, Zhang S Q, Zhang X, et al. Distinct responses of soil bacterial and fungal communities to changes in fertilization regime and crop rotation[J]. Geoderma, 2018, 319: 156-166. |
| [49] |
苟敏, 曲媛媛, 杨桦, 等. 鞘氨醇单胞菌: 降解芳香化合物的新型微生物资源[J]. 应用与环境生物学报, 2008, 14(2): 276-282. Gou M, Qu Y Y, Yang H, et al. Sphingomonas sp.: a novel mocrobial resource for biodegradation of aromatic compounds[J]. Chinese Journal of Applied & Environmental Biology, 2008, 14(2): 276-282. |
| [50] | Zheng B X, Bi Q F, Hao X L, et al. Massilia phosphatilytica sp. nov., a phosphate solubilizing bacteria isolated from a long-term fertilized soil[J]. International Journal of Systematic and Evolutionary Microbiology, 2017, 67(8): 2514-2519. |
| [51] | Pankratov T A, Ivanova A O, Dedysh S N, et al. Bacterial populations and environmental factors controlling cellulose degradation in an acidic Sphagnum peat[J]. Environmental Microbiology, 2011, 13(7): 1800-1814. |
| [52] | Cristóbal H A, Benito J, Lovrich G A, et al. Phylogenentic and enzymatic characterization of psychrophilic and psychrotolerant marine bacteria belong to γ-proteobacteria group isolated from the sub-Antarctic Beagle Channel, Argentina[J]. Folia Microbiologica, 2015, 60(3): 183-198. |
| [53] | Herren C M, Mcmahon K D. Keystone taxa predict compositional change in microbial communities[J]. Environmental Microbiology, 2018, 20(6): 2207-2217. |