2023, Vol. 44
2. 中国城市规划设计研究院, 北京 100037;
3. 北控技术服务(广东)有限公司, 广州 511300
2. China Academy of Urban Planning & Design, Beijing 100037, China;
3. Beijing Enterprises Technical Service (Guangdong), Guangzhou 511300, China
随着社会经济发展, 工业废水、生活污水和农业施肥排放增加了河流氮素陆域输入, 河流已成为主要的氮汇和氮污染热点区域[1].河流中过量的氮负荷加速藻类生长, 破坏河流生态系统[2].微生物是调控氮归趋、控制河流氮素污染的核心驱动力.微生物可附着于沉积物颗粒表面, 也可漂浮在水柱中或附着于水体悬浮物颗粒和絮凝体表面, 其在河流系统内经常发生着有规律的相互交换[3, 4].这种交换过程在纵向、横向和垂向上均有发生.纵向上, 在水文要素驱动下, 颗粒有机物及其附着在表面的微生物从上游流动到下游; 横向上, 岸边带土壤、河流左岸和右岸发生营养物质(氮、磷等)的横向迁移; 垂向上, 沉积物向水体中再悬浮以及水流向沉积物渗透, 引起营养物质(溶解性有机物、营养盐等)和微生物的相互交换; 这些过程维持着河流系统微生物群落组成和功能的时空异质性[5].有研究表明, 环境因子只能解释部分群落之间的差异, 来自不同环境中的群落融合是影响当地微生物群落构建的另一重要因素[4].在河流系统中, 物质和能量的流动受到水位、流量、流速、水深和动水压强等要素控制, 水动力条件对河流微生物群落的迁移有着复杂的影响[3, 6].因此, 需要增加与驱动环境要素混合和微生物群落融合的水动力因子的研究, 明晰河流微生物的来源, 以最大程度地解释微生物群落的变化.环境因子和群落融合引起微生物群落的改变, 与硝化和反硝化等过程相关的基因丰度和活性随之变化, 从而影响河流系统内的氮转化和相关生态过程[7, 8].目前有部分研究对比分析了水体和沉积物微生物群落在组成上的差异[9~11], 但是关于城市河流微生物来源及氮循环功能的垂向对比研究较少[12].
北运河通州段流经通州市区, 是典型的城市河段, 水质始终是制约北运河提升生态环境的首要问题[13], 其中总氮是改善其水环境的主要限制因子[14].细菌是河流中数量最多、分布最广的微生物类群之一, 在河流生态系统物质循环中承担了主要作用[15].因此, 本文依托北京市北运河通州段开展了城市河流水体和沉积物细菌的垂向分布研究, 分析了其氮循环功能和驱动因子, 并对微生物来源进行了初步探究, 以期为调控河流微生态系统和改善水环境提供理论依据.
1 材料与方法 1.1 样品采集北京市北运河是海河流域主要的行洪排涝河道之一, 在通州区内河道总长42 km(图 1), 位于温带大陆性季风气候区.年平均温度为11.3℃, 年降雨量为546.8 mm, 降雨集中在夏季, 占全年降水量的84%[16].本研究选取北运河自北关闸至甘棠橡胶坝段共11.2 km长的河流为研究对象, 每隔2 km布设一个断面, 共设置6个断面, 于2021年8月在河流左岸、右岸(分别距离岸边20 m)和中泓线采集水体和沉积物样品, 共18个采样点.沉积物取表层样品(0~5 cm深度), 每份样品取500 g; 水体取表层水(距离水面0~0.5 m), 每份水样取5 L.每个采样点采集3份平行样, 共获得水体和沉积物样本各54份.将水体样品用0.22 μm水系滤膜抽滤后, 置于离心管内, 放置于-80℃冰箱.沉积物样品冷冻干燥后, 过100目筛, 放置于-80℃冰箱, 用于后续微生物测序.
|
图 1 北运河通州段采样点分布示意 Fig. 1 Sampling locations of Beiyun River in Tongzhou district |
野外采集现场使用YSI多参数水质仪测定现场水质指标, 包括pH、温度(T)、溶解氧(DO)、电导率(Cond)和氧化还原电位(ORP).使用转子式流速仪和超声波水深仪测定每个采样点的流速(v)和水深(H)两大水动力学指标.将样品低温运回实验室后, 在48 h内测定水质指标和沉积物理化指标.对于水体样品, 分别使用碱性过硫酸钾分光光度法(HJ 636-2012)、钼酸铵分光光度法(GB 11893-89)和快速消解分光光度法(HJ/T 399-2007)测定水体总氮(TN)、总磷(TP)和化学需氧量(COD).使用离子色谱仪(ICS1100/1600, 美国)测定水体氨氮(NH4+-N)、硝氮(NO3--N)和亚硝氮(NO2--N)浓度.使用TOC分析仪(Liquid TOC Ⅱ, 德国)测定水体溶解性有机碳(TOC).对于沉积物样品, 将5 g新鲜沉积物用25 mL 2mol·L-1的KCl溶液浸提(水土比为5∶1)后, 使用流动分析仪(San++, SKALAR, 新西兰)测定氨氮(NH4+-N)、硝氮(NO3--N)和亚硝氮(NO2--N)含量.使用元素分析仪(Langenselbold, 德国)测定沉积物总碳(C)和总氮(N)含量.
1.3 高通量测序使用FastDNA Spin Kit for Soil (MP Biomedicals, Cleveland, OH, USA)提取水体和沉积物DNA.使用2%的琼脂糖凝胶电泳检验DNA质量, 使用NanoDrop2000测定DNA浓度和纯度.将质量合格的样品送至上海美吉生物医药科技有限公司(中国上海)进行测序.使用338F(5′-ACTCCTACG GGAGGCAGCAG-3′)和806R(5′-GGACTACHVG GGTWTCTAAT-3′)对16S rRNA基因V3-V4可变区进行PCR扩增, 利用Illumina公司的MiSeq PE300平台进行测序.原始测序数据已提交至NCBI数据库, 登录号为PRJNA828143.使用fastp软件对原始测序序列进行质控, 使用FLASH软件进行拼接[17].基于默认参数, 使用Qiime2流程中的DADA2对质控拼接之后的优化序列进行降噪处理[18], 54个水体样本和54个沉积物样本分别得到1 088 076条和1 328 838条序列.按照最小样本序列数(14 875条)对序列进行抽平, 去除叶绿体和线粒体, 水体和沉积物样品分别得到了5 809条和1 896条ASV.基于Sliva 16S rRNA数据库(v 138), 使用Qiime2中的Naive bayes分类器对ASVs进行物种分类学分析.
1.4 数据统计与分析使用R语言的“vegan”包计算水体和沉积物细菌群落的α多样性, 分别使用Chao1、Shannon和Shannoneven指数评估细菌群落的丰度、多样性和均匀度.使用SPSS软件对水体和沉积物的α多样性指标进行配对t检验(paired t-test), 显著性水平为95%.PICRUSt2软件通过比对16S rRNA基因序列和参考基因组数据库来预测细菌代谢功能, 并结合不同细菌的16S rRNA基因拷贝数差异以及原始ASV表格中的物种丰度数据进行校正, 提高丰度预测可靠性[19].使用SourceTracker软件计算水体和沉积物样本细菌来源比例.基于R语言“ggcor”包, 计算细菌群落物种丰度Bray-Curtis距离, 对环境因子数据计算Euclidean距离.基于Mantel test检验, 计算水体和沉积物细菌群落组成和功能数据和环境因子、水动力因子的相关性, 显著性水平为95%.基于R语言“vegan”包, 进一步使用方差分解分析(variance partitioning analysis, VPA)区分环境因子和水动力因子对细菌群落组成和功能差异的贡献程度.
2 结果与分析 2.1 微生物群落α多样性和组成垂向分布为探究北运河垂向细菌群落组成分布, 基于ASV序列, 对样本进行物种分类学分析.水体样本中包含的细菌有27门、57纲、149目、244科、443属和681种, 沉积物样本中包含的细菌有54门、159纲、307目、467科、756属和1 500种.进一步计算样本的α多样性指数, 水体Shannon指数为5.23±0.40, Chao1指数为565.19±117.05, Shannoneven指数为0.83±0.04.沉积物则分别为6.74±0.15、1371.94±265.79和0.94±0.01.沉积物中细菌群落的丰富度是水体的2.43倍, 且多样性和均匀度均高于水体, 沉积物细菌群落的α多样性显著高于水体(paired t-test, P < 0.05, n=54).
从门水平上对细菌群落组成进行分析(图 2), 水体样本中相对丰度前5的门分别是变形菌门(Proteobacteria)、拟杆菌门(Bacteroidetes)、放线菌门(Actinobacteria)、蓝菌门(Cyanobacteria)和疣微菌门(Verrucomicrobia), 其相对丰度分别是54.72%、26.73%、10.59%、3.76%和0.68%.沉积物样本中相对丰度前5的门分别是变形菌门(Proteobacteria)、绿弯菌门(Chloroflexi)、拟杆菌门(Bacteroidetes)、酸杆菌门(Acidobacteria)和放线菌门(Actinobacteria), 其相对丰度分别是32.36%、15.23%、14.35%、8.70%和6.21%.
|
**表示通过paired t-test 95%显著性检验 图 2 北运河水体和沉积物微生物群落组成和α多样性 Fig. 2 Community composition and α diversity of water and sediment microorganisms |
为明确北运河通州段水体和沉积物样本微生物氮转化功能, 首先使用PICRUSt2软件将样本ASV序列与其内部参考序列进行比对, 预测每个ASV的基因拷贝数, 确定样本基因丰度.通过数据库比对, 获得了样本6大类功能信息[20, 21], 进一步和KEGG数据库中与氮代谢相关的65个直系同源基因进行比对, 获得47个与氮代谢有关的基因.其中6大类功能信息包括细胞过程(cellular processes)、环境信息处理(environmental information processing)、遗传信息处理(genetic information processing)、人类疾病(human diseases)、新陈代谢(metabolism)和生物体系统(organismal systems), 比对结果如图 3所示.总体上来看, 水体和沉积物细菌群落在功能分布上具有一定的相似性, 在代谢方面相对丰度最高(分别为76.63%和76.86%), 其次为信息处理、人类疾病、细胞过程和生物体系统.但沉积物细菌群落在全局及概览通路(global and overview)、碳水化合物代谢(carbohydrate metabolism)、氨基酸代谢功能(amino acid metabolism)和能量代谢功能(energy metabolism)方面的基因相对丰度略高于水体, 而水体在人类疾病方面的功能基因相对丰度均高于沉积物.
|
图 3 PICRUSt2预测水体和沉积物功能基因丰度 Fig. 3 Abundance of functional genes of water and sediment predicted by PICRUSt2 |
北运河水体和沉积物具有丰富的氮代谢能力, 两者在氮代谢功能上具有一定的相似性和差异性(图 4).水体和沉积物中, 反硝化过程、氮的同化和异化还原过程相关基因丰度较高, 生物固氮过程和硝化过程的相关基因丰度相对较低.生物固氮过程中, 编码固氮酶的nifH、nifD和nifK基因在沉积物中所占比例较高.水体和沉积物中含有编码氨单加氧酶的amoA、amoB和amoC基因, 以及编码羟胺氧化还原酶的hao基因的丰度相对于其他过程较低.反硝化过程中, 编码硝酸盐还原酶的narG和narH基因在水体和沉积物中的分布比例相似; 编码亚硝酸盐还原酶的nirS和nirK基因在水体和沉积物中表现出相反的分布情况.在水体中nirK基因的丰度高于nirS, 在沉积物中nirS基因的丰度高于nirK.编码一氧化氮还原酶的norB和norC基因在水体和沉积物中丰度都很高, 且norB丰度高于norC, 编码氧化亚氮还原酶的nosZ基因在两种生境中也广泛存在.氮异化还原过程中, 编码硝酸盐异化还原酶的napA和napB基因以及编码甲酸依赖型亚硝酸盐还原酶的nrfA基因较低, 编码亚硝酸盐还原酶的nirD基因丰度最高.硝酸盐同化还原过程中, 编码硝酸盐同化还原酶的nasA基因丰度高于narB和nasB基因.编码亚硝酸盐还原酶的nirB基因丰度高于nirA.
|
图 4 水体和沉积物氮代谢功能基因分布 Fig. 4 Nitrogen metabolism gene distribution of water and sediment |
根据河流连续体概念, 由于水体的流动性, 河流上下游、左右岸和地表与地下这3个方向的生态过程直接相关[22].溶质进入河流后, 由于水流的纵向流动, 可将溶质及颗粒物从上游输送到下游; 由于天然河流流场的不均匀性, 溶质将在横向和垂向上发生紊动扩散, 河流中自由漂浮的细菌及附着在颗粒物上的细菌在纵向、横向和垂向上均可发生群落融合.因此, 为定量解析河流沉积物和水体细菌在以上3个方向的来源比例, 本文采用SourceTracker软件, 基于贝叶斯方法, 将待分析来源的样本作为汇(sink), 将各种来源的样本作为源(source), 计算汇样本中各来源的比例[23].分别将水体样本和沉积物样本作为汇, 水体细菌的纵向来源包括上游水体和沉积物, 横向来源为同一断面相邻的水体样本, 垂向来源为同一断面的沉积物样本[图 5(a)].沉积物细菌的纵向来源包括上游沉积物和水体, 横向来源为相邻沉积物样本, 垂向来源为同一断面的水体样本[图 5(c)].结果表明, 水体细菌横向来源(60.05%)为主要来源, 其次为纵向来源(37.93%)和垂向来源(1.05%)[图 5(b)], 水体细菌主要来自于上游和两侧, 沉积物贡献比例较小.沉积物细菌纵向来源为主要来源(50.16%), 其次为横向来源(45.55%)和垂向来源(1.55%)[图 5(d)], 沉积物中细菌主要来自于上游和两侧, 水体沉淀获取细菌比例较小.进一步使用Mantel test检验水体和沉积物细菌来源和流速、水深的相关性, 结果如图 6所示.结果表明, 水体细菌垂向来源比例和水深为显著正相关关系, 水深显著影响水体和沉积物之间细菌的垂向交换.微生物的垂向交换较弱, 可能是由于北运河通州段为宽浅型明渠, 流速缓慢, 水深较小, 河流垂向紊动强度较小.沉积物通过水文要素的驱动, 从上游迁移至下游, 水文脉冲的强度将影响沉积物的迁移量.流速与沉积物的垂向来源(水体部分)两者显著相关, 说明水流速度影响上游和下游之间细菌的纵向迁移, 流速越大, 河流细菌的纵向迁移量越大.
|
(a)水体细菌来源, (b)水体细菌来源比例, (c)沉积物细菌来源, (d)沉积物细菌来源比例 图 5 河流微生物溯源 Fig. 5 Source tracking of river microorganisms |
|
点为各来源比例与流速或水深的对应关系, 直线为线性拟合线, 灰色区域表示95%置信区间, *表示通过Mantel test显著性检验(置信度为95%) 图 6 微生物来源比例与流速和水深的相关分析 Fig. 6 Correlation between source proportion and flow velocity and water depth |
为探究河流细菌群落组成和氮循环功能垂向分布的驱动因素, 基于R语言的“ggcor”包, 计算细菌群落物种丰度Bray-Curtis距离, 对环境因子数据计算Euclidean距离, 并对两者相关性进行Mantel test检验(显著性水平为95%), 结果如图 7所示.从中可以看出, 水体细菌的物种组成和氮循环功能与水深、总有机碳、氨氮、亚硝氮、硝氮、总磷、总氮、氧化还原电位和温度显著相关.其中, 总磷、氨氮和硝氮含量是影响物种组成和氮循环功能的主要驱动因子, 与物种组成的相关系数分别为0.81、0.63和0.53, 与氮循环功能的相关系数分别为0.62、0.45和0.40.沉积物细菌的物种组成和氮循环功能与总碳、总氮、含水率、硝氮和水深显著相关.其中, 总氮、总碳和含水率是影响物种组成和氮循环功能的主控因子, 与物种组成的相关系数分别为0.52、0.45和0.43, 和氮循环功能的相关系数分别是0.52、0.42和0.40.由此可见, 影响细菌群落结构和功能的主要驱动因子一致, 群落结构和功能对环境因子的响应有高度的统一性.
|
a1. T, a2.DO, a3.pH, a4.Cond, a5.ORP, a6.COD, a7.TN, a8.TP, a9.NO3--N, a10.NO2--N, a11.NH4+-N, a12.TOC, a13. V, a14. H, b1.C, b2.N, b3.C/N, b4.Mois, b5. NH4+-N, b6. NO3--N, b7. NO2--N, b8. V, b9. H; 线宽表示Mantel r统计量的距离相关性大小, 线条颜色表示统计显著性的P值; 圆圈表示每个理化因子之间的Pearson相关关系, 圆圈颜色的深浅表示相关系数的大小 图 7 环境因子和水动力因子与细菌群落组成和氮循环功能的相关性 Fig. 7 Driving factors of microorganism composition and nitrogen cycling function of river |
|
(a)水体细菌群落组成, (b)水体细菌群落氮循环功能, (c)沉积物细菌群落组成, (d)沉积物细菌群落氮循环功能 图 8 环境因子和水动力因子方差分解分析 Fig. 8 VPA of environmental factors and hydrodynamic factors |
为进一步区分环境因子和水动力因子对微生物群落变化的贡献率, 对水体和沉积物群落组成和功能进行了方差分解分析.结果表明, 对于水体细菌群落来说, 温度、溶解氧和pH等12个环境因子对细菌群落组成和氮循环功能差异的解释度分别为44.22%和48.58%, 流速和水深两大水动力因子对细菌群落组成和氮循环功能变化的解释度为3.21%和2.93%, 环境因子和水动力因子两大要素相互作用对细菌群落组成和功能差异的解释度分别为15.60%和14.97%.对于沉积物细菌群落来说, 总碳含量、总氮含量和pH等7个环境因子对细菌群落变化和氮循环功能差异的解释度为13.05%和26.62%, 流速和水深两大水动力因子对细菌群落组成变化的解释度为1.56%和1.53%, 环境因子和水动力因子的相互作用对细菌群落组成和功能差异的解释度分别为8.51%和16.0%.
3 讨论 3.1 水体和沉积物细菌群落组成分析高通量测序结果表明, 北运河通州段沉积物细菌群落的丰富度、多样性和均匀度均高于水体.在河流不同相中细菌的定植、生存和群落构建受到基质可附着性、营养物质可利用性和栖息环境多样性等多重因素的影响[3].首先, 可附着性基质是细菌生长和群落构建的基础, 沉积物颗粒为细菌的生长提供了大量可附着性基质, 细菌密度远高于水体.即使是在水柱中, 细菌也倾向于附着在悬浮颗粒上, 表现出比在水柱中自由漂浮的微生物更高的丰度和代谢率[24, 25].其次, 理化因子和栖息环境的多样性驱使微生物群落空间分布格局产生差异.从横向和纵向来看, 沉积物的水力梯度、糙率、孔隙度和通透性空间异质性较强, 水平方向上形成了环境因子差异较大的好氧-厌氧交替界面[24].垂向上来看, 水和溶质(氧气和营养物质等)进入沉积物可变性很大, 沉积物表层处于有氧条件, 而较深的基质部分为厌氧环境, 形成了高氧气梯度[26].河流系统内, 水体由于其流动性, 其生境均质性更强, 而沉积物为微生物提供了更加丰富的栖息环境.
从组成上来说, 北运河水体和沉积物中变形菌门(Proteobacteria)、放线菌门(Actinobacteria)和拟杆菌门(Bacteroidetes)为主要类群, 这和以往关于城市河流系统微生物的研究结果一致[27].其中, 变形菌广泛分布在河流系统的好氧/缺氧区, α变形菌纲(α-Proteobacteria)在氮循环中起到固氮作用[28], 释放河流氮内源.有研究表明, β变形菌纲(β-Proteobacteria)在淡水中占主导地位[29], 而γ变形菌纲(γ-Proteobacteria)在沉积物中占主导地位[30].大多数γ变形杆菌(γ-Proteobacteria)是化能营养菌, 介导氢、硫和铁的生物地球化学循环[9].由于放线菌(Actinobacteriota)在贫营养中活性较高, 所以其在水体中的相对丰度远高于沉积物, 这一结果与已有研究结论一致[31].拟杆菌门(Bacteroidetes)是城市段河流中的另一个优势门, 该门的许多物种与哺乳动物和人类的肠道微生物类群一致[32].可能是由于生活污水的排放, 导致城市河流拟杆菌相对丰度较高.水体中的蓝细菌丰度较高, 其生长受到活性磷含量的调控, 磷含量过高将引起河流水体水华暴发[33].沉积物中的绿弯菌门(Chloroflexi)是一类通过光合作用, 以二氧化碳为碳源产生能量的细菌, 在水位变化频繁的潮间带土壤中广泛存在[34].
3.2 水体和沉积物氮循环功能分析城市河流过量的氮输入将在一定程度上影响介导固氮作用、硝化和反硝化作用、同化和异化硝酸盐还原作用的关键基因丰度和比例, 从而影响各个氮循环过程的速率[34].河流系统内, 大部分异养固氮菌存在于沉积物中, 沉积物颗粒聚集体是其生存的主要环境.有机质是固氮菌的碳源和能量来源, 沉积物中有机质含量高, 且异养固氮与水生植物的根系密切相关, 因此沉积物中固氮菌基因丰度较高[35].有研究表明, 硝化细菌可悬浮于水柱, 也可附着在沉积物表层.从绝对丰度来看, 沉积物中硝化细菌约为105个·mL-1, 比水柱中硝化细菌含量高4个数量级[36], 沉积物的硝化速率远高于水体, 硝化过程主要发生在沉积物含有氧气的最上层.较浅河流水体硝化速率较低, 但是对于较深的水柱, 水体也可能发挥重要的硝化功能, 沉积物中硝化细菌的再悬浮可增大水柱的硝化速率[37].河流反硝化过程中, 几乎所有的反硝化菌均为异养菌, 总有机碳TOC是反硝化细菌的主要电子供体[38], 因此反硝化菌的丰度和反硝化速率随着总有机质TOC的增加而增加[24].河流反硝化过程主要发生在沉积物缺氧的下层, 其速率主要受到NO2-、NO3-和DO的限制, 河流上层水体硝化过程产生的NO2-和NO3-对沉积物的反硝化过程具有潜在的调控能力[39].氮的同化和异化作用主要是NO3-还原为NH4+的过程, 同化硝酸盐还原酶是生物体中参与硝酸盐新陈代谢的主要调节酶[40].沉积物中有机碳与NO3-的比值, 以及还原硫的种类是调节河流氮异化还原过程的重要因素[24], 其中上覆水硝化过程向沉积物提供NO3-, 影响沉积物氮还原过程速率.由此可见, 水体和沉积物的氮转化过程相互耦合, 共同促进河流氮循环.
3.3 微生物来源及水动力学分析河流是一个运输溶质的重要通路, 将上下游、左右岸、水体和沉积物通过纵向、横向和垂向的传质、扩散和弥散等过程联系起来[4].由于河流中的物质和能量的流动受到水位、流量、流速、水深和动水压强等因素控制, 水动力条件对河流微生物群落的迁移有着复杂的影响[3, 6].微生物从源头运移到当地群落并发生融合, 其融合量取决于粘附率.在河流中, 对流传质是控制微生物粘附率的主要机制.从纵向和垂向来看, 层流状态下(雷诺数Re < 14 000), 高流速携带更大的传质量, 微生物粘附率增大.但当流速超过一定的临界值时, 过高的剪应力使得微生物无法粘附[41].北运河为宽浅型明渠, 主要流态为层流, 因此流速的大小影响上下游细菌的传输量和粘附率, 水文脉冲的强度决定了微生物在纵向的迁移量.从垂向来看, 河流底部水力条件发生扰动时, 沉积物再悬浮和水流向沉积物中的渗透导致两者之间微生物的交换.水动力作用是影响沉积物中污染物释放的重要因素, 决定着其在孔隙水中的传质速度和悬浮状态.此外, 微生物的尺寸、细胞表面特征以及沉积物颗粒特性会影响微生物群落的运移[32, 42].溶质的垂向紊动扩散强度决定了微生物的垂向迁移量, 水深与紊动扩散系数成正比.
3.4 微生物组成和功能驱动要素分析对于河流微生物群落来说, 由于多种环境因素同时作用, 很难将群落构建模式的变化归因于特定的因素, 环境变量只能解释群落之间一部分的差异.有研究表明, 在300多个生态学研究中, 环境因子对群落变化解释率的平均方差为26%[43].对于微生物群落构建驱动因子的研究来说, 该解释度较低, 增加与环境因子混合相关的参数能增大该解释率[4].一方面由于水动力的驱动, 微生物群落在上下游、左右岸、水体和沉积物之间发生了物理上的迁移, 引起群落融合.另一方面, 水流作为运输溶质的载体, 在浓度梯度上发生溶质的混合和扩散, 营养要素通过对水动力要素的响应, 最终影响微生物群落的构建.例如, 流速和水深决定了水流紊动强度, 从而影响水-气界面的气体交换速率, 造成溶解氧含量波动, 影响微生物氧气的可利用性.进一步的相关性分析表明, 总磷是河流微生物群落变化的主控因子, 磷是影响河流生物代谢功能的重要驱动力[44].此外, 溶解性无机氮对微生物群落组成和功能也有显著贡献, 这与先前的研究结论一致[45].可利用的碳和氮含量是影响沉积物群落组成和功能变化的主控因子[46], 含水率则影响氧气和河流溶质向沉积物的迁移量, 从而影响微生物营养物质的可利用性.由此可见, 环境因子和水动力条件共同控制了河流垂向微生物的组成和功能.
4 结论(1) 北运河沉积物细菌群落的丰富度、多样性和均匀度高于水体.沉积物和水体在细菌群落组成上具有一定的相似性和差异性, 变形菌门(Proteobacteria)、拟杆菌门(Bacteroidetes)和放线菌门(Actinobacteria)均为相对丰度较高的类群, 而水体中蓝菌门(Cyanobacteria)丰度较高, 沉积物中绿弯菌门(Chloroflexi)丰度较高.
(2) 北运河水体和沉积物具有丰富的氮代谢功能, 样本中共获得47个与氮代谢有关的基因.反硝化过程、氮的同化和异化还原过程相关基因丰度较高, 生物固氮过程和硝化过程的相关基因丰度相对较低.水体和沉积物的氮的转化过程相互耦合, 共同促进河流氮循环.
(3) 在水动力的驱动下, 北运河通州段水体微生物主要通过纵向和横向运移影响当地微生物群落的组成, 水深和流速是影响微生物垂向和纵向运移的关键因素.
(4) 环境因子和水动力条件共同控制了河流垂向细菌群落的组成和氮循环功能.其中, 总磷、氨氮和硝氮是影响水体细菌群落组成和功能的主要驱动因子, 总氮、总碳和含水率是影响沉积物微生物群落组成和功能的主控因素, 水动力条件通过直接或间接的影响调控河流细菌群落的组成和功能.
| [1] | Zhang W S, Li H P, Xiao Q J, et al. Urban rivers are hotspots of riverine greenhouse gas (N2O, CH4, CO2) emissions in the mixed-landscape chaohu lake basin[J]. Water Research, 2021, 189. DOI:10.1016/j.watres.2020.116624 |
| [2] | Li Y, Hui C Z, Zhang W L, et al. Integrating microbial community assembly and fluid kinetics to decouple nitrogen dynamics in an urban channel confluence[J]. Environmental Science & Technology, 2020, 54(18): 11237-11248. |
| [3] |
李轶, 雷梦婷, 杨楠, 等. 河流微生物生态学的研究进展[J]. 水资源保护, 2022, 38(1): 190-197. Li Y, Lei M T, Yang N, et al. Research and prospect on river microbial ecology[J]. Water Resources Protection, 2022, 38(1): 190-197. |
| [4] | Mansour I, Heppell C M, Ryo M, et al. Application of the microbial community coalescence concept to riverine networks[J]. Biological Reviews, 2018, 93(4): 1832-1845. DOI:10.1111/brv.12422 |
| [5] |
肖艳春, 于会彬, 宋永会. 河流底泥DOM、营养盐与重金属空间分异特征及响应关系[J]. 环境科学, 2022, 43(5): 2489-2499. Xiao Y C, Yu H B, Song Y H. Spatial differentiation characteristics and response relationship of DOM, nutrients, and heavy metals in river sediments[J]. Environmental Science, 2022, 43(5): 2489-2499. |
| [6] | Murray A M, Maillard J, Jin B, et al. A modeling approach integrating microbial activity, mass transfer, and geochemical processes to interpret biological assays: an example for PCE degradation in a multi-phase batch setup[J]. Water Research, 2019, 160: 484-496. DOI:10.1016/j.watres.2019.05.087 |
| [7] | Tripathi B M, Stegen J C, Kim M, et al. Soil pH mediates the balance between stochastic and deterministic assembly of bacteria[J]. The ISME Journal, 2018, 12(4): 1072-1083. DOI:10.1038/s41396-018-0082-4 |
| [8] | Zhang W L, Wang H L, Li Y, et al. Bend-induced sediment redistribution regulates deterministic processes and stimulates microbial nitrogen removal in coarse sediment regions of river[J]. Water Research, 2020, 170. DOI:10.1016/j.watres.2019.115315 |
| [9] |
彭柯, 董志, 邸琰茗, 等. 基于16S rRNA高通量测序的北运河水体及沉积物微生物群落组成对比分析[J]. 环境科学, 2021, 42(11): 5424-5432. Peng K, Dong Z, Di Y M, et al. Contrasting analysis of microbial community composition in the water and sediments of the North Canal based on 16S rRNA high-throughput sequencing[J]. Environmental Science, 2021, 42(11): 5424-5432. |
| [10] | Perkins T L, Clements K, Baas J H, et al. Sediment composition influences spatial variation in the abundance of human pathogen indicator bacteria within an estuarine environment[J]. PLoS One, 2014, 9(11). DOI:10.1371/journal.pone.0112951 |
| [11] | Abia A L K, Ubomba-Jaswa E, Momba M N B. Prevalence of pathogenic microorganisms and their correlation with the abundance of indicator organisms in riverbed sediments[J]. International Journal of Environmental Science and Technology, 2016, 13(12): 2905-2916. DOI:10.1007/s13762-016-1116-y |
| [12] | Cleary D F R, De Voogd N J, Polónia A R M, et al. Composition and predictive functional analysis of bacterial communities in seawater, sediment and sponges in the spermonde archipelago, Indonesia[J]. Microbial Ecology, 2015, 70(4): 889-903. DOI:10.1007/s00248-015-0632-5 |
| [13] |
邸琰茗. 北京市北运河主河道水质及排水量特征分析[J]. 水资源开发与管理, 2020(12): 46-50, 56. Di Y M. Analysis of water quality and discharge characteristics of the main channel of the North Canal in Beijing[J]. Water Resources Development and Management, 2020(12): 46-50, 56. |
| [14] |
鲍林林, 陈永娟, 王晓燕. 北运河沉积物中氨氧化微生物的群落特征[J]. 中国环境科学, 2015, 35(1): 179-189. Bao L L, Chen Y J, Wang X Y. Diversity and abundance of ammonia-oxidizing prokaryotes in surface sediments in Beiyun River[J]. China Environmental Science, 2015, 35(1): 179-189. |
| [15] | Meyer J L. The microbial loop in flowing waters[J]. Microbial Ecology, 1994, 28(2): 195-199. DOI:10.1007/BF00166808 |
| [16] |
郭芝芝, 苏振华, 邸琰茗, 等. 北运河京津冀段河道浮游微生物群落多样性变化分析[J]. 环境科学, 2022, 43(2): 803-812. Guo Z Z, Su Z H, Di Y M, et al. Analysis on diversity of plankton microbial community in the Beijing-Tianjin-Hebei section of the North Canal river[J]. Environmental Science, 2022, 43(2): 803-812. |
| [17] | Magoč T, Salzberg S L. FLASH: fast length adjustment of short reads to improve genome assemblies[J]. Bioinformatics, 2011, 27(21): 2957-2963. DOI:10.1093/bioinformatics/btr507 |
| [18] | Callahan B J, McMurdie P J, Rosen M J, et al. DADA2: high-resolution sample inference from Illumina amplicon data[J]. Nature Methods, 2016, 13(7): 581-583. DOI:10.1038/nmeth.3869 |
| [19] | Langille M G I, Zaneveld J, Caporaso J G, et al. Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences[J]. Nature Biotechnology, 2013, 31(9): 814-821. DOI:10.1038/nbt.2676 |
| [20] |
阴星望, 田伟, 丁一, 等. 丹江口库区表层沉积物细菌多样性及功能预测分析[J]. 湖泊科学, 2018, 30(4): 1052-1063. Yin X W, Tian W, Ding Y, et al. Composition and predictive functional analysis of bacterial communities in surface sediments of the Danjiangkou Reservoir[J]. Journal of Lake Sciences, 2018, 30(4): 1052-1063. |
| [21] |
张菲, 田伟, 孙峰, 等. 丹江口库区表层浮游细菌群落组成与PICRUSt功能预测分析[J]. 环境科学, 2019, 40(3): 1252-1260. Zhang F, Tian W, Sun F, et al. Community structure and predictive functional analysis of surface water bacterioplankton in the Danjiangkou Reservoir[J]. Environmental Science, 2019, 40(3): 1252-1260. |
| [22] |
董哲仁. 河流生态系统研究的理论框架[J]. 水利学报, 2009, 40(2): 129-137. Dong Z R. Framework of research on fluvial ecosystem[J]. Journal of Hydraulic Engineering, 2009, 40(2): 129-137. DOI:10.3321/j.issn:0559-9350.2009.02.001 |
| [23] | Knights D, Kuczynski J, Charlson E S, et al. Bayesian community-wide culture-independent microbial source tracking[J]. Nature Methods, 2011, 8(9): 761-763. DOI:10.1038/nmeth.1650 |
| [24] | Xia X H, Zhang S B, Li S L, et al. The cycle of nitrogen in river systems: sources, transformation, and flux[J]. Environmental Science: Processes & Impacts, 2018, 20(6): 863-891. |
| [25] | Jia Z M, Liu T, Xia X H, et al. Effect of particle size and composition of suspended sediment on denitrification in river water[J]. Science of the Total Environment, 2016, 541: 934-940. DOI:10.1016/j.scitotenv.2015.10.012 |
| [26] | Seitzinger S, Harrison J A, Böhlke J K, et al. Denitrification across landscapes and waterscapes: a synthesis[J]. Ecological Applications, 2006, 16(6): 2064-2090. DOI:10.1890/1051-0761(2006)016[2064:DALAWA]2.0.CO;2 |
| [27] | Wang L, Zhang J, Li H L, et al. Shift in the microbial community composition of surface water and sediment along an urban river[J]. Science of the Total Environment, 2018, 627: 600-612. DOI:10.1016/j.scitotenv.2018.01.203 |
| [28] | Dixon R, Kahn D. Genetic regulation of biological nitrogen fixation[J]. Nature Reviews Microbiology, 2004, 2(8): 621-631. DOI:10.1038/nrmicro954 |
| [29] | Liu Z H, Huang S B, Sun G P, et al. Phylogenetic diversity, composition and distribution of bacterioplankton community in the Dongjiang River, China[J]. FEMS Microbiology Ecology, 2012, 80(1): 30-44. DOI:10.1111/j.1574-6941.2011.01268.x |
| [30] | Hu M, Wang X H, Wen X H, et al. Microbial community structures in different wastewater treatment plants as revealed by 454-pyrosequencing analysis[J]. Bioresource Technology, 2012, 117: 72-79. DOI:10.1016/j.biortech.2012.04.061 |
| [31] | Benveniste R, Davies J. Aminoglycoside antibiotic-inactivating enzymes in actinomycetes similar to those present in clinical isolates of antibiotic-resistant bacteria[J]. Proceedings of the National Academy of Sciences, 1973, 70(8): 2276-2280. DOI:10.1073/pnas.70.8.2276 |
| [32] | Candela M, Consolandi C, Severgnini M, et al. High taxonomic level fingerprint of the human intestinal microbiota by ligase detection reaction-universal array approach[J]. BMC Microbiology, 2010, 10. DOI:10.1186/1471-2180-10-116 |
| [33] |
江源, 彭秋志, 廖剑宇, 等. 浮游藻类与河流生境关系研究进展与展望[J]. 资源科学, 2013, 35(3): 461-472. Jiang Y, Peng Q Z, Liao J Y, et al. Advances and prospects for research into phytoplankton and river habitats[J]. Resources Science, 2013, 35(3): 461-472. |
| [34] |
王晓丽, 其勒格尔. 黄河内蒙古段表层沉积物细菌多样性及群落结构类型[J]. 生态学报, 2020, 40(2): 578-589. Wang X L, Qi L G E. Bacterial diversity and community structure in surface sediments of Yellow River from Inner Mongolia section[J]. Acta Ecologica Sinica, 2020, 40(2): 578-589. |
| [35] | Merlo C, Reyna L, Abril A, et al. Environmental factors associated with heterotrophic nitrogen-fixing bacteria in water, sediment, and riparian soil of Suquía River[J]. Limnologica, 2014, 48: 71-79. |
| [36] | Curtis E J C, Durrant K, Harman M M I. Nitrification in rivers in the Trent basin[J]. Water Research, 1975, 9(3): 255-268. |
| [37] | Pauer J J, Auer M T. Nitrification in the water column and sediment of a hypereutrophic lake and adjoining river system[J]. Water Research, 2000, 34(4): 1247-1254. |
| [38] | Burgin A J, Hamilton S K. Have we overemphasized the role of denitrification in aquatic ecosystems? A review of nitrate removal pathways[J]. Frontiers in Ecology and the Environment, 2007, 5(2): 89-96. |
| [39] | Shi R J, Xu S M, Qi Z H, et al. Seasonal patterns and environmental drivers of nirS- and nirK-encoding denitrifiers in sediments of Daya Bay, China[J]. Oceanologia, 2019, 61(3): 308-320. |
| [40] | Maia L B, Moura J J G. How biology handles nitrite[J]. Chemical Reviews, 2014, 114(10): 5273-5357. |
| [41] | Bakker D P, Van Der Plaats A, Verkerke G J, et al. Comparison of velocity profiles for different flow chamber designs used in studies of microbial adhesion to surfaces[J]. Applied and Environmental Microbiology, 2003, 69(10): 6280-6287. |
| [42] |
王晓慧, 毕春娟, 韩景超. 再悬浮过程中河流底泥PAHs的迁移与释放[J]. 环境科学, 2014, 35(6): 2185-2192. Wang X H, Bi C J, Han J C. Delivery and release of sediment PAHs during resuspension[J]. Environmental Science, 2014, 35(6): 2185-2192. |
| [43] | Soininen J. A quantitative analysis of species sorting across organisms and ecosystems[J]. Ecology, 2014, 95(12): 3284-3292. |
| [44] | Withers P J A, Jarvie H P. Delivery and cycling of phosphorus in rivers: a review[J]. Science of the Total Environment, 2008, 400(1-3): 379-395. |
| [45] | Rubin M A, Leff L G. Nutrients and other abiotic factors affecting bacterial communities in an Ohio River (USA)[J]. Microbial Ecology, 2007, 54(2): 374-383. |
| [46] |
于小彦, 张平究, 张经纬, 等. 城市河流沉积物微生物量分布和群落结构特征[J]. 环境科学学报, 2020, 40(2): 585-596. Yu X Y, Zhang P J, Zhang J W, et al. Characteristics of distribution patterns of microbial biomass and community structures in the sediments from urban river[J]. Acta Scientiae Circumstantiae, 2020, 40(2): 585-596. |