2024, Vol. 45
2. 山西农业大学生态环境产业技术研究院, 土壤环境与养分资源山西省重点实验室, 太原 030031
, LI Jian-hua1,2
, ZHANG Qiang2 , LU Jin-jing1,2 , GAO Chun-hua1,2 , JIN Dong-sheng1,2 , XU Ming-gang1,2
2. Shanxi Province Key Laboratory of Soil Environment and Nutrient Resources, Institute of Eco-environment and Industrial Technology, Shanxi Agricultural University, Taiyuan 030031, China
煤矿资源开采在为国民经济发展发挥重要作用的同时也引发了一系列生态环境问题[1].煤矿开采尤其是长期井工开采会导致土地塌陷、下沉, 无法耕种及土壤质量下降等问题[2].采煤沉陷区复垦时首先多采用原土混推或客土充填的方式平整土地, 新复垦土壤存在养分含量低、生产力不足、微生物活性差和群落种类单一等问题[3].复垦的目的是要提升土地生产力和恢复土壤功能, 恢复土壤功能的核心是微生物数量的增加和微生物群落结构的重新构建[4].选择适当的复垦措施, 可以有效促进微生物数量、种类的恢复, 有助于微生物群落稳定性的增强以及土壤养分含量的提升[5, 6].
土壤微生物在驱动物质分解转化、养分循环和调节生态系统方面发挥着至关重要的作用[7].土壤固氮和固碳细菌群落可以提供生态系统所需的氮源和碳源.一些土壤真菌群落可以通过调节碳存储改变土壤功能[8].了解土壤微生物群落的结构和功能变化对采煤沉降区土壤质量及生态系统功能恢复至关重要[9].目前, 关于复垦土壤的研究多集中于植被类型的筛选、生产力的提升和材料修复对复垦土壤微生物群落结构和多样性的影响, 对不同复垦措施下的土壤微生物如何响应环境变化的研究较少[10 ~ 12].土壤微生物群落组成、结构和多样性可以作为评估土壤质量变化的重要指标, 微生物群落多样性对不同环境变化的响应存在差异[13].单一微生物并不能在生态系统中孤立存在, 而是通过直接或间接的相互作用形成复杂网络, 共现网络一定程度上反映了群落的真实性, 可以利用共现网络探索复杂的微生物共存模式及复垦土壤微生物群落对环境的响应差异[14].
生态系统中, 确定性过程和随机性过程构成了微生物群落生态组装的基本过程[15].确定性过程假设群落组装是非随机的, 受环境过滤、宿主选择和生物相互作用的影响（例如捕食、竞争、互利共生、偏利共生和偏害共生）, 随机性过程通常涉及生态漂移、扩散限制等过程[16].确定性过程和随机性过程对于大多数群落组装过程至关重要.确定性过程和随机性过程同时影响微生物群落组装, 且确定性与随机性过程对环境变化的响应有所不同[17].Yin等[18]发现矿区复垦土壤恢复过程中确定性过程主导微生物群落组装, 异质选择随着环境变化增强.相反, Dai等[19]发现随机性过程驱动农田群落组装, 但有机肥料的输入将组装过程转向确定性过程, 施肥处理使土壤养分复杂程度改变的同时可能会导致土壤环境的异质性提高. Gao等[20]发现经过长时间复垦后确定性而非随机过程主导了微生物群落的组装. 也有研究发现经过25 a的矿区复垦后群落组装会从确定性过程向随机性过程转变[21].不同复垦措施下环境差异会出现不同的群落组装模式, 微生物群落组装过程与复垦措施之间的关系仍不清楚[22].厘清该过程对调控复垦土壤微生物系统恢复力、重建自维持机制十分有益.目前关于施肥措施与自然恢复对复垦土壤微生物群落稳定性的影响、群落结构的响应特征及群落组装过程还不清楚[23 ~ 25].
本文以山西省长治市采煤沉陷复垦区为研究对象, 对比分析了工程平整后自然恢复与人为施肥措施下土壤微生物群落结构和群落组装过程的变化特征, 明确了不同复垦措施下微生物分子生态网络结构和关键类群及相互作用的差异, 揭示了复垦措施对矿区土壤微生物群落组装过程的影响, 旨在为采煤沉陷复垦区土壤微生物群落恢复提供新见解.
1 材料与方法 1.1 研究区域及样品采集研究区域位于山西省长治市采煤沉陷复垦区（113°01'46.837″ E, 36°28'33.302″ N）, 海拔980 m, 属于暖温带半湿润大陆性季风气候, 年平均气温9.5℃, 年平均降水量约550 mm, 土壤分类属于石灰性褐土（Eutric Luvisd）[26].试验区为典型的马鞍状塌陷, 落差达到3~5 m, 于2008年通过挖高垫低的混推复垦方式进行土地平整, 后设置复垦自然恢复区（LH）和复垦农田区（MM）, 每个区域400 m2.复垦自然恢复区（LH）为混推复垦后自然恢复区域, 复垦农田区（MM）为玉米种植区, 一年一季, 有机无机肥配施[有机肥10.8 t·（hm2·a）-1, N 108 kg·（hm2·a）-1、P2O5 72 kg·（hm2·a）-1 和K2O 60 kg·（hm2·a）-1].复垦15a后, 自然恢复区的植被类型主要为黑沙蒿、苍耳和狗尾草, 按照网格法在自然恢复区和农田区设置5个采样点, 每个采样点随机采集15钻混合为1个样品（内径3.5 cm土钻）, 采集深度为0~15 cm, 样品采集后混匀、现场剔除植物根系、砾石等, 将土壤样品分为两部分, 一部分风干用于理化性质的测定, 一部分新鲜土样用泡沫箱冷藏密封寄往公司进行测序.
1.2 土壤物化性质分析土壤pH使用玻璃电极测定（FE28, METTLER TOLEDO, 中国）, 水土比2.5∶1.土壤有机质采用重铬酸钾-外加热法进行测定.全氮采用凯氏定氮法进行测定, 铵态氮（NH4+-N）和硝态氮（NO3--N）采用2 mol·L-1 KCl溶液浸提, 连续流动分析仪测定.总磷（TP）通过HClO4-H2SO4消解后比色法测定, 用NaHCO3浸提法提取有效磷（AP）, 并通过比色法进行测定.全钾（TK）、速效钾（AK）均采用火焰分光光度计测定.
1.3 DNA提取、扩增和测序使用DNA提取试剂盒（E.Z.N.A.® Soil DNA Kit, Omega Bio-Tek, USA）从混合的新鲜土壤中提取DNA, 使用超微量分光光度计（NanoDrop2000, Thermo Fisher Scientific, USA）测定DNA纯度及浓度, 利用Illumina公司的HiSeq4000平台进行测序（北京百迈客生物有限公司）.原始数据（Raw reads）依次经过fastp质量控制、Bowtie2序列比对、MEGAHIT宏基因组组装过滤和MetaGeneMark（http://exon.gatech.edu/meta_gmhmmp.cgi, Version 3.26）构建非冗余基因集, 使用MMseqs2软件（https://github.com/soedinglab/mmseqs2, Version 12-113e3）去除冗余, 相似性阈值设置为95%, 覆盖度阈值设置为90%.宏基因组原始测序数据已提交至NCBI（National Center for Biotechnology Information, https://www.ncbi.nlm.nih.gov/）, 项目编号PRJNA1045241.
1.4 生物信息学分析选择具有代表性的操作分类单元（OTUs）进行网络分析, 分别构建复垦自然恢复区（LH）处理和复垦农田区（MM）的土壤微生物网络.利用高通量测序技术, 基于RMT构建系统发育分子生态学网络.使用MENAP（http://ieg4.rccc.ou.edu/mena）进行网络构建和网络属性参数的确定.得到基本网络属性文件后, 使用Gephi 0.1.0软件进行网络可视化[27].根据模块间连通性（Pi）和模块内连通性（Zi）以及平均节点度, 对节点的作用进行分类. 外围节点（peripherals）, Zi≤2.5且Pi≤0.62, 指在模块内部和模块之间均不具有高连通度的节点；连接器（connectors）, Zi≤2.5且Pi > 0.62, 指在两个模块之间具有高连通度的节点；模块枢纽（modulehubs）, Zi > 2.5且Pi≤0.62, 指在模块内部具有高连通度的节点；网络枢纽（networkhubs）, Zi > 2.5且Pi > 0.62, 指在整个网络中具有高连通度的节点, 以确定网络拓扑中的关键类群[28].
通过R的“Vegan”包利用Bray-Curtis距离计算土壤微生物群落的相似性.使用R中的“Picante”包进行零模型（Null model）分析βNTI（β nearest taxon index）和基于Bray-Curtis的Raup-Crick（RCbray）指数, 确定群落组装确定性和随机性过程的相对重要性[29].采用R中的“Stats4”和“Hmisc”软件包进行中性模型（neutral model）分析以确定随机性过程对群落组装的影响.使用R中的“spaa”包来计算Levin生态位宽度指数（Levin’s niche breadth index）, 以说明确定性过程和随机过程的模式及其在特定生境下对微生物群落的贡献, 较宽的生态位宽度表明微生物类群在群落水平上具有较高的代谢活性.
1.5 统计分析使用QIIME2对样品α-多样性指数进行评估[30].使用IBM SPSS 26.0（SPSS Inc., USA）进行t检验, 分析不同复垦措施差异.使用线性判别分析（LDA, P < 0.05, LDA > 3.5）分析微生物群落中显著不同的微生物指示种.
2 结果与分析 2.1 不同复垦措施土下土壤理化性质的差异特征研究发现复垦农田区（MM）种植玉米土壤养分含量显著大于复垦自然恢复区（LH）.结果表明, 与LH处理相比, MM处理后土壤pH、SOM、TN、NH4+-N、NO3--N、TP、AP和AK含量显著上升.TN、NO3--N、TP、AP和AK含量分别提高了34.70%、38.46%、72.72%、468.98%和45.74%（表 1）.
|
表 1 不同复垦措施下的土壤化学性质的t检验1） Table 1 The t-test of soil chemical properties under different reclamation measures |
2.2 不同复垦措施下土壤微生物群落组成和多样性的差异特征
对不同复垦措施下的土壤微生物群落组成在门和纲水平进行分析, 结果表明, 门水平下LH处理和MM处理的细菌优势微生物均为酸杆菌门和变形菌门, 纲水平下的细菌优势微生物为α-变形菌纲（α-Proteobacteria）、β-变形菌纲（β-Proteobacteria）和γ‐变形菌纲（γ‐Proteobacteria）[图 1（a）和1（b）].进一步分析表明, 与LH处理相比, MM处理酸杆菌门和β-变形菌纲相对丰度显著增加.门水平下LH处理和MM处理的真菌优势微生物均为壶菌门（Chytridiomycota）, 子囊菌门和毛霉门（Mucoromycota）, 纲水平下的真菌优势微生物为球囊菌纲（Glomeromycetes）和伞菌纲（Agaricomycetes）[图 1（c）和1（d）].与LH处理相比, MM处理真菌优势菌群相对丰度没有发生显著变化（表 2）.
|
只显示相对丰度前10的微生物群落 图 1 不同复垦措施下微生物群落组成相对丰度 Fig. 1 Relative abundance of microbial composition under different reclamation measures |
|
|
表 2 不同复垦措施下门和纲水平的优势微生物相对丰度变化的t检验 Table 2 The t-test on the change of relative abundance of dominant microorganisms at the phylum and class levels under different reclamation measures |
对优势微生物与土壤化学性质的相关性分析表明, 酸杆菌门和β-变形菌纲均与pH、SOM、TN、NH4+-N、NO3--N和TP呈正相关关系（P < 0.05）, 酸杆菌门与NH4+-N和TK具有显著负相关关系（P < 0.05, 图 2）. γ‐变形菌纲与pH、SOM、TN、NO3--N、TP、AP和AK具有显著负相关关系（P < 0.05, 图 2）.采用t检验研究不同复垦措施下土壤微生物丰富度指数（ACE）和多样性（Shannon和Simpson）指数的差异（表 3）.结果表明, 不同复垦措施下细菌的ACE和Shannon指数没有显著差异, 与LH处理相比, MM处理真菌Shannon指数显著下降（表 3）. PCoA结果表明两种处理之间的微生物细菌组成明显分离[图 3（a）], 真菌没有较为明显的分离[图 3（b）].细菌前两个轴分别解释了不同复垦措施的土壤细菌群落变化的60.64%和32.31%, 真菌前两个轴分别解释了不同复垦措施的土壤真菌群落变化的30.65%和25.43%.利用线性判别分析（LDA）分析不同复垦措施土壤微生物群落的指示微生物的变化[LDA > 3.5, 图 4].结果表明, 不同复垦措施下细菌与真菌群落指示微生物发生显著变化（图 4）. LH处理细菌指示微生物主要为念珠菌门、绿弯菌门（Chloroflexi）、蓝菌门（Cyanobacteria）、硝化螺旋菌属（Nitrospira）、黏球菌目（Myxococcales）、δ-变形菌纲（δ-Proteobacteria）和γ‐变形菌纲[图 4（a）]. MM处理细菌指示微生物主要为酸杆菌门、嗜热油菌纲（Thermoleophilia）、浮霉菌纲（Planctomycetia）和β-变形菌纲[图 4（a）]. LH处理真菌指示微生物主要为芽枝霉门（Blastocladiomycota）包括芽枝霉纲（Blastocladiomycetes）和芽枝霉目（Blastocladiales）, 丛枝菌根真菌（Rhizophagus clarus）、核腔菌属（Pyrenophora）和小麦德氏霉（Pyrenophora tritici repentis）[图 4（b）]. MM处理真菌指示微生物主要为担子菌门（Basidiomycota）, 包括伞菌纲、伞菌目（Agaricales）、球盖菇科（Strophariaceae）、盔孢伞种（Galerina）和纹缘盔孢伞属（Galerina marginata）[图 4（b）].
|
节点大小与颜色表示度中心性大小, 实线（正相关）和虚线（负相关）表示点之间的相关性, 线的粗细表示Spearman相关系数大小 图 2 不同复垦措施下优势微生物土壤化学性质的相关性网络 Fig. 2 Correlation network between dominant microorganisms and soil chemical properties under different reclamation measures |
|
|
表 3 不同复垦措施下微生物丰富度和多样性指数的t检验 Table 3 The t-test of microbial richness and diversity index under different reclamation measures |
|
图 3 不同复垦措施下微生物群落的PCoA Fig. 3 PCoA of microbial communities under different reclamation measures |
|
图 4 不同复垦措施下的线性判别分析直方图（LDA > 3.5） Fig. 4 Linear discriminant analysis histogram of different reclamation measures (LDA > 3.5) |
为厘清不同复垦措施下土壤微生物共现模式, 分别构建了土壤细菌和真菌共现网络[图 5（a）和5（d）].结果表明, 与LH处理相比, MM处理细菌网络复杂性增强, 真菌网络复杂性降低, MM处理土壤细菌节点数、连接数均增加. LH和MM处理的正连接分别占总连接数的63.02%和65.00%, 表明两个处理的细菌网络模式均以正相关模式为主导（表 4）.与LH处理相比, MM处理网络平均路径距离（GD）下降, 平均度数（avgK）、平均聚类系数（avgCC）和模块度数上升, 说明MM处理细菌网络的稳定性上升, 对外部环境变化的扰动抗性上升. LH和MM处理的真菌网络正连接分别占总连接数的88.00%和75.00%, 表明两个处理的真菌网络模式均以正相关模式为主导.与LH处理相比, MM处理的真菌网络节点数和连接数减少, 正相关网络连接数占比下降表明复垦措施使真菌间的竞争趋势上升. MM处理网络平均度数（avgK）、聚集系数（avgCC）和模块化下降, 说明真菌群落稳定性下降, 对外部环境变化的扰动抗性下降（表 4）.不同复垦措施的土壤细菌群落关键类群的数量及种类不同[图 6（a）]. LH处理的关键类群有13个, 主要为变形菌门（表 5）.与LH处理相比, MM处理关键类群的数量下降, 主要为念珠菌门和浮霉菌门（表 5）.不同复垦措施的土壤真菌的关键类群均为子囊菌门（表 5）.对不同复垦措施的土壤化学性质与关键物种相关性分析, 细菌关键物种与TN、NO3--N、TK和AK显著相关[图 7（a）], 真菌关键物种与NO3--N和TK显著正相关[图 7（b）].结果表明, 与LH处理相比, MM处理改变了土壤微生物群落细菌和真菌网络复杂性, MM处理下土壤养分与土壤微生物关键物种比LH处理影响更显著.
|
图 5 不同复垦措施下土壤微生物的共现网络 Fig. 5 Co-occurrence network of soil microorganisms under different reclamation measures |
|
|
表 4 共现网络主要性质 Table 4 Main properties of the co-occurrence network |
|
图 6 不同复垦措施下土壤微生物网络的拓扑分析 Fig. 6 Topological roles analysis of soil microorganisms co-occurrence network under different reclamation measures |
|
|
表 5 不同复垦措施下土壤关键类群 Table 5 Soil keystone groups under different reclamation measures |
|
线的宽度表示Mantel的r值, 实线和虚线分别表示P < 0.05和P ≥ 0.05, 变量间相关性以颜色梯度表示Spearman相关性系数 图 7 不同复垦措施微生物的关键物种与土壤化学性质之间相关性 Fig. 7 Correlation between keystone microorganisms and soil chemical properties under different reclamation measures |
确定性过程包括同质选择和异质选择, 随机性过程包括同质扩散、扩散限制和不明确过程. 确定性过程主导了细菌和真菌的群落组装（表 6）.LH处理细菌群落确定性和随机性过程分别占66.53%和33.47%, MM处理细菌确定性和随机性过程分别占73.64%和26.36%. LH处理真菌群落确定性和随机性过程分别占98.61%和1.39%, MM处理真菌确定性过程和随机性过程分别占98.47%和1.53%.与LH处理相比, MM处理土壤细菌的确定性过程上升了7.11个百分点, 真菌确定性过程下降了0.14个百分点.尽管确定性过程主导了不同复垦措施下细菌和真菌群落组装, 但确定性过程组成不同（表 7）. LH处理同质选择解释了土壤细菌群落组装的56.79%, MM处理异质选择解释了细菌群落组装的62.01%（表 7）.异质选择主导了不同处理的真菌群落组装过程, 同质扩散、扩散限制和不明确过程对真菌群落组装过程影响较少（表 7）.
|
|
表 6 不同复垦措施下土壤微生物群落确定性过程和随机性过程贡献率/% Table 6 Contribution rates of deterministic processes and stochastic processes of soil microbial communities under different reclamation measures/% |
|
|
表 7 不同复垦措施下土壤微生物群落组装过程贡献率/% Table 7 Contribution rates of soil microbial community assembly process under different reclamation measures/% |
3 讨论 3.1 不同复垦措施下土壤微生物群落的响应特征
土壤微生物群落的变化与养分状况密切相关, 土壤微生物的变化可以作为土壤生态变化的重要指标[31].长期复垦农田处理细菌优势微生物与复垦自然恢复处理的优势微生物均为酸杆菌门和变形菌门（图 1）.酸杆菌门和变形菌门都属于富营菌群, 在碳降解和氮代谢方面有重要作用[32].与复垦自然恢复处理相比, 复垦农田处理中β-变形菌纲相对丰度显著增加, β-变形菌纲在固碳、有机质矿化和秸秆分解利用方面起重要作用[33].复垦农田处理真菌群落优势微生物为壶菌门、子囊菌门和毛霉门.研究发现壶菌门对于促进碳降解和凋落物分解、增强植物养分吸收以及抵抗非生物扰动至关重要[34].子囊菌门驱动碳和氮循环以及植物相互作用, 并且能够抵抗环境压力[35].毛霉门的特点是生长迅速, 吸收较为复杂的有机物和应对较为复杂的环境[36].复垦农田处理与复垦自然恢复处理的土壤微生物优势菌群种类相似（图 1）.随着时间的推移, 复垦农田与自然恢复微生物群落相似[22].虽然不同复垦处理间土壤微生物优势菌群相似, 但不同复垦处理的土壤微生物相对丰度发生变化, 酸杆菌门和β-变形菌纲的相对丰度显著增加.长期复垦为农田后, 施肥会使土壤养分进一步提高, 土壤微生物群落中富营养菌群增加, 导致土壤微生物群落发生变化.不同复垦措施下群落的指示微生物发生显著变化（图 4）.复垦自然恢复处理指示微生物主要为念珠菌门、绿弯菌门、蓝菌门和芽枝霉门, 以上微生物在抗干扰及环境逆性中起重要作用, 例如蓝菌门可以在贫瘠土壤中进行碳和氮固存, 芽枝霉门具有从环境干扰中快速恢复的能力, 自然恢复的土壤在演替过程中更有利于形成针对环境干扰的菌群[37 ~ 39].与复垦自然恢复处理不同, 复垦农田处理的指示微生物群落主要为酸杆菌门、嗜热油菌纲、浮霉菌纲、β-变形菌纲和担子菌门（图 4）.以上菌群被发现更多地存在于肥力更高的土壤中, 酸杆菌门可以利用土壤中的碳源及降解植物残留[40], 嗜热油菌纲被发现于氮添加处理的优势类群, 可以作为C和P循环水解酶的指标[41].浮霉菌纲和担子菌门在碳氮循环发挥重要作用[42].土壤性质与生态功能密切相关且相互影响, 长期复垦为农田, 施肥会使土壤养分（TN、TP、AP和AK）进一步提高, 土壤微生物群落中富营养菌群进一步增多, 导致土壤微生物群落发生变化.
3.2 微生物共现网络和关键物种近年来, 随着生物群落生态网络研究的发展, 生态网络广泛用于描述物种动态的种间关系的研究[43].生态系统中各个物种相互组合形成复杂的网络, 并通过这种复杂的网络实现元素循环和生态系统的稳定性.共现网络分析反映了土壤微生物群落的组装原理和种间关系, 从而更好地理解生态系统复杂性和稳定性之间的关系[44].本研究表明, 细菌和真菌群落对不同复垦措施的响应不同（图 5）.复垦农田区的细菌网络比复垦自然恢复区土壤的节点数和连接数更多, 表明网络复杂性增加.施肥会导致细菌之间对资源的更激烈竞争, 这种资源竞争的加剧可以促进各种微生物物种之间的相互作用, 最终导致细菌网络的复杂性和稳定性增加[45].真菌网络的复杂性和稳定性与细菌趋势相反, 有研究表明, 长期高量施肥可能导致土壤真菌群落结构发生显著变化, 改变土壤真菌群落在生态网络中的作用, 这也是本研究复垦农田区比复垦自然恢复区真菌网络复杂性下降的原因[46].关键物种是整个群落中的连接器、模块枢纽和网络枢纽, 在微生物网络结构中起着关键作用, 关键类群对微生物组成和功能产生影响[47].不同复垦措施使关键类群显著改变, 复垦自然恢复区中关键类群为念珠菌门和浮霉菌门, 复垦农田区关键类群为变形菌门（图 6）.念珠菌门能够通过产生纤维素和半纤维素酶来帮助分解植物残体[48].浮霉菌门已被证实为寡营养类群, 变形菌门对碳源敏感的富营养类群, 在固氮、解磷、解钾和促进植物生长等方面发挥作用[49].复垦农田中大量的营养及有机物料为土壤微生物代谢提供能量, 改变微生物间相互作用, 致使关键类群由寡营养菌群转变为富营养菌群[45].子囊菌门广泛存在于土壤生态系统中, 并利用土壤中的碳资源, 在参与土壤有机物质分解和养分循环起到重要作用[35].子囊菌门具有高抗逆性及竞争性, 使不同复垦措施下的真菌群落关键类群均以子囊菌门为主[50].复垦农田区通过改变土壤微生物群落结构, 改变土壤微生物间相互作用, 从而进一步改善土壤质量.
3.3 不同复垦措施下土壤微生物群落组装过程揭示微生物群落组装机制以及微生物群落对时间和空间尺度的响应十分重要[16].确定性过程和随机性过程并不相互排斥, 而是同时作用调节群落组装[51].群落稳定性取决于其对环境和宿主相关干扰的抵抗力和恢复力, 以及生态随机性, 包括随机扩散和未主导过程[52].有研究表明, 土壤理化性质及环境条件的变化对确定性过程和随机性过程具有密切的联系[53].不同复垦措施可能会导致土壤微生物群落组装机制的变化[54].本研究表明, 与复垦自然恢复相比, 复垦农田区显著提高了土壤TN、TP、AP和AK含量, 除施肥作用外, 土壤微生物群落组装过程的变化也是可能的原因.有研究表明, 生物因素也会对土壤微生物群落的组装过程产生影响[55].不同的复垦措施下微生物指示微生物发生显著变化, 微生物间的相互作用也会发生改变, 从而对土壤微生物群落组装过程产生影响.本研究表明, 确定性过程主导了细菌和真菌的组装过程, 但复垦自然恢复区主要由同质选择主导, 而复垦农田区主要由异质选择主导（表 7）.这与其它报道指出的土壤有机质的变化会导致微生物群落组装变化, 包括异质选择增强结果一致[56].较高的土壤异质性表明土壤环境可以容纳更多不同资源利用的微生物共存, 多种利用资源的微生物增加了土壤相互作用及土壤养分[57].这也进一步解释了本研究中复垦农田处理的土壤养分含量显著高于复垦自然恢复处理（P < 0.05, 表 1）.
4 结论（1）与自然恢复处理相比, 复垦为农田可以显著提高土壤TN、TP、AP和AK含量.
（2）不同复垦措施下微生物优势菌群的种类没有发生显著的变化, 但复垦为农田后细菌酸杆菌门和β-变形菌纲相对丰度显著增加；不同复垦措施下细菌的ACE和Shannon指数没有显著差异, 复垦为农田后真菌的Shannon指数较自然恢复显著下降；不同复垦措施下细菌与真菌群落的指示微生物均发生了显著变化.
（3）与自然恢复处理相比, 复垦为农田的细菌网络复杂性增强, 真菌网络复杂性降低；细菌关键类群由念珠菌门和浮霉菌门转变为变形菌门, 真菌的关键类群均为子囊菌门.细菌关键物种与TN、NO3--N、TK和AK显著相关, 真菌关键物种与NO3--N和TK显著相关.
（4）不管是自然恢复还是复垦为农田, 确定性过程主导了复垦土壤细菌和真菌的群落组装.与自然恢复处理相比, 复垦为农田处理土壤细菌的确定性过程上升了7.11个百分点, 真菌确定性过程下降了0.14个百分点.不同处理确定性过程组成不同, 自然恢复处理细菌群落组装过程中同质选择性解释了56.79%, 复垦农田处理异质性选择解释了62.01%, 不同措施下真菌群落异质性选择解释率均大于98%.
（5）复垦农田和自然恢复处理下微生物群落的指示微生物、关键类群发生了变化, 群落组装过程也存在差异, 复垦为农田更有利于复垦土壤肥力的提升；复垦措施会影响到土壤微生物群落的恢复方向和进程.
| [1] | Zhang B, Zhang M Y, Zhou X X, et al. Effect of the mineral-microbial complexes on the quality, soil nutrients, and microbial community of tailing substrates for growing potted Rorippa [J]. Microbiological Research, 2022, 262. DOI:10.1016/j.micres.2022.127084 |
| [2] | Li J B, Pokharel P, Liu G M, et al. Reclamation of desert land to different land-use types changes soil bacterial community composition in a desert-oasis ecotone[J]. Land Degradation & Development, 2021, 32(3): 1389-1399. |
| [3] |
马静, 董文雪, 朱燕峰, 等. 东部平原矿区复垦土壤微生物群落特征及其组装过程[J]. 环境科学, 2022, 43(7): 3844-3853. Ma J, Dong W X, Zhu Y F, et al. Characteristics and assembly process of reclaimed soil microbial communities in eastern plain mining areas[J]. Environmental Science, 2022, 43(7): 3844-3853. |
| [4] |
陈浮, 宋晓君, 董文雪, 等. 采煤沉陷区复垦对土壤细菌群落组装及固碳功能的影响——以东滩矿区为例[J]. 煤炭科学技术, 2024, 52(1): 345-354. Chen F, Song X J, Dong W X, et al. Effects of land reclamation on soil bacterial community assembly and carbon sequestration function in coal mine subsidence area: taking Dongtan Mining area as an example[J]. Coal Science and Technology, 2024, 52(1): 345-354. |
| [5] | 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 |
| [6] |
郑笑影, 王东丽, 赵晓亮, 等. 菌剂配施有机肥下植物-土壤-微生物生态化学计量特征及内稳性——以内蒙矿区排土场中药复垦模式为例[J]. 水土保持学报, 2023, 37(5): 352-362. Zheng X Y, Wang D L, Zhao X L, et al. Ecostoichiometric characteristics and internal stability of plant-soil-microbial ecosystem under organic fertilizer application with fungicides——an example of traditional Chinese medicine reclamation model in a mining site in Inner Mongolia[J]. Journal of Soil and Water Conservation, 2023, 37(5): 352-362. |
| [7] | Chen J, Nan J, Xu D L, et al. Response differences between soil fungal and bacterial communities under opencast coal mining disturbance conditions[J]. CATENA, 2020, 194. DOI:10.1016/j.catena.2020.104779 |
| [8] |
翁晓虹, 隋心, 李梦莎, 等. 模拟氮沉降对三江平原小叶章湿地土壤微生物碳源利用能力的影响[J]. 环境科学, 2022, 43(9): 4674-4683. Weng X H, Sui X, Li M S, et al. Effects of simulated nitrogen deposition on soil microbial carbon metabolism in Calamagrostis angustifolia wetland in Sanjiang Plain[J]. Environmental Science, 2022, 43(9): 4674-4683. |
| [9] | Xiao E Z, Ning Z P, Xiao T F, et al. Soil bacterial community functions and distribution after mining disturbance[J]. Soil Biology and Biochemistry, 2021, 157. DOI:10.1016/j.soilbio.2021.108232 |
| [10] |
陈慧芳, 郭英英, 李素清. 安太堡矿区复垦地不同植被下苔藓植物区系特征[J]. 中国农学通报, 2023, 39(13): 70-78. Chen H F, Guo Y Y, Li S Q. Floristic characteristics of bryophytes under different revegetation patterns in reclaimed dumps of Antaibao mining area[J]. Chinese Agricultural Science Bulletin, 2023, 39(13): 70-78. |
| [11] |
耿冰瑾, 王舒菲, 曹银贵, 等. 山西平朔露天矿区不同年限复垦地植被重建特征对比分析[J]. 生态学报, 2022, 42(8): 3400-3419. Geng B J, Wang S F, Cao Y G, et al. Comparative analysis of vegetation reconstruction characteristics of different years in the reclaimed land of the Pingshuo opencast mining area, Shanxi Province[J]. Acta Ecologica Sinica, 2022, 42(8): 3400-3419. |
| [12] |
程彦郡, 朱燕峰, 马静, 等. 露天矿排土场植物恢复对土壤氮循环功能基因的影响[J]. 土壤通报, 2023, 54(6): 1409-1417. Cheng Y J, Zhu Y F, Ma J, et al. Effects of plant restoration on the functional genes of soil nitrogen cycle in open-pit mine dump[J]. Chinese Journal of Soil Science, 2023, 54(6): 1409-1417. |
| [13] |
陈桂鲜, 吴传发, 葛体达, 等. 土壤多功能性对微生物多样性降低的响应[J]. 环境科学, 2022, 43(11): 5274-5285. Chen G X, Wu C F, Ge T D, et al. Response of soil multifunctionality to reduced microbial diversity[J]. Environmental Science, 2022, 43(11): 5274-5285. |
| [14] | Ji L, Yang Y C, Yang L X. Seasonal variations in soil fungal communities and co-occurrence networks along an altitudinal gradient in the cold temperate zone of China: a case study on Oakley Mountain[J]. CATENA, 2021, 204. DOI:10.1016/j.catena.2021.105448 |
| [15] | Chase J M, Myers J A. Disentangling the importance of ecological niches from stochastic processes across scales[J]. Philosophical Transactions of the Royal Society B: Biological Sciences, 2011, 366(1576): 2351-2363. DOI:10.1098/rstb.2011.0063 |
| [16] | Zhou J Z, Ning D L. Stochastic community assembly: does it matter in microbial ecology?[J]. Microbiology and Molecular Biology Reviews, 2017, 81(4). DOI:10.1128/MMBR.00002-17 |
| [17] | Liu L, Zhu K, Krause S M B, et al. Changes in assembly processes of soil microbial communities during secondary succession in two subtropical forests[J]. Soil Biology and Biochemistry, 2021, 154. DOI:10.1016/j.soilbio.2021.108144 |
| [18] | Yin Y, Wang X J, Hu Y A, et al. Insights on the assembly processes and drivers of soil microbial communities in different depth layers in an abandoned polymetallic mining district[J]. Journal of Hazardous Materials, 2023, 458. DOI:10.1016/j.jhazmat.2023.132043 |
| [19] | Dai W, Liu Y, Yao D D, et al. Phylogenetic diversity of stochasticity-dominated predatory myxobacterial community drives multi-nutrient cycling in typical farmland soils[J]. Science of the Total Environment, 2023, 871. DOI:10.1016/j.scitotenv.2023.161680 |
| [20] | Gao W, Xu J S, Zhao J, et al. Prokaryotic community assembly after 40 years of soda solonetz restoration by natural grassland and reclaimed farmland[J]. European Journal of Soil Biology, 2020, 100. DOI:10.1016/j.ejsobi.2020.103213 |
| [21] | Singh J P, Bottos E M, Van Hamme J D, et al. Microbial composition and function in reclaimed mine sites along a reclamation chronosequence become increasingly similar to undisturbed reference sites[J]. Science of the Total Environment, 2024, 920. DOI:10.1016/j.scitotenv.2024.170996 |
| [22] | Luo S S, Tian L, Chang C L, et al. Grass and maize vegetation systems restore saline-sodic soils in the Songnen Plain of Northeast China[J]. Land Degradation & Development, 2018, 29(4): 1107-1119. |
| [23] |
贺龙, 李艳琴, 李彬春, 等. 矿区不同植被复垦模式对土壤细菌群落结构的影响[J]. 环境科学, 2017, 38(2): 752-759. He L, Li Y Q, Li B C, et al. Effects of different vegetation types and reclamation years on soil bacterial community structure in reclaimed mine areas[J]. Environmental Science, 2017, 38(2): 752-759. |
| [24] |
赵姣, 马静, 朱燕峰, 等. 植被类型对黄土高原露采矿山复垦土壤碳循环功能基因的影响[J]. 环境科学, 2023, 44(6): 3386-3395. Zhao J, Ma J, Zhu Y F, et al. Effects of vegetation types on carbon cycle functional genes in reclaimed soil from open pit mines in the Loess Plateau[J]. Environmental Science, 2023, 44(6): 3386-3395. |
| [25] |
宁岳伟, 刘勇, 张红, 等. 煤矿矿区复垦植被类型对土壤微生物功能基因和酶活的影响[J]. 环境科学, 2022, 43(9): 4647-4654. Ning Y W, Liu Y, Zhang H, et al. Effects of different vegetation types on soil microbial functional genes and enzyme activities in reclaimed coal mine[J]. Environmental Science, 2022, 43(9): 4647-4654. |
| [26] | IUSS Working Group WRB. World reference base for soil resources 2014: international soil classification system for naming soils and creating legends for soil maps[M]. Rome: FAO, 2014. |
| [27] | Bastian M, Heymann S, Jacomy M. Gephi: an open source software for exploring and manipulating networks[A]. In: Proceedings of the 3rd International AAAI Conference on Web and Social Media[C]. San Jose: AAAI Press, 2009. 361-362. |
| [28] | 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 |
| [29] | Stegen J C, Lin X J, Fredrickson J K, et al. Quantifying community assembly processes and identifying features that impose them[J]. The ISME Journal, 2013, 7(11): 2069-2079. DOI:10.1038/ismej.2013.93 |
| [30] | Bolyen E, Rideout J R, Dillon M R, et al. Reproducible, interactive, scalable and extensible microbiome data science using QIIME 2[J]. Nature Biotechnology, 2019, 37(8): 852-857. DOI:10.1038/s41587-019-0209-9 |
| [31] | Li H Y, Qiu Y Z, Yao T, et al. Nutrients available in the soil regulate the changes of soil microbial community alongside degradation of alpine meadows in the northeast of the Qinghai-Tibet Plateau[J]. Science of the Total Environment, 2021, 792. DOI:10.1016/j.scitotenv.2021.148363 |
| [32] | Ye Y Q, Sun X D, Zhao J H, et al. Thinning alters the network patterns and keystone taxa of rhizosphere soil microbial communities in Chinese fir plantation[J]. Applied Soil Ecology, 2023, 189. DOI:10.1016/j.apsoil.2023.104956 |
| [33] | Yang C, Lv D T, Jiang S Y, et al. Soil salinity regulation of soil microbial carbon metabolic function in the Yellow River Delta, China[J]. Science of the Total Environment, 2021, 790. DOI:10.1016/J.SCITOTENV.2021.148258 |
| [34] | Tarin M W K, Fan L L, Xie D J, et al. Response of soil fungal diversity and community composition to varying levels of bamboo biochar in red soils[J]. Microorganisms, 2021, 9(7). DOI:10.3390/microorganisms9071385 |
| [35] | Challacombe J F, Hesse C N, Bramer L M, et al. Genomes and secretomes of Ascomycota fungi reveal diverse functions in plant biomass decomposition and pathogenesis[J]. BMC Genomics, 2019, 20(1). DOI:10.1186/s12864-019-6358-x |
| [36] | Dzurendova S, Losada C B, Dupuy-Galet B X, et al. Mucoromycota fungi as powerful cell factories for modern biorefinery[J]. Applied Microbiology and Biotechnology, 2022, 106(1): 101-115. DOI:10.1007/s00253-021-11720-1 |
| [37] | Kun W, Yinli B, Yong C, et al. Shifts in composition and function of soil fungal communities and edaphic properties during the reclamation chronosequence of an open-cast coal mining dumps[J]. Science of the Total Environment, 2021, 767. DOI:10.1016/j.scitotenv.2020.144465 |
| [38] | Fay B J, Corrigan A, Murphy R A. Short-term effects of mechanical drainage on fungal and bacterial community structure in a managed grassland soil[J]. Applied Soil Ecology, 2016, 101: 93-100. DOI:10.1016/j.apsoil.2016.01.014 |
| [39] | Kumar A, Singh J S. Biochar coupled rehabilitation of cyanobacterial soil crusts: a sustainable approach in stabilization of arid and semiarid soils[M]. Cham: Springer, 2020: 167-191. |
| [40] | Kang D, Li Y L, Ma L, et al. Landslide scales affect soil organic carbon accumulation by influencing microbial decomposition of plant-derived carbon after earthquakes[J]. Ecological Indicators, 2023, 155. DOI:10.1016/j.ecolind.2023.110949 |
| [41] | Grant T, Sethuraman A, Escobar M A, et al. Chronic dry nitrogen inputs alter soil microbial community composition in southern California semi-arid shrublands[J]. Applied Soil Ecology, 2022, 176. DOI:10.1016/j.apsoil.2022.104496 |
| [42] | Liu Y Y, Dong L Z, Zhang H J, et al. Distinct roles of bacteria and fungi in mediating soil extracellular enzymes under long-term nitrogen deposition in temperate plantations[J]. Forest Ecology and Management, 2023, 529. DOI:10.1016/j.foreco.2022.120658 |
| [43] | Lian J S, Wang H Y, Deng Y, et al. Impact of long-term application of manure and inorganic fertilizers on common soil bacteria in different soil types[J]. Agriculture, 2022, 337. DOI:10.1016/j.agee.2022.108044 |
| [44] | Krause A E, Frank K A, Mason D M, et al. Compartments revealed in food-web structure[J]. Nature, 2003, 426(6964): 282-285. DOI:10.1038/nature02115 |
| [45] | Montoya J M, Pimm S L, Solé R V. Ecological networks and their fragility[J]. Nature, 2006, 442(7100): 259-264. DOI:10.1038/nature04927 |
| [46] | Zhao Z Y, Ma Y T, Zhang A, et al. Response of apple orchard bacteria co-occurrence network pattern to long-term organic fertilizer input[J]. Applied Soil Ecology, 2023, 191. DOI:10.1016/J.APSOIL.2023.105035 |
| [47] | Sohini B, Arijit M, Abhijit S, et al. Poor nutrient availability in opencast coalmine influences microbial community composition and diversity in exposed and underground soil profiles[J]. Applied Soil Ecology, 2020, 152. DOI:10.1016/j.apsoil.2020.103544 |
| [48] | Yu J L, Deem L M, Crow S E, et al. Biochar application influences microbial assemblage complexity and composition due to soil and bioenergy crop type interactions[J]. Soil Biology and Biochemistry, 2018, 117: 97-107. DOI:10.1016/j.soilbio.2017.11.017 |
| [49] | Štursová M, Žifčáková L, Leigh M B, et al. Cellulose utilization in forest litter and soil: identification of bacterial and fungal decomposers[J]. FEMS Microbiology Ecology, 2012, 80(3): 735-746. DOI:10.1111/j.1574-6941.2012.01343.x |
| [50] | Zheng Z C, Liu B Y, Fang X, et al. Dryland farm soil may fix atmospheric carbon through autotrophic microbial pathways[J]. CATENA, 2022, 214. DOI:10.1016/j.catena.2022.106299 |
| [51] | Egidi E, Delgado-Baquerizo M, Plett J M, et al. A few Ascomycota taxa dominate soil fungal communities worldwide[J]. Nature Communications, 2019, 10(1). DOI:10.1038/s41467-019-10373-z |
| [52] | Chen W D, Ren K X, Isabwe A, et al. Stochastic processes shape microeukaryotic community assembly in a subtropical river across wet and dry seasons[J]. Microbiome, 2019, 7(1). DOI:10.1186/s40168-019-0749-8 |
| [53] | Araujo R, Gupta V V S R, Reith F, et al. Biogeography and emerging significance of Actinobacteria in Australia and northern Antarctica soils[J]. Soil Biology and Biochemistry, 2020, 146. DOI:10.1016/j.soilbio.2020.107805 |
| [54] | 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 |
| [55] | Li Y G, Liu W, Feng Q, et al. Effects of land use and land cover change on soil organic carbon storage in the Hexi regions, Northwest China[J]. Journal of Environmental Management, 2022, 312. DOI:10.1016/j.jenvman.2022.114911 |
| [56] | Lin L, Xiong J Z Q, Liu L H, et al. Microbial interactions strengthen deterministic processes during community assembly in a subtropical estuary[J]. Science of the Total Environment, 2024, 906. DOI:10.1016/j.scitotenv.2023.167499 |
| [57] | He R J, Zeng J, Zhao D Y, et al. Decreased spatial variation and deterministic processes of bacterial community assembly in the rhizosphere of Phragmites australis across the Middle-Lower Yangtze plain[J]. Molecular Ecology, 2022, 31(4): 1180-1195. DOI:10.1111/mec.16298 |