2024, Vol. 45
2. 广东省环境科学研究院, 广州 510045
2. Guangdong Provincial Academy of Environmental Science, Guangzhou 510045, China
微生物群落在河流生态系统的物质循环、能量流动和污染物降解过程中扮演重要角色[1]. 为了适应不同的生存环境, 微生物通常会形成特定的群落结构以应对环境干扰[2]. 污水处理厂尾水的排放是城市河流中点源污染的常见来源. 由于尾水排放水质标准以及受纳河流环境状况的差异, 尾水排放可能会对受纳河流产生较为复杂的影响[3 ~ 6], 微生物群落的结构和动态也可能随之发生变化[7].
Wachira等[8]研究发现受污水处理厂排水影响的河段总氮和氨氮浓度较高. 同样, Drury等[9]研究表明尾水排放会导致河流下游的氨氮、硝酸盐和磷酸盐浓度显著增加. 也有研究发现尾水的排入导致某些微生物类群减少[7], 使排污口附近河段的微生物类群趋于同质化[9]. Wang等[10]研究表明受排水影响的河段中浮游微生物群落的多样性和丰富度明显低于其他河段. Wang等[11]的研究结果强调了在尾水排放的作用下, 上游优势菌群从变形菌和放线菌转变为下游以硝化螺旋菌和拟杆菌为主. 目前已有较多学者关注污水处理厂的排水对河流生态系统的影响, 然而大多研究集中在细菌群落, 并且关于河流微生物群落动态变化的驱动因素尚不明确, 因此, 明确受纳河流细菌和真菌微生物群落对尾水排放的响应机制对污水处理厂提标改造和河流生态系统的保护具有重要意义.
本文对2条接收污水处理厂尾水的河流进行采样并作常规理化指标分析, 通过高通量测序对样品中浮游微生物进行生物信息分析, 研究尾水排口及其上下游河段细菌和真菌群落结构的变化以及优势菌种的差异, 并结合受纳河流理化指标与浮游微生物群落结构指标进行分析, 以全面反映污水处理厂尾水对受纳河流水生态的影响.
1 材料与方法 1.1 研究区概况选取惠州市东江沿线的2条受纳河流作为研究对象, 其分别接收梅湖水质净化中心（梅湖）和金山污水处理厂（金山）的尾水, 通过采集浮游微生物来研究污水处理厂排水对受纳河流水生态的影响（图 1）. 东江发源于江西省赣州市, 干流全长562 km, 流域面积35 340 km2, 是珠江水系三大主要干流之一. 东江干流自博罗县观音阁进入下游, 从惠州至东莞其流域城市化程度显著增加, 惠州段是东江进入粤港澳大湾区的关键带. 西枝江是惠州境内最大东江支流, 西枝江下游流经惠州主城区, 汇入东江, 沿岸土地利用从农田到郊区再到主城区变化, 城镇化显著增加[12].
|
金山B1~A3水面宽度分别约为200、250、255、170、240和210 m；梅湖B1~A3水面宽度分别约为400、490、670、700、220和250 m 图 1 研究区采样点示意 Fig. 1 Study area with sampling locations |
金山污水处理厂位于惠州市惠城区三栋镇, 厂区中心坐标（E114°27′30.42″, N23°01′46.13″）, 采用“多模式AAO+深度处理”工艺, 污水处理量为20×104 m3·d-1, 尾水经消毒后经西枝江最终汇入东江；梅湖水质净化中心位于惠州市惠城区西郊东江惠州段下游, 厂区中心坐标（E114°21′43.47″, N23°07′36.17″）, 采用改良AAO工艺, 污水处理量为30×104 m3·d-1, 尾水经消毒后排入东江. 两厂尾水排放均执行《城镇污水处理厂污染物排放标准》（GB 18918-2002）一级A标准和广东省《水污染物排放限值》（DB44/26-2001）第二时段一级标准的较严值.
1.2 样品采集污水处理厂排水的影响程度与季节密切相关[13]. 枯水期污水处理厂的排水是本研究区域地表水的重要来源, 因此笔者选择采样时间为2022年10~11月（枯水期）, 以该时期的样本作为尾水对地表水供应影响的代表进行研究. 结合相关研究[14], 以尾水排放口为界将采样区域划分为上游区、污染源头区和下游区. 其中上游区为尾水排放口上游1 km河段, 在尾水排放口上游0.5 km和1 km处分别设置采样点B2和B1, 反映未受尾水影响的河流状况；污染源头区为尾水排放口至其下游0.5 km河段, 在尾水排放口及其下游0.2 km处分别设置为采样点A0和A1；下游区为污染源头区以下2 km河段, 在尾水排放口下游1.5 km和2 km处分别设置采样点A2和A3. 采样点位如图 1所示, 每组实验取3个平行样, 金山和梅湖各6个实验组, 共36个样品. 采样期间金山各采样点流速约0.1~0.18 m·s-1, 梅湖约0.05~0.13 m·s-1.
河流样品的采集、运输与保存方法参照《水质采样样品的保存和管理技术规定》（HJ 493-2009）. 通过采水器采集表层河水, 每个样点一次收集约5 L的地表水, 其中每个样点约有250 mL水加200 µL硫酸至pH < 2, 保存于带盖玻璃瓶内用于后续化学分析. 在每一个采样点位, 采集500 mL水样后, 带回实验室. 过滤装置进行过滤（0.22 µm）, 把所有滤膜收集, 分装到10 mL的离心管中（2个管子）, 做好标记, 低温保存, 用于测定浮游微生物.
1.3 实验方法 1.3.1 水体样品分析采样时使用哈希HQ 30 d便携式测定仪（HACH, Co., USA）现场测定水体的pH值、水温（T）和溶解氧（DO）. 使用便携式浊度仪（WZB-171）测定水体浊度. 滤后的水样, 采用纳氏试剂分光光度法测定氨氮（NH4+-N）, 用碱性过硫酸钾消解法测定总氮（TN）. 采用高锰酸钾氧化滴定法测定高锰酸盐指数（permanganate index）. 采用钼酸铵分光光度法测定总磷（TP）. 总有机碳（TOC）采用TOC分析仪（Elementar, Frankfurt, Germany）测定[15]. 另一部分的剩余滤后水样, 采用紫外-可见分光光度计（UV-1800, 岛津, 日立）测定DOM紫外-可见吸收光谱, 波长扫描范围为200~700 nm, 间隔为1 nm [16]. 采用三维荧光光谱仪（F-7000, 日立）进行DOM三维荧光光谱（excitation-emission-matrix spectra, EEMs）分析. 设定条件为：激发光源采用450 W氙弧灯, PTM电压为700 V, 信噪比 > 110, 带通为Ex = 5 nm, Em = 5 nm；响应时间选择自动；扫描速率为2 400 nm·min-1；激发波长范围为240~450 nm, 间隔为5 nm；发射波长范围为260~550 nm, 间隔为1 nm, 测定前用Milli-Q超纯水作实验空白[17].
1.3.2 微生物样品分析采用MoBio PowerWater DNA提取试剂盒（CA, USA）对浮游微生物群落DNA完成抽提, 并利用1%琼脂糖凝胶电泳检测DNA的完整性和纯度, 同时利用NanoDrop One（Thermo Scientific, DE, USA）检测DNA的浓度和纯度. 以基因组DNA为模板, 选择引物515F（5'-GTGCCAGCMGCCGCGG-3'）和806R（5'-GGACTACHVGGGTWTCTAAT-3'）, 对细菌V4可变区进行PCR扩增[18]. 选择ITS rRNA区域进行真菌扩增[19], 引物为ITS5-1737-F（5'-GGAAGTAAAAGTCG TAACAAGG-3'）和ITS2-2043-R（5'-GCTGCGTTCTTC ATCGATGC-3'）. 利用Illumina公司的HiSeq 2500平台进行测序, 进而采用RDP classifier（http://rdp.cme.msu.edu/）对每条序列（OTU）进行物种分类注释, 注释结果包括界、门、纲、目、科、属和种共7个层级[20]. 以上分析过程由上海美吉生物医药科技有限公司协助完成.
1.4 数据分析使用SPSS 23.0和Excel 2021对数据进行处理和描述性统计. 采用Mathlab 2020进行DOM紫外-可见吸收光谱实验数据的非线性拟合求取光谱斜率S275-295和S350-400. 利用单因素方差分析（ANOVA）和Tukey的多重检验进行数据间的显著性分析, P值小于0.05被认为具有显著性差异, 分析结果表示为平均值±标准差的形式. 为了解样品内物种多样性, 利用Mothur软件计算和分析α多样性相关参数, 包括Observedspecies指数, Chao 1指数和Shannon指数[21]. 群落β多样性则利用PCoA分析进行表征, 并通过Anosim和Adonis分析进一步对微生物群落的β多样性进行定量. 利用CANOCO5.0软件处理分析微生物群落与受纳河流环境因子的相关性, 采用冗余分析（redundancy analysis, RDA）相关性分析方法, 可视化分析环境变量和物种及样方之间的关系, 进而判别环境因素对微生物群落结构影响的显著性[22].
2 结果与讨论 2.1 尾水排放对受纳河流水质的影响 2.1.1 水体理化指标由图 2可知, 金山样品的温度较高, 但浊度和pH均明显低于梅湖样品. 从上游至下游各采样点, 金山样品的TP、TN和TOC的浓度均小于梅湖样品, 并且DO浓度明显高于梅湖样品. 金山和梅湖样品的TP浓度变化趋势相似, 从污染源头区到污染下游区沿程增加, 其中梅湖的增加趋势更为显著, 可能与尾水排放口处水面宽度突增、流速变缓有关；而DO浓度在A0处呈现下降趋势, 高锰酸盐指数在污染下游区有所下降. 除污染下游区A3点位外, 两地样品的TN浓度无明显变化, 而NH4+-N浓度整体呈上升趋势. 与梅湖样品相比, 金山样品的TOC浓度维持在较低水平, 而梅湖样品的TOC浓度在污染下游区沿程增加. 与本文研究结果相似, Drury等[9]研究发现污水排放导致城市河流硝酸盐、磷酸盐和氨氮浓度显著增加. Huo等[23]研究表明受污水排放影响的河流TN和TP浓度显著升高, TOC浓度显著降低. 整体而言, 2座污水处理厂的尾水排放导致受纳河流中TP和NH4+-N浓度增加.
|
图 2 金山和梅湖受纳河流水质变化 Fig. 2 Changes in the water quality of the receiving rivers of Jinshan and Meihu |
EEMs表征分析可以示踪DOM组分的变化[24, 25]. 图 3和图 4分别为金山和梅湖尾水的EEMs. 所有样品的荧光光谱均确定了2个主峰. 在激发/发射波长为270~290/300~340 nm和290~330/340~450 nm处分别鉴定出T峰和C峰, 分别属于类蛋白质（色氨酸）和类腐殖质（富里酸）物质. 荧光峰C反映类腐殖酸、类腐殖质及可见区和紫外区的类富里酸, 代表较难降解的DOM, 被认为与DOM的陆源输入有关[26]. 荧光峰T总体为类蛋白物质, 被认为与微生物降解或外来尾水输入有关[27]. 金山样品除A3处T峰荧光强度明显增强, 其他采样点均无明显变化；梅湖样品的上游区T峰荧光强度较低, 污染源头区及下游区T峰荧光强度明显增加, 各采样点处C峰均无明显变化. 以上结果说明尾水排放使受纳河流中的类蛋白质增加. 薛柯伲等[28]考察了江西5家工业园区污水处理厂处理过程中DOM组分的变化特征, 指出类色氨酸芳香蛋白为污水处理厂出水中持续存在的DOM. 程澄等[29]对江阴市主要污水处理厂排水的研究中也发现普遍存在类蛋白荧光团. 由此可见, 污水处理后尾水的排入是受纳河流DOM中类蛋白组分的来源之一.
|
图 3 金山受纳河流的三维荧光光谱 Fig. 3 EEMs of the receiving river of Jinshan |
|
图 4 梅湖受纳河流的三维荧光光谱 Fig. 4 EEMs of the receiving river of Meihu |
如表 1所示, 在A0处, 金山样品S275-295的值明显降低, 而梅湖样品S275-295的值大幅增加, 表明金山受纳河流DOM中富里酸的相对含量更高[30]. 金山样品DOM的E2/E3介于0.30~1.18之间, 平均值为0.65, 最大值出现在上游B1处, 尾水排放口附近点位（B2~A2）DOM的E2/E3均较小, 其中上游B1和距离尾水排放口最远的A3处E2/E3明显大于其他点位；梅湖样品DOM的E2/E3介于0.50~0.77之间, 平均值为0.66, 最大值出现在上游B2处, 不同点位的E2/E3整体差异较小, 但A0处DOM的E2/E3有所下降. 上述结果表明, 尾水排放使DOM相对分子质量增加[31, 32]. 类似的, Yu等[15]研究表明河流中DOM和官能团的浓度受到尾水汇流的影响, 随着尾水排放DOM相对分子质量有增加的趋势.
|
表 1 受纳河流DOM光谱指数（S275-295、S350-400、E2/E3、SR、FI和BIX） Table 1 DOM spectral index(S275-295, S350-400, E2/E3, SR, FI, and BIX) of the receiving rivers |
荧光指数（FI） < 1.4时DOM主要来自陆源, 当FI介于1.4~1.9之间时, 表明DOM具有内源和外源的双重特征, 当FI > 1.9时则主要来自生物源[33]. 自生源指数（BIX）为0.7~0.8时DOM为中度自生源, 0.8~1时为较强自生源；当BIX > 1时DOM基本全由生物或细菌活动产生, 自生源特征强烈[34]. SR > 1时DOM主要来自内源输入, SR < 1时则为陆源输入[34]. 由表 1可知, 本研究中金山样品DOM的FI、BIX和SR值范围分别为1.90~2.08、2.82~3.14和1.07~1.86, 说明金山样品DOM以生物或细菌活动产生的内源为主, 具有强烈或较强的自生源特征；梅湖样品DOM的FI、BIX和SR值范围分别为1.85~2.00、2.35~2.95和1.11~1.96, 其中B1和A2处FI介于1.4~1.9之间, 可能由于DOM受到了陆源影响, 说明梅湖样品DOM主要为生物或细菌活动产生的. 吕伟伟等[35]在太湖北部天然有机质荧光特征的研究中发现, 冬季DOM的FI和BIX分别在1.65~2.50和1.00~1.27之间, 故DOM自生源特征较强. 闫晓寒等[36]研究辽河保护区地表水DOM时空特征时指出, 辽河保护区表层水DOM的SR值均高于1, 其DOM的来源主要为内源.
2.2 尾水排放对受纳河流浮游微生物群落的影响 2.2.1 细菌和真菌群落多样性对于细菌群落, 金山和梅湖的样品观察到不同的α多样性变化趋势. 金山样品中观测到的细菌种类数为1 107~1 393种, 估算种类数为1 536~1 845种, 细菌丰富度在A0处达到最大值, A1处细菌的丰富度略有降低, 从上游至下游的丰富度总体变化趋势为上升-下降-回升[见图5（a1）和5（a2）]. 细菌的Shannon指数为4.82~5.10, 从上游至下游未发生明显变化, 这与丰富度指数的结果略有差异[见图 5（a3）]. 丰富度与多样性指数变化的差异说明污染源头区细菌的丰富度降低, 但群落的均匀度有所增加. 由图 5（a1）可知, A0和A1处细菌群落的Observed species指数与其他点位均有显著性差异, 说明随着尾水的排放, 细菌群落的丰富度发生了较大变化, 而均匀度变化较小.
|
（a1）~（a3）金山, （b1）~（b3）梅湖；不同小写字母表示组间差异显著性检验结果；JS表示金山样品上游区, JP表示金山样品污染源头区, JX表示金山样品污染下游区；MS表示梅湖样品上游区, MP表示梅湖样品污染源头区, MX表示梅湖样品污染下游区 图 5 受纳河流不同区域细菌的多样性指数分析 Fig. 5 Analysis of the diversity index of bacteria in different regions of the receiving rivers |
梅湖样品中观测到的细菌种类数为613~848种, 估算种类数为839~1 122种[见图5（b1）和5（b2）], 从上游区至污染源头区（B1~A1）细菌丰富度逐渐降低, 下游区A2处略有回升, 说明尾水排放使受纳河流细菌的丰富度减少, 这与金山的变化趋势不同. 如图 5（b3）所示, 细菌的Shannon指数为3.49~4.62, A0处为最大值, 这与丰富度的变化趋势有所差异, 说明随着尾水排放细菌的种类减少, 均匀度增加. Wang等[10]研究表明, 在城市河流中, 受出水影响的河段浮游生物群落的多样性和丰富度明显低于其他河段, 这与本文的研究结果相似.
由图 6可知, 金山样品中观测到的真菌数为52~128种, 估算值为65~135种, Shannon指数为0.22~2.64. 其中Observed species指数和Chao1指数变化趋势相同, 在上游B2处达到最小值, 在下游A2处达到最大值, A0处较高. Shannon指数从上游至下游（B2~A3）先增加后减小. 根据检验结果, B2处细菌群落的Observed species指数、Chao1指数和Shannon指数均与其他点位有显著性差异. 结合图 6可知, 梅湖样品中观测到的真菌数为57~84种, 估算值为62~88种, Shannon指数为1.87~2.69. Observed species指数和Chao1指数从上游区至污染源头区（B1~A1）先增加后减小, 在A1处达到最小值, 而Shannon指数在A0处达到最大值.
|
（a1）~（a3）金山, （b1）~（b3）梅湖；不同小写字母表示组间差异显著性检验结果；JS表示金山样品上游区, JP表示金山样品污染源头区, JX表示金山样品污染下游区；MS表示梅湖样品上游区, MP表示梅湖样品污染源头区, MX表示梅湖样品污染下游区 图 6 受纳河流不同区域真菌的多样性指数分析 Fig. 6 Analysis of the diversity index of fungi in different regions of the receiving rivers |
微生物α多样性结果表明, 尾水排放导致受纳河流污染源头区的细菌群落丰富度降低, 而金山和梅湖样品的真菌群落丰富度和多样性波动较大, 真菌群落结构不稳定, 对尾水排放的响应无明显变化规律. Drury等[9]研究表明尾水排放显著降低了细菌群落的多样性, 城市和郊区2条河流下游的Shannon指数和Chao1指数均低于上游. 虽然尾水排放导致河流下游无机营养物质浓度较高, 但一些有毒化合物也可能随着尾水进入河流, 抑制了细菌的繁殖, 进而导致细菌丰富度的降低. 有研究发现在沿Mediterranean河流的污水处理厂下游[37], 观测到浮游微生物群落的生物多样性显著减少. Yu等[15]研究发现河流上游细菌分布较少, 但均匀性较好, 而真核生物对污水汇流的响应不大.
β多样性旨在衡量每个实验组间群落分布和结构之间的差异, 同时考虑到所有物种的特性[38]. 细菌群落的PCoA分析结果如图7（a）和7（b）所示, 金山样品中B2与A1呈聚集分布, 样本间距离较近, 说明群落结构相似度较高, 可能因为B2和A1距离尾水排放口A0较近, 受到尾水排放一定影响[38]；梅湖样品中B1和B2分布较近, 说明其群落结构相似度较高. 真菌群落的PCoA分析结果如图7（c）和7（d）所示, 金山样本中A1与A2呈聚集分布, 样本间距离较近；而梅湖样本中A0与A1分布较近, 表明其群落结构相似度较高. 整体而言, 尾水排放口处及其上、下游区域的细菌和真菌群落组成有明显差异.
|
图 7 细菌和真菌的PCoA结果（weighted_Unifrac） Fig. 7 PCoA results(weighted_Unifrac) of bacteria and fungi |
为进一步对微生物群落的β多样性进行定量, 进行了Anosim和Adonis分析. 对于细菌群落, 金山样品上游至下游3个分组间细菌的R2 = 0.828, P = 0.001（< 0.05）, 梅湖样品细菌的R2 = 0.929, P = 0.001, 说明该分组对细菌群落结构差异的解释度较高. 对于真菌群落, 两地样品的P值均小于0.05, 说明该分组对真菌群落的差异性具有较高的解释度. 与Adonis分析结果相似, Anosim分析的结果表明金山样品和梅湖样品的P值均小于0.05, 说明分组间的差异大于组内差异, 表明受纳河流上游区（JS/MS）、污染源头区（JP/MP）和污染下游区（JX/MX）这3个区域的分组是有意义的, 即尾水排放后受纳河流上游至下游细菌和真菌群落的β多样性具有显著性.
2.2.2 细菌和真菌群落组成分析本文统计了细菌和真菌在门和纲水平菌类相对丰度情况, 以分析污水处理厂尾水排放后受纳河流上游至下游浮游微生物群落结构的响应. 对于细菌群落, 如图 8所示. 金山样品中优势菌门始终是变形菌门（Proteobacteria）, 相对丰度为28.1%~53.8%, 从上游B1~下游A2处, 变形菌门的群落相对丰度呈现降低-增加-降低的趋势, 说明A0处的尾水进入对其群落相对丰度产生了影响. 在A0处异常球菌门（Deinococcota）的群落相对丰度较大, 但整体上细菌主体群落组成没有明显变化. 下游A2处的优势菌纲为γ-变形菌纲（Gammaproteobacteria, 29.2%）, 其他点位处α-变形菌纲（Alphaproteobacteria）群落相对丰度最大, 为18.2%~25.3%. 梅湖样品中优势菌门同样为变形菌门（Proteobacteria）并且相对丰度更高, 为60.7%~81.0%, 细菌主体群落组成相似. 与金山样品不同的是, 梅湖样品中没有出现异常球菌纲（Deinococci）, 并且蓝细菌纲（Cyanobacteriia）的群落相对丰度较低, 下游A2处α-变形菌纲（Alphaproteobacteria, 41.1%）的群落相对丰度超过γ-变形菌纲（Gammaproteobacteria, 39.9%）, 其他点位处的优势菌纲均为γ-变形菌纲.
|
（a）金山样品门水平物种相对丰度, （b）梅湖样品门水平物种相对丰度, （c）金山样品纲水平物种相对丰度, （d）梅湖样品纲水平物种相对丰度 图 8 样品细菌群落中优势菌门和纲的相对丰度 Fig. 8 Relative abundance of dominant phyla and classes in the bacterial community of the sample |
总体而言, 变形菌门是所有样品中的主要门类, 变形菌门（Proteobacteria）是世界范围内水生态系统中数量最多的门之一[39], 它被分为不同的类别, 如Alphaproteobacteria和Gammaproteobacteria, 其多样性的特性使其无处不在. 拟杆菌门广泛分布于海洋和淡水生态系统中, 专门从事有机物降解[40], 这解释了其在污水处理厂下游的样本中所占比例较高. 放线菌已被证实在淡水生态系统的碳循环中发挥着举足轻重的作用[41]. 厚壁菌门能够降解许多有机化合物, 有研究报道厚壁菌门的相对丰度与TOC呈正相关[42]. 本研究中厚壁菌门在污染源头区的群落相对丰度降低, 这可能是因为污染源头区的TOC浓度降低, 表明厚壁菌门可以存在于满足其高能量需求并维持其生长速度的富含碳的环境中[43]. Patescibacteria在其他河流中也有报道, 特别是在污水排放后, 但相对丰度较低[44], 鉴于Patescibacteria的厌氧特性, 污水排放是其来源之一[45]. Pascual等[37]研究发现拟杆菌门和Patescibacteria在污水处理厂排污口呈上升趋势, 随后在下游采样点呈下降趋势, 这与本文的研究结果相似.
图 9给出了真菌分布情况. 金山样品优势菌门始终为子囊菌门（Ascomycota）, 在上游B2处的相对丰度最大（99.3%）；尾水排放后其群落相对丰度略有下降, A1处占比最小（69.6%）. 金山样品在B1、A2和A3处的优势菌纲为酵母菌纲（Sordariomycetes）, A1处座囊菌纲（Dothideomycetes）成为优势菌纲. 梅湖样品中从B1至A0处, 子囊菌门（Ascomycota）的群落相对丰度约65.4%下降至21.1%, 之后群落相对丰度逐渐增加, 到下游A2处群落相对丰度达到88.4%. 从B1~A1处, 座囊菌纲（Dothideomycetes）的群落相对丰度约39.3%下降至7.9%, 酵母菌纲（Sordariomycetes）的群落相对丰度约17.0%下降至6.0%. Chen等[19]研究表明, 河流中真菌群落以子囊菌门、担子菌门和壶菌门为主, 子囊菌门的相对丰度在上游较高, 与本文的研究结果相似.
|
（a）金山样品门水平物种相对丰度, （b）梅湖样品门水平物种相对丰度, （c）金山样品纲水平物种相对丰度, （d）梅湖样品纲水平物种相对丰度 图 9 样品真菌群落中优势菌门和纲的相对丰度 Fig. 9 Relative abundance of dominant phyla and classes in the fungal community of the sample |
通过对东江沿线的2条受纳河流的理化指标及微生物群落的结构组成进行冗余分析（图 10）. 金山和梅湖样品均发现E2/E3、高锰酸盐指数和pH对细菌的群落结构有显著影响, 此外, 温度对金山样品的细菌群落影响更大, 而TN对梅湖样品的细菌群落影响更大. 对于真菌群落, 发现金山和梅湖样品的真菌群落均受到E2/E3、高锰酸盐指数和TOC的显著影响；NH4+-N对金山样品的真菌群落影响更大, 而TN对梅湖样品的真菌群落影响更大. 此外, TP和NH4+-N是造成受纳河流上下游微生物群落差异的主要影响因素. 从前文所述结果可以发现, 受纳河流污染源头区的TP和NH4+-N指标明显高于上游区, 表明污水处理厂的尾水排放影响了受纳河流的水质状况, 进而导致微生物群落结构沿程发生了变化.
|
箭头的长短表述环境因子对于物种数据的影响程度（解释量）的大小；环境因子箭头间的夹角表述正、负相关性 图 10 受纳河流细菌和真菌群落与环境因子的RDA结果 Fig. 10 RDA results of bacterial and fungal communities and environmental factors in receiving rivers |
河流中的细菌群落会受到许多因素的影响, 例如营养浓度、pH和温度[46, 47]. Huo等[23]采用RDA对水体理化特征与微生物群落组成之间的关系进行了概述, 发现温度、pH、DO和NH4+-N是影响细菌群落变化的4个主要环境变量. Zhang等[48]研究发现对细菌群落组成有显著影响的环境变量是pH、NH4+-N和TP（P < 0.01）, 这与本文的研究结果相符合. 温度是决定淡水微生物结构的控制因素[49], 本文中金山和梅湖样品的细菌与真菌群落均受到水温的影响. 已有研究表明pH是影响微生物群落的重要因素[46], 营养盐（例如TP和NH4+-N）在微生物生长和发育中也起着重要作用, 显著影响河流中的微生物组成[47]. 目前的研究中人们对真菌的分布和生态功能仍知之甚少, 尤其是在水生环境中[50], 本研究发现, E2/E3是影响真菌群落结构的重要因素, 说明真菌群落可能会对尾水排放引起的DOM浓度变化产生一定响应. 这与Yu等[15]的研究结果相似, 来自污水处理厂的DOM组分对微生物群落的影响最为深刻. 综上所述, 微生物群落结构的变化与受纳河流的水质密切相关.
3 结论（1）通过对金山和梅湖污水处理厂的受纳河流中浮游微生物群落以及水质指标的分析, 发现从受纳河流上游区至污染下游区, TP和NH4+-N浓度沿程增加, 导致污染源头区的DOM相对分子质量增加、蛋白质类物质累积.
（2）对受纳河流中微生物DNA进行高通量测序, 细菌在受纳河流污染源头区的丰富度降低；而真菌群落结构不稳定, 对尾水排放的响应无明显规律. β多样性结果表明, 同一受纳河流在上游区、污染源头区和污染下游区的微生物群落结构有明显差异. 受纳河流中细菌群落的优势门类为变形菌门, 从上游区至污染下游区, 变形菌门的相对丰度呈现降低-升高-降低的趋势. 真菌群落的优势门类为子囊菌门, 在污染源头区子囊菌门的相对丰度有所下降.
（3）借助统计分析, 发现E2/E3、高锰酸盐指数和pH是对细菌群落组成影响较大的环境因素, 而真菌群落受到E2/E3、高锰酸盐指数和TOC的显著影响, 尾水排放引起TP和NH4+-N浓度的升高可能是受纳河流上下游微生物群落差异的主要驱动力. 本文为城市河流在排污口上下游不同区域的生态风险评估和管理提供了有价值的信息, 从而有助于监测和控制水环境污染水平.
| [1] | Kisand V, Nõges T. Abiotic and biotic factors regulating dynamics of bacterioplankton in a large shallow lake[J]. FEMS Microbiology Ecology, 2004, 50(1): 51-62. DOI:10.1016/j.femsec.2004.05.009 |
| [2] | Faure D, Bonin P, Duran R, et al. Environmental microbiology as a mosaic of explored ecosystems and issues[J]. Environmental Science and Pollution Research, 2015, 22(18): 13577-13598. DOI:10.1007/s11356-015-5164-5 |
| [3] | Hur J, Schlautman M A, Karanfil T, et al. Influence of drought and municipal sewage effluents on the baseflow water chemistry of an upper piedmont river[J]. Environmental Monitoring and Assessment, 2007, 132(1-3): 171-187. DOI:10.1007/s10661-006-9513-1 |
| [4] | Rahm B G, Hill N B, Shaw S B, et al. Nitrate dynamics in two streams impacted by wastewater treatment plant discharge: point sources or sinks?[J]. Journal of the American Water Resources Association, 2016, 52(3): 592-604. DOI:10.1111/1752-1688.12410 |
| [5] | Mulholland P J, Helton A M, Poole G C, et al. Stream denitrification across biomes and its response to anthropogenic nitrate loading[J]. Nature, 2008, 452(7184): 202-205. DOI:10.1038/nature06686 |
| [6] | Price J R, Ledford S H, Ryan M O, et al. Wastewater treatment plant effluent introduces recoverable shifts in microbial community composition in receiving streams[J]. Science of the Total Environment, 2018, 613-614: 1104-1116. DOI:10.1016/j.scitotenv.2017.09.162 |
| [7] | Simonin M, Voss K A, Hassett B A, et al. In search of microbial indicator taxa: shifts in stream bacterial communities along an urbanization gradient[J]. Environmental Microbiology, 2019, 21(10): 3653-3668. DOI:10.1111/1462-2920.14694 |
| [8] | Wachira J M, Kiplimo D, Thuita M, et al. Community structure of nitrifying and denitrifying bacteria from effluents discharged into Lake Victoria, Kenya[J]. Current Microbiology, 2022, 79(9). DOI:10.1007/s00284-022-02950-1 |
| [9] | Drury B, Rosi-Marshall E, Kelly J J. Wastewater treatment effluent reduces the abundance and diversity of benthic bacterial communities in urban and suburban rivers[J]. Applied and Environmental Microbiology, 2013, 79(6): 1897-1905. DOI:10.1128/AEM.03527-12 |
| [10] | Wang J W, Chen Y, Cai P G, et al. Impacts of municipal wastewater treatment plant discharge on microbial community structure and function of the receiving river in northwest Tibetan Plateau[J]. Journal of Hazardous Materials, 2022, 423. DOI:10.1016/j.jhazmat.2021.127170 |
| [11] | Wang J, Li Y, Wang P F, et al. Response of bacterial community compositions to different sources of pollutants in sediments of a tributary of Taihu Lake, China[J]. Environmental Science and Pollution Research, 2016, 23(14): 13886-13894. DOI:10.1007/s11356-016-6573-9 |
| [12] |
彭海霞, 刘龙海, 陶贞, 等. 湿热流域化学风化与水化学组成季节变化——以西枝江流域为例[J]. 地球与环境, 2018, 46(6): 513-523. Peng H X, Liu L H, Tao Z, et al. Chemical weathering and seasonal variation of chemical compositions of water in humid subtropical basins—a case study for the Xizhijiang River Basin[J]. Earth and Environment, 2018, 46(6): 513-523. |
| [13] | García-Armisen T, İnceoğlu Ö, Ouattara N K, et al. Seasonal variations and resilience of bacterial communities in a sewage polluted urban river[J]. Plos One, 2014, 9(3). DOI:10.1371/journal.pone.0092579 |
| [14] |
王钰涛, 范晨阳, 朱金鑫, 等. 尾水排放对受纳水体底栖生物膜细菌群落和水溶性有机质的影响机制[J]. 环境科学, 2021, 42(12): 5826-5835. Wang Y T, Fan C Y, Zhu J X, et al. Impacts of wastewater effluent discharge on bacteria community and water-soluble organic matter in benthic biofilm in receiving river[J]. Environmental Science, 2021, 42(12): 5826-5835. |
| [15] | Yu M D, Liu S J, Li G W, et al. Municipal wastewater effluent influences dissolved organic matter quality and microbial community composition in an urbanized stream[J]. Science of the Total Environment, 2020, 705. DOI:10.1016/j.scitotenv.2019.135952 |
| [16] | Ren H Y, Yao X, Ma F Y, et al. Characterizing variations in dissolved organic matter (DOM) properties in Nansi Lake: a typical macrophytes-derived lake in northern China[J]. Environmental Science and Pollution Research, 2021, 28(41): 58730-58741. DOI:10.1007/s11356-021-14266-x |
| [17] |
罗燕清, 万智巍, 晏彩霞, 等. 鄱阳湖沉积物溶解性有机质光谱特征[J]. 环境科学, 2022, 43(2): 847-858. Luo Y Q, Wan Z W, Yan C X, et al. Spectral characteristics of dissolved organic matter in sediments from Poyang Lake[J]. Environmental Science, 2022, 43(2): 847-858. |
| [18] | Miao L Z, Wang P F, Hou J, et al. Distinct community structure and microbial functions of biofilms colonizing microplastics[J]. Science of the Total Environment, 2019, 650: 2395-2402. DOI:10.1016/j.scitotenv.2018.09.378 |
| [19] | Chen J, Wang P F, Wang C, et al. Fungal community demonstrates stronger dispersal limitation and less network connectivity than bacterial community in sediments along a large river[J]. Environmental Microbiology, 2020, 22(3): 832-849. DOI:10.1111/1462-2920.14795 |
| [20] | Braker G, Tiedje J M. Nitric oxide reductase (norB) genes from pure cultures and environmental samples[J]. Applied and Environmental Microbiology, 2003, 69(6): 3476-3483. DOI:10.1128/AEM.69.6.3476-3483.2003 |
| [21] | Schloss P D, Westcott S L, Ryabin T, et al. Introducing mothur: open-source, platform-independent, community-supported software for describing and comparing microbial communities[J]. Applied and Environmental Microbiology, 2009, 75(23): 7537-7541. DOI:10.1128/AEM.01541-09 |
| [22] |
赵琛, 路达, 柏耀辉, 等. 污水处理厂排水对受纳水体着生生物膜的影响[J]. 煤炭与化工, 2018, 41(12): 145-148. Zhao C, Lu D, Bo Y H, et al. Influence of effluent from sewage treatment plants on the biofilm of receiving rivers[J]. Coal and Chemical Industry, 2018, 41(12): 145-148. |
| [23] | Huo Y, Bai Y H, Qu J H. Unravelling riverine microbial communities under wastewater treatment plant effluent discharge in large urban areas[J]. Applied Microbiology and Biotechnology, 2017, 101(17): 6755-6764. DOI:10.1007/s00253-017-8384-4 |
| [24] | Kalbitz K, Solinger S, Park J H, et al. Controls on the dynamics of dissolved organic matter in soils: a review[J]. Soil Science, 2000, 165(4): 277-304. DOI:10.1097/00010694-200004000-00001 |
| [25] | Zsolnay Á. Dissolved organic matter: artefacts, definitions, and functions[J]. Geoderma, 2003, 113(3-4): 187-209. DOI:10.1016/S0016-7061(02)00361-0 |
| [26] | Murphy K R, Stedmon C A, Waite T D, et al. Distinguishing between terrestrial and autochthonous organic matter sources in marine environments using fluorescence spectroscopy[J]. Marine Chemistry, 2008, 108(1-2): 40-58. DOI:10.1016/j.marchem.2007.10.003 |
| [27] | Hudson N, Baker A, Reynolds D. Fluorescence analysis of dissolved organic matter in natural, waste and polluted waters—a review[J]. River Research and Applications, 2007, 23(6): 631-649. DOI:10.1002/rra.1005 |
| [28] |
薛柯伲, 佟娟, 何友文, 等. 工业园区污水厂处理过程中溶解性有机物的三维荧光特征分析[J]. 环境工程学报, 2022, 16(11): 3618-3628. Xue K N, Tong J, He Y W, et al. Characteristics of dissolved organic matter by three-dimensional fluorescence analysis during wastewater treatment process in industrial parks[J]. Chinese Journal of Environmental Engineering, 2022, 16(11): 3618-3628. |
| [29] |
程澄, 钱玉亭, 黄振荣, 等. 江苏江阴污水处理厂排水的三维荧光光谱特征[J]. 光谱学与光谱分析, 2021, 41(12): 3791-3796. Cheng C, Qian Y T, Huang Z R, et al. Fluorescence excitation emission matrix properties of the effluents from the wastewater treatment plants in Jiangyin City, Jiangsu Province[J]. Spectroscopy and Spectral Analysis, 2021, 41(12): 3791-3796. |
| [30] |
李璐璐, 江韬, 卢松, 等. 利用紫外-可见吸收光谱估算三峡库区消落带水体、土壤和沉积物溶解性有机质(DOM)浓度[J]. 环境科学, 2014, 35(9): 3408-3416. Li L L, Jiang T, Lu S, et al. Using ultraviolet-visible (UV-Vis) absorption spectrum to estimate the dissolved organic matter (DOM) concentration in water, soils and sediments of typical water-level fluctuation zones of the three gorges reservoir areas[J]. Environmental Science, 2014, 35(9): 3408-3416. |
| [31] | Li P H, Hur J. Utilization of UV-Vis spectroscopy and related data analyses for dissolved organic matter (DOM) studies: a review[J]. Critical Reviews in Environmental Science and Technology, 2017, 47(3): 131-154. DOI:10.1080/10643389.2017.1309186 |
| [32] |
任倩倩, 邹立, 于格, 等. 环胶州湾河流入海口CDOM吸收光谱特征[J]. 环境科学研究, 2018, 31(8): 1407-1416. Ren Q Q, Zou L, Yu G, et al. Optical absorption properties of CDOM at the estuaries of Jiaozhou Bay[J]. Research of Environmental Sciences, 2018, 31(8): 1407-1416. |
| [33] | Mcknight D M, Boyer E W, Westerhoff P K, et al. Spectrofluorometric characterization of dissolved organic matter for indication of precursor organic material and aromaticity[J]. Limnology and Oceanography, 2001, 46(1): 38-48. DOI:10.4319/lo.2001.46.1.0038 |
| [34] | Huguet A, Vacher L, Relexans S, et al. Properties of fluorescent dissolved organic matter in the Gironde estuary[J]. Organic Geochemistry, 2009, 40(6): 706-719. DOI:10.1016/j.orggeochem.2009.03.002 |
| [35] |
吕伟伟, 姚昕, 张保华. 太湖北部湖区春、冬季节天然有机质的荧光特征及环境意义[J]. 环境科学, 2018, 39(8): 3601-3613. Lü W W, Yao X, Zhang B H. Fluorescence characteristics and environmental significance of organic matter in the northern part of Lake Taihu in spring and winter[J]. Environmental Science, 2018, 39(8): 3601-3613. |
| [36] |
闫晓寒, 韩璐, 刘勇丽, 等. 基于UV-Vis辽河保护区地表水DOM的时空分布特征[J]. 环境科学研究, 2022, 35(1): 51-59. Yan X H, Han L, Liu Y L, et al. Spatiotemporal distribution of DOM in surface water of Liaohe reservation zone based on UV-Vis absorption spectra[J]. Research of Environmental Sciences, 2022, 35(1): 51-59. |
| [37] | Pascual-Benito M, Ballesté E, Monleón-Getino T, et al. Impact of treated sewage effluent on the bacterial community composition in an intermittent mediterranean stream[J]. Environmental Pollution, 2020, 266. DOI:10.1016/j.envpol.2020.115254 |
| [38] | Bowen J L, Ward B B, Morrison H G, et al. Microbial community composition in sediments resists perturbation by nutrient enrichment[J]. The ISME Journal, 2011, 5(9): 1540-1548. DOI:10.1038/ismej.2011.22 |
| [39] | Newton R J, Jones S E, Eiler A, et al. A guide to the natural history of freshwater lake bacteria[J]. Microbiology and Molecular Biology Reviews, 2011, 75(1): 14-49. DOI:10.1128/MMBR.00028-10 |
| [40] | Traving S J, Rowe O, Jakobsen N M, et al. The effect of increased loads of dissolved organic matter on estuarine microbial community composition and function[J]. Frontiers in Microbiology, 2017, 8. DOI:10.3389/fmicb.2017.00351 |
| [41] | Mikhailov I S, Zakharova Y R, Bukin Y S, et al. Correction to: co-occurrence networks among bacteria and microbial eukaryotes of Lake Baikal during a spring phytoplankton bloom[J]. Microbial Ecology, 2019, 77(2). DOI:10.1007/s00248-018-1307-9 |
| [42] | Zhang L, Tu D M, Li X C, et al. Impact of long-term industrial contamination on the bacterial communities in urban river sediments[J]. BMC Microbiology, 2020, 20(1). DOI:10.1186/s12866-020-01937-x |
| [43] | Rebollar E A, Sandoval-Castellanos E, Roessler K, et al. Seasonal changes in a maize-based polyculture of central Mexico reshape the co-occurrence networks of soil bacterial communities[J]. Frontiers in Microbiology, 2017, 8. DOI:10.3389/fmicb.2017.02478 |
| [44] | Zemskaya T I, Bukin S V, Zakharenko A S, et al. Microbial communities in the estuarine water areas of the rivers in the southeastern part of Lake Baikal[J]. Limnology and Freshwater Biology, 2019(4): 259-265. DOI:10.31951/2658-3518-2019-A-4-259 |
| [45] | Castelle C J, Brown C T, Thomas B C, et al. Unusual respiratory capacity and nitrogen metabolism in a Parcubacterium (OD1) of the candidate Phyla radiation[J]. Scientific Reports, 2017, 7. DOI:10.1038/srep40101 |
| [46] | Fan K K, Cardona C, Li Y T, et al. Rhizosphere-associated bacterial network structure and spatial distribution differ significantly from bulk soil in wheat crop fields[J]. Soil Biology and Biochemistry, 2017, 113: 275-284. DOI:10.1016/j.soilbio.2017.06.020 |
| [47] | Tian J Q, Zhu D, Wang J Z, et al. Environmental factors driving fungal distribution in freshwater lake sediments across the headwater region of the Yellow River, China[J]. Scientific Reports, 2018, 8(1). DOI:10.1038/s41598-018-21995-6 |
| [48] | Zhang L, Zhong M M, Li X C, et al. River bacterial community structure and co-occurrence patterns under the influence of different domestic sewage types[J]. Journal of Environmental Management, 2020, 266. DOI:10.1016/j.jenvman.2020.110590 |
| [49] | Sun W, Xia C Y, Xu M Y, et al. Seasonality affects the diversity and composition of bacterioplankton communities in Dongjiang River, a drinking water source of Hong Kong[J]. Frontiers in Microbiology, 2017, 8. DOI:10.3389/fmicb.2017.01644 |
| [50] | Yao Y, Zhao J Q, Miao L Z, et al. Effects of sediment physicochemical factors and heavy metals on the diversity, structure, and functions of bacterial and fungal communities from a eutrophic river[J]. Environmental Pollution, 2022, 303. DOI:10.1016/j.envpol.2022.119129 |