, 王鹏1,2
, 徐启渝1,2, 张华1,2, 丁明军1,21. 江西师范大学地理与环境学院, 南昌 330022;
2. 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 南昌 330022
收稿日期: 2019-09-20; 修回日期: 2019-11-05; 录用日期: 2019-11-05
基金项目: 国家自然科学基金（No.41661017）；鄱阳湖湿地与流域研究教育部重点实验室（江西师范大学）开放基金资助项目（No.PK2018001）
作者简介: 赵君(1994-), 女, E-mail:zhaojun19y@126.com
通讯作者（责任作者）: 王鹏(1982—), 男, 副教授, 博士, 主要从事流域水环境和湖泊生态环境的研究, E-mail:wangpengjlu@jxnu.edu.cn
摘要：于2018年8月采集袁河上游至下游的16个采样点表层水样，基于高通量测序技术分析土地利用方式下河流浮游细菌群落特征并对比土地利用与水化学指标对浮游细菌群落的影响差异.结果表明：①袁河优势浮游细菌群落为变形菌门（Proteobacteria，35.17%），放线菌门（Actinobacteria，33.99%）和拟杆菌门（Bacteroidetes，17.59%），其中Bacteroidetes丰度随流向显著降低；②受农田和建设用地增加的影响，袁河上、下游河段细菌群落多样性均随流向呈升高趋势；中游河段浮游细菌群落多样性由于湖库滞留作用明显下降；③水域和林地是土地利用方式中最佳组合因子，土地利用方式显著影响浮游细菌群落，两者相关系数为0.4797，土地利用方式对浮游细菌群落的方差解释量为31.3%；④土地利用方式对浮游细菌群落的影响大小与水化学指标相近，同时存在土地利用方式与水化学的交叉影响（方差解释量为10.9%），表明在袁河浮游细菌群落的形成中，质量效应与物种分选机制并存.本研究表明，在河流浮游细菌研究中要重视流域土地利用方式造成的外源细菌输入差异，以及土地利用方式输入的不同水化学成分对浮游细菌的分选作用.
关键词：袁河高通量测序细菌群落土地利用方差分解
Effects of land use in drainage basin on bacterioplankton communities in the Yuan River
ZHAO Jun1,2
, WANG Peng1,2, XU Qiyu1,2, ZHANG Hua1,2, DING Mingjun1,21. School of Geography and Environment, Jiangxi Normal University, Nanchang 330022;
2. Key Laboratory of Poyang Lake Wetland and Watershed Research, Ministry of Education, Jiangxi Normal University, Nanchang 330022
Received 20 September 2019; received in revised from 5 November 2019; accepted 5 November 2019
Abstract: In August 2018, we collected surface water samples at 16 sampling sites from the upper reaches of the Yuan River to the downstream. Based on high-throughput sequencing, we analyzed characteristics of bacterioplankton communities and distinguished the effects on bacterioplankton communities from land use and water chemicals. Our results showed that:① the dominant bacterioplankton communities in the Yuan River were Proteobacteria (35.17%), Actinobacteria (33.99%) and Bacteroidetes (17.59%), and Bacteroidetes decreased significantly in the downstream direction.②Both the abundance and richness of bacterioplankton increased in upper reaches and lower reaches with the increasing farmland and construction land area. Due to the increasing water residence time in the Jiangkou Reservoir, both the abundance and richness of bacterioplankton decreased in middle reaches. ③Waters and woodland were the subset of land use that best explained the variation in bacterioplankton communities. Land use patterns significantly influenced bacterioplankton communities with a correlation coefficient at 0.4797. A proportion of 31.3% in variance in bacterioplankon communities was explained by land use patterns. ④The effect of land use patterns on bacterioplankton community was comparable with that of water chemicals. Cross-effect on bacterioplankton community was discovered between land use and water chemicals, which accounted for 10.9% variance in bacterioplankton communities. The above results reveal that both the mechanism of mass effect and species sorting played a role in shaping bacterioplankton communities in river water. This study suggests that in the study of river planktonic bacteria, it is necessary to pay attention to the different input of exogenous bacterial from different land use in drainage basin, and the sorting effect on bacterioplankton community caused by different water chemical components input from different land use.
Keywords: the Yuan Riverhigh-throughput sequencingbacterial communityland usevariance partitioning analysis
1 引言(Introduction)浮游细菌是河流生态系统的基本组成, 在全球生物地球化学循环中起到重要作用(Newton et al., 2011).由于浮游细菌对环境因子的变化具有敏感性, 使其成为反映河流生态系统状态的重要指标(Marshall et al., 2008).
河流浮游细菌群落的变化可以用复合种群理论中的两种机制解释：质量效应与物种分选(Leibold et al., 2004; Crump et al., 2012).质量效应表现为细菌群落在较高扩散率下, 来自其他生境的劣势竞争者可以在当下生境中生存(Urban, 2004)；物种分选强调空间生态位分离, 在一定的时间尺度上(数分钟或数月), 细菌群落在较低扩散率下通过选择性竞争响应局部生境条件(Hanson et al., 2012).当前对两种机制谁具主导作用未有定论(Liao et al., 2016a; Liao et al., 2016b; Zhang et al., 2016; Hu, 2018; Wang et al., 2019).
土地利用方式从上游至下游呈现规律性变化, 反映人口活动的城市化和农业活动能够改变细菌群落分布格局.一方面, 不同土地利用类型向河流输入不同外源细菌(Staley et al., 2014; Wang et al., 2019)；另一方面, 不同土地利用类型向河流输入不同营养物或颗粒物, 改变水化学特征, 进而影响细菌群落分布(Liao et al., 2016b; 赵君等, 2018；Huang et al., 2019).土地利用方式这种输入的影响增加了解释机制探索的复杂性(Read et al., 2015; Huang et al., 2019).两种解释机制中, 质量效应机制可理解为土地利用方式影响下外源细菌输入的影响, 物种分选机制可理解为细菌自身生存竞争环境的水化学影响(Adams et al., 2014; Savio et al., 2015).当前研究多集中于水化学指标与细菌群落的影响关系(Logue et al., 2012; Zhang et al., 2016; Gao et al., 2017; 肖汉玉等, 2018; Hu, 2018), 较少土地利用方式影响的研究, 尤其缺少综合量化分析土地利用及水化学的交叉影响.了解土地利用方式的影响, 探明河流浮游细菌群落结构影响机制, 对理解水生态系统健康机理具有现实意义.
袁河流经萍乡、宜春和新余3个地级市, 上中下游呈河流-湖库-河流型, 流域内各河段土地利用方式不同, 具有独特的地理环境.温巍(2019)在袁河水质评价及水污染特征分析中认为, 袁河流域上游污染主要表现为废水排放量大、垃圾堆积严重；中游存在鱼类生存环境破坏、废水排放严重等问题；下游水体存在污染问题.袁河存在有机污染物(雷呈等, 2019), 氨氮、悬浮物和石油类等在新余段浓度较高(黎燕平等, 2015).雷呈等(2019)通过对袁河流域生境质量评价发现, 土地利用方式造成观测指标空间尺度差异, 袁河生境质量状况与林地和建筑用地显著相关.目前, 对袁河生态环境的研究主要在调查浮游植物(杨永生等, 2012)、底栖动物(雷呈等, 2019)等生物指标与河流水质关系, 缺乏对浮游细菌群落结构的研究.浮游细菌群落经大型水库、工业城市后出现怎样异于其他河段的情况？如何量化土地利用方式与水化学指标对浮游细菌群落的影响差异？本文假设, 土地利用方式能够影响河流浮游细菌群落, 其中土地利用方式的单独影响反映了质量效应机制, 土地利用方式与水化学指标的交叉影响反映了物种分选机制.依据以上假设, 本文主要研究目标：①浮游细菌群落自上游至下游的空间变化规律；②土地利用方式对袁河流浮游细菌群落的影响程度, 即了解质量效应与物种分选的影响大小.
2 材料与方法(Materials and methods)2.1 研究区概况与数据采集袁河发源于江西省萍乡市武功山西麓, 是赣江最大的一级支流, 全长297 km, 流域面积约6262 km2.上游峡谷多漂砾卵石, 森林覆盖度高；中游经袁河大型水利建设项目——新余江口水利枢纽工程(东湖库又称仙女湖), 蓄水量达3.2亿m3；下游多沙洲, 河面开阔, 农田宽广, 下游新余市是江西省重要工业基地.袁河流域属中亚热带季风湿润气候区, 流域多年平均气温为17.30 ℃, 流域多年平均降水量为1678 mm, 多暴雨, 且强度大、范围广, 70%的洪水发生在4—6月, 7—9月受台风影响也将出现暴雨洪水.
从上游到下游设置Y01~Y16共16个采样点(图 1).上游采样点为Y01~Y05, 中游为Y06~Y10, 下游为Y11~Y16.考虑到细菌生命周期更新快, 为使每个采样点能反映汇水区域内的外源细菌输入, 本研究中采样点对应子流域设定为从该采样点至上游相邻采样点间的流域汇水范围.基于鄱阳湖流域30 m精度DEM数据, 利用ArcGIS扩展模块ArcSWAT确定各采样点的汇水范围得到16个子流域.袁河流域土地利用数据是国家科技基础条件平台-国家地球系统科学数据共享服务平台(http://www.geodata.cn)提供.数据来源为2017年Landsat 8的30 m精度数据.研究区土地利用类型分为农田、森林、草地、灌丛、湿地、水体、建设用地和裸地.根据灌丛特点, 本文将森林与灌丛合并计算为“林地”；由于湿地面积在各子流域仅占约0.03%, 后续分析将其与水体组合为“水域”；裸地面积仅占袁河流域的0.06%, 进行后续分析时将不予考虑.通过ArcGIS 10.3中ArcToolbox工具箱计算农田、林地、草地、水域和建设用地在各子流域的百分比.
图 1(Fig. 1)
 |
| 图 1 研究区流域位置和采样点分布 Fig. 1Location of study area in drainage basin and sampling sites |
本研究于2018年8月对采样点河流表层水体(50 cm)进行采集, 现场利用便携式水质分析仪(HI9828, HANNA, Italy)测定pH值和溶解氧(DO).其中用于水化学分析的水样采集250 mL, 用于高通量测序的水样采集3 L, 水样采集后冷藏运回实验室进一步分析.测定的营养盐指标包括可溶性有机碳(DOC)、氨氮(NH4+-N)和总磷(TP).使用TOC分析仪(Shimadzu TOC-L CPH, 日本)测定溶解有机碳(DOC)；使用全自动间断分析仪(Smartchem 200 Brookfield, 美国)测定氨态氮(NH4+-N)和总磷(TP).用于测定NH4+-N和TP的水样通过0.45 μm孔径滤膜过滤.使用ICS-2100离子色谱系统测定NO32-、Cl-和SO42-.使用电感耦合等离子体质谱仪(ICP-MS)测定水体中可溶性重金属元素含量, 样品检测之前, 仪器采样标准物质(SRM AccuStandard Inc., USA)进行3次重复检测并且进行极限检测, 4种重金属的极限检测值分别为Mn：0.007 μg · L-1、Fe：0.544 μg · L-1、Zn：0.114 μg · L-1和Pb：3.58 ng · L-1.用于高通量测序的水样先通过5 μm孔径滤膜过滤去除颗粒杂质, 再通过0.22 μm孔径滤膜过滤, 然后将过滤后的0.22 μm孔径滤膜置于高温消煮后的离心管中于-80 ℃冰箱保存, 进行后续的DNA提取.
2.2 DNA提取和高通量测序采用E.Z.N.A.? Soil DNA Kit (Omega Bio-tek, USA)提取基因组DNA, 完成基因组DNA抽提后, 利用1%琼脂糖凝胶电泳检测抽提基因组DNA.对16S rRNA基因的V4~V5高变区片段进行PCR扩增.引物序列为338F(5′-ACTCCTACGGGAGGCAGCA-3′)和806R(5′-GGACTACHVGGGTWTCTAAT-3′) (Dennis et al., 2013).反应条件：95 ℃预变性2 min, 然后95 ℃变性30 s, 55 ℃退火30 s, 72 ℃延伸30 s的15个循环, 循环结束后72 ℃延伸5 min.每个样本3个重复并进行混合来降低在DNA提取过程中实验操作产生的误差, 然后用2%琼脂糖凝胶电泳检测, 使用AxyPrepDNA凝胶回收试剂盒(AXYGEN公司)切胶回收PCR产物, 混合后用Tris_HCl洗脱.2%琼脂糖电泳检测参照电泳初步定量结果, 将PCR产物用QuantiFluorTM-ST蓝色荧光定量系统(Promega公司)进行检测定量, 按照每个样本的测序量要求, 进行相应比例的混合.高通量测序在上海美吉生物医药科技有限公司Illumina Miseq PE300平台进行.原始数据上传至NCBI数据库中(序列号：SRP194014).
2.3 高通量数据处理使用Quantitative Insights Into Microbial Ecology(QIIME, http://qiime.org/scripts/assign_taxonomy.html)对DNA测序数据进行质量过滤, 并使用以下标准(Caporaso et al., 2010):①在50 bp滑动窗口中, 如果窗口内的平均质量值低于20, 从窗口开始截去后端碱基, 去除短于50 bp的序列；②在引物匹配过程中含有两个以上碱基错配的读数或模糊字符被删除；③根据它们的重叠序列仅拼接重叠超过10 bp的序列, 去除无法拼接的序列.采用RDP classifier(http://sourceforge.net/projects/rdp-classifier/)贝叶斯算法对照Silva Release128(http://www.arb-silva.de)16S rRNA数据库对97%相似水平的可操作分类单元(OTU, Operational Taxonomic Units)进行分类学分析.为避免各样品生物量的差异, 按最小样本序列数进行样本序列抽平处理得到标准化数据进行后续统计分析.在QIIME(http://qiime.org/scripts/assign_taxonomy.html)以70%置信度对OTU序列进行物种分类并对OTU分布矩阵来计算α多样性和β多样性(Caporaso et al., 2010).计算的α多样性包括Shannon多样性指数和Chao1丰富度指数.计算β多样性以基于样品之间的Bray-Curtis距离评估样品群落差异.
2.4 统计分析单因素方差分析(ANOVA)确定不同河段水化学特征、细菌群落丰度指数和多样性指数显著性检验(显著性水平p≤0.05视为差异显著).采用Shapiro-Wilk检验数据正态性, p>0.05数据满足正态分布特征.
R语言vegan软件包“hclust”函数进行聚类分析, “metaMDS”函数进行非度量多维尺度(NMDS)分析.相似性分析(ANOSIM)用于检测浮游细菌生物样本分组的显著差异性检验.为避免拱形效应, 通过方差膨胀分析(VIF)去除所有共线变量(VIF>3的变量)后使用CANOCO 4.5对所选环境因子进行冗余分析(RDA) (Ter Braak and Smilauer, 2002).
使用“bioenv”函数得到相关系数最高的环境因子组合(Oksanen et al., 2018).然后通过Mantel检验确定浮游细菌群落与土地利用方式和水体水化学指标之间的相关性和显著性水平, 同时用Partial Mantel检验控制土地利用方式和水体水化学指标之间的相互影响, 分别检验浮游细菌群落与土地利用方式和水体水化学指标之间的相关性和显著性水平(Oksanen et al., 2018).
使用方差分解(VPA, Variance partitioning analysis)不要求环境因子非共线输入(Borcard et al., 1992; Oksanen et al., 2018), 因此使用“bioenv”函数得到相关系数最高的环境因子组合输入VPA定量模型以期获得更大的解释量.为区分土地利用方式与水化学指标对细菌群落的影响, VPA在群落排序中将细菌群落结构的总方差变化划分为4个部分(图 2).具体计算过程为：①土地利用被约束, CCA分析后得到土地利用方式解释部分(a+b)；②水化学指标被约束, CCA分析后得到水体水化学指标解释部分(b+c)；③以水化学指标为协变量, 土地利用方式被约束, CCA分析后得到土地利用单独解释的部分(a)；④以土地利用方式为协变量, 水化学指标被约束, CCA分析后得到水化学指标单独解释的部分(c).那么微生物群落结构的解释是土地利用方式和水化学指标的共同解释部分是(b), 未解释部分为1-(a+b+c).以上计算在CANOCO 5得到, 并采用蒙特卡罗置换检验查看显著性(999次).
图 2(Fig. 2)
 |
| 图 2 方差分解(VPA)各部分图例解释 Fig. 2Explanation of variation partitioning analysis (VPA) |
3 结果(Results)3.1 流域土地利用方式与水体水化学性质袁河各采样点控制的子流域内土地利用百分比见表 1.林地和农田是袁河流域内的主要土地利用方式, 分别占流域总面积的52.64%和35.10%.林地在河流下游面积显著减少(p=0.001), 农田面积显著增加(p=0.002).由于中游经江口水库, 在Y09和Y10子流域内水域面积增加且大于其他子流域.建设用地面积百分比在Y03(1.26%增至11.83%)、Y07(8.82%增至23.85%)、Y11(1.23%增至10.11%)采样点陡增表明子流域内城镇、工业用地等人类活动密集场所增加.
表 1(Table 1)
| 表 1 研究区各子流域内土地利用百分比情况 Table 1 Percentage of land use patterns in each sub-watershed | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 1 研究区各子流域内土地利用百分比情况 Table 1 Percentage of land use patterns in each sub-watershed
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
 |
本次采样测试的水化学指标包括pH、DO、DOC、NH4+-N、TP、NO32--N、Cl-、SO42-、Mn、Fe、Zn和Pb(表 2).pH在上游(7.72±0.18)、中游(7.22±0.53)和下游(7.71±0.29)间无显著差异.DO在江口水库中Y09有最大值9.03 mg · L-1, 在Y11有最小值2.80 mg · L-1.SO42-浓度经Y09后随河流流向逐渐升高.SO42-浓度经Y09后随河流流向逐渐升高.DOC、NH4+-N、TP、NO32--N、Cl-、Fe和Zn各指标浓度在上游均小于中下游, 其中TP(p=0.001)、NO32--N(p=0.03)、Cl-(p=0.001)和Fe(p=0.015)的浓度在上游显著低于中下游.
表 2(Table 2)
| 表 2 袁河水体水化学指标 Table 2 Water chemicals concentrations at sixteen sampling sites in the Yuan River | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
表 2 袁河水体水化学指标 Table 2 Water chemicals concentrations at sixteen sampling sites in the Yuan River
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
3.2 细菌群落多样性与细菌群落结构16个水样的高通量测序共得到721392条高质量基因序列, 以97%相似度划分, 得到1005条OTUs, 每个水样的OTU数量为368~644, 均值为470.各样本文库的覆盖度范围为99.75%±0.07%, 能够代表袁河水体浮游细菌群落的真实情况.Shannon多样性指数变化范围为3.14~4.56, 下游(均值4.16)＞中游(4.04)＞上游(3.63), 上游显著不同于下游(p=0.022), 中游与上游、下游河段间无显著差异.Chao1指数范围为465~793, 中游(均值638)＞下游(579)＞上游(529), 中游显著不同于上游(p=0.036), 上游与下游河段间无显著差异.Shannon多样性指数和Chao1指数均在Y11出现最大值, 均在河流上游出现最小值, 分别为Y02和Y01(图 3).在水库区域(Y08~Y10)上游和下游河段Shannon多样性指数和Chao1指数随流向升高, 其中Shannon多样性指数在下游显著高于上游.Shannon多样性指数和Chao1指数在中游水库区域明显下降, 经西水库下游Y09后逐渐上升.
图 3(Fig. 3)
 |
| 图 3 袁河水体浮游细菌群落多样性指数变化 Fig. 3Diversity of bacterioplankton communities in the Yuan River |
基于Bray-Curtis距离的采样点聚类(图 4a)和NMDS分析(图 4b)表明：在江口水库下游第一个采样点(Y10)的水体细菌群落结构与其它采样点差异明显；12个采样点沿着河水流向被分成3组, 分别为上游的Group1(Y01、Y02、Y03), 上中游宜春市的Group2(Y04、Y05、Y06、Y07), 新余城区上游与袁河下游的Group3(Y11、Y13、Y14、Y15、Y16)；江口水库上游点(Y08)、中点(Y09)与在新余城区下游点(Y12)组成Group4.相比其他组内的相似性, Group3内下游点(Y13、Y14、Y15、Y16)有更近的距离.ANOSIM检验组间差异分析表明组间差异显著大于组内差异(statistic=0.885, p=0.001), 说明分组有效.
图 4(Fig. 4)
 |
| 图 4 基于Bray-Curtis距离的采样点聚类(a)和非度量多维尺度(NMDS)分析(b) Fig. 4Cluster analysis and Nonmetric multidimensional scaling (NMDS) plots using Bray-Curtis dissimilarity distance |
3.3 细菌群落组成本次研究的1004条OTUs被分成33个门, 73个属.图 5为各采样点细菌门水平分类, others表示平均丰度小于0.1%的门水平细菌.丰度最高的是变形菌门(Proteobacteria, 35.17%), 其次是放线菌门(Actinobacteria, 33.99%)、拟杆菌门(Bacteroidetes, 17.59%)、蓝藻菌门(Cyanobacteria, 6.28%)、疣微菌门(Verrucomicrobia, 3.77%), 其它门类别丰度均小于1%.Proteobacteria、Actinobacteria和Bacteroidetes是袁河水体优势种群.
图 5(Fig. 5)
 |
| 图 5 袁河浮游细菌各采样点门水平分类相对丰度 Fig. 5Relative abundance of bacterioplankton phyla in the Yuan River |
主要门水平(平均丰度大于1%)细菌群落Proteobacteria、Actinobacteria、Bacteroidetes、Cyanobacteria和Verrucomicrobia在不同采样点存在差异.Bacteroidetes丰度在上游(均值26.44%)显著高于中(11.66%)、下游(15.85%).Bacteroidetes最低值在西湖库下游Y09(4.47%).Actinobacteria在湖库下游(Y09、Y10)及城镇下游(Y04、Y12)为优势菌群.Proteobacteria、Actinobacteria、Cyanobacteria和Verrucomicrobia在各河段均值变化未达到显著.
非主要门水平(平均丰度小于1%)细菌群落中, Chlorobi丰度在上游(均值0.05%)显著高于中(1.03%)、下游(1.25%)；Planctomycetes丰度在中游(均值1.48%)显著高于上游(0.05%), 不同于下游(0.56%).Planctomycetes和Parcubacteria最大值在湖库下游Y10(分别为3.98%、2.13%).其他非主要门水平细菌在各河段均值变化未达到显著.
3.4 土地利用方式与主要门分类细菌群落相关性图 6a为土地利用方式对主要门水平种群的冗余分析结果.第一主轴解释了门分类群落25.83%的方差变化, 第一和第二主轴一共解释了33.41%.其中水域对门分类种群影响的显著性最高(p=0.032), 其余土地利用方式的影响不显著.丰度最高的Proteobacteria与水域呈负相关关系；丰度第二的Acidobacteria与水域呈正相关关系；丰度第三的bacteroidetes与水域呈负相关关系.图 6b为水化学指标对主要门水平种群的冗余分析结果.第一主轴解释了门分类群落24.75%的方差变化, 第一和第二主轴一共解释了42.81%.
图 6(Fig. 6)
 |
| 图 6 袁河主要门水平细菌群落与环境因子冗余分析(RDA)结果 Fig. 6Redundancy analysis (RDA) biplot showing the relationship between predominant phyla in bacterioplankton community (mean relative abundance>1%) and environmental parameters |
3.5 流域土地利用方式与水体水化学指标对浮游细菌群落的交叉影响表 3为浮游细菌群落与土地利用方式、水化学指标组合关系的结果.土地利用方式中, 相关系数最高的组合为林地和水域, 相关系数为0.4797；水体水化学指标中, 相关系数最高的组合为pH、DO、SO42-、Mn和NO32--N, 相关系数为0.4869.根据“bioenv”分析结果(表 3), 以林地和水域代表土地利用方式, 以pH、DO、SO42-、Mn和NO32--N代表水化学指标.通过Mantel检验和Partial Mantel检验土地利用方式、水化学指标与细菌群落间的显著相关性(表 4).Mantel Test结果表明, 土地利用方式、水化学指标与细菌群落间相关性都达到显著水平, 水化学指标与细菌群落的相关性略高于土地利用方式.通过Partial Mantel Test控制土地利用方式与水体水化学指标之间的相互影响后, 发现相关系数低于Mantel Test的结果, 但土地利用方式、水化学与细菌群落间相关性仍达到显著.
表 3(Table 3)
| 表 3 袁河浮游细菌群落与环境因子组合关系 Table 3 Correlations between different combinations of environmental parameters and bacterioplankton communities | ||||||||||||||||||||||||||||||||
表 3 袁河浮游细菌群落与环境因子组合关系 Table 3 Correlations between different combinations of environmental parameters and bacterioplankton communities
| ||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||
表 4(Table 4)
| 表 4 袁河浮游细菌群落与土地利用和水化学指标的Mantel检验和Partial Mantel检验 Table 4 Correlations between bacterioplankton community dissimilarity and environmental parameters, as calculated by the Mantel and partial Mantel tests | ||||||||||||||||||||||
表 4 袁河浮游细菌群落与土地利用和水化学指标的Mantel检验和Partial Mantel检验 Table 4 Correlations between bacterioplankton community dissimilarity and environmental parameters, as calculated by the Mantel and partial Mantel tests
| ||||||||||||||||||||||
| ||||||||||||||||||||||
将“bioenv”函数得到最佳显著环境因子组合输入VPA, 得到土地利用方式和水化学指标对河流细菌群落变化的贡献量(图 7).不同采样点间细菌群落结构的总方差变化被划分为土地利用和水化学的独立效应、环境因子间相互作用和未解释部分.蒙特卡罗检验(Monte Carlo permutations Test)表明各部分解释显著(p < 0.05).土地利用和水化学指标两者解释量共65.5%, 分别解释量为31.3%和45.1%.土地利用和水化学指标间的相互作用相对独立解释部分较弱, 解释量为10.9%.
图 7(Fig. 7)
 |
| 图 7 袁河水体浮游细菌群落结构的方差变异划分 Fig. 7Partitioning of variation for bacterioplankton communities in the Yuan River |
综合以上结果可见, 流域土地利用方式和水体水化学指标对袁河浮游细菌群落结构均有较大影响且两者的影响作用大小接近.
4 讨论(Discussion)本次研究发现, 流域土地利用方式对河流浮游细菌群落有显著影响, 土地利用方式和水化学指标对细菌群落结构的影响大小接近, 土地利用方式的单独影响作用大于与水化学的交叉影响.国内外多数研究表明, 流域土地利用方式是水生生物群落(如浮游植物、浮游动物、浮游细菌)结构(组成和多样性)的重要驱动因素(Lear et al., 2013; Staley et al., 2014; Liao et al., 2016b; Wang et al., 2019; Huang et al., 2019).例如Lear等(2013)对新西兰244个河流的研究发现, 流域土地利用方式的差异与细菌群落结构的差异密切相关；Huang等(2019)发现九龙江子流域的主要土地利用方式比河流水文特点影响更大；Wang等(2019)发现乐安江下游城镇或采矿点等土地利用方式对浮游细菌群落有显著影响.Lear等(2013)和Huang等(2019)认为, 微生物的群落结构变化受驱动河流水质空间变异性的土地利用等人类活动的影响, 强调环境变化与生态位多样, 即物种分选机制主导.但Wang等(2019)认为, 河流下游细菌群落结构异于其他河段受土地利用等人类活动向河流输入外源细菌的影响, 即质量效应机制主导.袁河浮游细菌群落受生存竞争环境的水化学影响大, 我们发现相关性最高的水化学指标pH、DO、SO42-、Mn和NO32--N的组合系数达0.49, 同时受土地利用方式的显著影响, 相关性最高的林地和水域组合系数达0.48(表 3), 因此, 本研究认为物种分选与质量效应机制的影响在本研究中均占重要地位.SO42-和NO32--N是与人类活动密切相关的水化学指标. · SO42-浓度升高, NO32--N浓度显著高于上游(表 2), 使生长在暖水硫化物水体中的Chiorobi丰度显著不同于上游(图 5).
本次研究发现, 袁河在上游和下游河段的菌群多样性随河流流向升高, 但在中游湖库河段的菌群多样性明显下降.本次在中游江口水库发现的多样性变化与在法属圭亚那小索特水库(Dumestre et al., 2002)、北极I-8湖(Adams et al., 2014)以及我国三峡水库(Liu et al., 2018)的影响研究发现相似.湖库增加水体滞留时间使竞争筛选后的弱势菌群在低流速环境里失去扩散能力, 最终竞争导致菌群多样性降低(Tilman, 1982).湖库低流速环境为物种分选提供时间条件(Adams et al., 2014), 利于擅长k策略的Actinobacteria(生长慢、可避免捕食)和具有独特细胞壁保护的Planctomycetes生长(Imek et al., 2006; Van Teeseling et al., 2015)；低流速环境同时降低了水体含氧量(表 2), 利于厌氧生长的Planctomycetes和Parcubacteria(Whitman et al., 2015), 因此我们发现Actinobacteria为中下游河段优势菌群, Planctomycetes和Parcubacteria在湖库下游Y10丰度最大(图 5).筛选后的菌群在出库后更具竞争优势(Adams et al., 2014), 能够在再次入湖库后表现更强的适应能力.与本研究不同, 在雅鲁藏布江藏木大坝(Wang et al., 2017)和多瑙河铁门大坝(Winter et al., 2007)的研究未见蓄水对菌群多样性的影响.Wang等(2017)认为, 拦河筑坝对浮游细菌群落影响的认识仍缺乏, 还需深入研究.可能筑坝蓄水与广面积湖库储水有不同的水体滞留时间, 从而得到不同的结论(Der Gucht et al., 2007; Adams et al., 2014; Staley et al., 2014; Wang et al., 2019).本次研究中, Y11出现的多样性最大值可能与两岸增加高密度的重工业分布有关(表 1), 与Wang等(2019)外源细菌输入的观点一致.质量效应可以增加菌群多样性(Shmida et al., 1985), 通过水平流动, 河岸系统的菌群与原有菌群得到交换与联系(Crump et al., 2007; Crump, et al., 2012; Ruiz-Gonz A Lez et al., 2015).质量效应带来的高水平竞争环境不利于擅长r策略的Bacteroidetes生长(Rgens et al., 1999; Imek et al., 2001; Read et al., 2015), 因此, 发现Bacteroidetes在上游河段丰度最高(图 5).由于河流是单向流动系统, 从周围土壤积累越来越多的营养物质或颗粒物, 群落多样性随河流流向上升与多数研究一致(Besemer et al., 2013; Payne et al., 2017; 肖汉玉等, 2018; Hu, 2018).但Kolmakova等(2014)在叶尼赛河发现中游具有较高的群落多样性, 这与研究区中游汇有大型支流有关.综上可见浮游细菌群落不仅受河流水体水化学的影响, 同样受流域水文特点和工业用地面积增加带来的细菌输入影响.
5 结论(Conclusions)1) 袁河流域河流浮游细菌群落丰度最高的是Proteobacteria(35.17%), 其次是Actinobacteria(33.99%)和Bacteroidetes(17.59%).Bacteroidetes丰度在上游河段显著高于中下游, 其他菌群在各河段的均值变化未达到显著.
2) 林地和农田是袁河流域内主要的土地利用方式, 随着林地在河流下游显著减少, 受农业用地显著增加, 建设用地增多的影响, 袁河上、下游河段细菌群落多样性随流向呈升高.江口水库增加了中游流域水域面积, 由于水库滞留作用, 中游河段浮游细菌群落多样性明显下降.
3) 通过比较浮游细菌群落与各指标之间的关系发现, 土地利用方式显著影响细菌群落结构, 其中最高的相关系数组合为林地和水域；水化学对细菌群落的影响也达到显著, 其中水体水化学指标相关系数最高的组合为pH、DO、SO42-、Mn和NO32--N.土地利用方式与水化学对总方差变化的解释量相近, 说明本次研究区域内质量效应与物种分选两种解释机制并存.
参考文献
| Adams H E, Crump B C, Kling G W. 2014. Metacommunity dynamics of bacteria in an arctic lake:the impact of species sorting and mass effects on bacterial production and biogeography[J]. Frontiers in Microbiology, 5: 82. |
| Besemer K, Singer G, Quince C, et al. 2013. Headwaters are critical reservoirs of microbial diversity for fluvial networks[J]. Proceedings of the Royal Society B:Biological Sciences, 280(1771): 20131760. DOI:10.1098/rspb.2013.1760 |
| Borcard D, Legendre P, Drapeau P. 1992. Partialling out the spatial component of ecological variation[J]. Ecology, 73(3): 1045-1055. DOI:10.2307/1940179 |
| Caporaso J G, Kuczynski J, Stombaugh J, et al. 2010. QIIME allows analysis of high-throughput community sequencing data[J]. Nature Methods, 7(5): 335-336. DOI:10.1038/nmeth.f.303 |
| Crump B C, Adams H E, Hobbie J E, et al. 2007. Biogeography of bacterioplankton in lakes and streams of an arctic tundra catchment[J]. Ecology, 88(6): 1365-1378. DOI:10.1890/06-0387 |
| Crump B C, Amaral-Zettler L A, Kling G W. 2012. Microbial diversity in arctic freshwaters is structured by inoculation of microbes from soils[J]. The ISME journal, 6(9): 1629. DOI:10.1038/ismej.2012.9 |
| Der Gucht K V, Cottenie K, Muylaert K, et al. 2007. The power of species sorting:Local factors drive bacterial community composition over a wide range of spatial scales[J]. Proceedings of the National Academy of Sciences of the United States of America, 104(51): 20404-20409. DOI:10.1073/pnas.0707200104 |
| Dumestre J C C O, Casamayor E O, Massana R, et al. 2002. Changes in bacterial and archaeal assemblages in an equatorial river induced by the water eutrophication of Petit Saut dam reservoir (French Guiana)[J]. Aquatic Microbial Ecology, 26(3): 209-221. |
| Gao Y, Wang C, Zhang W, et al. 2017. Vertical and horizontal assemblage patterns of bacterial communities in a eutrophic river receiving domestic wastewater in southeast China[J]. Environmental Pollution, 230: 469-478. DOI:10.1016/j.envpol.2017.06.081 |
| Hanson C A, Fuhrman J A, Hornerdevine M C, et al. 2012. Beyond biogeographic patterns:processes shaping the microbial landscape[J]. Nature Reviews Microbiology, 10(7): 497-506. DOI:10.1038/nrmicro2795 |
| Hu Y A C J. 2018. Contrasting patterns of the bacterial and archaeal communities in a high-elevation river in northwestern China[J]. Journal of Microbiology, 56(2): 104-112. |
| Huang Y, Huang J. 2019. Coupled effects of land use pattern and hydrological regime on composition and diversity of riverine eukaryotic community in a coastal watershed of Southeast China[J]. Science of the Total Environment, 660: 787-798. DOI:10.1016/j.scitotenv.2019.01.063 |
| Kolmakova O V, Gladyshev M I, Rozanov A S, et al. 2014. Spatial biodiversity of bacteria along the largest Arctic river determined by next-generation sequencing[J]. FEMS Microbiology Ecology, 89(2): 442-450. |
| Lear G, Washington V, Neale M, et al. 2013. The biogeography of stream bacteria[J]. Global Ecology and Biogeography, 22(5): 544-554. DOI:10.1111/geb.12046 |
| 雷呈, 黄琪, 倪才英, 等. 2019. 袁河流域河流生境质量评价及其影响因素分析[J]. 江西师范大学学报(自然科学版), 43(4): 425-432. |
| Leibold M A, Holyoak M, Mouquet N, et al. 2004. The metacommunity concept:a framework for multi-scale community ecology[J]. Ecology letters, 7(7): 601-613. DOI:10.1111/j.1461-0248.2004.00608.x |
| 黎燕平, 刘澄宇. 2015. 袁河新余段水质状况及防治对策[J]. 新余学院学报, 20(1): 13-15. DOI:10.3969/j.issn.2095-3054.2015.01.004 |
| Liao J, Cao X, Zhao L, et al. 2016a. The importance of neutral and niche processes for bacterial community assembly differs between habitat generalists and specialists[J]. FEMS Microbiology Ecology, 92(11): 1-10. |
| Liao J, Zhao L, Cao X, et al. 2016b. Cyanobacteria in lakes on Yungui Plateau, China are assembled via niche processes driven by water physicochemical property, lake morphology and watershed land-use[J]. Scientific Reports, 6: 36357. DOI:10.1038/srep36357 |
| Liu T, Zhang A N, Wang J, et al. 2018. Integrated biogeography of planktonic and sedimentary bacterial communities in the Yangtze River[J]. Microbiome, 6(1): 16. DOI:10.1186/s40168-017-0388-x |
| Logue J U R B, Langenheder S, Andersson A F, et al. 2012. Freshwater bacterioplankton richness in oligotrophic lakes depends on nutrient availability rather than on species——area relationships[J]. The ISME Journal, 6(6): 1127. DOI:10.1038/ismej.2011.184 |
| Marshall M M, Amos R N, Henrich V C, et al. 2008. Developing SSU rDNA metagenomic profiles of aquatic microbial communities for environmental assessments[J]. Ecological Indicators, 8(5): 442-453. DOI:10.1016/j.ecolind.2007.04.007 |
| Newton R J, Jones S E, Eiler A, et al. 2011. A guide to the natural history of freshwater lake bacteria[J]. Microbiology and Molecular Biology Reviews, 75(1): 14-49. DOI:10.1128/MMBR.00028-10 |
| Oksanen J, Blanchet F G, Friendly M, et al. 2018. vegan: Community Ecology Package. R package version 2.5-2. 2018[Z]. |
| Oksanen J, Blanchet F G, Kindt R, et al. 2010. Vegan: community ecology package. R package version 1.17-4[J]. http://cran.r-project.org>. Acesso em, 23: 2010 |
| Payne J T, Millar J J, Jackson C R, et al. 2017. Patterns of variation in diversity of the Mississippi river microbiome over 1300 kilometers[J/OL]. PloS one, 12(3): e174890 |
| Read D S, Gweon H S, Bowes M J, et al. 2015. Catchment-scale biogeography of riverine bacterioplankton[J]. The ISME Journal, 9(2): 516. DOI:10.1038/ismej.2014.166 |
| Ruiz-Gonz A Lez C, Ni N O-Garc I A J P, Del Giorgio P A. 2015. Terrestrial origin of bacterial communities in complex boreal freshwater networks[J]. Ecology Letters, 18(11): 1198-1206. DOI:10.1111/ele.12499 |
| Savio D, Sinclair L, Ijaz U Z, et al. 2015. Bacterial diversity along a 2600 km river continuum[J]. Environmental Microbiology, 17(12): 4994-5007. DOI:10.1111/1462-2920.12886 |
| Shmida A, Wilson M V H. 1985. Biological determinants of species diversity[J]. Journal of Biogeography, 12(1): 1-20. |
| Staley C, Gould T J, Wang P, et al. 2014. Bacterial community structure is indicative of chemical inputs in the Upper Mississippi River[J]. Frontiers in Microbiology, 5: 524. |
| Ter Braak C J, Smilauer P. 2002. CANOCO reference manual and CanoDraw for Windows user's guide: software for canonical community ordination (version 4.5)[R]. www.canoco.com |
| Tilman D. 1982. Resource competition and community structure[M]. Princeton: Princeton University Press |
| Urban M C. 2004. Disturbance heterogeneity determines freshwater metacommunity structure[J]. Ecology, 85(11): 2971-2978. DOI:10.1890/03-0631 |
| V S Imek K, Hor V N A K K, Jezbera J, et al. 2006. Maximum growth rates and possible life strategies of different bacterioplankton groups in relation to phosphorus availability in a freshwater reservoir[J]. Environmental Microbiology, 8(9): 1613-1624. DOI:10.1111/j.1462-2920.2006.01053.x |
| Van Teeseling M C, Mesman R J, Kuru E, et al. 2015. Anammox Planctomycetes have a peptidoglycan cell wall[J]. Nature Communications, 6: 6878. DOI:10.1038/ncomms7878 |
| Wang P, Wang X, Wang C, et al. 2017. Shift in bacterioplankton diversity and structure:Influence of anthropogenic disturbances along the Yarlung Tsangpo River on the Tibetan Plateau, China[J]. Scientific Reports, 7(1): 12529. DOI:10.1038/s41598-017-12893-4 |
| Wang P, Zhao J, Xiao H, et al. 2019. Bacterial community composition shaped by water chemistry and geographic distance in an anthropogenically disturbed river[J]. Science of the Total Environment, 655: 61-69. DOI:10.1016/j.scitotenv.2018.11.234 |
| 温巍. 2019. 袁河水质评价及水污染特征分析[J]. 陕西水利, (4): 109-110. |
| Whitman W B, Others. 2015. Bergey's manual of systematics of archaea and bacteria[M]. Wiley Online Library |
| Winter C, Hein T, Kavka G, et al. 2007. Longitudinal changes in the bacterial community composition of the Danube River:a whole-river approach[J]. Applied Environmental Microbiology, 73(2): 421-431. DOI:10.1128/AEM.01849-06 |
| 肖汉玉, 王鹏, 刘君政, 等. 2018. 水化学指标和空间距离对乐安江浮游细菌群落的影响[J]. 环境科学学报, 37(3): 651-660. |
| 杨永生, 温天福, 刘聚涛. 2012. 基于用水总量控制的水资源承载能力分析研究——以赣江袁河流域为例[J]. 长江流域资源与环境, 21(3): 276-282. |
| 赵君, 王鹏, 余小芳. 2018. 温度和降水对赣江流域土地利用方式与河流氮磷营养盐相关性的影响[J]. 江西师范大学学报(自然科学版), 42(6): 655-660. |
| Zhang C, Nie S, Liang J, et al. 2016. Effects of heavy metals and soil physicochemical properties on wetland soil microbial biomass and bacterial community structure[J]. Science of the Total Environment, 557-558: 785-790. DOI:10.1016/j.scitotenv.2016.01.170 |
