-
长荡湖流域地处太湖流域上游，是太湖重要水系。流域总面积2 161.46 km2，地势西高东低；流域内水系发达，流向复杂，主要流向为自西向东。由于大规模的农业耕作、淡水养殖以及快速城镇化，导致长荡湖流域氮、磷污染严重。据报道目前长荡湖流域水质恶化，水体受富营养化和蓝藻水华暴发的影响，进而威胁太湖流域生态安全[1-3]。而研究表明入湖河流是湖泊的主要污染来源[4-5]。如黄明雨[6]研究发现洱海入湖河流的氮磷输入是洱海氮磷的重要来源。谢培等[7]基于EFDC模型模拟不同调水方案下千岛湖上游入流和湖周入流CODMn变化对湖内CODMn的影响，发现上游入流是影响千岛湖湖内CODMn的主要因素。因此对长荡湖入湖河流的水生态环境现状进行全面调查研究是十分必要的。
微生物在维持水生态系统的功能和健康中起着至关重要的作用，它既是全球生物地球化学循环的主要驱动者，也是水生态系统中污染物的主要分解者[8]。由于微生物的存在，水中复杂且难降解的有机污染物才得以分解[9]，水生态系统才能良性循环。早期微生物检测技术主要是分离培养法，但此种方法存在培养难度大、周期长等缺陷。为弥补传统培养方法的不足，现代分子生物学技术应运而生，常见的分子生物学方法有高通量测序技术、实时荧光定量PCR和宏基因组测序技术等[10-12]。相比第一代DNA测序技术，高通量测序技术在读取样本数量、测序范围和准确性等方面有绝对优势[13]，因此被广泛应用于环境样品的16S rRNA、真菌的ITS区和功能基因的分析中[14]。作为水生态系统重要组成部分，微生物的群落结构与多样性受水体理化性质和外部环境因素的共同影响。张烨以南太湖流域长兴港和西苕溪为研究对象，发现季节变化是引起微生物群落多样性差异的主要因素，且微生物群落特征受水体理化因子影响，如入湖河流中水杆菌属(Aquabacterium)、不动杆菌属(Acinetobacter)、脱氯单胞菌属(Dechloromonas)、噬氢菌属(Hydrogenophaga)与NH4+-N呈正相关、DO呈负相关[15]。刘峰等[16]利用高通量测序技术和典范对应分析(CCA)发现汾河与黄河微生物群落组成具有一定的差异，不同环境因子对不同微生物的影响程度不同，pH和溶解氧是汾河入黄口微生物群落结构的主要影响因子。SHANG等[17]基于16S rRNA高通量测序技术发现温度、pH和DO的快速变化可能是影响呼伦湖季节性细菌多样性变化趋势的主要因素。因此研究水体中微生物群落与环境因子的响应关系，对保护水体、维护水生生态系统平衡具有重要意义。
目前长荡湖流域的研究主要聚焦于长荡湖湖体的水质变化、浮游动物和底栖动物的群落结构特征以及沉积物污染风险等[3，18-21]。如王礼权等[18]采用非度量多维尺度变换(NMDS)和冗余分析等方法探讨了长荡湖浮游植物群落结构组成特征及其与环境因子的关系。巫丹等[19]则利用正定矩阵因子(PMF)模型和主成分分析多元线性回归(PCA-MLR)模型对湖泊重金属污染来源进行解析，并评估了长荡湖沉积物重金属的风险等级。但鲜有研究关注长荡湖入湖河流的微生物群落结构特征及与环境因子的关系。鉴于丰水期水中微生物多样性较高且雨量充沛；同时渔业养殖、农业生产活动强，对入湖河流水质造成较大冲击，且较其他季节的污染更为严重[22-23]。因此本研究基于2021年6月长荡湖入湖河流的采样数据，分析入湖河流的微生物群落结构特征以及与环境因子的关系，以期为长荡湖及其入湖河流污染防治和生态修复提供参考。
-
在综合考虑长荡湖的主要入湖河流和污染源类型等因素的基础上，在入湖河流中布设11个采样点。于2021年6月(丰水期)进行水样采集。采样点根据沿岸污染源类型，分为农村生活污染、农业面源污染和渔业养殖污染3种类型。采样点的具体位置信息见表1和图1。
-
使用有机玻璃采水器采集距水面0.5 m的水样，每个采样点采集1 L水样，保存于已消毒灭菌并用样本底水充分清洗的聚乙烯取样瓶中，并在4 ℃条件下运回实验室。其中500 mL水样用于理化因子测定，500 mL在实验室无菌环境下使用0.45 μm滤膜过滤后放入冻封管并置于-20 ℃冰箱冷冻保存，之后送至公司进行微生物基因测序。
测定的理化因子包括总有机碳(TOC)、总氮(TN)、总磷(TP)、水温(WT)、pH值及溶解氧(DO)。总有机碳(TOC)采用燃烧氧化-非分散红外吸收法；总氮(TN)采用碱性过硫酸钾-紫外分光光度法；总磷(TP)采用钼酸铵分光光度法；采用YSI多参数水质分析仪(YSI PRO1020 美国)现场测定水温(WT)、pH值和DO。
-
使用PowerWater DNA试剂盒(MOBIO, USA)提取基因组DNA。通过1%琼脂糖凝胶电泳检测提取的基因组DNA。使用正向引物341F(5'-CCTAYGGGRBGCASCAG-3')和反向引物806R(5'-GGACTACNNGGGTATCTAAT-3')对V3-V4可变区进行PCR扩增。扩增程序：95 °C预变性3 min，27个循环(95 °C变性30 s，55 °C退火30 s，72 °C延伸30 s)，最后72 °C延伸10 min(PCR仪: GeneAmp® 9700，Applied Biosystems, USA)。
使用2%琼脂糖凝胶回收PCR产物，利用AxyPrep DNA Gel Extraction Kit(Axygen Biosciences, Union City, CA, USA)进行纯化，Tris-HCl洗脱，2%琼脂糖电泳检测。测序采用 Illumina MiSeq PE300 高通量测序平台进行测序。利用Uparse软件(7.0.1001版)进行序列分析，将相似性不低于97%的序列分配到同一个OTU进行物种注释。PCR及测序均由上海凌恩生物科技公司完成。
-
基于Microsoft Excel处理的原始实验数据；使用Origin 2018软件绘制物种丰度柱状图，微生物多样性指数使用QIIME软件(1.7.0版)计算。利用R.v3.3.4软件进行ANOSIM分析(相似性分析)，用于确定不同分组下微生物相对丰度的差异。依托微生信在线平台绘制Circos图分析不同污染类型的入湖河流中微生物群落结构组成。在Canoco for Windows 5.0软件中使用冗余分析确定微生物群落与理化因子的响应关系。
-
长荡湖入湖河流中污染物浓度与污染类型存在一定关联。如表2所示，农业面源污染的入湖河流中总氮浓度范围为2.71~2.83 mg·L−1，平均浓度为2.77 mg·L−1。总磷浓度范围为0.10~0.12 mg·L−1，平均浓度为0.11 mg·L−1。而农村生活污染和渔业养殖污染的入湖河流中总氮、总磷的平均浓度分别约为1.66、0.96 mg·L−1和0.09、0.04 mg·L−1。由此可见，相比农村生活污染和渔业养殖污染，农业面源污染贡献了更多的有机污染物，特别是含氮污染物。农业面源污染的入湖河流中W150和W151的总氮浓度超过地表水V类水质标准(≤2.0 mg·L−1)。其总氮浓度高的原因是该区为我国重要的商品粮基地，而农业生产需要施加化肥且丰水期是农业生产的关键时期，因此，富氮的农业尾水排入河流，致使周边河流总氮浓度维持在较高的浓度范围。农村生活污染的入湖河流中W153、W154、W155的TOC和TN浓度普遍较高，这是其周边生活着农村居民，大量生活污水被直接排入河中，造成河流有机物及氮素的积累。除W164外，渔业养殖污染的入湖河流中其余点位的总氮、总磷浓度均维持在较低的浓度水平。3种污染类型的入湖河流中WT总体范围为(26.25±1.75) ℃；pH维持在7.93±0.21，呈弱碱性；DO浓度范围处于(6.22±1.67) mg·L−1。
-
1) 门分类水平微生物群落结构。长荡湖入湖河流的微生物群落在门分类水平上具有较高的多样性。11个采样点中共检测出46种已知微生物菌门，入湖河流微生物在门分类水平上组成如图2所示，其中相对丰度排在10名之后的菌门和其他未知物种归为others。
3种污染类型的入湖河流中优势菌门种类相同，主要包括变形菌门(Proteobacteria)、放线菌门(Actinobacteria)和拟杆菌门(Bacteroidetes)。但不同污染类型的入湖河流中优势菌门相对丰度却有所差别。如农业面源污染入湖河流中变形菌门(Proteobacteria)相对丰度为81.09%±1.37%，远高于农村生活污染(31.05%±4.68%)和渔业养殖污染(24.49%±5.98%)。这是因为变形菌门(Proteobacteria)与氮循环有关[24-25]，与氮循环密切相关的硝化细菌主要分散在变形菌门(Proteobacteria)的亚群中[26-27]。而农业面源污染的入湖河流中总氮浓度远高于其余污染类型，可见总氮对变形菌门(Proteobacteria)的生长有促进作用。农村生活污染和渔业养殖污染的入湖河流中放线菌门(Actinobacteria)相对丰度范围分别为40.19%±2.37%和38.43%±4.58%，高于农业面源污染(12.26%±0.25%)。因为农业面源污染的入湖河流DO平均浓度为5.13 mg·L−1，低于农村生活污染(6.56 mg·L−1)和渔业养殖污染(7.04 mg·L−1)。表明低DO浓度不利于放线菌门(Actinobacteria)生长。这与李明等[28]的研究结论相似，即厌氧环境能抑制放线菌门(Actinobacteria)的生长。农村生活污染、农业面源污染和渔业养殖污染的入湖河流中拟杆菌门(Bacteroidetes)相对丰度依次为11.89%±2.48%、3.19%±1.13%、8.83%±4.89%。据报道总氮和碱解氮对拟杆菌门菌群丰度起抑制作用[28]，而农业面源污染的入湖河流中总氮浓度偏高。这与前人研究结论一致[29]。
Circos图可以更直观地展现不同污染类型的入湖河流中门分类水平微生物群落组成情况。如图3所示，变形菌门(Proteobacteria)作为长荡湖入湖河流中第一大优势菌门，其在农业面源污染的入湖河流中平均占比最高；而放线菌门(Actinobacteria)、拟杆菌门(Bacteroidetes)和蓝细菌门(Cyanobacteria)在农业面源污染的入湖河流中平均占比最低。再次证明入湖河流中菌门的相对丰度与污染源类型相关。
2) 属分类水平微生物群落结构。长荡湖入湖河流属分类水平微生物群落结构组成如图4所示，其中相对丰度排在15名之后的菌属和其他未知物种归为others。11个采样点共检测出617种微生物菌属；但所有采样点均有未能确定其分类学地位的菌属。入湖河流中相对丰度前5的菌属依次为：hgcI clade (6.10%~31.11%)、CL500-29 marine group(3.89%~22.64%)、Acinetobacter(0.15%~19.99%)、Comamonadaceae-Unclassified(0.66%~10.94%)和Hydrogenophaga(0.07%~22.60%)。
不同污染类型的入湖河流中优势菌属种类相似，但相对丰度不同。hgcI clade在农村生活污染和渔业养殖污染的入湖河流中平均占比分别为21.55%、18.28%，高于农业面源污染(6.43%)；相同地，CL500-29 marine group在农村生活污染、渔业养殖污染和农业面源污染的入湖河流中占比依次为12.80%、19.25%、4.23%，说明农村生活污染和渔业养殖污染的入湖河流更适合hgcI clade、CL500-29 marine group的生长。反之，hgcI clade、CL500-29 marine group能利用营养物质促进自身生长繁殖，进而改善水质[30]。研究表明hgcI clade相对丰度随温度升高而明显增大，且与水质变好有关[31-32]；CL500-29 marine group能够利用含碳有机物改善水质[33]。因此农业面源污染的入湖河流TOC平均浓度(3.10 mg·L−1)低于农村生活污染(5.02 mg·L−1)和渔业养殖污染(3.83 mg·L−1)。农业面源污染的入湖河流中Hydrogenophaga的相对丰度显著高于农村生活污染和渔业养殖污染。XING等[34]研究发现Hydrogenophaga是一种兼性自养菌，能在没有或有残留可生物降解有机物的污水中保持优势地位。所以在农业面源污染的入湖河流中，Hydrogenophaga相对丰度反而更高。
进一步采用ANOSIM分析探究不同污染类型的入湖河流中各采样点微生物的相对丰度差异。结果表明，组间差异大于组内差异，且不同污染类型的入湖河流点位的微生物群落结构存在显著差异(p = 0.002，R = 0.579)，证明微生物群落结构与污染源类型相关。
3) 微生物群落Alpha多样性分析。长荡湖入湖河流中微生物群落Alpha多样性分析结果见表3。
长荡湖入湖河流采集的水体样本中，Coverage指数均在0.97以上，说明本次测序深度基本覆盖样品中的物种。3种污染类型入湖河流中Ace指数最高的是农村生活污染(5 590.5±1 147.5)，最低的是农业面源污染(3 969.5±164.5)；农村生活污染的入湖河流中Chao1指数最高(5 329.0±1 086.0)，Chao1指数最低的是农业面源污染(3 906.0±219.0)。说明丰水期农村生活污染的入湖河流中微生物群落的丰富度最高，而农业面源污染的入湖河流中微生物群落丰富度最低。这与ZHANG等[35]研究结论一致。即不同的外部污染输入与细菌群落呈显著相关，如农业污染会导致norank_p_Aminicenantes相对丰度升高。农村生活污染的入湖河流中Shannon指数平均值最高，约为8.464，其次为渔业养殖污染(7.756)，农业面源污染(6.704)。Simpson指数与Shannon指数反映的结论一致。整体上，丰水期长荡湖入湖河流的微生物群落丰富度与多样性呈现农村生活污染>渔业养殖污染>农业面源污染的规律。
-
1) 入湖河流优势门分类水平微生物群落与理化因子响应分析。长荡湖入湖河流中相对丰度前10的优势菌门与7个理化因子(DO、pH、WT、TOC、TN、TP和TN/TP)的冗余分析结果如图5所示。pH、TP与长荡湖入湖河流的优势菌门呈显著相关(p<0.05)，DO、WT、TOC、TN及TN/TP与长荡湖入湖河流优势菌门的相关性不显著(p>0.05)。
长荡湖入湖河流中DO与Actinobacteria、Cyanobacteria、Verrucomicrobiota等菌门呈正相关，说明DO能促进Actinobacteria、Cyanobacteria、Verrucomicrobiota等菌门的生长[36-37]。同样地，Cyanobacteria也可通过光合作用产生氧气，增加水中溶解氧[38]。而DO与Proteobacteria呈显著负相关，表明随着DO浓度升高，Proteobacteria丰度反而降低，这与李亚莉等[39]研究结论一致。入湖河流中pH与Actinobacteria呈显著正相关，与Proteobacteria呈显著负相关。入湖河流中WT、TOC与Proteobacteria呈显著负相关，但与其余菌门呈一定程度的正相关。这与邹沈娟等[40]研究结论一致，即变形菌门与WT、TOC显著负相关。但刘泽岸和孙琳[41]却有不同的观点，其以浐灞河生态区为研究对象，发现Proteobacteria与WT呈正相关。原因是本文和邹沈娟等[40]研究文章中水样属于同一时间采集，而刘泽岸和孙琳[41]的研究文章中水样分别在夏、冬两季各采集一次。夏、冬两季水样的WT差距较大；同时微生物有适宜的生长温度范围，过高或过低均会降低微生物的丰度[42]。因此造成了不同研究人员研究发现Proteobacteria与WT呈现出相关性不一致的现象。微生物的生长除了WT、pH等影响因素外，营养因素N、P至关重要，许多研究也发现营养因素与微生物群落结构有较大的相关性。如张雅洁等[43]以北海湖为研究对象，发现在TN浓度为0.83~1.67 mg·L−1，TP浓度为0.04~0.11 mg·L−1时，营养盐浓度增加，能显著增加蓝细菌的丰度。薛银刚等[44]研究发现营养盐在微囊藻属的有害增殖过程中起着重要的作用，是推动微囊藻水华暴发的主要因素。但在本研究中，入湖河流中TN、TP和TN/TP除与Proteobacteria呈显著正相关，与其它菌门均呈一定程度的负相关。李先会等[45]研究发现在满足微生物生长需要的条件下，增加微生物生长所需底物(如TN、TP)浓度反而会抑制微生物生长。对比发现，长荡湖入湖河流中TN浓度为0.64~2.83 mg·L−1，TP浓度为0.03~0.12 mg·L−1；高于北海湖TN、TP浓度水平。所以在较高TN、TP浓度的环境下，微生物生长反而受到抑制。而入湖河流中TN、TP和TN/TP与Proteobacteria呈显著正相关，说明Proteobacteria对TN、TP的耐受性较强。
2) 入湖河流优势属分类水平微生物与环境因子响应分析。长荡湖入湖河流中相对丰度前15的优势菌属与7个理化因子(DO、pH、WT、TOC、TN、TP和TN/TP)的冗余分析结果如图6所示。DO、pH与长荡湖入湖河流的优势菌属呈显著相关(P<0.05)，WT、TOC、TN、TP和TN/TP与长荡湖入湖河流的优势菌属相关性不显著(P>0.05)。
长荡湖入湖河流中DO、pH与Hydrogenophaga、Acinetobacter、Limnohabitans等菌属呈一定程度的负相关。Acinetobacter属于专性需氧型细菌，能在有氧条件下将氨转化为硝酸[37]。但本研究显示随着DO浓度升高，Acinetobacter生长反而受到抑制。分析可能是受其它环境因子影响或其它优势菌属争夺DO，抑制了Acinetobacter生长。Limnohabitans喜欢非酸性的环境，在溶解氧浓度较低的环境下，生长速率快，生存能力强[46]；而长荡湖入湖河流中较多的氮磷等营养物质为Limnohabitans提供了良好的生存条件且水体偏碱性，因此DO升高反而抑制Limnohabitans繁殖。长荡湖入湖河流中WT、TOC与Hydrogenophaga、Acinetobacter、Comamonadaceae_Unclassified、Limnohabitans及Arenimonas呈一定程度的负相关，与CL500-29 marine group、Candidatus Aquirestis、hgcI clade等菌属呈正相关。研究表明温度能影响微生物的活性且不同微生物的生长适宜温度并不相同[47-48]，所以当WT处于24.5~28 ℃内，WT偏低有利于Hydrogenophaga、Acinetobacter、Comamonadaceae_Unclassified、Limnohabitans及Arenimonas的繁殖，WT偏高则适宜CL500-29 marine group、Candidatus Aquirestis、hgcI clade等菌属生长。长荡湖入湖河流中TN、TP及TN/TP与Hydrogenophaga、Acinetobacter、Comamonadaceae_Unclassified及Limnohabitans等菌属呈一定程度的正相关，与CL500-29 marine group、Candidatus Aquirestis、hgcI clade等菌属呈负相关。说明长荡湖入湖河流中TN、TP浓度早已超出CL500-29 marine group、Candidatus Aquirestis及hgcI clade等菌属生长所需浓度，因此随着入湖河流中氮磷浓度升高，这些菌属的生长反而受到抑制[45]。
-
1) 高通量测序结果表明，丰水期长荡湖入湖河流11个采样点共检测出微生物群落46门，617属。在门、属分类水平上，入湖河流各采样点的微生物群落中优势菌门、菌属种类相似，但相对丰度却有所差别。进一步采用ANOSIM分析，结果表明长荡湖入湖河流微生物群落与污染源类型相关。
2) 据微生物群落Alpha多样性分析结果显示，3种污染类型的长荡湖入湖河流中微生物群落多样性和丰富度呈现农村生活污染>渔业养殖污染>农业面源污染的规律。
3) 冗余分析表明，pH、TP与长荡湖入湖河流的优势菌门呈显著相关(P<0.05)；DO、pH与长荡湖入湖河流的优势菌属呈显著相关(P<0.05)，且同一种理化因子与不同菌门、菌属的相关性不同。
丰水期长荡湖入湖河流微生物群落结构特征及影响因素
Characteristics of microbial community structure and influencing factors in rivers entering Changdang Lake during the wet season
-
摘要: 为探究长荡湖入湖河流微生物群落结构特征及与环境因子的响应关系，在综合考虑主要入湖河流和污染源类型等因素的基础上进行分组，分析入湖河流中溶解氧(DO)、pH、氮磷比(TN/TP)、水温(WT)、总有机碳(TOC)、总氮(TN)和总磷(TP)共7个理化因子的分布特征。基于16S rRNA高通量测序技术并结合Circos、ANOSIM和冗余分析(RDA)等方法分析微生物群落结构特征的差异以及微生物群落与理化因子的关系。结果表明：不同污染类型的长荡湖入湖河流中优势菌门、菌属种类相似，但相对丰度却有所差别。优势菌门包括变形菌门(Proteobacteria)、放线菌门(Actinobacteria)和拟杆菌门(Bacteroidetes)；优势菌属包含hgcI clade、CL500-29 marine group、Acinetobacter、Comamonadaceae-Unclassified和Hydrogenophaga。ANOSIM分析表明长荡湖入湖河流微生物群落结构特征与污染源类型相关。冗余分析(RDA)结果显示pH、TP与长荡湖入湖河流的优势菌门呈显著相关(P<0.05)；DO、pH与长荡湖入湖河流的优势菌属呈显著相关(P<0.05)。入湖河流的微生物群落在门、属分类水平上具有较高多样性且与污染源类型和理化因子相关，这为长荡湖入湖河流污染防治和生态修复提供了数据支撑。Abstract: To understand the structural characteristics of microbial communities in rivers entering Changdang Lake and the response relationship with environmental factors, this study classified these communities based on the comprehensive assessment of the primary rivers flowing into Changdang Lake and the types of pollutant sources. The distribution characteristics of seven physicochemical indices were analyzed in rivers entering Changdang Lake, including dissolved oxygen (DO), pH, ratio of total nitrogen to total phosphorus (TN/TP), water temperature (WT), total organic carbon (TOC), total nitrogen (TN) and total phosphorus (TP). The differences in the structural characteristics of microbial communities and the relationship between microbial communities and physicochemical factors were analyzed based on 16S rRNA high-throughput sequencing technology with Circos, ANOSIM and redundancy analysis (RDA). The results showed that the dominant phyla and genera of microorganisms in rivers entering Changdang Lake with various pollution types were similar, though the relative abundance differed. The dominant phyla included Proteobacteria, Actinobacteria and Bacteroidetes; the dominant genera included hgcI clade, CL500-29 marine group, Acinetobacter, Comamonadaceae-Unclassified and Hydrogenophaga. ANOSIM analyses showed that the microbial community structure characteristics of rivers entering Changdang Lake were related to the type of pollution source. The results of redundancy analysis (RDA) showed that pH and TP were significantly associated with the dominant phylum of bacteria in rivers entering Changdang Lake (P<0.05); DO and pH were extremely associated with the dominant genus of bacteria in rivers entering Changdang Lake (P<0.05). The microbial communities in rivers entering the Changdang Lake were highly diverse at the phylum and genus levels and were correlated with type of pollution sources and physicochemical factors, which provided basis for the pollution prevention and ecological restoration of rivers entering the Changdang Lake.
-
砷(As)主要伴生在硫铁矿和有色金属矿中[1]。长期以来，我国以硫铁矿生产硫酸和有色冶炼烟气制酸为主，在制酸废水处理过程中产生了大量高As污泥，且As以溶解态As(Ⅲ)为主[2]。高As污泥的随意堆放对周边环境及人群健康危害性极大。近年来，对其进行固化后安全填埋，已成为重要处理途径之一[3]。一般的材料很难使高As污泥中As浸出浓度满足《危险废物填埋污染控制标准》(GB 18598-2001) [4]填埋入场要求，因此，固As材料的选择成为关键。
无机硫化物、含钙(石灰、石灰石等)材料、含铁锰或铝材料(Fe0、亚铁盐、铁盐、铁锰铝氧化物、铁的氢氧化物等)和水泥等[5-9]对As的固定机制不同，目前，用于高As污泥方面的研究较少。其中，无机硫化物主要通过与As形成螯合物，或与Fe、As形成共沉淀物质，如三硫化二砷(As2S3)或硫铁化砷(AsFeS) [10-11]，但无机硫化物的实际固As效果须进一步验证。含钙材料(如CaO等)主要与As形成CaHAsO4和Ca3(AsO4)2) 沉淀[12]，但有研究[13-14]认为，CaO固As效果不佳，As经CaO固定后，在高pH条件和酸性浸出条件下容易活化。含铁材料对As主要进行化学专性吸附并将其固定到氧化物晶格层间，可生成FeAsO4和FeAsO4·2H2O等[15]。但不同的含铁材料对As的固定效果具有明显的差异[16-18]。水泥是国内外处理危险废物最常用的也最廉价的固化材料，其通过水化过程的吸附、物理包裹、晶格化等作用抑制As和重金属的渗滤扩散[19-23]。有研究[19, 24-25]表明，在水泥固化前，添加其他固As材料，可通过吸附和共沉淀等作用进一步降低As的释放风险。然而，采用固定化技术处理高As污泥的可行性仍不确定，须根据其污染特性进行固As材料的筛选。
本研究以南方某硫酸厂产生的高浓度含As污泥为处理对象，选用硫化物、含钙、含铁或铝共10种固As材料，采用3种毒性浸出法评估了材料的固As效果，考察了各材料处理对污泥中As结合态和价态的影响，最终筛选出了固As效果最佳的材料，并与水泥进行了联合固化研究，为高As污泥的安全处理提供参考。
1. 材料与方法
1.1 供试原料
供试污泥取自南方某硫酸厂工业废水处理后的蓄泥池，为灰黑色。将污泥采集后，自然风干、除杂、混匀、磨碎，过2 mm尼龙筛后，用于固As实验，过0.16 mm筛后，测As含量和重金属总量。供试污泥As含量最高，达到27.33%，其次是Zn(3.63%)和Cu(3.08%)，Pb、Cd、Fe、Mn含量依次为0.66%、0.46%、0.17%、0.01%，pH为2.50。
供试固As材料分3类共10种(表1)，均为分析纯，包括硫化物(Na2S·9H2O)、含钙材料(CaO)、含铁或铝材料(Fe0、亚铁盐(FeSO4·7H2O)、铁盐(Fe(NO3)3·9H2O、FeCl3、Fe2(SO4)3、Fe(OH)3)、Fe2O3、Al2O3)。供试水泥为工业级PO 425#。
表 1 固定化材料筛选实验设计Table 1. Design of As immobilization materias screening experiment实验处理 固定化材料名称 材料投加量/g 摩尔比 1 Na2S·9H2O 7.88 S/As=0.5∶1 2 CaO 1.84 Ca/As=0.5∶1 3 Fe0 1.22 Fe/As=0.3∶1 4 FeSO4·7H2O 6.08 Fe/As=0.3∶1 5 Fe(NO3)3·9H2O 8.84 Fe/As=0.3∶1 6 FeCl3 3.55 Fe/As=0.3∶1 7 Fe2O12S3 4.37 Fe/As=0.3∶1 8 Fe(OH)3 2.34 Fe/As=0.3∶1 9 Fe2O3 1.75 Fe/As=0.3∶1 10 Al2O3 1.11 Al/As=0.3∶1 空白对照 — — — | Show Table
DownLoad:
CSV
1.2 实验方法
1)固As材料的筛选实验。称量20.00 g污泥置于200 mL三角瓶中，按表1的设计方法，投加各种材料，充分搅拌混匀后，加去离子水，保持含水率为25%，室温养护7 d后，进行样品pH、As毒性浸出、As结合态、As价态分析，设置空白对照(CK)，每种处理设3个重复。硫化物、CaO、含铁或铝材料中有效元素与污泥总As的理论摩尔比分别按反应产物As2S3、Ca3(AsO4)2、FeAsO4·2H2O、AlAsO4计算，如S∶As=3∶2、Ca∶As=3∶2、Fe∶As=1∶1，因污泥总As含量很高(表1)，材料投加量初按理论摩尔数的30%计算。
2) FeCl3与水泥配伍(复配)实验。将FeCl3按与污泥干重质量比为50∶100、100∶100、150∶100、200∶100、250∶100进行固定化处理，将水泥分别按25%、50%、75%、100%、125%投加比进行固化处理，并将不同比例的水泥与250% FeCl3进行配伍处理(见表2)，处理和养护过程同上。
表 2 FeCl3与水泥配伍实验设计Table 2. Design of the composite experiments of FeCl3 and cement实验处理 砷泥/g FeCl3/g 水泥/g 1 20 10 — 2 20 20 — 3 20 30 — 4 20 40 — 5 20 50 — 6 20 — 5 7 20 — 10 8 20 — 15 9 20 — 20 10 20 — 25 11 20 50 5 12 20 50 10 13 20 50 15 14 20 50 20 15 20 50 25 空白对照 20 — — 注：—表示未添加，药剂添加顺序为先加FeCl3，再加水泥。 | Show TableDownLoad:
CSV
1.3 分析方法
污泥pH测定采用《土壤pH的测定》(NY/T 1121.2-2006)中的方法[26]，使用酸度计(pHs-3C型，上海仪电科学仪器股份有限公司)测定；As浸出采用TCLP法[27](L/S=1∶20)、H2SO4-HNO3法[28](L/S=1∶10)、H2O浸法[29](L/S=1∶10)、SBET法[30](L/S=1∶100)；As结合态前处理采用WENZEL(2001)化学连续浸提法[13]；污泥中As和重金属含量以及As结合态中的残渣态测试的前处理均采用HNO3-HF-HClO4消解法[31]；消解液中重金属含量采用电感耦合等离子体发射光谱仪(ICP-MS 7500，美国Agilent公司)测定。浸出As含量、结合态As含量和消解液中的As含量均采用原子荧光分光光度计(AFS-9120，北京吉天仪器有限公司)测定；污泥As价态采用1.0 mol·L−1 H3PO4+0.1 mol·L−1抗坏血酸[32]提取，采用液相-原子荧光联用仪(LC-AFS(SA-20)，北京吉天仪器有限公司)测定。
修复效果评估根据式(1)进行计算。
η=(C0−Ct)/C0×100% (1) 式中：η为As固定率；C0为废渣在处理前的As浸出浓度，mg·L−1；Ct为处理后As的浸出浓度，mg·L−1。
2. 结果与讨论
2.1 供试污泥As浸出和结合态分布特性分析
污泥中As浸出特性见表3。可以看出，污泥As浸出浓度均很高，依次为H2SO4-HNO3>H2O>TCLP>SBET。其中，TCLP和H2SO4-HNO3浸提As浓度分别可高达10 634.05 mg·L−1和14 961.25 mg·L−1，超出《危险废物鉴别标准浸出毒性鉴别》(GB 5085.3-2007)标准值(5 mg·L−1)的2 125.81倍和2 991.25倍，各种方法浸提出的As总量占污泥总As的比例均很高，为44.93%~98.01%，大小顺序依次为SBET(98.01%)>TCLP(77.83%)>H2SO4-HNO3(54.75%)>H2O(44.93%)。
表 3 污泥中As浸出浓度和浸出量Table 3. As leaching concentration and quantity of tested sludge浸出方法 浸出浓度/(mg·L−1) 浸出量/(mg·kg−1) TCLP 10 634.05 21 2681.00 H2SO4-HNO3 14 961.25 149 612.50 H2O 12 276.50 122 765.00 SBET 2 678.14 26 7814.00 | Show TableDownLoad:
CSV
污泥中As结合态分布见表4。可以看出，污泥中As主要以F1非专性吸附态和F2专性吸附态为主，占总As的比例达56.09%，与H2SO4-HNO3浸出As水平相当，残渣态占比不到20%，因此，As泥的毒性和危害性极大。
表 4 污泥中As结合态分布Table 4. Distribution of As binding form in tested sludgeAs结合态 含量/(mg·kg−1) 占总As百分比/% F1非专性吸附态 99 264.50±3 176.46 24.04 F2专性吸附态 132 332.50±5 425.63 32.05 F3无定形和弱结晶铁铝或铁锰水化氧化物结合态 54 535.50±2 399.56 13.21 F4结晶铁锰或铁铝水化氧化物结合态 48 348.25±1 257.05 11.71 F5残渣态 78 369.00±2 899.65 18.98 | Show TableDownLoad:
CSV
2.2 不同固定化材料对污泥中As的固定效果
TCLP法模拟了污泥在生活垃圾填埋场中有机弱酸浸提条件下的环境风险。如图1所示，除CaO和Fe2O3外，各材料均可明显降低污泥As的浸出浓度，固As能力依次为FeCl3>FeSO4·7H2O>Fe2O12S3>Fe0>Fe(NO3)3·9H2O>Al2O3>Na2S·9H2O>Fe(OH)3。其中，FeCl3处理使As浸出由10 634.05 mg·L−1降至1 487.66 mg·L−1，固砷率η高达86.01%；CaO和Fe2O3效果最差，CaO甚至活化As，使As浸出增加了15.16%。在10种材料中，FeCl3在应对有机弱酸浸出方面表现出了最强的固As能力。
图 1 不同固定化处理对污泥中As浸出浓度的影响Figure 1. Effects of different immobilization materials on As leaching concentration in sludgeH2SO4-HNO3浸提法模拟了污泥在强酸降雨情境下As的淋滤风险。结果表明，材料固As能力依次为FeCl3>FeSO4·7H2O≈Fe0>Al2O3，其他材料均无效甚至活化As。其中，FeCl3效果最好，使As浸出从14 961.25 mg·L−1降至8 674.35 mg·L−1，η可达42.02%；其次是FeSO4·7H2O和Fe0。CaO、Na2S·9H2O、Fe2O3、Fe(NO3)3·9H2O、Fe2O12S3 等5种处理材料均对As产生了活化效果。其中，以CaO和Na2S·9H2O最为明显，相应的As浸出率分别增加了37.44%和17.42%。
H2O浸提法模拟了污泥在自然情景下中性H2O对As的浸沥风险。结果表明，FeCl3效果最好，使As浸出从12 276.50 mg·L−1降至5 049.40 mg·L−1，η为58.87%；其次是Fe0，η为35.52%。CaO、Fe(NO3)3·9H2O、Fe2O3、Na2S·9H2O、Fe2O12S3则明显增加了As的浸出，Fe(OH)3对As的浸出影响不明显。
FeCl3均明显降低了污泥的3种As浸出浓度，在各种材料中，FeCl3固As效果均最优，应对有机弱酸淋滤风险的能力最强，其次是H2O和强酸，这可能与FeCl3可促进污泥As向固定态转化有关。FeCl3表面的双配位基对As有很强的吸附能力[33]，除提供Fe3+与砷酸根生成砷酸铁外，还可同时产生氢氧化铁胶体，与As发生吸附共沉淀作用。Fe(OH)3对As的浸出影响不大，这可能是因Fe主要以胶体形式存在，不易直接与As结合，其对As的吸附能力主要与pH有关，在中性和酸性条件下，As可能只以双配位表面络合的质子化的FeO2As(O)(OH)−和非质子化的≡FeO2As(O)2−形态存在于Fe(OH)3表面；在弱酸性和弱碱性条件下，吸附As的能力可能变强[34]。Fe2O3和Al2O3对As主要以专性吸附作用为主，与Fe0、亚铁盐和大多三价铁盐一样，与As(Ⅲ)不易形成固定化合物，可能更适用于弱酸性条件下含As(V)为主的污泥固定化处理[35-36]。
CaO在3种浸提条件下固As效果均最差，单一CaO并不适用于高As污泥处理。在还原条件下，污泥中As主要以还原态As(Ⅲ)或三元含氧酸H3AsO3形式存在，pH>12.13时，方可形成溶解度较低的As-Ca化合物[37]；而在氧化条件下，pH为中性或为4.5~8.5，As-Ca才较易形成[10]。受污泥中pH和As(Ⅲ)含量的影响，可能须先对污泥中As(Ⅲ)进行预氧化，才利于形成砷酸钙盐及其水合化合物[38]。但也有研究[13-14]表明，As-Ca并不稳定，易被酸性浸提液和水提取出来，单独的CaO处理效果并不佳，须与其他固定化材料联合处理，才可能达到有效固As的目的[39]。
虽然Na2S·9H2O在一定程度上降低了污泥TCLP浸出As，但明显增加了H2SO4-HNO3和H2O浸出As浓度，这说明对于高As污泥，S2−与As形成的溶度积较小的硫化物沉淀或螯合物，在应对有机弱酸浸滤风险方面有一定效果，但应对强酸和H2O浸滤风险的能力并不强，这也可能与S2−在反应水解过程中会产生OH−、不利于As的固定有关[40]。
综上所述，处理以As(Ⅲ)为主的高As污泥时，FeCl3为首选固定化剂。采用TCLP法评估的固As率优于H2SO4-HNO3和H2O的原因还须进一步研究。
2.3 不同固定化材料对污泥As结合态的影响
10种材料处理后，污泥As结合态分布变化情况见图2。结果表明，污泥F1~F5态As占总As的比例分别为0.84%~48.26%、10.04%~37.41%、7.03%~28.96%、2.58%~17.66%、3.16%~64.42%。F1和F2结合态As与介质结合弱，迁移能力较强，对环境风险较大。FeCl3、Fe0和Al2O3处理均可降低F1态和F2态占比，与CK相比，分别降低了80.60%、38.13%和13.15%。环境释放风险最大的F1态分别降低了96.51%、76.69%和27.07%；CaO、Na2S·9H2O、Fe(NO3)3·9H2O和Fe2O12S3的F1态和F2态占比均增加>28%。其中CaO和Na2S·9H2O的F1态和F2态占比分别增加38.71%和31.72%。
图 2 不同固定化处理对As结合态的影响Figure 2. Effects of different immobilization treatments on the distribution of As binding form in sludge由图1和图2可知，FeCl3固As效果突出主要与促进污泥As从非专性/专性吸附态向结晶铁锰或铁铝水化氧化物结合态和残渣态转化有关。与CK相比，F4和F5占比分别增加了50.84%和239%；Fe0固As主要与F1向F3、F4转化有关，F3和F4分别增加119%和24.82%，F5仅增加14.40%；Al2O3促进部分F1和F2态转为固定态，F3、F4和F5态占比分别增加了20.29%、12.50%、17.02%。有研究[41]表明，Al2O3八面体的表层与As可形成双齿单核、单齿单核和双齿双核络合物，与Fe2O3一样，对As均有较好的吸附作用。但本研究中Al2O3固As效果有限，稍优于Fe2O3的原因可能与其和As可形成结构更为固定的双齿双核配合物有关[42]。综上所述，各材料可有效固As与促进As从非专性和专性吸附态向稳定态转化密切相关。
2.4 不同固定化处理对污泥中As价态分布的影响
原污泥中的As主要以As(Ⅲ)形态存在，As(Ⅲ)占比高达77.14%(图3)。由图3可知，除Na2S·9H2O外，各材料处理后，污泥As(Ⅲ)比例均有所降低，降低幅度依次为FeCl3>Fe(NO3)3·9H2O>CaO>Fe2O12S3>Fe0≈FeSO4·7H2O。这些材料在高As污泥固定化过程中表现出一定的氧化特性，Fe(OH)3、Fe2O3和Al2O3处理对As(Ⅲ)比例分布的影响则不明显，Na2S·9H2O本身还原性强，与污泥反应后，产生H2S，处理后As(Ⅲ)占比升至85.84%，与CK相比，增加了45.85%，As(V)占比降低了2.7%。
图 3 不同材料处理对污泥As价态分布的影响Figure 3. Effects of different immobilization materials on As valence distribution in sludge经FeCl3、Fe(NO3)3·9H2O和CaO处理后，As(Ⅲ)占比分别降至19.72%、32.28%、47.38%。尤其经FeCl3处理后，与CK相比，污泥As(Ⅲ)占比降低了74.44%，As(V)则增加了2.51倍。这说明FeCl3处理不仅有效降低了As的总浸出浓度(图1)，且能有效降低污泥As(Ⅲ)的相对毒性。铁基材料表现出的氧化性与铁的价态有关[43-44]，Fe(NO3)3·9H2O与污泥反应产生的HNO3氧化性强，FeCl3的致酸性和腐蚀性比较强，两者和CaO处理高As污泥时发生放热反应，这可能会促进污泥As(Ⅲ)向As(Ⅴ)的转化。Fe0吸附污泥中的As(Ⅲ)后，向Fe(Ⅱ)氧化物缓慢转化[45]，Fe0和Fe(Ⅱ)的耦合也可将部分高溶性As(Ⅲ)氧化为不溶性As(Ⅴ)，最终也可能会形成As(Ⅲ)-Fe(Ⅲ)和As(Ⅴ)-Fe(Ⅲ)沉淀[44]。
2.5 不同投加量的FeCl3对污泥As浸出浓度的影响
FeCl3处理可使污泥TCLP、H2SO4-HNO3和H2O 浸出As浓度均明显降低(图4)，随FeCl3投加量的增加，3种As浸出浓度均呈先降低，后稍升，后继续降低的趋势。在最低投加量为50% FeCl3处理后，As浸出浓度均急剧下降，分别降至2 746.18、6 805.90、7 656.85 mg·L−1，与CK相比，η分别达到74.18%、54.51%、37.63%。其中，TCLP浸出As降幅最大。3种As浸出浓度在100% FeCl3时，已降至较低水平，之后降幅变化趋于平缓。250% FeCl3处理后，污泥TCLP-As降至最低，为727.03 mg·L−1，η最高可达到93.16%，H2SO4-HNO3和H2O浸出As此时趋于接近，分别降至1 889.94 mg·L−1和1 840.63 mg·L−1，η均高于85%，但As浸出仍未达到危险废物填埋入场要求。
图 4 FeCl3处理对污泥As浸出浓度的影响Figure 4. Effects of FeCl3 treatment on the leaching concentration of As in sludge2.6 FeCl3复配水泥对污泥As浸出的影响
如图5所示，单独添加水泥可大大降低污泥As浸出毒性，随着水泥添加量的增加，污泥TCLP和H2SO4-HNO3浸出As浓度均呈下降的趋势，但25%的水泥投加量的固As效果并不明显，As浸出仅分别降至9 282.36、13 492.20 mg·L−1，η仅为12.71%、9.82%。污泥H2O浸出As呈先升高后降低的趋势，25%水泥投加处理，使污泥pH明显升高，增加了污泥颗粒表面负电荷，降低了污泥中带正电荷胶体对亚砷酸和砷酸根的吸附，导致H2O浸出As浓度升至13 521.95 mg·L−1，接近于H2SO4-HNO3浸出As值。与CK相比，H2O浸出As浓度被活化了10.14%，之后，随水泥投加量的增加，As浸出不断下降。3种方法浸提后，As浸出浓度均在水泥最高投加量125%时降至最低，且数值趋于2 200~2 600 mg·L−1，η均在80%左右。在同等投加量时，水泥固As效果明显弱于FeCl3。
图 5 水泥处理对污泥As浸出浓度的影响Figure 5. Effects of cement treatment on the leaching concentration of As in sludge250% FeCl3与水泥复配结果如图6所示，3种As浸出变化规律相似，As浸出浓度均先急剧下降，然后上升，后再下降，H2SO4-HNO3和H2O浸出As浓度和变化基本趋于一致，固As效果均弱于TCLP。水泥最低复配比为25%时，3种As浸出浓度可分别降至1 106.15、2 816.99、2 716.97 mg·L−1，η分别达到89.60%、81.17%、77.87%。与单一水泥相比，各配伍处理的固As效果均明显提高。与单一250% FeCl3处理相比，水泥复配比<100%时，配伍固As效果有所下降，这说明低量水泥的添加对FeCl3固As产生了拮抗作用，水泥易升高污泥pH，FeCl3则更易降低pH，在FeCl3与水泥的交互影响下，FeCl3虽使污泥正电荷增加，仍能维持固As效果较好的酸性条件[46]，但配伍并未达到协同增效的目的。在水泥复配比≥100%后，配伍固As效果占优；在水泥复配比125%条件下，3种As浸出均降至最低，分别为113.81、399.28、347.27 mg·L−1，η均高于97%，但材料高投加量仍未使As浸出达到危险废物填埋控制标准。
图 6 FeCl3复配水泥对污泥As浸出浓度的影响Figure 6. Effects of FeCl3+cement treatment on the leaching concentration of As in sludge铁盐和水泥虽是处理含As固废常用材料[47-48]，但本研究结果表明，针对高As污泥，FeCl3和水泥复配不一定优于单一材料，这与材料种类、特性和投加量等有关。材料的高投加量虽可使固As率有所提高，但仍难达标，且存在增容比高、FeCl3强腐蚀性等问题。因此，须进一步研发更为高效的固As材料，可考虑联合其他技术或措施(如淋洗后再固定化固化、烧结固化等)，以尽量降低As释放风险，满足危险废物填埋入场要求。
3. 结论
1)固As材料筛选结果表明，FeCl3固As效果最好。TCLP、H2SO4-HNO3、H2O浸提法评估的固砷率分别为86.01%、42.02%、58.87%，均强于其他9种材料，且明显促进了As的非专性/专性吸附态向结晶铁锰或铁铝水化氧化物结合态和残渣态转化，非专性和专性吸附态As占比降低了80.60%，非专性态降低96.51%。
2)在10种材料处理中，有6种材料对As(Ⅲ)具一定的氧化作用。其中，FeCl3处理对As(Ⅲ)的氧化作用最强，使As(Ⅲ)占比由77.14%降至19.72%。Fe(OH)3、Fe2O3和Al2O3处理对As(Ⅲ)的氧化性不明显，Na2S·9H2O处理使As(Ⅲ)占比升至85.84%。
3) FeCl3联合水泥固化结果表明，单一FeCl3和FeCl3与水泥配伍的固As效果均优于单一水泥。水泥复配比≥100%时，配伍处理的固As效果优于单一FeCl3；在250% FeCl3+125%水泥条件下，TCLP、H2SO4-HNO3和H2O浸出As浓度降至最低，分别为113.81、399.28、347.27 mg·L−1，η均高于97%。高投加量并未使As浸出达到危险废物填埋控制标准。
-
图 1 长荡湖入湖河流采样点位分布
Figure 1. Distribution of sampling sites in rivers entering Changdang Lake
图 2 长荡湖入湖河流门分类水平微生物群落相对丰度图
Figure 2. Relative abundance of microbial communities of rivers entering Changdang Lake at the phylum level
图 3 长荡湖入湖河流门分类水平微生物群落结构圈图
Figure 3. Circos map of the microbial community in rivers entering Changdang Lake at the phylum level
图 4 长荡湖入湖河流属分类水平微生物群落相对丰度图
Figure 4. Relative abundance of microbial communities in rivers entering Changdang Lake at the genus taxonomic level
图 5 长荡湖入湖河流优势菌门与理化因子间的冗余分析
Figure 5. RDA between dominant bacterial phylum and physicochemical factors in rivers entering Changdang Lake
图 6 长荡湖入湖河流优势菌属与理化因子间的冗余分析
Figure 6. RDA between dominant bacterial genera and physicochemical factors in rivers entering Changdang Lake
表 1 长荡湖入湖河流采样点位置信息
Table 1. Sampling locations in rivers entering Changdang Lake
污染类型 采样点编号 经度 纬度 农村生活污染 W152 119°29′28.67″E 31°37′13.51″N W153 119°29′25.54″E 31°35′1.75″N W154 119°29′9.86″E 31°34′32.47″N W155 119°29′36.09″E 31°32′45.49″N W162 119°35′39.21″E 31°40′28.72″N 农业面源污染 W150 119°31′15.62″E 31°39′31.88″N W151 119°30′30.00″E 31°38′18.13″N 渔业养殖污染 W157 119°33′27.30″E 31°34′43.09″N W159 119°36′34.12″E 31°36′52.48″N W161 119°36′30.18″E 31°39′23.19″N W164 119°32′57.24″E 31°40′17.43″N
下载: 导出CSV
表 2 长荡湖入湖河流水体理化指标
Table 2. Physical-chemical indicators of rivers entering Changdang Lake
污染类型 点位 TOC/(mg·L−1) TN/(mg·L−1) TP/(mg·L−1) WT/( ℃) pH DO/(mg·L−1) TN/TP 农村生活污染 W152 2.70 1.98 0.10 24.7 7.9 6.34 19.80 W153 5.90 1.94 0.10 26.9 8.02 6.77 19.40 W154 6.10 1.88 0.10 26.6 7.97 5.63 18.80 W155 6.30 1.83 0.11 27.4 8.02 6.56 16.64 W162 4.10 0.69 0.03 27.1 8.09 7.49 23.00 农业面源污染 W150 3.20 2.71 0.12 24.9 7.72 4.55 22.58 W151 3.00 2.83 0.10 24.5 7.83 5.71 28.30 渔业养殖污染 W157 4.20 0.70 0.04 27.2 8.14 7.28 17.50 W159 4.00 0.72 0.04 27.6 8.02 6.43 18.00 W161 4.00 0.64 0.04 28 8.01 7.89 16.00 W164 3.10 1.79 0.05 26.2 8.03 6.57 35.80
下载: 导出CSV
表 3 长荡湖入湖河流微生物Alpha多样性指数
Table 3. Alpha diversity index of microorganisms in rivers entering Changdang Lake
污染类型 点位名称 Ace Chao1 Shannon Simpson Coverage 农村生活污染 W152 5897 5619 8.5312 0.0114 0.974 W153 5733 5537 8.3473 0.0129 0.978 W154 6051 5856 8.6283 0.0101 0.977 W155 6738 6415 8.7358 0.0118 0.970 W162 4443 4243 8.0785 0.0166 0.973 农业面源污染 W150 4134 4125 6.5501 0.0572 0.977 W151 3805 3687 6.8585 0.0376 0.983 渔业养殖污染 W157 3698 3619 7.9462 0.0133 0.973 W159 3733 3606 7.4672 0.0249 0.975 W161 3763 3632 7.3288 0.0339 0.978 W164 4997 4849 8.2801 0.0135 0.973
下载: 导出CSV
-
[1] 刘维淦, 林琪, 张科, 等. 太湖流域长荡湖近百年生态环境演变过程[J]. 湖泊科学, 2022, 34(2): 675-683. [2] 赵苇航, 朱彧, 朱亮, 等. 长荡湖水环境变化趋势及其主要影响因子[J]. 水资源保护, 2014, 30(6): 48-53. [3] 王菲菲, 李小平, 陈小华, 等. 长荡湖近15年营养状态评价及限制因子研究[J]. 环境科学与技术, 2012, 35(S1): 353-357. [4] 胡晓燕, 朱元荣, 孙福红, 等. 河流氮磷和水量输入对太湖富营养化的影响机理研究[J]. 环境科学研究, 2022, 35(6): 1407-1418. [5] 高可伟, 朱元荣, 孙福红, 等. 我国典型湖泊及其入湖河流氮磷水质协同控制探讨[J]. 湖泊科学, 2021, 33(5): 1400-1414. doi: 10.18307/2021.0509 [6] 黄明雨. 环洱海主要入湖河流水质特征及入湖污染负荷估算[J]. 人民长江, 2022, 53(1): 61-66. [7] 谢培, 高峰, 王书航, 等. 入湖河流对千岛湖水质影响研究—以CODMn为例[J]. 环境工程技术学报, 2019, 9(6): 692-700. doi: 10.12153/j.issn.1674-991X.2019.04.300 [8] 胡佳欣, 陈瑜, 袁伟皓. 太湖入湖河口表层沉积物细菌群落结构和功能演变规律研究[J]. 环境科学学报, 2023, 43(10): 371-381. [9] YIN Y R, W H, JIANG Z H, et al. Degradation of triclosan in the water environment by microorganisms: A review[J]. Microorganisms, 2022, 10(9): 1713. doi: 10.3390/microorganisms10091713 [10] YE L, SHAO M F, ZHANG T, et al. Analysis of the bacterial community in a laboratory-scale nitrification reactor and a wastewater treatment plant by 454-pyrosequencing[J]. Water Research, 2011, 45: 4390-4398. doi: 10.1016/j.watres.2011.05.028 [11] LI S, XIAO X, YIN X, et al. Bacterial community along a historic lake sediment core of Ardley Island, west Antarctica[J]. Extremophiles, 2006, 10: 461-467. doi: 10.1007/s00792-006-0523-2 [12] LEE D H ZO Y G, KIM S J. Nonradioactive method to study genetic profiles of natural bacterial communities by PCR-single-strand-conformation polymorphism[J]. Applied and Environmental Microbiology, 1996, 62: 3112-3120. doi: 10.1128/aem.62.9.3112-3120.1996 [13] NILSSON R H, RYBERG M, ABARENKOV K, et al. The ITS region as a target for characterization of fungal communities using emerging sequencing technologies[J]. Fems Microbiology Letters, 2009, 296: 97-101. doi: 10.1111/j.1574-6968.2009.01618.x [14] KIM S J, PARK S J, CHA I T, et al. Metabolic versatility of toluene-degrading, iron-reducing bacteria in tidal flat sediment, characterized by stable isotope probing-based metagenomic analysis[J]. Environmental Microbiology, 2014, 16: 189-204. doi: 10.1111/1462-2920.12277 [15] 张烨. 南太湖流域典型入湖河流水质与微生物菌群时空分布研究[D]. 浙江大学, 2020. [16] 刘峰, 冯民权, 王毅博. 汾河入黄口夏季微生物群落结构分析[J]. 微生物学通报, 2019, 46(1): 54-64. [17] SHANG Y Q, WU X Y, WANG X B, et al. Factors affecting seasonal variation of microbial community structure in Hulun Lake, China[J]. Science of the Total Environment, 2022, 805: 150294. doi: 10.1016/j.scitotenv.2021.150294 [18] 王礼权, 刘钰, 张毅敏, 等. 长荡湖、滆湖、竺山湾藻类功能群结构组成与环境因子的关系[J]. 水资源保护, 2023, 39(2): 224-232. doi: 10.3880/j.issn.1004-6933.2023.02.027 [19] 巫丹, 凌虹, 娄明月, 等. 长荡湖沉积物重金属污染特征及生态风险评价[J]. 环境污染与防治, 2023, 45(3): 370-375+399. [20] 郭刘超, 韩庚宝, 邓俊辰, 等. 长荡湖浮游动物群落结构特征及影响因子分析[J]. 江苏水利, 2019(2): 1-5+10. [21] 蔡永久, 刘劲松, 戴小琳, 等. 长荡湖大型底栖动物群落结构及水质生物学评价[J]. 生态学杂志, 2014, 33(5): 1224-1232. [22] 刘荣坤, 徐锦前, 张颖, 等. 洪泽湖湖滨带丰水期水质空间分异特征及其影响因素[J]. 长江流域资源与环境, 2023, 32(1): 151-161. [23] EMBONG D B, ALISA W, PATCHARAPORN K, et al. Spatial and seasonal variability of reef bacterial communities in the upper gulf of Thailand[J]. Frontiers in Marine Science, 2018, 5: 441. doi: 10.3389/fmars.2018.00441 [24] 高志伟, 刘凡惠, 贾美清, 等. 基于Illumina高通量测序的天津北大港湿地沉积物细菌群落特征和多样性分析[J]. 天津师范大学学报(自然科学版), 2021, 41(4): 45-52. [25] 程豹, 望雪, 徐雅倩, 等. 澜沧江流域浮游细菌群落结构特征及驱动因子分析[J]. 环境科学, 2018, 39(8): 3649-3659. [26] 王春香, 刘常敬, 郑林雪, 等. 厌氧氨氧化耦合脱氮系统中反硝化微生物研究[J]. 中国给水排水, 2015, 31(13): 19-22. [27] 赵志瑞, 马斌, 张树军, 等. 高氨氮废水与城市生活污水短程硝化系统菌群比较[J]. 环境科学, 2013, 34(4): 1448-1456. [28] 李明, 马飞, 陈晓娟, 等. 不同土地利用方式对宁夏盐渍化土壤细菌群落的影响[J]. 西北植物学报, 2021, 41(12): 2153-2162. [29] 杨阳, 章妮, 蒋莉莉, 等. 青海湖高寒草地土壤理化性质及微生物群落特征对模拟降水的响应[J]. 草地学报, 2021, 29(5): 1043-1052. [30] 王松鸽, 赖子尼, 麦永湛, 等. 珠江河网冬季浮游细菌群落结构及其影响因素[J]. 中国水产科学, 2019, 26(3): 522-533. [31] 刘芹, 彭党聪. 城市污水生物脱氮系统中DNRA的检测与分析[J]. 中国给水排水, 2019, 35(19): 1-6. [32] ELIU J W, EFU B B, EYANG H M, et al. Phylogenetic shifts of bacterioplankton community composition along Pearl Estuary: the potential impact of hypoxia and nutrients[J]. Frontiers in Microbiology, 2015, 6: 64. [33] V M L, ROBERT L, RICKARD D, et al. Consequences of increased terrestrial dissolved organic matter and temperature on bacterioplankton community composition during a Baltic Sea mesocosm experiment[J]. Ambio, 2015, 44 Suppl 3(3S). [34] XING W, LI J, LI P, et al. Effects of residual organics in municipal wastewater on hydrogenotrophic denitrifying microbial communities[J]. Journal of Environmental Sciences, 2018, 65(3): 262-270. [35] ZHANG L, ZHAO F, LI X, et al. Contribution of influent rivers affected by different types of pollution to the changes of benthic microbial community structure in a large lake[J]. Ecotoxicology and Environmental Safety, 2020, 198(C): 110657. [36] 张燕伟, 程方, 李奕辉, 等. 低碳氮比下MABR同步硝化反硝化过程的构建[J]. 工业水处理, 2020, 40(5): 70-76. doi: 10.11894/iwt.2019-0411 [37] 姚源, 竺建荣, 唐敏, 等. 好氧颗粒污泥技术处理乡镇污水应用[J]. 环境科学研究, 2018, 31(2): 379-388. [38] J A H, M M G. An investigation into the effects of increasing salinity on photosynthesis in freshwater unicellular cyanobacteria during the late Archaean[J]. Geobiology, 2019, 17(4): 343-359. doi: 10.1111/gbi.12339 [39] 李亚莉, 杨正健, 许尤, 等. 清江上游利川段浮游细菌群落结构特征及其影响因素[J]. 生态学杂志, 2020, 39(11): 3756-3765. [40] 邹沈娟, 尹立强, 赵博礼, 等. 梁子湖与后官湖浮游细菌的群落结构特征[J]. 水生态学杂志, 2021, 42(2): 33-41. [41] 刘泽岸, 孙琳. 浐灞河生态区冬夏季节微生物群落结构特征研究[J]. 环境污染与防治, 2022, 44(9): 1202-1208. [42] SONG Y H, MAO G N, GAO G H, et al. Structural and functional changes of groundwater bacterial community during temperature and pH disturbances[J]. Microbial ecology, 2019, 78(2): 428-445. doi: 10.1007/s00248-019-01333-7 [43] 张雅洁, 李珂, 朱浩然, 等. 北海湖微生物群落结构随季节变化特征[J]. 环境科学, 2017, 38(8): 3319-3329. [44] 薛银刚, 刘菲, 孙萌, 等. 太湖竺山湾春季浮游细菌群落结构及影响因素[J]. 环境科学, 2018, 39(3): 1151-1158. [45] 李先会, 朱建坤, 施练东, 等. 富营养化水体细菌去除氮磷能力研究[J]. 环境科学与技术, 2009, 32(4): 28-32. doi: 10.3969/j.issn.1003-6504.2009.04.007 [46] KASALICKY V, JEZBERA J, HAHN W M, et al. The diversity of the Limnohabitans genus, an important group of freshwater bacterioplankton, by characterization of 35 isolated strains[J]. PLoS ONE, 2017, 8(3): e58209. [47] SHERIDAN A J, BICKFORD D. Shrinking body size as an ecological response to climate change[J]. Nature Climate Change, 2011, 1(8): 401-406. doi: 10.1038/nclimate1259 [48] 韩秋影, 张泽玉, 刘红霞, 等. 温度胁迫对日本鳗草(Zostera japonica)叶际可培养细菌的影响[J]. 生态学杂志, 2017, 36(9): 2564-2571. 期刊类型引用(2)
1. 史新明，刘晓璇，王欢，郑效旭，孟琦凯，李芩萍，徐哲，赵政，何明泽，谭映宇，钱璨，徐圣君. 城市污水净化对受纳河流水生态系统的改善——以丁山河流域为例. 环境科学学报. 2025(01): 228-237 . 
百度学术
2. 刘伟，刘昊洋，马立山，王佳伟，谢银财，张海岛，薛小佳，杨国丽，李军. 清水河不同功能区水体微生物群落结构特征. 环境科学与技术. 2024(07): 8-18 . 百度学术
其他类型引用(1)
-
点击查看大图
计量
- 文章访问数: 2505
- HTML全文浏览数: 2505
- PDF下载数: 96
- 施引文献: 3
