富砷湖滨湿地底泥细菌群落结构及多样性对水位变化的响应

呼唤; 李丹蕾; 王玉莹; 刘云根; 王妍

doi:10.7524/j.issn.0254-6108.2020112901

富砷湖滨湿地底泥细菌群落结构及多样性对水位变化的响应

1.
西南林业大学生态与环境学院，昆明，650224
2.
云南省山地农村生态环境演变与污染治理重点实验室，昆明，650224

通讯作者: Tel：13577148670, E-mail：henryliu1008@163.com;

基金项目:
国家自然科学基金（41761098，21767027）和云南省基础研究计划（2019FB070）资助

Response of bacterial community structure and diversity in sediment of arsenic-rich lakeside wetland to water level change

1.
School of Ecology and Environment, Southwest Forestry University, Kunming, 650224, China
2.
Key Laboratory of ecological environment evolution and pollution control in mountainous rural areas of Yunnan Province, Kunming, 650224, China

Corresponding author: LIU Yungen, henryliu1008@163.com ;

Fund Project: the National Natural Science Foundation of China（41761098， 21767027）and Basic Research Plan of Yunnan Province（2019FB070）

摘要: 为探究富砷底质下高原湖滨湿地底泥微生物群落对水位变化的响应特征，本研究以室内模拟实验的方式，探讨不同水位条件对富砷湖滨湿地底泥细菌群落结构及多样性的影响。结果表明，细菌丰度、多样性与水位高低具有显著相关性，细菌丰度由多到少排序为：高水位>中水位>无水位，即水位越高，细菌丰度越高，细菌群落多样性则表现为高水位条件下较高；在细菌群落结构中，门水平分类上的5种优势细菌分别为变形菌门、厚壁菌门、绿弯菌门、拟杆菌门和酸杆菌门，各优势菌门对水位条件的响应表现出多样性的特征；纲水平分类上，γ-变形菌纲为优势菌纲，其在不同水位条件下的变化趋势同变形菌门完全一致；在不同水位条件下，总氮（TN）、总磷（TP）、土壤有机碳（SOC）以及硝氮（ ${{\rm{NO}}_3^{-}}$ -N）、氨氮（ ${{\rm{NH}}_4^{+}}$ -N）含量对底泥中细菌群落的影响显著，其中，总氮（TN）、土壤有机碳（SOC）、硝氮（ ${{\rm{NO}}_3^{-} }$ -N）、氨氮（ ${{\rm{NH}}_4^{+}}$ -N）对细菌优势群落影响最为显著且呈现出多样性的特征。水位条件对富砷湖滨湿地底泥中细菌群落结构及多样性具有显著影响，该结果可用于进一步发掘细菌群落与环境之间的潜在关系，为高原湖滨湿地的污染防控和治理提供科学依据。
- 水位条件 /
- 富砷湖滨湿地 /
- 细菌群落结构 /
- 细菌多样性
Abstract: To investigate the response of microbial communities to water level change in the arsenic-rich sediments of plateau lakeside wetlands, we discussed the effects of different water levels on bacterial community and diversity in the sediment of arsenic-rich lakeside wetland by indoor simulation experiment. The results show that, The abundance and diversity of bacteria were significantly correlated with the water level, the order of bacterial abundance was as follows: The order of bacterial abundance under different water levels was as follows: no water level > mid water level > high water level, that was, the higher the water level, the higher the bacterial abundance, and the diversity of bacterial community was higher under high water level; In the bacterial community structure, the five dominant bacteria on the phylum level classification were Proteobacteria, Firmicutes, Chloroflexi, Bacteroides and Acidobacteria, the response of each dominant bacteria phyla to different water levels showed diverse characteristics at the phylum level classification; At the level of class classification, γ - Proteobacteria was the dominant bacteria, and its change trend under different water levels was completely consistent with that of Proteobacteria; Under different water levels, the contents of TN, SOC, TP and ${\rm{NO}}_3^{-}$ -N, ${\rm{NH}}_4^{+}$ -N had significant effects on the bacterial community in the sediment. Among them, TN and SOC, ${\rm{NO}}_3^{-}$ -N, ${\rm{NH}}_4^{+}$ -N had the most significant effect on the bacterial community and showed the characteristics of diversity. This paper shows that different water levels have a significant impact on the bacterial community structure and diversity in the sediments of arsenic-rich lakeside wetlands. The results can be used to further explore the potential relationship between the bacterial community and the environment, and provide scientific basis for pollution prevention and control of plateau lakeside wetland.
- water level /
- arsenic-rich lakeside wetland /
- bacterial community structure /
- bacterial diversity

人类活动是造成土壤重金属污染的重要成因，比如：金属冶炼、矿产开采、煤燃烧、汽车尾气排放、污水灌溉等^[1]。我国是汞矿资源大国，随着工业化进程的快速发展，化工、医疗等行业对汞的需求量不断增加，而汞矿山开采是其主要来源。虽然矿产资源的开发利用可推动国家和地方的经济发展，但大量的矿产资源开采易使矿区及周边的土壤、地下水以及农作物受到重金属污染^[2-5]。大量的研究显示，汞矿区及周边土壤-农作物污染严重，如湘西茶田汞矿区土壤中Hg、Cd、As、Pb、Zn均存在污染，其中Hg和Cd污染较为严重^[6]；陕西旬阳汞矿区稻田稻米和土壤中Hg含量远超我国农作物和土壤质量标准^[7]；贵州万山汞矿区土壤中Ni、As、Cd、Hg元素平均含量均超过农用地土壤筛选值，其中Hg元素平均含量超标达70倍^[8]；贵州丹寨—三都汞矿区土壤中As、Cd、Hg超标率分别达44%、11%、44%，水稻Cd、Cr、Cu、Pb、Zn 等5 种重金属含量超过我国农作物重金属限量标准^[9]。重金属进入土壤后因不能被生物降解而长期存在于土壤中且不断积累，不仅影响土壤性质和功能、降低农产品的产量和质量，而且可以通过农作物累积进入食物链，造成当地居民的重金属健康风险^[10-11]。

重庆市汞矿的资源优势与贵州、陕西齐名，累计查明汞金属资源储量14271 t，保有资源储量13077 t，列全国第3位^[12]。重庆市汞矿集中分布在东南部酉阳、秀山、黔江三区县，矿产地及资源储量均以酉阳县为主，重庆市最大的汞矿（羊石坑汞矿床）位于秀山溪口镇。重庆东南部汞矿储量巨大，对汞矿区周边耕地环境构成了严重威胁，影响着该地区的农业经济发展。1:25万土地质量地球化学调查表明重庆秀山-酉阳地区As、Cd、Hg存在明显的局部聚集^[13]。张龙等^[14]曾报道秀山汞矿区土壤Hg最高超过土壤环境二级标准值的2倍，并指出矿山的冶炼炉渣和烟道排气是矿区土壤汞的主要来源，而污染大气的汞沉降是下游旱田土壤汞污染的主要途径。李柳^[15]评价了秀山溪口乡五龙村汞矿区土壤重金属生态风险，发现全部土壤样品的生态危害程度均为极强。鲍丽然等^[16]也指出秀山县西北部汞矿、锰矿区农田土壤As、Cd、Cr、Cu、Hg、Ni、Pb、Zn等重金属均高于重庆土壤背景值，受开矿影响最明显。但以往的研究主要集中在秀山汞矿区及周围土壤污染和生态风险评价，缺少对酉阳汞矿区的研究，并少有对汞矿区周边农作物开展调查。

本文通过对重庆东南部汞矿区内主要农作物及其种植土壤的重金属含量进行调查分析，探讨汞矿区土壤、农作物重金属的分布、积累特征，系统分析土壤重金属污染特征和生态风险，并评价食用农作物的人体健康风险，以期为土壤重金属污染防治、区域农产品安全和居民健康生活提供科学依据。

1. 材料与方法（Materials and methods）

1.1 研究区概况

本研究区位于重庆市东南部，为扬子陆块南部被动边缘褶冲带，古生代碳酸盐岩建造发育，燕山期盖层褶皱发育，并伴随区域性走向断层产生，形成剪切破碎带，为地下水热液成矿创造了良好条件，形成规模较大的汞、铅锌等层控矿床，汞矿主要赋存于寒武系下统清虚洞组的白云岩^[17]。秀山-酉阳地区为渝、鄂、湘、黔四省结合部位，地理坐标介于东经108°18′17—109°19′12，北纬28°09′43—29°24′4之间。研究区主要分布属亚热带湿润季风气候，四季分明，气温正常，降水充沛，山地气候垂直分异性明显，立体气候显著。区内喀斯特地貌发育典型，大致分为中山区（800—1895 m）、低山区（600—800 m）和槽谷平坝区（263—600 m）。该区农业生产条件极具优势，为重庆市优质粮食基地县，但区内汞矿分布较多，威胁着周边生态环境（图1）。

图 1 研究区汞矿、采样点位分布及地质简图

Figure 1. Distribution of mercury ore, samples and brief geologic map of the study area

下载: 全尺寸图片幻灯片

1.2 样品采集与分析测试

研究区采集大宗农作物（水稻、玉米和红薯）及其种植土壤样品，采用GPS定位法共采取根系土壤样品95件，水稻45件，玉米32件，红薯18件，其采样点基本均匀分布于农耕区。在每个采样点周围按照梅花点法5点采样，每个点采取农作物100—200 g，组合成1个混合样；并在每个农作物样点用竹铲采集0—20 cm深度内的耕作层根系土壤，混合均匀后采用四分法留取1 kg混合土样。土壤样品在室内自然风干后去除植物根系、砾石等杂质，用玛瑙研钵磨细，置于塑料袋中密封；农作物样品去壳或皮，风干，在送往实验室化验分析。

对土壤样品进行了pH、As、Cd、Cr、Cu、Hg、Ni、Pb、Zn等 9项指标的分析，农作物样品进行As、Cd、Cr、Cu、Hg、Ni、Pb和Zn 8项指标的分析，所有样品分析均在重庆地质矿产测试中心完成。测试过程严格按照《DZ/T0295—2016 土地质量地球化学评价规范》的有关规定执行。分析指标、测定方法及检出限见表1。准确度和精密度采用国家一级标准物质进行控制，元素分析准确度和精密度合格率均高于98%；元素报出率高于95%。

表 1 元素分析方法与检出限(mg·kg⁻¹)

Table 1. The element analysis methods and detection limit(mg·kg⁻¹)

指标Indicator	测定方法Assay method	检出限Detection limit	指标Indicator	测定方法Assay method	检出限Detection limit
Cr	X射线荧光光谱法	3	Cu	等离子体发射光谱法	1
Pb	X射线荧光光谱法	2	Ni	等离子体发射光谱法	1
Zn	X射线荧光光谱法	1	Cd	等离子体质谱法	0.02
As	原子荧光光谱法	0.2	pH	pH计电极法	0.1
Hg	原子荧光光谱法	0.0005

| Show Table

DownLoad: CSV

1.3 评价方法

1.3.1 土壤重金属污染评价

采用德国科学家Muller提出的地累积指数法^[18]，评价土壤重金属的污染水平，计算公式为：

${I}_{\text{geo}}\text={\text{log}}_{\text{2}}\left[\frac{C_{\text{i}}}{k\times S_{\text{i}}}\right]$

$(1)$

式中，I_geo为重金属i的地累积指数；C_i为土壤中重金属i的实测值；S_i为参比值，选用重庆市土壤重金属元素背景值^[16]；k为修正系数，一般为1.5。重金属地累积指数I_geo分级与污染程度关系如表2所示^[19]。

表 2 地累积指数污染程度划分标准

Table 2. I_geo index and the criteria of pollution grade

地累积指数I_geo	级别Level	污染程度Pollution level
I_geo<0	0	无污染
0≤I_geo<1	1	轻污染
1≤I_geo<2	2	中污染
2≤I_geo<3	3	中—重污染
3≤I_geo<4	4	重污染
4≤I_geo<5	5	重—极重污染
5≤I_geo	6	极重污染

| Show Table

DownLoad: CSV

1.3.2 土壤重金属生态风险评价

瑞典著名地球化学家Hakanson^[20]提出的潜在生态指数法是目前最为常用的评价土壤重金属污染程度的方法之一，该方法将重金属的含量、重金属的生态效应、环境效应和毒理学效应均联系起来^{[16, 21-22]}。其计算公式如下：

${\text{RI}} = \sum\limits_{i = 1}^n {\mathop E\nolimits_{\text{r}}^i } = \sum\limits_{i = 1}^n {(\mathop T\nolimits_{\text{r}}^i \times \mathop C\nolimits_{\text{f}}^i )} = \sum\limits_{i = 1}^n {\left(\mathop T\nolimits_{\text{r}}^i \times \frac{{\mathop C\nolimits_i^{} }}{{\mathop C\nolimits_{\text{n}}^i }}\right)}$

$(2)$

式中，C_fⁱ为某一金属的污染指数;C_i为土壤中某重金属的实测值;C_nⁱ为某重金属参比值，采用重庆市土壤重金属背景值^[16]；E_rⁱ为单项重金属潜在生态风险指数；T_rⁱ为某重金属的毒性响应参数，各重金属毒性系数为：Zn=1＜Cr=2＜Cu=Ni=Pb=5＜As=10＜Cd=30＜Hg=40^[23]；RI 为总的潜在生态风险指数。根据E_rⁱ和RI，将单因子潜在生态危害和总潜在生态危害进行分级。因Hakanson 研究的是PCB、Hg、Cd、As、Pb、Cu、Cr 和Zn 等8 种污染物的潜在生态风险，并根据污染物中最大毒性系数( T^PCB = T^Hg =40) 和8 种污染物的毒性响应系数之和(133) 提出E_rⁱ和RI的分级标准，因此应用RI进行生态风险评价时，必须根据污染种类、数量和毒性系数进行调整。本文根据文献[22]的研究方法对分级标准进行了相应的调整，调整后重金属潜在生态风险指标分级标准如表3所示。

表 3 土壤重金属潜在生态风险指标分级标准

Table 3. Classification criteria of soil heavy metal potential ecological risk index

潜在生态危害系数（E_i）		总潜在生态危害系数（RI）		潜在生态风险分级Classification of potential ecological risks
Hakanson	本文This study	Hakanson	本文This study	潜在生态风险分级Classification of potential ecological risks
E_i <40	E_i <40	RI <150	RI <120	轻度生态危害
40≤ E_i <80	40≤ E_i <80	150≤ RI <300	120≤ RI <240	中度生态危害
80≤ E_i <160	80≤ E_i <160	300≤ RI <600	240≤ RI <480	强度生态危害
160≤ E_i <320	160≤ E_i <320	600≤ RI <1200	480≤ RI <960	很强生态危害
E_i ≥320	E_i ≥320	RI ≥1200	RI≥960	极强生态危害

| Show Table

DownLoad: CSV

1.3.3 农作物重金属的健康风险评价

长期食用受到重金属污染的农作物，会造成慢性病风险，采用USEPA 公布的健康风险评估模型评价居民食用该区域农作物的健康风险，评价步骤包括暴露计算和风险表征^[24]。

( 1 )暴露计算

日均暴露剂量（CDI）计算公式为：

$\text{C}\text{DI}\text{}\text=\frac{C_{\text{i}}\text{×IR×EF×ED}}{\text{BW×AT}}$

$(3)$

式中，CDI为重金属通过农作物的日平均摄入量，（mg·kg⁻¹）；C_i为农作物重金属i含量（mg·kg⁻¹）；IR为人体每日对农作物的食用量（g·d⁻¹），根据对研究区400人实地问卷调查数据，成人水稻、玉米和红薯的平均摄入量分别为0.300、0.045、0.069 kg·d⁻¹，儿童分别为0.176、0.033、0.046 kg·d⁻¹；其余参数见表4。

表 4 健康风险评价模型参数

Table 4. The parameters of health risk assessment model

评价参数Evaluation patameters	成人参考值Adult reference value	儿童参考值Reference value of children	数据来源Data sources
EF	365 d·a⁻¹	365 d·a⁻¹	[25]
ED	30 a	10 a	[26]
BW	70 kg	16 kg	[25]
AT	ED×365	ED×365	[25]

| Show Table

DownLoad: CSV

(2) 健康风险表征

健康风险指数（HQ）计算公式为：

$\text{HQ}\text=\frac{\text{CDI}}{\text{RfD}}$

$(4)$

$\mathrm{T}\mathrm{H}\mathrm{Q}=\sum _{i=1}^{n}\mathrm{H}\mathrm{Q}$

$(5)$

式中，HQ为单一重金属的健康风险指数；THQ为多种重金属总健康风险指数；RfD为重金属暴露参考剂量[mg·(kg·d)⁻¹]，As、Cd、Cr、Cu、Hg、Ni、Pb、Zn的RfD取值分别为0.0003、0.001、1.5、0.04、0.0003、0.02、0.004、0.3^[25-26]。如果THQ≤1表明没有明显的健康影响；THQ>1表明对人体健康产生影响的可能性大；THQ>10表明存在慢性毒性效应。

1.3.4 农作物重金属富集系数

元素富集系数是农作物样品某元素含量与根系土中对应元素含量的比值，反映出植物对土壤中元素的吸收富集能力，可用来表征元素的生物有效性^[27]，计算式如下:

${K = }{{C}_{{\rm{plant}}}}{\rm{/}}{{C}_{{\rm{soil}}}}$

$(6)$

式中，K 表示元素的富集系数；C_plant为重金属元素在作物中的含量，单位为mg·kg⁻¹；C_soil为重金属元素在根系土中的含量，单位为mg·kg⁻¹．

2. 结果与讨论(Results and discussion)

2.1 土壤重金属含量特征

研究区土壤pH值在4.33—8.22范围内，平均值为6.34，整体处于偏酸性水平。如表5所示，水稻田、玉米地和红薯地土壤重金属平均含量由高至低依次均为Zn>Cr>Pb>Ni>Cu>As>Hg>Cd，并均高于重庆市土壤背景值，表明重金属在土壤中都有一定程度的累积。水稻田、玉米地和红薯地土壤Hg含量分别为0.088—46.5、0.115—432 、0.112—115 mg·kg⁻¹，平均含量分别是重庆土壤背景值的62、261、132倍；Cd和As平均值分别为0.752、0.817、1.07 mg·kg⁻¹和14.9、19.7、22.9 mg·kg⁻¹，是重庆土壤背景值的2—4倍；Cu、Pb、Zn、Cr和Ni是重庆土壤背景值的1—2倍左右，显然土壤中Hg积累效应最明显，Cd、As次之。对比水稻田、玉米地和红薯地，As、Cd、Cr、Ni、Zn的平均含量为红薯地＞玉米地＞水稻田；Cu和Hg的平均含量为玉米地＞红薯地＞水稻田；Pb的平均含量为红薯地＞水稻田＞玉米地。

表 5 研究区土壤重金属含量特征(mg·kg⁻¹)

Table 5. Concentrations distribution of heavy metals in soil(mg·kg⁻¹)

耕地Farland	统计值Statistic	As	Cd	Cr	Cu	Hg	Ni	Pb	Zn	pH
水稻田Paddy field	最小值Minimun	4.24	0.273	44.5	17	0.088	18	19.6	79.2	4.78
	最大值Maximum	57.8	2.02	139	55.6	46.5	71.5	75.3	165.5	7.97
	平均值Average	14.9	0.752	80.4	33.1	4.31	37.3	45.0	117	6.37
	几何平均值Geometric mean	12.6	0.673	79.1	31.9	1.12	36.3	43.8	115	6.31
	变异系数Variable coefficient	0.683	0.513	0.188	0.292	2.18	0.254	0.247	0.182	0.135
玉米地Corn field	最小值Minimun	5.67	0.217	40.5	16.2	0.115	18.5	27.7	67.9	4.33
	最大值Maximum	44.6	2.4	115	96.8	432	65	78.7	220	8.22
	平均值Average	19.7	0.817	81.4	39	18	39.1	44.2	122	6.13
	几何平均值Geometric mean	18.1	0.703	79.6	34.7	0.881	37.3	42.9	117	6.02
	变异系数Variable coefficient	0.415	0.614	0.207	0.536	4.24	0.31	0.255	0.291	0.198
红薯地Sweet potato field	最小值Minimun	8.03	0.335	49	21	0.112	25	26.9	78.9	5.1
	最大值Maximum	50.2	2.82	103	75.6	115	70.9	119	315	8.08
	平均值Average	22.9	1.07	83.3	36.6	9.17	41.3	47.5	138	6.64
	几何平均值Geometric mean	20.8	0.905	81.9	34.4	0.961	39.6	44.6	129	6.59
	变异系数Variable coefficient	0.468	0.611	0.17	0.393	2.94	0.315	0.441	0.415	0.129
参照值Reference value	重庆土壤背景值Soil background value of Chongqing	6.62	0.28	74.4	24.6	0.069	31.6	28.1	81.9	—
	土壤环境质量标准值Environmental quality standard for soils	30^a	0.3^a	150^a	50^a	0.5^a	60^a	70^a	200^a	—
		30^b	0.3^b	150^b	50^b	0.5^b	70^b	90^b	200^b	—
		25^c	0.3^c	200^c	100^c	0.6^c	100^c	120^c	250^c	—
		20^d	0.6^d	250^d	100^d	1 .0^d	190^d	170^d	300^d	—
注:1） pH和变异系数无量纲；2）土壤环境质量标准值来源于《土壤环境质量标准农用地土壤污染风险管控标准（试行）》( GB15618—2008) 二级标准，a 为土壤pH< 5.5，b 为pH 介于5.5—6.5 之间，c 为土壤pH 介于6.5—7.5 之间，d 为土壤pH>7.5时分别对应的质量标准.　　Note: 1) pH and coefficient of variation are dimensionless; 2) The standard value of soil environmental quality originates from the secondary standard of soil environmental quality standard (GB15618—2008) , a is soil pH< 5.5，b is pH between 5.5 and 6.5, c is soil pH between 6.5and 7.5, and d is the corresponding quality standard when soil pH>7.5.

| Show Table

DownLoad: CSV

变异系数可以反映人为活动对环境的干扰程度，变异系数小于0.1为弱变异，0.1—0.3之间为中变异，大于0.3为强变异^[28]。从变异系数来看，Hg明显高于其它元素，水稻田、玉米地和红薯地变异系数分别达到2.18、4.24、2.94。此外，水稻田As、Cd变异系数较高，分别为0.683、0.513；玉米地Cd、Cu、As变异系数较高，分别为0.614、0.536和0.415；红薯地Cd、As、Pb、Zn、Cu变异系数较高，分别为0.611、0.468、0.441、0.415、0.393。变异系数越大，元素在土壤中分布越不均匀，受人类活动影响越大，研究区土壤中Hg元素（变异系数均大于1）受区域汞矿开采等影响最大，其次是Cd、As。

与土壤环境质量标准值对比，研究区耕地土壤中Cr均未超标，Pb有1个样品超标，Ni、Zn、Cu有少量样品超标，Cd、Hg、As则存在较多样品超标，Cd最高值是标准值的7.82倍，Hg最高值超出标准值的100倍以上，As最高值是标准值的2.51倍（图2）。其中水稻田中Cd、Hg、As分别有40、28、5件样品超过农用地土壤筛选值，超标率分别为88.9%、62.2%、11.1%；玉米地中Cd、Hg、As分别有26、14、6件样品超过农用地土壤筛选值，超标率分别为81.3%、43.8%、18.8%；红薯地中Cd、Hg、As分别有18、8、3件样品超过农用地土壤筛选值，超标率分别为100%、44.4%、16.7%。因此，Cd、Hg、As是该区土壤主要超标元素，尤其是Cd超标率均大于80%，对周边生态环境、农作物安全和人体健康带来危害的可能性较大。

图 2 研究区耕地土壤重金属分布箱式图

Figure 2. Box-plots of heavy metals concentrations in the study area

下载: 全尺寸图片幻灯片

2.2 农作物重金属含量特征

研究区农作物水稻中重金属含量由高至低依次为Zn>Cu>Ni>Cr>Cd>As>Pb>Hg；玉米种重金属含量由高至低依次为Zn>Cu>Ni>Cr>Cd>Pb>As>Hg；红薯中重金属含量由高至低依次为Zn>Cu>Ni>Cr>Pb>Cd>As>Hg，水稻、玉米和红薯中Zn的含量都是最大，其次为Cu、Ni、Cr，而Hg含量最低。水稻中重金属As、Cd、Cr、Cu、Hg、Ni、Pb、Zn的平均值分别为0.159、0.202、0.269、2.239、0.005、0.473、0.048、19.6 mg·kg⁻¹；玉米中重金属As、Cd、Cr、Cu、Hg、Ni、Pb、Zn的平均值分别为0.007、0.058、0.178、1.768、0.003、0.482、0.045、18.2 mg·kg⁻¹；红薯中重金属As、Cd、Cr、Cu、Hg、Ni、Pb、Zn的平均值分别为0.029、0.065、0.525、4.803、0.004、0.659、0.133、7.069 mg·kg⁻¹。研究区农作物绝大多数重金属变异系数均大于0.3（表6），因此认为研究区内农作物中重金属来源受外界干扰较大，可能与研究区矿产开采等人为活动有关。

表 6 研究区农作物重金属含量特征

Table 6. Concentrations distribution of heavy metals in crops

农作物Crop	元素Element	极小值/(mg·kg⁻¹)Minimum	极大值/(mg·kg⁻¹)Maximum	均值/(mg·kg⁻¹)Average	标准差/(mg·kg⁻¹)Standard deviation	变异系数/%Coefficient of variation	富集系数/%Concentration coefficient	GB2762—2017/(mg·kg⁻¹)
水稻Rice	As	0.044	0.42	0.159	0.101	0.635	0.013	0.5
	Cd	0.004	1.38	0.202	0.339	1.683	0.276	0.2
	Cr	0.051	0.618	0.269	0.172	0.64	0.004	1
	Cu	0.47	4.62	2.239	1.013	0.453	0.073	—
	Hg	0.002	0.01	0.005	0.002	0.45	0.009	0.02
	Ni	0.152	1.48	0.473	0.299	0.631	0.011	—
	Pb	0.022	0.095	0.048	0.017	0.36	0.001	0.2
	Zn	12.3	25	19.6	2.817	0.144	0.173	—
玉米Corn	As	0	0.01	0.007	0.004	0.619	0.0002	0.5
	Cd	0.006	0.202	0.058	0.051	0.883	0.06	0.1
	Cr	0.053	0.514	0.178	0.121	0.681	0.002	1
	Cu	1.07	2.8	1.768	0.471	0.266	0.055	—
	Hg	0.001	0.005	0.003	0.001	0.291	0.004	0.02
	Ni	0.14	1.588	0.482	0.309	0.64	0.01	—
	Pb	0.027	0.072	0.045	0.016	0.36	0.0002	0.2
	Zn	13.25	25.9	18.17	2.617	0.144	0.16	—
红薯Sweetpotato	As	0.009	0.088	0.029	0.028	0.956	0.001	0.5
	Cd	0.008	0.189	0.065	0.05	0.763	0.077	0.1
	Cr	0.04	2.01	0.525	0.512	0.975	0.005	1
	Cu	1.6	9.62	4.803	2.741	0.571	0.156	—
	Hg	0.001	0.008	0.004	0.002	0.606	0.009	0.02
	Ni	0.16	1.55	0.659	0.368	0.558	0.014	—
	Pb	0.02	0.403	0.133	0.126	0.951	0.003	0.2
	Zn	2	14.4	7.069	3.999	0.566	0.059	—

| Show Table

DownLoad: CSV

在所采集的所有农作物样品中，除水稻Cd以外，其余农作物重金属元素的平均含量均未超过《食品安全国家标准食品中污染物限量》（GB2726—2017）中的标准限值（表6）。水稻中Cd超标率为20%，As、Cr、Hg和Pb均没有点位超标；玉米中部分点位的Cd含量超标，超标率为15.6%，其余元素均未超标；红薯中部分点位Cd、Cr和Pb含量超标，超标率分别为22.2%、5.56%和27.8%。综合重金属含量、重金属超标种类和超标率等指标可知，研究区农作物受Cd污染的风险最高，这与Cd较高的迁移能力有关^[29]；红薯污染程度最高，玉米受污染程度最低，可以通过调整种植结构，提高土地利用效率，改善农作物质量。

2.3 农作物重金属元素富集特征

如表6所示，水稻中重金属元素富集系数大小顺序为Cd>Zn>Cu>As>Ni>Hg>Cr>Pb；玉米中重金属元素富集系数大小顺序为Zn>Cd>Cu>Ni>>Hg>Cr>Pb>As；红薯中重金属元素富集系数大小顺序为Cu>Cd>Zn>Ni>Hg>Cr>Pb>As。8种重金属元素在水稻、玉米和红薯中Cd、Zn和Cu的富集系数较高（图3），Zn、Cu 是农作物的营养元素，农作物对其有一定的需求量，故Zn、Cu 在农作物中吸收能力较强；Cd 在土壤中有较强的可移动性，且作物对Cd 有较强的吸收能力，同时Cd 在偏酸性土壤中溶解度增大，而研究区整体处于偏酸性水平，增强了Cd迁移富集能力^[30]。此外，水稻中As的富集系数也较高，由于淹水稻田的厌氧条件和水稻对三价As较强的吸收能力，导致水稻中积累了较高含量的As^[29]。而水稻、玉米和红薯中Cr、Hg、Pb的富集系数较低，研究表明长期施肥使Cr的有效性在逐步降低，从不稳定形态（可交换态和碳酸盐结合态）向较为稳定的形态转化（铁锰氧化物结合态和有机结合态），造成Cr不易向农作物中迁移^[31]；相对土壤中其他形态Hg而言，有机-硫化态Hg的生物可利用性强，研究区Hg的富集系数较低可能与矿区土壤中酸交换态Hg含量较低并且变幅较大有关^[32]。土壤中Pb主要以不易溶于水的Pb(OH)₂、PbCO₃、PbSO₄形式存在，土壤的有机质含有能大量吸附土壤中Pb⁺的腐殖质，使得Pb在土壤中大量沉积富集，阻碍了作物对Pb的吸收^[33]。

图 3 研究区不同农作物重金属富集系数

Figure 3. Enrichment factor of heavy mental in different crops of the study area

下载: 全尺寸图片幻灯片

2.4 土壤重金属污染程度分析

利用式（1）对研究区土壤重金属污染程度进行地累积指数评价，重金属污染指数平均值从高至低顺序为Hg>Cd>As>Pb>Zn>Cu>Ni>Cr（表7）。土壤Hg污染最严重，几乎所有土壤样都受到不同程度的Hg污染，其中中污染和极重污染样品较多，分别占样本总数的24.2%和23.2%，轻污染、中—重污染、重污染和重—极重污染分别占16.8%、12.6%、14.7%和7.37%，只有1件样品呈无污染状态。As、Cd的地累积指数均值介于0—1之间，总体处于轻污染水平，部分样品As和Cd达到中—重污染。Cr、Cu、Ni、Pb、Zn总体呈无—轻污染状态，极少数样品达到中污染。因此，研究区土壤Hg污染现象最为突出，污染程度重、样品多。

表 7 土壤重金属污染地累积指数分级

Table 7. The classification of heavy metals in soil based on the I_geo

元素Element	指数均值Index of average	各级样本数Samples of all levels
元素Element	指数均值Index of average	无污染Non-pollution	轻污染Mild pollution	中污染Middle pollution	中—重污染Middle-heavy pollution	重污染Heavy pollution	重—极重污染Heavy-extreme pollution	极重污染Extreme pollution
As	0.659	19	48	23	5	0	0	0
Cd	0.783	14	47	27	7	0	0	0
Cr	−0.484	92	3	0	0	0	0	0
Cu	−0.149	61	30	4	0	0	0	0
Hg	3.275	1	16	23	12	14	7	22
Ni	−0.349	70	20	0	0	0	0	0
Pb	0.05	53	41	1	0	0	0	0
Zn	−0.055	58	36	1	0	0	0	0

| Show Table

DownLoad: CSV

2.5 土壤重金属潜在生态风险评价

以重庆市土壤背景值作为参比值，利用式（2）对研究区土壤开展潜在生态危害风险评价（表8）。从单项重金属潜在生态风险看，全部样品的Cr、Cu、Ni、Pb和Zn生态风险指数均小于40，为轻微生态风险；As风险指数范围为6.40—87.2，存在轻微至强生态风险，以轻微风险为主，占84.2%；Cd风险指数范围为23.3—302，存在轻微至很强的生态风险，以中等风险和强等风险为主，分别占45.3%和37.9%；Hg风险指数范围为51.2—250584，存在中等至极强生态风险，以极强风险为主，占54.7%；因此，Hg、Cd为研究区土壤主要生态危害元素，As也有较轻的生态危害风险。

表 8 土壤重金属的潜在生态危害指数统计

Table 8. Potential ecological risk coefficient for every heavy metal in soil

危害指数Hazard index		分布范围Distribution range	各级样本数Samples of all levels
危害指数Hazard index		分布范围Distribution range	轻微Mild	中Middle	强Heavy	很强Very heavy	极强Extreme
Ei	As	6.40—87.2	80	14	1	0	0
	Cd	23.3—302	10	43	33	9	0
	Cr	1.09—3.73	95	0	0	0	0
	Cu	3.29—19.7	95	0	0	0	0
	Hg	51.2—250584	0	7	21	15	52
	Ni	2.84—11.3	95	0	0	0	0
	Pb	3.49—21.1	95	0	0	0	0
	Zn	0.830—3.85	95	0	0	0	0
RI		131—250757	0	15	32	48	0

| Show Table

DownLoad: CSV

研究区重金属总的潜在生态指数RI分布范围为131—250757，存在中等至很强的生态风险，以强风险和很强风险为主，所占比例分别为33.7%和50.5%。RI空间分布图(图4)显示，研究区大部分地区处于强—很强风险，土壤生态风险与汞矿区分布基本一致，西北部和东南缘距离汞矿区较远，生态风险最低，表现为中等或轻微强度。

图 4 研究区土壤生态风险等级分布图

Figure 4. The spatial distribution of total potential ecological grade

下载: 全尺寸图片幻灯片

2.6 农作物重金属健康风险评价

利用USEPA推荐的健康风险模型分别计算研究区成人和儿童通过食用农作物摄入重金属的风险值（HQ），3种不同农作物不同重金属的健康风险评价结果见表9。由表9可知，就单一重金属的HQ而言，3种不同农作物的健康风险有较明显的差异，水稻为As>Cd>Zn>Cu>Ni>Hg>Pb>Cr；玉米为Zn>Cu>Cd>Ni>As>Hg>Pb>Cr；红薯为Cu>As>Cd>Pb>Ni>Zn>Hg>Cr。无论成人还是儿童，除水稻As的HQ>1，其余食用农作物摄入重金属的风险平均值小于1，说明研究区居民食用水稻存在较高的As风险。食用农作物水稻、玉米和红薯，儿童重金属单项风险指数均高于成人，受危害的可能性更大。重金属在农作物中并不是单一存在的，二是共同存在于农作物中，复合健康风险评价结果，表现为水稻＞红薯＞玉米。成人食用水稻和红薯的THQ>1，说明对人体健康产生影响的可能性大；食用玉米的THQ＜1，说明对人体没有明显的健康影响。儿童食用水稻、玉米和红薯的THQ均大于1，尤其是食用水稻（THQ平均值达到9.86）存在明显的复合健康风险，应引起重视。

表 9 土壤重金属健康风险指数

Table 9. Health risk index of heavy metals in soil

类型Type	农作物Crops	HQ								THQ
类型Type	农作物Crops	As	Cd	Cr	Cu	Hg	Ni	Pb	Zn	THQ
成人Adult	水稻	2.272	0.864	0.001	0.240	0.068	0.083	0.033	0.280	3.842
	玉米	0.050	0.180	0.001	0.189	0.025	0.081	0.009	0.260	0.794
	红薯	0.302	0.280	0.001	0.515	0.037	0.110	0.134	0.101	1.480
儿童Children	水稻	5.832	2.218	0.002	0.616	0.175	0.214	0.085	0.719	9.860
	玉米	0.129	0.461	0.001	0.486	0.063	0.207	0.023	0.666	2.038
	红薯	0.775	0.719	0.003	1.321	0.096	0.282	0.344	0.259	3.799

| Show Table

DownLoad: CSV

3. 结论(Conclusion)

(1) 重庆市汞矿区水稻田、玉米地和红薯地土壤中As、Cd、Cr、Cu、Hg、Ni、Pb、Zn等重金属均高于重庆土壤背景值，Hg元素最为突出，且变异系数大，受开矿影响最明显，其次是Cd、As。与国家农用地土壤污染风险筛选值相比，Cd、Hg、As是研究区土壤主要超标元素，可能会产生生态健康危害。

(2) 研究区水稻、玉米和红薯中Zn的含量都是最大，其次为Cu、Ni、Cr，Hg含量最低。与食品安全国家标准相比，水稻和玉米中Cd超标，超标率分别为20%、15.6%；部分红薯中Cd、Cr和Pb超标，超标率分别为22.2%、5.56%和27.8%。

(3) 地累积指数评价结果显示，该区土壤Hg污染现象最为严重，以中污染和极重污染为主，As、Cd总体处于轻污染水平，Cr、Ni、Cu、Pb、Zn总体呈无—轻污染状态。

(4) 重金属潜在生态风险评价结果表明，研究区土壤潜在重金属生态危害主要表现为Hg、Cd和As，Hg以极强风险为主，Cd以中等风险和强等风险为主，As以轻微风险为主，其余重金属危害不明显。研究区大部分地区处于强—很强风险，土壤生态风险与汞矿区分布基本一致，西北部和东南缘距离汞矿区较远，生态风险最低。

(5) 单一重金属健康风险指数表明研究区居民食用水稻存在较高的As风险；多种重金属总健康风险指数显示成人食用玉米没有明显的健康影响，但食用水稻、红薯存在明显的复合健康风险；同时儿童更易受到重金属污染威胁，食用水稻、玉米和红薯的THQ均大于1，尤其是食用水稻（THQ平均值达到9.86）存在明显的复合健康风险，应引起重视。

图 1 不同水位条件下富砷湖滨湿地底泥中细菌门水平分类

Figure 1. Bacterial phyla level classification in sediments of arsenic-rich lakeside wetland under different water levels

下载: 全尺寸图片幻灯片

图 2 不同水位条件下富砷湖滨湿地底泥中细菌属水平分类

Figure 2. Bacterial genus level classification in sediments of arsenic-rich lakeside wetland under different water levels

下载: 全尺寸图片幻灯片

图 3 基于微生物群落在不同分类水平上的LEFSe分析

Figure 3. LEFSe analysis based on microbial communities at different taxonomic levels

下载: 全尺寸图片幻灯片

图 4 不同水位条件下富砷湖滨湿地底泥中细菌门分类群落与化学指标的冗余分析

Figure 4. Redundancy analysis of bacterial community and chemical indexes in sediment of arsenic-rich lakeside wetland under different water levels

下载: 全尺寸图片幻灯片

表 1 实验样品指标测定方法

Table 1. Determination methods of experimental sample indexes

指标Index	测定方法Determination method	仪器名称Instrument name	型号Model	公司Company
TN	凯氏定氮法(LY/T 1228—1999)	全自动凯氏定氮仪	KDN-1000	上海昕瑞仪器有限公司
TAs	（3∶1）王水消解提取法（NY/T 1121.11-2006）	原子荧光光度计	PF3	北京普析通用仪器有限公司
TP	钼锑抗分光光度法(LY/T 1228—1999)	紫外可见光光度计	T6新世纪	北京普析通用仪器有限公司
SOC	重铬酸钾氧化—外加热法(LY/T 1237—1999)	电热恒温油浴锅	HWS-26	上海一恒科技仪器有限公司

下载: 导出CSV

表 2 不同水位条件下富砷湖滨湿地底泥的污染特征

Table 2. Pollution characteristics of sediment in arsenic-rich lakeside wetland under different water levels

不同水位条件Different water levels		TN/（mg·kg⁻¹）	${\rm{NO}}_3^{-}$ -N/（mg·kg⁻¹）	${\rm{NH}}_4^{+}$ -N/（mg·kg⁻¹）	TP/（mg·kg⁻¹）	TAs/（mg·kg⁻¹）	SOC/（g·kg⁻¹）
生长期	无水位	1006.13±7.64i	383.23±0.57f	683.61±4.68d	1738.73±9.44a	222.80±9bcd	15.75±0.13c
	中水位	1262.80±5.60f	379.70±0.74g	756.94±21.77c	1475.74±9.63c	239.63±9.47abc	20.50±0.27a
	高水位	1219.87±16.19f	379.11±0.45g	776.56±14.47c	1629.18±6.73b	200.45±4.32de	16.24±0.03b
繁盛期	无水位	1538.13±10.78d	515.09±0.57d	841.84±28.76b	1642.01±7.38b	271.50±1.58a	14.13±0.06d
	中水位	1167.60±30.8g	514.75±0.92d	903.71±14.02b	1130.51±19.86f	249.69±0.41ab	6.93±0.12h
	高水位	1067.73±15.70h	510.93±0.17e	908.42±14.48b	1244.07±3.86e	208.22±16.28cde	7.13±0.12h
枯落期	无水位	2375.33±19.42a	586.67±0.11a	873.72±14.95b	1117.87±21.36f	190.63±9.27de	8.28±0.13f
	中水位	1957.20±10.10b	583.23±0.58b	976.56±14.17a	1109.37±9.38f	145.33±13.24f	7.60±0.07g
	高水位	1896.53±12.13c	579.58±0.49c	992.87±13.33a	1367.42±11.78d	183.56±2.35e	8.48±007f
注：表中数据为平均值±标准差，同一列不同字母表示显著性差异（P<0.05）.　　Note: The data in the table is the average ± standard deviation, and different letters in the same column indicate significant differences (P<0.05).

不同水位条件Different water levels		TN/（mg·kg⁻¹）	${\rm{NO}}_3^{-}$ -N/（mg·kg⁻¹）	${\rm{NH}}_4^{+}$ -N/（mg·kg⁻¹）	TP/（mg·kg⁻¹）	TAs/（mg·kg⁻¹）	SOC/（g·kg⁻¹）
生长期	无水位	1006.13±7.64i	383.23±0.57f	683.61±4.68d	1738.73±9.44a	222.80±9bcd	15.75±0.13c
	中水位	1262.80±5.60f	379.70±0.74g	756.94±21.77c	1475.74±9.63c	239.63±9.47abc	20.50±0.27a
	高水位	1219.87±16.19f	379.11±0.45g	776.56±14.47c	1629.18±6.73b	200.45±4.32de	16.24±0.03b
繁盛期	无水位	1538.13±10.78d	515.09±0.57d	841.84±28.76b	1642.01±7.38b	271.50±1.58a	14.13±0.06d
	中水位	1167.60±30.8g	514.75±0.92d	903.71±14.02b	1130.51±19.86f	249.69±0.41ab	6.93±0.12h
	高水位	1067.73±15.70h	510.93±0.17e	908.42±14.48b	1244.07±3.86e	208.22±16.28cde	7.13±0.12h
枯落期	无水位	2375.33±19.42a	586.67±0.11a	873.72±14.95b	1117.87±21.36f	190.63±9.27de	8.28±0.13f
	中水位	1957.20±10.10b	583.23±0.58b	976.56±14.17a	1109.37±9.38f	145.33±13.24f	7.60±0.07g
	高水位	1896.53±12.13c	579.58±0.49c	992.87±13.33a	1367.42±11.78d	183.56±2.35e	8.48±007f
注：表中数据为平均值±标准差，同一列不同字母表示显著性差异（P<0.05）.　　Note: The data in the table is the average ± standard deviation, and different letters in the same column indicate significant differences (P<0.05).

下载: 导出CSV

表 3 不同水位条件下富砷湖滨湿地底泥中细菌丰度及多样性指数

Table 3. Bacterial abundance and diversity index in sediment of arsenic-rich lakeside wetland under different water levels

不同水位条件Different water levels		97% 相似水平Similarity
不同水位条件Different water levels		序列Reads	OUT数OTUs	覆盖率Coverage	Chaol指数Chaol index	香农指数Shannon index	辛普森指数Simpson index
生长期	无水位	30740	2380	0.9797	2911	6.5032	0.0044
	中水位	37621	2390	0.9830	2952	6.3112	0.0049
	高水位	54831	2949	0.9893	3325	6.5211	0.0041
繁盛期	无水位	50472	2377	0.9878	2878	5.9651	0.0078
	中水位	39474	2702	0.9840	3316	6.5134	0.0048
	高水位	33345	2699	0.9872	3518	6.4510	0.0060
枯落期	无水位	28172	1844	0.9835	2247	6.1622	0.0062
	中水位	37289	2345	0.9889	2638	6.1574	0.0067
	高水位	39289	2443	0.9855	2841	6.5083	0.0039

下载: 导出CSV

[1]	DAI X Y, WEI C, ZHOU Y Q, et al. Influence of spatial variation in land-use patterns and topography on water quality of the rivers inflowing to Fuxian Lake, a large deep lake in the plateau of southwestern China [J]. Ecological Engineering the Journal of Ecotechnology, 2017, 99: 417-428. doi: 10.1016/j.ecoleng.2016.11.011
[2]	高慧琴, 刘凌, 方泽建. 夏季湖泊表层沉积物的理化性质与微生物多样性 [J]. 河海大学学报(自然科学版), 2011, 39(4): 361-366. GAO H Q, LIU L, FANG J Z. Physicochemical properties and microbial diversity of superficial deposits of lakes in summer [J]. Journal of Hehai University (Natural Sciences), 2011, 39(4): 361-366(in Chinese).
[3]	HE J, CHARLET L. A review of arsenic presence in China drinking water [J]. Journal of Hydrology, 2013, 492(10): 79-88.
[4]	FENDORF S, MICHAEL H A, VAN G A. Spatial and temporal variations of groundwater arsenic in South and Southeast Asia [J]. Science, 2010, 328(5982): 1123-1127. doi: 10.1126/science.1172974
[5]	赵立君, 刘云根, 王妍, 等. 砷污染湖滨湿地底泥微生物群落结构及多样性 [J]. 中国环境科学, 2019, 39(9): 3933-3940. doi: 10.3969/j.issn.1000-6923.2019.09.040 ZHAO L J, LIU Y G, WANG Y, et al. Microbial community structure and diversity of arsenic-contaminated lakeshore wetland sediments [J]. China Environmental Science, 2019, 39(9): 3933-3940(in Chinese). doi: 10.3969/j.issn.1000-6923.2019.09.040
[6]	FAULWETTER J L, GAGNON V, SUNDBERG C, et al. Microbial processes influencing performance of treatment wetlands: A review [J]. Ecological Engineering, 2009, 35(6): 987-1004.
[7]	李森森, 马大龙, 臧淑英, 等. 不同干扰方式下松江湿地土壤微生物群落结构和功能特征 [J]. 生态学报, 2018, 8(22): 105-115. LI S S, MA D L, ZANG S Y, et al. Structural and functional characteristics of soil microbial community in the Songjiang wetland under different interferences [J]. Acta Ecologica Sinica, 2018, 8(22): 105-115(in Chinese).
[8]	王鹏, 陈波, 张华. 基于高通量测序的鄱阳湖典型湿地土壤细菌群落特征分析 [J]. 生态学报, 2017, 37(5): 1650-1658. WANG P, CHEN B, ZHANG H. High throughput sequencing analysis of bacterial communities in soils of a typical Poyang Lake wetland [J]. Acta Ecologica Sinica, 2017, 37(5): 1650-1658(in Chinese).
[9]	林海, 蔡怡清, 李冰, 等. 北京市妫水河底泥微生物群落结构特征 [J]. 生态学报, 2019, 39(20): 7592-7601. LIN H, CAI Y Q, LI B, et al. Characteristics of microbial community structure in Guishui River sediment in Beijing [J]. Acta Ecologica Sinica, 2019, 39(20): 7592-7601(in Chinese).
[10]	EILER A, BERTILSSON S. Comparison of freshwater bacterial communities associated with cyanobacterial blooms in four Swedish lakes [J]. Environmental Microbiology, 2004, 6(12): 1228-1243. doi: 10.1111/j.1462-2920.2004.00657.x
[11]	汪福顺, 刘丛强, 梁小兵, 等. 湖泊沉积物中微量金属二次迁移过程中微生物作用的实验研究 [J]. 湖泊科学, 2006, 18(1): 49-56. doi: 10.3321/j.issn:1003-5427.2006.01.007 WANG F S, LIU C Q, LIANG X B, et al. Impact on the remobilization of trace in lake sediments by micro-organisms [J]. J. Lake Sci, 2006, 18(1): 49-56(in Chinese). doi: 10.3321/j.issn:1003-5427.2006.01.007
[12]	刁晓君, 李一葳, 王曙光. 水华生消过程对巢湖沉积物微生物群落结构的影响 [J]. 环境科学, 2015, 36(1): 107-113. DIAO X J, LI Y W, WANG S G. Effects of outbreak and extinction of algal blooms on the microbial community structure in sediments of Chaohu lake [J]. Environmental Science, 2015, 36(1): 107-113(in Chinese).
[13]	张广帅, 于秀波, 张全军, 等. 鄱阳湖湿地土壤微生物群落结构沿地下水位梯度分异特征 [J]. 生态学报, 2018, 38(11): 3825-3837. ZHANG G S, YU X B, ZHANG Q J, et al. Characteristics of soil microbial community structure along groundwater level gradient in Poyang Lake Wetland [J]. Acta Ecologica Sinica, 2018, 38(11): 3825-3837(in Chinese).
[14]	吴玲. 富营养化太湖沉积物中微生物群落及对环境因子的响应 [J]. 应用与环境生物学报, 2019, 25(6): 1470-1476. WU L. Response of microbial community structure in eutrophic Taihu sediments to environmental factors [J]. Chin J Appl Environ Biol, 2019, 25(6): 1470-1476(in Chinese).
[15]	于小彦, 张平究, 张经纬, 等. 城市河流沉积物微生物量分布和群落结构特征 [J]. 环境科学学报, 2020, 40(2): 585-596. YU X Y, ZHANG P J, ZHANG J W, et al. Characteristics of distribution patterns of microbial biomass and community structures in the sediments from urban river [J]. Acta Scientiae Circumstantiae, 2020, 40(2): 585-596(in Chinese).
[16]	马朋, 李昌晓, 雷明, 等. 三峡库区岸坡消落带草地、弃耕地和耕地土壤微生物及酶活性特征 [J]. 生态学报, 2014, 34(4): 1010-1020. MA P, LI C X, LEI M, et al. Responses of soil microorganisms and soil enzyme activities to different land use patterns in the water-level fluctuating zone of the Three Gorges Reservoir region [J]. Acta Ecologica Sinica, 2014, 34(4): 1010-1020(in Chinese).
[17]	钢迪嘎, 齐维晓, 刘会娟, 等. 水位变化对消落带氨氧化微生物丰度和多样性的影响 [J]. 环境科学学报, 2017, 37(5): 1615-1622. GANG D G, QI W X, LIU H J, et al. The impact of water level change on the abundance and diversity of ammonia oxidizing bacteria(AOB) and ammonia oxidizing archaea(AOA) in water-fluctuating zone [J]. Acta Scientiae Circumstantiae, 2017, 37(5): 1615-1622(in Chinese).
[18]	赵立君, 任伟, 郑毅, 等. 砷污染湿地生境下土壤微生物多样性及群落结构特征 [J]. 环境科学研究, 2019, 32(1): 150-158. ZHAO L J, REN W, ZHENG Y, et al. Characteristics of soil microbial diversity and community structure in arsenic-polluted wetland habitats [J]. Research of Environmental sciences, 2019, 32(1): 150-158(in Chinese).
[19]	徐丽琼. 阳宗海不同季节条件砷形态价态变化及其对藻光合作用的影响[D]. 昆明: 云南师范大学, 2018. XU L Q. Changes of arsenic species valence and arsenic form under different seasonal conditons in Yangzonghai and their effects on algal photosynthesis[D]. Kunming: Yunnan Normal University, 2018 (in Chinese).
[20]	杨浩, 张国珍, 杨晓妮, 等. 水窖沉积物中微生物群落及其与环境因子的相关性 [J]. 兰州交通大学学报, 2018, 37(3): 110-115. doi: 10.3969/j.issn.1001-4373.2018.03.018 YANG H, ZHANG G Z, YANG X N, et al. Microbial community of sediment in cellar water and its correlation with environmental factors [J]. Journal of Lanzhou Jiaotong University, 2018, 37(3): 110-115(in Chinese). doi: 10.3969/j.issn.1001-4373.2018.03.018
[21]	GUTKNECHT J L M, GOODMAN R M, BALSER T C. Linking soil process and microbial ecology in freshwater wetland ecosystems [J]. Plant & Soil, 2006, 289(1/2): 17-34.
[22]	REES G N, WATSON G O, BALDWIN D S, et al. Variability in sediment microbial communities in a semipermanent stream: impact of drought [J]. Journal of the North American Benthological Society, 2006, 25(2): 370-378. doi: 10.1899/0887-3593(2006)25[370:VISMCI]2.0.CO;2
[23]	MENTZER J L, GOODMAN R M, BALSER T C. Microbial response over time to hydrologic and fertilization treatments in a simulated wet prairie [J]. Plant & Soil, 2006, 284(1/2): 85-100.
[24]	张洪霞, 郑世玲, 魏文超, 等. 水分条件对滨海芦苇湿地土壤微生物多样性的影响 [J]. 海洋科学, 2017, 41(5): 144-152. doi: 10.11759//hykx20161018001 ZHANG H X, ZHENG S L, WEI W C, et al. Effects of water conditions on the diversity of soil microbial communities in the coastal reed wetlands [J]. Marine Sciences, 2017, 41(5): 144-152(in Chinese). doi: 10.11759//hykx20161018001
[25]	张琼琼, 黄兴如, 郭逍宇. 基于T-RFLP技术的不同水位梯度植物根际细菌群落多样性特征分析 [J]. 生态学报, 2016, 36(14): 4518-4530. ZHANG Q Q, HUANG X R, GUO X Y. Analysis of the characteristics of rhizosphere bacterial diversity from plants with different water level gradients based on T-RFLP [J]. Acta Ecologica Sinica, 2016, 36(14): 4518-4530(in Chinese).
[26]	刘亚军. 湿地土壤微生物群落结构和功能对水分条件变化的响应[D]. 南昌: 南昌大学, 2017. LIU Y J. Response of soil microbial community structure and function to water condition change in Wetland[D]. Nanchang: Nanchang University, 2017 (in Chinese).
[27]	郭太忠, 袁刘正, 赵月强, 等. 渍涝对玉米产量和根际土壤微生物的影响 [J]. 湖北农业科学, 2014, 53(3): 505-507. doi: 10.3969/j.issn.0439-8114.2014.03.003 GUO T Z, YUAN L Z, ZHAO Y Q, et al. Effects of Waterlogging on Maize Yield and the Rhizosphere Soil Microorganism [J]. Hubei Agricultural Sciences, 2014, 53(3): 505-507(in Chinese). doi: 10.3969/j.issn.0439-8114.2014.03.003
[28]	顾诗云, 杨飞, 张毅敏, 等. 淹水胁迫对菖蒲生理特性及其根际细菌群落特征的影响 [J]. 生态与农村环境学报, 2020, 36(4): 488-498. GU S Y, YANG F, ZHANG Y M, et al. Effects of flooding stress on physiological characteristics and rhizosphere bacterial community of Acorus calamus [J]. Journal of Ecology and Rural Environment, 2020, 36(4): 488-498(in Chinese).
[29]	KELTON N, CHOW-FRASER P, JORDAN I. Relationship between sediment phosphorus release rates and characteristics of the benthic microbial community in a hypereutrophic marsh [J]. Aquatic Ecosystem Health & Management, 2004, 7(1): 31-41.
[30]	VANEGAS J, LANDAZABAL G, MELGAREJO L M, et al. Structural and functional characterization of the microbial communities associated with the upland and irrigated rice rhizospheres in a neotropical colombian savannah [J]. European Journal of Soil Biology, 2013, 55: 1-8. doi: 10.1016/j.ejsobi.2012.10.008
[31]	邓泓, 叶志鸿, 黄铭洪. 湿地植物根系泌氧的特征 [J]. 华东师范大学学报(自然科学版), 2007(6): 69-76. DENG H, YE Z H, HUANG Z M. Characteristics of radial oxygen loss from root of wetland plants [J]. Journal of East China Normal University (Natural Science), 2007(6): 69-76(in Chinese).
[32]	BETTINA G, PETER F. Rice roots and CH₄ oxidation: the activity of bacteria, their distribution and the microenvironment [J]. Soil Biology & Biochemistry, 1998, 30(14): 1903-1916.
[33]	孙彩丽. 根际微生物对植物竞争和水分胁迫的响应机制[D]. 杨凌: 西北农林科技大学, 2017. SUN C L. Response of rhizospheric microbiology to plant competition and moisture stress[D]. Yangling: Northwest A & F University, 2017 (in Chinese).
[34]	杨文焕, 张元, 王志超, 等. 寒旱区湖泊沉积物中固氮微生物群落特征—以包头南海湖为例 [J]. 中国环境科学, 2020, 40(6): 2674-2682. doi: 10.3969/j.issn.1000-6923.2020.06.038 YANG W H, ZHANG Y, WANG Z C, et al. Community characteristics of nitrogen-fixing microorganisms in lake sediment-taking Nanhaihu lake as example [J]. China Environmental Science, 2020, 40(6): 2674-2682(in Chinese). doi: 10.3969/j.issn.1000-6923.2020.06.038
[35]	王亚男, 曾希柏, 白玲玉, 等. 外源砷在土壤中的老化及环境条件的影响 [J]. 农业环境科学学报, 2018, 37(7): 1342-1349. doi: 10.11654/jaes.2018-0767 WANG Y N, ZENG X B, BAI L Y, et al. The exogenous aging process in soil and the influences of environmental factors on aging [J]. Journal of Agro-Environment Science, 2018, 37(7): 1342-1349(in Chinese). doi: 10.11654/jaes.2018-0767
[36]	李媛媛. 采煤塌陷地泥浆泵复垦土壤微生物多样性及土壤酶活性研究[D]. 徐州: 中国矿业大学, 2015. LI Y Y. Microbial diversity and enzyme activity of soil reclaimed by hydraulic dredge pump in coal-mining subsidence areas[D]. Xuzhou: China University of mining and technology, 2015 (in Chinese).
[37]	郑景华, 巴楚明, 王志宏, 等. 矿区土壤中砷污染对微生物群落的影响研究 [J]. 地球与环境, 2016, 44(5): 506-512. ZHENG J H, BA C M, WANG Z H, et al. Influence of arsenic pollution on soil microbial community of mining area [J]. Earth and environment, 2016, 44(5): 506-512(in Chinese).
[38]	吴彩霞, 傅华. 根系分泌物的作用及影响因素 [J]. 草业科学, 2009, 26(9): 24-29. doi: 10.3969/j.issn.1001-0629.2009.09.005 WU C X, FU H. Effects and roles of root exudates [J]. Pratacultural Science, 2009, 26(9): 24-29(in Chinese). doi: 10.3969/j.issn.1001-0629.2009.09.005
[39]	李稹, 黄娟, 姜磊, 等. 人工湿地植物根系分泌物与根际微环境相关性的研究进展 [J]. 安全与环境学报, 2012, 12(5): 41-45. doi: 10.3969/j.issn.1009-6094.2012.05.009 LI Z, HUANG J, JIANG L, et al. Factors affecting the dye sewage decolorization by fungi in open-air conditions [J]. Journal of Safety and Environment, 2012, 12(5): 41-45(in Chinese). doi: 10.3969/j.issn.1009-6094.2012.05.009
[40]	杨桂生, 宋长春, 王丽, 等. 水位梯度对小叶章湿地土壤微生物活性的影响 [J]. 环境科学, 2010, 31(2): 444-449. YANG G S, SONG C C, WANG L, et al. Influence of water level gradient on marsh soil microbial activity of calamagrostis angustifolia [J]. Environmental Science, 2010, 31(2): 444-449(in Chinese).
[41]	ZEGLIN L H, DAHM C N, BARRETT J E, et al. Bacterial community structure along moisture gradients in the parafluvial sediments of two ephemeral desert streams [J]. Microbial Ecology, 2011, 61(3): 543-556. doi: 10.1007/s00248-010-9782-7
[42]	FLYNN T M, KOVAL J C, GREENWALD S M, et al. Parallelized, aerobic, single carbon-source enrichments from different natural environments contain divergent microbial communities [J]. Frontiers in Microbiology, 2017, 8: 1-14.
[43]	薛银刚, 刘菲, 江晓栋, 等. 太湖不同湖区冬季沉积物细菌群落多样性 [J]. 中国环境科学, 2018, 38(2): 719-728. doi: 10.3969/j.issn.1000-6923.2018.02.037 XUE Y G, LIU F, JINAG X D, et al. The diversity of bacterial communities in the sediment of different lake zones of Lake Taihu in winter [J]. China Environmental Science, 2018, 38(2): 719-728(in Chinese). doi: 10.3969/j.issn.1000-6923.2018.02.037
[44]	王丽华, 郝春博, 李思远, 等. 安徽某铁矿排土场废矿石中细菌群落分子生态学研究 [J]. 地学前缘, 2014, 21(4): 24-29. WANG L H, HAO C B, LI S Y, et al. Molecular research of acidophilic bacteria in abandoned ores in waste dump of an iron in Anhui Province [J]. Earth Science Frontiers, 2014, 21(4): 24-29(in Chinese).
[45]	腾昌运, 沈建国, 王忠, 等. 模拟气候升温对湿地土壤微生物群落及磷素形态的影响 [J]. 环境科学, 2017, 38(7): 3000-3009. TENG C Y, SHEN J G, WANG Z, et al. Effect of Simulated Climate Warming on Microbial Community and Phosphorus Forms in Wetland Soils [J]. Environmental Scinence, 2017, 38(7): 3000-3009(in Chinese).
[46]	梁书诚, 赵敏, 卢磊, 等. 好氧反硝化菌脱氮特性研究进展 [J]. 应用生态学报, 2010(6): 1581-1588. LIANG S C, ZHAO M, LU L, et al. Research advance on denitrification characteristics of aerobic denitrifyiers [J]. Chinese Journal of Applied Ecology, 2010(6): 1581-1588(in Chinese).
[47]	赵立君, 刘云根, 王妍, 等. 典型高原湖滨带底泥细菌群落结构及多样性特征 [J]. 微生物学通报, 2020, 47 (2): 401-410. ZHAO LJ, LIU YG, WANG Y et al. Bacterial community structure and diversity of sediments in a typical plateau lakeshore [J]. Microbiology China, 2020, 47 (2): 401-410(in Chinese).
[48]	王慎, 张思思, 许尤, 等. 不同水温分层水库沉积物间隙水营养盐垂向分布与细菌群落结构的关系 [J]. 环境科学, 2019, 40(6): 2753-2763. WANG S, ZHANG SS, XU Y, et al. Relationship Between the vertical distribution of nutrients and bacterial community structures in sediment interstitial waters of stratified reservoirs with different water temperatures [J]. Environmental Science, 2019, 40(6): 2753-2763(in Chinese).
[49]	KLATT C G, LIU Z, LUDWIG M, et al. Temporal metatranscriptomic patterning in phototrophic chloroflexi inhabiting a microbial mat in a geothermal spring [J]. Isme Journal, 2013, 7(9): 1775-1789. doi: 10.1038/ismej.2013.52
[50]	阚靖博, 李丽娜, 曲东, 等. 淹水培养过程中水稻土细菌丰度与群落结构变化 [J]. 生物多样性, 2014, 22(4): 508-515. doi: 10.3724/SP.J.1003.2014.14053 KAN JB, LI LN, QU D, et al. Changes in bacterial abundance and community structure associated with flooding in paddy soil [J]. Biodiversity Science, 2014, 22(4): 508-515(in Chinese). doi: 10.3724/SP.J.1003.2014.14053
[51]	王春香, 田宝玉, 吕睿瑞, 等. 西双版纳地区热带雨林土壤酸杆菌(Acidobacteria)群体结构和多样性分析 [J]. 微生物学通报, 2010(1): 24-29. WANG C X, TIAN B Y, LV R R, et al. Distribution and diversity of Acidobacteria in tropical rain forest soil of Xishuangbanna [J]. Microbiology China, 2010(1): 24-29(in Chinese).
[52]	郑帅. 温带森林土壤有机质分解对土壤含水量变化的响应[D]. 长春: 东北师范大学, 2019. ZHENG S. Response of soil organic matter decomposition to soil water content change in temperate forests[D]. Changchun: Northeast Normal University, 2019 (in Chinese).
[53]	于玲红, 齐璐, 杨文焕, 等. 包头南海湖冰封期沉积物细菌群落多样性 [J]. 环境化学, 2019, 38(6): 1348-1355. doi: 10.7524/j.issn.0254-6108.2018071904 YU L H, QI L, YANG W H, et al. Diversity of bacterial communities in the sediment of Baotou Nanhai Lake in ice period [J]. Environmental Chemistry, 2019, 38(6): 1348-1355(in Chinese). doi: 10.7524/j.issn.0254-6108.2018071904

点击查看大图

图( 4) 表( 3)

计量

文章访问数: 2740
HTML全文浏览数: 2740
PDF下载数: 103
施引文献: 0

1. 材料与方法（Materials and methods）
1.1 研究区概况
1.2 样品采集与分析测试
1.3 评价方法
2. 结果与讨论(Results and discussion)
2.1 土壤重金属含量特征
2.2 农作物重金属含量特征
2.3 农作物重金属元素富集特征
2.4 土壤重金属污染程度分析
2.5 土壤重金属潜在生态风险评价
2.6 农作物重金属健康风险评价
3. 结论(Conclusion)

全文HTML

湖滨湿地作为水陆交界地带，是各种微生物生存和繁衍的重要场所^[1-2]。近年来，砷污染给我国地表水环境安全带来严重威胁^[3-4]，湖泊、河流、水库等已受到不同程度的砷污染，高原湖滨湿地因其脆弱的生态环境，面临着更高的砷污染风险^[5]。微生物是湿地生态系统的重要分解者，对湿地生态系统中的能量流动及物质循环具有关键作用^[6]，微环境的变化对其影响显著，同时，微生物群落结构和多样性也会随着环境的变化而改变，可有效指示湿地生态环境的变化^[7-9]。目前，湿地微生物群落的研究开始受到广泛关注，国内外大量学者已经证实，微生物能够通过同化和异化等作用改变环境条件，进而影响矿质元素的生物地球化学循环（如C、N、P等）、能量流动以及污染物的形态和降解（如重金属、有机污染物等），对湿地生态系统的稳定产生显著影响^[10-12]。

我国学者对湿地微生物群落结构及多样性的研究主要集中在鄱阳湖、太湖、巢湖等富营养化湖泊^[13-15]，对三峡库区消落带的微生物群落结构及多样性也有一定研究^[16]，于小彦等通过室内模拟实验发现水分条件是左右生物碳添加对湿地微生物群落影响的重要因子^[15]，钢迪嘎等以密云水库消落带为研究对象，发现水位变化能够显著影响消落带土壤中氨氧化细菌和古菌的多样性、丰度^[17]。然而，在研究高原湖滨湿地底泥中微生物群落结构及多样性上，多关注重金属污染及外界干扰方式对底泥中微生物群落结构的影响^[18]，水位条件的变化对富砷湖滨湿地底泥中细菌群落结构及多样性的影响尚不明确。

本文探究了不同水位条件下富砷湖滨湿地底泥中微生物群落结构及多样性特征，以期明晰微生物群落结构及多样性对于水位变化的响应关系，这有助于分析湿地底泥微生物与湿地环境变化之间的关系，进一步探明湿地生态系统中各元素的迁移与转化，为湿地生态环境保护与合理治污提供理论指导。

1. 材料与方法（Materials and methods）

1.1. 试验材料与设计

本试验采取室内模拟湿地的方式，设置3种水位条件：a. 高水位（淹水15 cm），b. 中水位（淹水7 cm），c. 无水位（保持湿润即可），每种水位条件设置9组平行，共27个处理。试验在西南林业大学农村污水处理研究所温室进行，以黑色聚乙烯桶（高32 cm，内口径44 cm，底径32 cm）内栽植湿地植物的方式人工模拟湿地，底泥取自云南省昆明市盘龙区金汁河底泥（0—20 cm），挺水植物选择常见的湿地植物狭叶香蒲，购自云南省昆明市泛亚苗圃基地，使用Na₂HAsO₄·7H₂O（分析纯）模拟富砷环境，砷的底泥含量为300 mg·kg⁻¹^[19]。

具体操作如下：将沟渠底泥剔除石块及植物根茎等杂物之后，混合均匀，通过外源添加Na₂HAsO₄·7H₂O（以As计）的方式设置富砷底质，将富砷底泥加至黑色聚乙烯实验桶12 cm处，放置平衡后栽种狭叶香蒲幼苗。水位通过每周定量加水保持在设定高度，待香蒲稳定2个月后，进行实验样品采集。

1.2. 样品采集及预处理

本试验分别于湖滨湿地典型挺水植物香蒲的生长期、繁盛期、枯落期对底泥进行破坏性采样。对香蒲叶、茎进行收割后，桶中淹水采用虹吸式排水方式抽出，底泥样品采自植物根系区，每种水位条件均随机采集3个平行作为重复，剔除植物根系之后混合均匀，将混匀后的底泥样品分为两部分：①用于Illumina PE250高通量测序，样品以干冰低温保存送往上海凌恩生物科技有限公司进行微生物测序工作；②用于污染指标测定，将样品装入自封袋带回实验室，放置阴凉处自然风干后研磨，过160目孔筛，实验待用。

1.3. 样品指标测定

本实验研究测定的指标包括：总氮（TN）、总磷（TP）、土壤有机碳（SOC）、总砷（TAs），测定方法如表1所示。

1.4. 样品Illumina PE250测序

本模拟实验中所有样品的Illumina PE250测序工作由上海凌恩生物科技有限公司完成，利用1%琼脂糖凝胶电泳抽取基因组DNA，每个样本3个平行，将同一样本的PCR产物混合后用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，Tris_HCl洗脱；2%琼脂糖电泳检测。将PCR产物用QuantiFluor^TM -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，随后进行文库构建，检验合格之后使用Illumina PE250进行上机测序。

1.5. 实验数据分析及处理

采用Excel 2016 对原始数据进行基础性处理；利用SPSS 26对数据进行显著性分析。利用单因素方差分析检验不同水位条件下富砷湖滨湿地底泥中环境条件及污染特征的差异性（One-way-ANOVA, P < 0.05）,平均数之间的多重比较采用LSD检验。文中所有堆积柱状图均由Origin 2018绘制完成，用以表示不同分类水平下细菌群落的组成情况；使用LEFSe识别不同水位条件下富砷湖滨湿地底泥中的关键差异微生物，利用Canoco 5进行冗余分析（RDA），比较底泥污染指标和细菌群落之间的相关性。

富砷湖滨湿地底泥细菌群落结构及多样性对水位变化的响应

通讯作者: Tel：13577148670, E-mail：henryliu1008@163.com;

Response of bacterial community structure and diversity in sediment of arsenic-rich lakeside wetland to water level change

Corresponding author: LIU Yungen, henryliu1008@163.com ;

1. 材料与方法（Materials and methods）

1.1 研究区概况

1.2 样品采集与分析测试

1.3 评价方法

1.3.1 土壤重金属污染评价

1.3.2 土壤重金属生态风险评价

1.3.3 农作物重金属的健康风险评价

1.3.4 农作物重金属富集系数

2. 结果与讨论(Results and discussion)

2.1 土壤重金属含量特征

2.2 农作物重金属含量特征

2.3 农作物重金属元素富集特征

2.4 土壤重金属污染程度分析

2.5 土壤重金属潜在生态风险评价

2.6 农作物重金属健康风险评价

3. 结论(Conclusion)

计量

出版历程

富砷湖滨湿地底泥细菌群落结构及多样性对水位变化的响应

通讯作者: Tel：13577148670, E-mail：henryliu1008@163.com;

English Abstract

Response of bacterial community structure and diversity in sediment of arsenic-rich lakeside wetland to water level change

Corresponding author: LIU Yungen, henryliu1008@163.com ;

全文HTML

1.1. 试验材料与设计

1.2. 样品采集及预处理

1.3. 样品指标测定

1.4. 样品Illumina PE250测序

1.5. 实验数据分析及处理

2.1. 富砷湖滨湿地底泥的污染特征

2.2. 富砷湖滨湿地底泥中细菌群落丰度及多样性指数差异分析

2.3. 富砷湖滨湿地底泥中细菌组成特征

2.4. 富砷湖滨湿地底泥中细菌群落与底泥污染指标的相关性分析

目录

全文HTML

1.1. 试验材料与设计

1.2. 样品采集及预处理

1.3. 样品指标测定

1.4. 样品Illumina PE250测序

1.5. 实验数据分析及处理

2.1. 富砷湖滨湿地底泥的污染特征

2.2. 富砷湖滨湿地底泥中细菌群落丰度及多样性指数差异分析

2.3. 富砷湖滨湿地底泥中细菌组成特征

2.4. 富砷湖滨湿地底泥中细菌群落与底泥污染指标的相关性分析