Processing math: 100%

种植不同植物的表面流人工湿地净化效果和微生物群落差异分析

潘傲, 张智, 孙磊, 余里洁, 李余杰. 种植不同植物的表面流人工湿地净化效果和微生物群落差异分析[J]. 环境工程学报, 2019, 13(8): 1918-1929. doi: 10.12030/j.cjee.201812182
引用本文: 潘傲, 张智, 孙磊, 余里洁, 李余杰. 种植不同植物的表面流人工湿地净化效果和微生物群落差异分析[J]. 环境工程学报, 2019, 13(8): 1918-1929. doi: 10.12030/j.cjee.201812182
PAN Ao, ZHANG Zhi, SUN Lei, YU Lijie, LI Yujie. Purification effects and microbial community differences of the surface-flow constructed wetlands with different vegetation plantation[J]. Chinese Journal of Environmental Engineering, 2019, 13(8): 1918-1929. doi: 10.12030/j.cjee.201812182
Citation: PAN Ao, ZHANG Zhi, SUN Lei, YU Lijie, LI Yujie. Purification effects and microbial community differences of the surface-flow constructed wetlands with different vegetation plantation[J]. Chinese Journal of Environmental Engineering, 2019, 13(8): 1918-1929. doi: 10.12030/j.cjee.201812182

种植不同植物的表面流人工湿地净化效果和微生物群落差异分析

    作者简介: 潘傲(1994—),男,硕士研究生。研究方向:人工湿地。E-mail:2682248665@qq.com
    通讯作者: 张智(1960—),男,博士,教授。研究方向:水处理技术等。E-mail:zhangzhicq@126.com
  • 基金项目:
    国家自然科学基金资助项目(51778082)
  • 中图分类号: X703.1

Purification effects and microbial community differences of the surface-flow constructed wetlands with different vegetation plantation

    Corresponding author: ZHANG Zhi, zhangzhicq@126.com
  • 摘要: 为了解植物种类对表面流人工湿地的净化效果的影响及其与微生物群落的关系,研究了4种植物条件下表面流人工湿地的氮磷平衡以及微生物群落结构。结果表明,各组人工湿地对氨氮(45.53%~80.95%)、总氮(53.67%~80.30%)和总磷(32.97%~55.77%)都有较好的处理效果,种植植物的人工湿地比未种植的人工湿地具有更高的氨氮、总氮和总磷去除效果,其中黄菖蒲组对氮的去除效果最好,美人蕉组对磷的去除效果最好。在表面流人工湿地中,微生物作用(34.84%~45.44%)是人工湿地氮去除的主要途径,基质吸附(20.90%~23.91%)是人工湿地磷去除的主要途径,但是种植植物的人工湿地的氮磷通过微生物去除的量更高。高通量测序分析表明,相较于未种植植物的人工湿地,种植植物的人工湿地显示出更高的微生物丰富度、多样性和更高的脱氮除磷功能微生物的丰度。假单胞菌属、不动杆菌属、芽孢杆菌属和硝化螺菌属是人工湿地中主要的脱氮菌属,也是种植植物的人工湿地高生物脱氮的原因。假单胞菌属和不动杆菌属丰度增加是种植植物的人工湿地高生物除磷的原因。
  • 邻苯二甲酸酯类化合物(phthalate esters, PAEs)是邻苯二甲酸酐与醇反应生成的化合物,它是提高聚氯乙烯(polyvinyl chloride,PVC)弹性的重要添加剂,其中邻苯二甲酸二(2-乙基己基)酯(Di(2-ethylhexyl)phthalate,DEHP)是目前使用量最大的一种邻苯二甲酸酯,用量高达80%[1]. DEHP广泛应用于儿童玩具、塑料包装、化妆品及各类医疗器械[2-3]. DEHP的广泛使用导致了不可避免的环境释放以及人体摄入. 大量实验指出我国人群DEHP的暴露剂量约为11—116 μg·kg−1·d−1,接近DEHP的每日可耐受摄入量(TDI)(20—140 μg·kg−1·d−1),表明 DEHP对人群的健康构成重大危害[4].

    DEHP具有内分泌干扰效应,可以诱发生殖发育毒性、肝脏毒性、胚胎毒性等多种毒性[5-6]. DEHP通过消化道进入人体后在胃肠道的脂肪酶作用下水解成初级代谢物乙基己醇(2-EH)和邻苯二甲酸单乙基己基酯(mono-ethylhexyl phthalate,MEHP),再通过尿液排出体外[7]. 通过对尿液的单酯类物检测发现,原尿和酶解后的尿液中 MEHP 的检出率最高,平均检出率超过60% [8]. 此外,试验结果表明DEHP的毒性主要来源于其代谢物 MEHP,其毒性作用高达DEHP的10倍[9]. 同时,MEHP的动物实验表明,其主要分布在肾脏、膀胱和肝脏,其中肝脏为MEHP最主要的靶器官[10]. Thomas等的研究中,大鼠口服500 mg·kg−1 DEHP,30 min后,肝脏MEHP水平为12.5 mg·g−1 [11]. MEHP毒性作用主要体现在增加肝脏亲脂活性,导致肝脏中出现脂肪堆积,继而引发肝细胞脂肪变性[12].

    肝脏在体内发挥着外源物质解毒和代谢脂类物质的主要作用. 肝脏内游离脂肪酸增加和甘油三酯沉积是肝脏脂质代谢紊乱的主要表现. 近年来,全球肥胖病与非酒精性脂肪肝患病率快速上升. 体内体外实验提示脂肪代谢紊乱会增加肥胖、糖尿病、非酒精性脂肪肝病的患病危险度. 流行病学和毒理学研究报告称,接触DEHP会影响机体脂肪代谢,从而促进肥胖[13]. 体内实验表明大鼠用DEHP处理后,肝脏重量增加,主要机制可能与肝代谢酶改变有关[14]. 有体外实验表明,MEHP处理HepG2细胞后,激活了PPARα使脂肪酸的氧化分解受到抑制[9],导致肝细胞内的脂质堆积并造成肝脏损伤. 在本课题组的前期研究发现,MEHP 处理后的HepG2 细胞的乙酰辅酶 A 羧化酶(acetyl-CoA carboxylase, ACC)的亚型ACC1蛋白表达水平增加,最终使肝脏细胞中脂肪酸合成增加. 这些结果表明,MEHP 可能通过影响脂质合成相关基因或蛋白的表达,从而导致肝细胞脂肪代谢出现紊乱. 为此,本实验以HepG2细胞为实验对象,通过MEHP染毒,观察细胞内脂质代谢情况,并通过基因芯片高通量筛查差异基因,探讨MEHP对体外脂质合成的影响及其可能的作用机制.

    从中国科学院上海生命研究院细胞资源中心购买HepG2细胞. 细胞培养基含 10%胎牛血清、1%青霉素庆大霉素双抗. 细胞培养条件为37 ℃、5% CO2. 取指数生长期的细胞进行染毒,参考相关文献[9]及我国人群接触水平设置染毒浓度. 共设置5个染毒浓度 :阴性对照(完全培养基)、阳性对照(1 mmol·L−1油酸)、0.01 、1 、10 μmol·L−1MEHP. 染毒48 h后进行相关实验.

    为了研究细胞中脂滴的蓄积,用油红O法对HepG2细胞进行染色. 5个实验组的细胞染毒48 h后进行染色. 主要步骤为:弃去孔中废弃培养基,用 PBS 漂洗细胞,4%(质量分数)多聚甲醛固定细胞,油红O染色30 min,60%(体积分数)异丙醇洗去多余染料,苏木精复染细胞核10 s. 用显微镜获取图像并观察细胞内脂滴情况.

    用1 μmol·L−1 MEHP处理的细胞进行芯片分析,Agilent (人)表达谱芯片由博奥晶典公司完成. 步骤如下:以待检测样品的 total RNA 为起始,进行体外扩增和荧光标记,然后用Oligo(dT)Primer 引物合成cRNA并进行纯化和反转录得到cDNA. 最后用 Klenow Fragment 酶合成带有荧光基团的DNA 进行芯片杂交. 用 Feature Extraction 提数软件对芯片杂交扫描后的图片数据进行处理分析.

    通过Rstudio limma包将芯片基因的数据进行处理,以表格格式导出并进一步筛选差异表达基因. 差异表达基因(DEG)定义为差异倍数 FC大于 1.5或小于0.67且 P值小于 0.05的基因.

    将上述分析得出的DEG导入 DAVID在线数据库(https://david.ncifcrf.gov/tools.jsp),进行GO分析. 通过对显著表达的基因进行功能注释分析,包括生物学过程(BP)、细胞组成(CC)和分子功能(MF),进而了解差异表达基因的生物学意义. 以 P<0.05认为具有显著性.

    按照1.1节对处于指数生长期的细胞进行染毒,每个实验组设置6个平行对照,染毒48 h后提取RNA. 细胞样品用Trizol试剂裂解,提取总RNA. 用超微量分光光度计测定RNA的含量和纯度. 将符合条件的RNA (A260/A230>2.0,和A260/A280=1.8—2.0)样本用反转录试剂盒将RNA反转录为cDNA备用.

    从具有显著性且参与脂质代谢过程的差异基因中选取丙酮酸脱氢酶磷酸酶催化亚基2(PDP2)、磷脂酶A2组 IVE(PLA2G4E)、脂肪酸去饱和酶 6(FADS6)、Q型蛋白酪氨酸磷酸酶受体(PTPRQ)、CD28、甾醇-C5-去饱和酶(SC5D)、甲羟戊酸二磷酸脱羧酶(MVD)作为目的基因,检测mRNA表达水平(荧光定量PCR仪为Line Gene 9600). 引物信息如表1所示. 以GAPDH为内参,数据分析时取Ct值的平均值,用相对定量法2−△△ct法计算目的基因表达的变化情况. 采用 SPSS 26.0 软件对数据进行统计学分析,多组间比较使用单因素方差分析,事后比较用LSD 检验进行,P<0.05认为具有统计学意义.

    表 1  实时定量PCR引物序列
    Table 1.  Primer sequences for real-time quantitative PCR
    基因Gene引物Primer
    PDP2S——GAAGATGAGGTGACAAGGAA
    F——GCCAGCACAAG MVD GAACTTA
    PLA2G4ES——TTCTGTCCTATGGCTCCTT
    F——GTTCTTCACTCGGCTCTG
    FADS6S——CCTCAACCGCTATGTCTAC
    F——CGATGTGCTGGAAGATGT
    PTPRQS——ATGTCTATATTGCGGCTGAA
    F——TTCTTACTTGCGTGGATTCT
    CD28S——GCTCTTGGCTCTCAACTTA
    F——CCTGCTCCTCTTACTCCT
    SC5DS——CTTGCTGGAGATAAGAGGTT
    F——TATGGTGGTCTGTATGATGAG
    MVDS——CAAGGACTTCACCGAGGA
    F——GTAGGCTAGGCAGGCATA
     | Show Table
    DownLoad: CSV

    将细胞脂质代谢通路的基因输入 GEPIA 在线分析网站(http://gepia.cancer-pku.cn/),分析其在肝癌组织中的表达. P<0.05认为具有统计学意义.

    图1所示,阴性对照组细胞有明显的边界,细胞内没有脂滴存在. 油酸染毒的细胞可见大量明显着色的脂滴,主要分布在细胞膜内侧区域,大小不等. 与阴性对照组相比,0.01 μmol·L−1 MEHP剂量组未见明显改变;1、10 μmol·L−1 MEHP剂量组可观察到少量红色脂滴,且随着染毒浓度的增大,脂滴的数量也逐渐增加,暂时未见对细胞边界的影响. 在前期实验中本课题组对MEHP染毒的HepG2细胞中的甘油三酯(TG)含量进行了定量检测, TG含量结果与油红O染色结果相一致,提示较高剂量 MEHP 暴露可提高细胞中的脂质水平[8]. 这一结果表明, MEHP暴露后,导致HepG2细胞中的甘油三酯蓄积,从而引起肝细胞中的脂质沉积.

    图 1  不同浓度MEHP染毒对HepG2细胞内脂肪积累的影响(×400)
    Figure 1.  Effects of different concentrations of MEHP on lipid accumulation in HepG2 cells(×400)
    A:光镜下未染色HepG2细胞;B:阳性对照组;C:阴性对照组;D、E、F:0.01、1、10 μmol·L−1 MEHP组. →为 HepG2 细胞内红色脂滴.
    A: HepG2 cells were not stained under light microscope; B: Positive control group; C:Negative control group; D、E and F: 0.01、1 and 10 μmol·L−1 MEHP groups; →represents red lipid droplets.

    图2所示,根据P<0.05,FC>1.5或<0.67的筛选标准,共筛选出93个差异表达基因(表2),其中上调的基因57个,下调的基因36个.

    图 2  差异基因火山图
    Figure 2.  Volcano plot of differentially expressed genes
    表 2  差异基因的表达情况
    Table 2.  The expression of differentially expressed genes
    UpDown
    symbollgFCP.ValuesymbollgFCP.Value
    DPPA30.7438710.000032637TTTY14−0.753450.000683968
    MYLIP0.6855960.000320629XLOC_008352−0.6910.001413602
    XLOC_0008880.6645590.000498704LOC100129112−0.836390.001799658
    LOC1001279940.6093640.00056601SC5D−0.920970.002090916
    SYT170.6508560.000986627XLOC_004178−0.726570.002192512
    XLOC_0080030.7275950.00115933C14orf119−0.789470.003595082
    LOC1005064870.5898010.001543009XLOC_l2_012082−0.613380.004605101
    FADS60.7840360.002373877XLOC_012908−0.928760.006283058
    AQP100.6036870.00355145GABRG1−1.019450.007994
    XLOC_0013870.6758390.003916862NUMB−0.579390.008775398
    KCNE40.8319730.003949384FLJ21408−0.619050.009899712
    XLOC_0052150.656710.004608305LOC100505657−0.896160.010826125
    OR5L10.9226390.004609802ZNF554−0.609130.011699612
    C14orf1800.6495610.005207664XLOC_012871−0.785530.01385829
    RHOXF10.6226360.007822227XLOC_007131−0.72730.014006601
    PTPRQ0.7393320.008548009XLOC_l2_014785−0.661690.01855114
    LOC2863820.5868150.008726912PRO0611−0.789960.018748849
    ACOD10.613050.008957375CREG2−0.707490.018758137
    LOC1001307440.858440.009748146XLOC_l2_004857−0.662250.023632428
    ZAP700.6250180.010183849PDP2−0.809760.023933353
    PLA2G4E1.4277620.011394311XLOC_l2_011207−0.579230.026335268
    LOC6525860.6141230.011818286XLOC_007761−0.583840.027416794
    XLOC_0060190.6661990.012002598GNL3LP1−0.62860.027632132
    SLAMF70.8965940.013447959XLOC_l2_013646−0.893140.028992205
    XLOC_0054330.5885290.014072632MVD−0.637120.031037423
    KRTAP13-20.6810230.014111061LOC728065−0.580890.031598939
    XLOC_0082370.8040980.01445258XLOC_l2_011011−0.601470.033573436
    XLOC_0082440.6771540.01652238XLOC_001687−1.036970.037696163
    LOC1005059660.8363260.01818776XLOC_004804−0.685710.039579631
    XLOC_0014222.4542910.018227482LOC100507110−0.601070.041523521
    CSN21.02310.020348553CACNG8−0.613140.041704333
    XLOC_0037820.6392710.021116476SNORD70−0.928940.044259091
    XLOC_0055720.5853820.02204518LOC100128126−1.054390.044856832
    XLOC_0033491.2339790.022738339NPPA-AS1−0.595230.048087643
    XLOC_l2_007700.6105470.023106187XLOC_001550−0.647520.04894801
    SNORD115-480.7191190.024508996INE1−1.0170.0496582
    SNORD115-40.6883090.026211298
    XLOC_0017550.6055160.028061446
    ANK20.9064010.029169596
    CD280.5898590.029610282
    LOC1005065631.0198340.029837404
    ANXA100.6269390.030222491
    CYBB1.1519160.03336549
    XLOC_0120641.0198340.0345969
    XLOC_0136490.6245610.035226312
    XLOC_0101831.3802680.035959747
    XLOC_0069830.8621510.040708371
    XLOC_0042740.7205960.040795527
    XLOC_0086900.6864220.041491936
    XLOC_0078880.8521480.04152697
    XLOC_l2_0111450.7048190.042378972
    SLC24A40.7575310.043335006
    XLOC_0134580.717340.043999913
    TREML10.8001350.047577606
    TRIM490.7963120.048328175
    ANKDD1B0.6837380.049447534
    DUSP210.6049010.049510457
     | Show Table
    DownLoad: CSV

    通过对差异基因进行GO分析探讨差异基因所涉及的生物学过程,包括基因的3个部分:分子功能(MF)、细胞组分(CC)、生物过程(BP). 结果显示,可以识别的基因一共有48个,显著富集的GO条目一共有13条(P<0.05),其中生物过程7条(图3). 前5条通路及具体信息见表3,主要包括细胞脂质代谢过程(cellular lipid metabolic process)、T细胞阴性选择(negative T cell selection)、跨膜运输(transmembrane transport)、跨膜转运的调控(regulation of transmembrane transport)、先天免疫反应(innate immune response);分子功能2条,包括被动跨膜转运活性(passive transmembrane transporter activity)、基质特异性跨膜转运蛋白活性(substrate-specific transmembrane transporter activity);细胞组分4条,包括膜的外部成分(extrinsic component of membrane)、等离子体膜(plasma membrane)、质膜部分(plasma membrane part).GO 分析表明, 最显著激活的通路是细胞脂质代谢通路,他由上调基因 FADS6、PTPRQ、CD28、 PLA2G4E 和下调基因 SC5D、PDP2、MVD 组成.

    图 3  DAVID分析中生物过程通路的GO条目与基因
    Figure 3.  Chord plot depicting the relationship between genes and GO terms of biological process
    表 3  DAVID分析中前5个通路(BP)与基因
    Table 3.  Top 5 GO terms (BP) of the genes with the DAVID analysis
    GO TermGO 条目Count数量Genes基因Fold Enrichment富集倍数P Value P
    GO:0044255cellular lipid metabolic process7PDP2, PLA2G4E, FADS6, PTPRQ, CD28, SC5D, MVD3.856283267762090.0068
    GO:0045087innate immune response5TREML1, ZAP70, CYBB, ACOD1, SLAMF73.0424383120.0494
    GO:0055085transmembrane transport7SLC24A4, CACNG8, KCNE4, AQP10, CYBB, ANK2, GABRG13.0241379310.0204
    GO:0006629lipid metabolic process7PDP2, PLA2G4E, FADS6, PTPRQ, CD28, SC5D, MVD5.6609478510.0210
    GO:0034762regulation of transmembrane transport4CACNG8, KCNE4, CYBB, ANK23.436520376175540.0300
     | Show Table
    DownLoad: CSV

    MEHP染毒后相关基因mRNA表达水平的变化如图4所示. 与阴性对照组相比,基因FADS6 在1 μmol·L−1 MEHP染毒样品内基因表达水平明显增加(P<0.05);基因SC5D、PDP2在1 μmol·L−1 MEHP剂量组基因表达水平明显降低(P<0.05),MVD在10 μmol·L−1 MEHP剂量组基因表达水平明显降低(P<0.05). 其中,基因SC5DPDP2MVDFADS6的mRNA表达水平与芯片结果表达一致,基因PTPRQCD28PLA2G4E结果不一致.

    图 4  不同浓度MEHP染毒对 HepG2 细胞相关基因mRNA表达水平影响
    Figure 4.  Effects of different concentrations of MEHP on mRNA expressions of relative genes in HepG2 cells

    本研究通过转录组数据分析探讨MEHP在HepG2细胞脂质代谢过程中发挥作用的基因,发现细胞脂质代谢通路上的基因FADS6、MVD、SC5D、PLA2G4E在代谢过程中起重要作用. 脂肪酸去饱和酶(FADS6)在多不饱和脂肪酸(PUFA)的合成途径中起关键作用,参与了PUFA合成过程中的限速步骤,并调节PUFA的代谢通量[15]. 据报道,FADS6的活性是调节生物体中多不饱和脂肪酸比例的主要因素,其活性改变会影响一些疾病,如炎症和肿瘤发生,2型糖尿病,心血管疾病,代谢紊乱和神经精神疾病[16]. Montell的研究发现,含不饱和脂肪酸的二脂酰甘油(DAG)比饱和脂肪酸的DAG对二酰基甘油酰基转移酶(DGAT)有更强的亲和力,即肝脏合成 TG 首先利用不饱和脂肪酸, 更容易导致甘油三酯积累,而饱和脂肪酸多以 DAG 的形式蓄积[17].

    本实验富集分析与PCR的结果显示,FADS6的mRNA表达水平升高,促进了HepG2细胞中多不饱和脂肪酸合成,这可能是HepG2细胞中甘油三酯合成增多进而出现脂肪堆积的原因. 甲羟戊酸二磷酸脱羧酶(MVD)参与胆固醇生物合成过程中的早期步骤. 通过Jump实验中转录组数据的KEGG分析显示,MVD参与SREBP激活基因表达、SREBP调节胆固醇生物合成、脂类和脂蛋白代谢等胆固醇代谢相关的通路,MVD的变化可调控乙酰乙酰-辅酶A的变化,进而改变)胆固醇调节元件结合蛋白(SREBP)的表达水平[18],已有研究证明SREBP的上调导致肝细胞内胆固醇合成增加 [19] . 甾醇-C5-去饱和酶(SC5D)是一种胆固醇生物合成酶,它催化乳甾醇(lathosterol)转化为7-脱氢胆固醇(7-dehydrocholesterol),参与胆固醇合成中的酶促反应通路[20]. 有文献报道SC5D基因缺陷会引起乳甾醇症(Lathosterolosis),一种罕见的常染色体隐性胆固醇生物合成障碍疾病[21]. SC5D基因在HepG2细胞中表达水平的改变导致细胞内胆固醇合成发生紊乱. 磷脂酶A2(PLA2)是一种参与脂蛋白代谢和炎症途径的酶,所产生的脂质介质对细胞代谢起重要调控作用. 有文献报道NAFLD病人血浆中PLA2水平和肝脏的脂肪变性程度呈显著正相关,这说明PLA2可能参与肝细胞代谢过程中[22]. 有研究证实PLA2过表达的肝脏甘油三酯(TG)含量显著增加,同时增加趋势与PLA2的表达趋势相一致[23]. PLA2G4E作为PLA2的一种,对肝脏细胞的代谢也有调控作用. 本研究中发现,芯片结果中PLA2G4E表达水平升高,提示PLA2G4E是MEHP诱导甘油三脂含量增加,扰乱肝细胞脂质代谢的原因之一.

    利用在线分析工具GEPIA分析以上基因在肝细胞癌组织的表达水平,如图5所示. 这7个基因在肝细胞癌组织中的表达变化对比正常组织没有显著性. 但是以上基因在HepG2肝癌细胞脂质代谢过程中的表达水平均具有明显改变,导致肝癌细胞脂质代谢紊乱、脂肪堆积.

    图 5  关键基因在肝癌中的表达水平
    Figure 5.  Relative expression comparison of key genes in liver cancer samples in GEPIA database

    非酒精性脂肪性肝病(nonalcoholic fatty liver disease,NAFLD)是一种可逆性的疾病,但随着研究的不断深入, NAFLD的发病范围由单纯脂肪肝、脂肪肝、肝硬化发展到原发性肝细胞癌[24]. 多项研究证明NAFLD可逐渐发展为非酒精性脂肪性肝炎(Nonalcoholic steatohepatitis,NASH),从而导致肝硬化[25],而肝硬化是除HBV、HCV引起原发性肝癌的另一主要原因. 因此假如高龄、胰岛素抵抗、肥胖等危险因素持续存在,NAFLD最终可引起肝癌. 同时Iris [26]的动物实验和Ertle[27] 的研究证实,NAFLD可不经肝硬化阶段发展为原发性肝癌. 由此可知,虽然以上基因在肝癌组织中的表达没有明显变化,但是对肝癌的前身——NAFLD发生发展具有重要作用.

    本研究以HepG2细胞为研究对象,结合油红O染色以及基因芯片等技术,发现MEHP暴露影响了细胞脂质代谢等信号通路,改变了关键因子FADS6MVDSC5DPLA2G4E的表达水平,导致肝脏细胞中甘油三酯与胆固醇的合成增加,肝脏细胞出现脂肪蓄积. 综上所述,MEHP暴露可以通过改变细胞代谢相关基因引起肝脏细胞内脂质代谢紊乱.

  • 图 1  人工湿地中NH4+-N和TN的去除率

    Figure 1.  Removal rate of NH4+-N and TN in CWs

    图 2  人工湿地中NH4+-N、TN和TP的平均去除率

    Figure 2.  Average removal rate of NH4+-N, TN and TP in CWs

    图 3  人工湿地中TP的去除率

    Figure 3.  Removal rate of TP in CWs

    图 4  基质和植物氮磷去除速率

    Figure 4.  Nitrogen and phosphorus removal speed by substrate and plants

    图 5  人工湿地氮磷去除途径相对比例

    Figure 5.  Relative proportion of nitrogen and phosphorus removal pathways in CWs

    图 6  人工湿地共有和独有OTU数量的Venn图

    Figure 6.  Venn diagrams showing the unique and shared OTUs for CWs

    图 7  人工湿地基质微生物门分类水平上细菌菌落组成

    Figure 7.  Percent of community abundance on phylum level in substrate of CWs

    图 8  人工湿地基质微生物纲分类水平上细菌菌落组成

    Figure 8.  Percent of community abundance of on class level in substrate of CWs

    图 9  人工湿地中氮磷相关功能属丰度

    Figure 9.  Relative abundance of functional genera related with nitrogen and phosphorus in CWs

    表 1  人工湿地进出水的参数

    Table 1.  Characteristics of the influent and effluent in CWs

    组别pHDO/(mg·L−1水温T/℃
    进水7.73±0.255.12±1.2227.63±2.31
    Ⅰ组出水7.11±0.312.48±0.3227.42±2.68
    Ⅱ组出水7.22±0.132.74±0.4527.11±2.12
    Ⅲ组出水7.29±0.232.93±0.3426.66±2.78
    Ⅳ组出水7.36±0.183.32±0.5126.87±2.43
    Ⅴ组出水7.33±0.293.12±0.4127.23±2.92
    组别pHDO/(mg·L−1水温T/℃
    进水7.73±0.255.12±1.2227.63±2.31
    Ⅰ组出水7.11±0.312.48±0.3227.42±2.68
    Ⅱ组出水7.22±0.132.74±0.4527.11±2.12
    Ⅲ组出水7.29±0.232.93±0.3426.66±2.78
    Ⅳ组出水7.36±0.183.32±0.5126.87±2.43
    Ⅴ组出水7.33±0.293.12±0.4127.23±2.92
    下载: 导出CSV

    表 2  人工湿地微生物多样性和丰富度

    Table 2.  Microbial diversity and richness in samples of CWs

    组别测序数量/个多样性指数丰富度指数覆盖率
    ShannonSimpson SobsAceChao
    37 7074.990.024 51 4411 770.181 754.280.985
    42 5136.380.003 31 7362 004.132 063.440.986
    74 4346.000.006 71 5941 747.371 772.990.994
    38 0335.790.011 01 4641 754.821 806.110.982
    49 5485.590.020 81 4781 672.911 705.380.991
    组别测序数量/个多样性指数丰富度指数覆盖率
    ShannonSimpson SobsAceChao
    37 7074.990.024 51 4411 770.181 754.280.985
    42 5136.380.003 31 7362 004.132 063.440.986
    74 4346.000.006 71 5941 747.371 772.990.994
    38 0335.790.011 01 4641 754.821 806.110.982
    49 5485.590.020 81 4781 672.911 705.380.991
    下载: 导出CSV
  • [1] 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. doi: 10.1016/j.ecoleng.2008.12.030
    [2] 曾毅夫, 邱敬贤, 刘君, 等. 人工湿地水处理技术研究进展[J]. 湿地科学与管理, 2018, 14(3): 62-65. doi: 10.3969/j.issn.1673-3290.2018.03.15
    [3] WU H L, WANG X Z, HE X J, et al. Effects of root exudates on denitrifier gene abundance, community structure and activity in a micro-polluted constructed wetland[J]. Science of the Total Environment, 2017, 598: 697-703. doi: 10.1016/j.scitotenv.2017.04.150
    [4] THOMAS R, GOUGH R, FREEMAN C. Linear alkylbenzene sulfonate (LAS) removal in constructed wetlands: The role of plants in the treatment of a typical pharmaceutical and personal care product[J]. Ecological Engineering, 2017, 106: 415-422. doi: 10.1016/j.ecoleng.2017.06.015
    [5] WU H M, ZHANG J A, LI P Z, et al. Nutrient removal in constructed microcosm wetlands for treating polluted river water in northern China[J]. Ecological Engineering, 2011, 37(4): 560-568. doi: 10.1016/j.ecoleng.2010.11.020
    [6] LU S Y, WU F C, LU Y, et al. Phosphorus removal from agricultural runoff by constructed wetland[J]. Ecological Engineering, 2009, 35(3): 402-409. doi: 10.1016/j.ecoleng.2008.10.002
    [7] ZHANG S N, XIAO R L, LIU F, et al. Effect of vegetation on nitrogen removal and ammonia volatilization from wetland microcosms[J]. Ecological Engineering, 2016, 97: 363-369. doi: 10.1016/j.ecoleng.2016.10.021
    [8] CHUNG A K C, WU Y, TAM N F Y, et al. Nitrogen and phosphate mass balance in a sub-surface flow constructed wetland for treating municipal wastewater[J]. Ecological Engineering, 2008, 32(1): 81-89. doi: 10.1016/j.ecoleng.2007.09.007
    [9] DU L, TRINH X T, CHEN Q R, et al. Enhancement of microbial nitrogen removal pathway by vegetation in integrated vertical-flow constructed wetlands (IVCWs) for treating reclaimed water[J]. Bioresource Technology, 2017, 249: 644-651.
    [10] HE Q L, ZHOU J, WANG H Y, et al. Microbial population dynamics during sludge granulation in an A/O/A sequencing batch reactor[J]. Bioresource Technology, 2016, 214: 1-8. doi: 10.1016/j.biortech.2016.04.088
    [11] DU L, CHEN Q R, LIU P P, et al. Phosphorus removal performance and biological dephosphorization process in treating reclaimed water by integrated vertical-flow constructed wetlands (IVCWs)[J]. Bioresource Technology, 2017, 243: 204-211. doi: 10.1016/j.biortech.2017.06.092
    [12] GARCÍA-GONZÁLEZ M C, VANOTTI M B, SZOGI A A. Recovery of ammonia from swine manure using gas-permeable membranes: Effect of aeration[J]. Journal of Environmental Management, 2015, 152: 19-26.
    [13] ZHANG J, SUN H M, WANG W G, et al. Enhancement of surface flow constructed wetlands performance at low temperature through seasonal plant collocation[J]. Bioresource Technology, 2016, 224: 222-228.
    [14] REWALD B, KUNZE M E, GODBOLD D L. NH4∶NO3 nutrition influence on biomass productivity and root respiration of poplar and willow clones[J]. Global Change Biology Bioenergy, 2016, 8(1): 51-58. doi: 10.1111/gcbb.2016.8.issue-1
    [15] 李伟斯, 李长虹, 徐斌, 等. 人工湿地植被净化水质效果及其氮磷累积研究[J]. 水土保持研究, 2018, 25(3): 250-257.
    [16] 殷晓乐. 季节性植物搭配强化人工湿地净化污水效果及其作用机制研究[D]. 济南: 山东大学, 2016.
    [17] 郑于聪. 污染河水的人工湿地净化特性及植物作用原理研究[D]. 西安: 西安建筑科技大学, 2016.
    [18] 吴海明. 表面流人工湿地处理北方污染河水的长期净化效果及相关机理研究[D]. 济南: 山东大学, 2011.
    [19] 沈莹, 郑于聪, 王晓昌, 等. 不同尺度潜流人工湿地对污染河水的净化机制[J]. 环境工程学报, 2018, 12(6): 1667-1675.
    [20] SRIVASTAVA J K, CHANDRA H, KALRA S J S, et al. Plant-microbe interaction in aquatic system and their role in the management of water quality: A review[J]. Applied Water Science, 2016, 7: 1-12. doi: 10.3390/app7010001
    [21] 李玲丽. 复合人工湿地脱氮途径及微生物多样性研究[D]. 重庆: 重庆大学, 2015.
    [22] URAKAWA H, DETTMAR D L, THOMAS S. The uniqueness and biogeochemical cycling of plant root microbial communities in a floating treatment wetland[J]. Ecological Engineering, 2017, 108: 573-580. doi: 10.1016/j.ecoleng.2017.06.066
    [23] WU Y H, HAN R, YANG X N, et al. Correlating microbial community with physicochemical indices and structures of a full-scale integrated constructed wetland system[J]. Applied Microbiology & Biotechnology, 2016, 100(15): 6917-6926.
    [24] ZHANG Y Y, DONG J D, YANG B, et al. Bacterial community structure of mangrove sediments in relation to environmental variables accessed by 16S rRNA gene-denaturing gradient gel electrophoresis fingerprinting[J]. Scientia Marina, 2009, 73(3): 487-498. doi: 10.3989/scimar.2009.73n3
    [25] LI X, LI Y Y, LI Y, et al. Diversity and distribution of bacteria in a multistage surface flow constructed wetland to treat swine wastewater in sediments[J]. Applied Microbiology and Biotechnology, 2018, 102(24): 10755-10765. doi: 10.1007/s00253-018-9426-2
    [26] MIAO Y, LIAO R X, ZHANG X X, et al. Metagenomic insights into Cr(VI) effect on microbial communities and functional genes of an expanded granular sludge bed reactor treating high-nitrate wastewater[J]. Water Research, 2015, 76: 43-52. doi: 10.1016/j.watres.2015.02.042
    [27] 房昀昊, 彭剑峰, 宋永会, 等. 高通量测序法表征潜流人工湿地中不同植物根际细菌群落特征[J]. 环境科学学报, 2018, 38(3): 911-918.
    [28] ZHANG X M, HUA X F, YUE X P. Comparison of bacterial community characteristics between complete and shortcut denitrification systems for quinoline degradation[J]. Applied Microbiology & Biotechnology, 2016, 101(4): 1-11.
    [29] LI C, REN H Q, XU M, et al. Study on anaerobic ammonium oxidation process coupled with denitrification microbial fuel cells (MFCs) and its microbial community analysis[J]. Bioresource Technology, 2015, 175: 545-552. doi: 10.1016/j.biortech.2014.10.156
    [30] LI L Z, HE C G, JI G D, et al. Nitrogen removal pathways in a tidal flow constructed wetland under flooded time constraints[J]. Ecological Engineering, 2015, 81: 266-271. doi: 10.1016/j.ecoleng.2015.04.073
    [31] ZHONG F, WU J, DAI Y R, et al. Bacterial community analysis by PCR-DGGE and 454-pyrosequencing of horizontal subsurface flow constructed wetlands with front aeration[J]. Applied Microbiology and Biotechnology, 2015, 99(3): 1499-1512. doi: 10.1007/s00253-014-6063-2
    [32] LIU H, LU Q, WANG Q, et al. Isolation of a bacterial strain, Acinetobacter sp. from centrate wastewater and study of its cooperation with algae in nutrients removal[J]. Bioresource Technology, 2017, 235: 59-69. doi: 10.1016/j.biortech.2017.03.111
    [33] MING X, LIU W J, LI C, et al. Evaluation of the treatment performance and microbial communities of a combined constructed wetland used to treat industrial park wastewater[J]. Environmental Science & Pollution Research, 2016, 23(11): 10990-11001.
    [34] BELLINI M I, GUTIÉRREZ L, TARLERA S, et al. Isolation and functional analysis of denitrifiers in an aquifer with high potential for denitrification[J]. Systematic and Applied Microbiology, 2013, 36(7): 505-516. doi: 10.1016/j.syapm.2013.07.001
    [35] KANG Y, ZHANG J, XIE H J, et al. Enhanced nutrient removal and mechanisms study in benthic fauna added surface-flow constructed wetlands: The role of Tubifex tubifex[J]. Bioresource Technology, 2017, 224: 157-165. doi: 10.1016/j.biortech.2016.11.035
    [36] DALAHMEH S S, JÖNSSON H, HYLANDER L D, et al. Dynamics and functions of bacterial communities in bark, charcoal and sand filters treating greywater[J]. Water Research, 2014, 54(4): 21-32.
    [37] JIA F, LAI C, CHEN L, et al. Spatiotemporal and species variations in prokaryotic communities associated with sediments from surface-flow constructed wetlands for treating swine wastewater[J]. Chemosphere, 2017, 185: 1-10. doi: 10.1016/j.chemosphere.2017.06.132
    [38] YAO S, NI J R, MA T, et al. Heterotrophic nitrification and aerobic denitrification at low temperature by a newly isolated bacterium, Acinetobacter sp. HA2[J]. Bioresource Technology, 2013, 139(13): 80-86.
    [39] STREICHAN M, GOLECKI J R, SCHON G. Polyphosphate-accumulating bacteria from sewage plants with different processes for biological phosphorus removal[J]. FEMS Microbiology Letters, 1990, 73(2): 113-124. doi: 10.1111/fml.1990.73.issue-2
    [40] DAIMS H, LEBEDEVA E V, PJEVAC P, et al. Complete nitrification by Nitrospira bacteria[J]. Nature, 2015, 528: 504-509. doi: 10.1038/nature16461
    [41] 雷旭, 李冰, 李晓, 等. 复合垂直流人工湿地系统中不同植物根际微生物群落结构[J]. 生态学杂志, 2015, 34(5): 1373-1381.
  • 加载中
图( 9) 表( 2)
计量
  • 文章访问数:  6369
  • HTML全文浏览数:  6369
  • PDF下载数:  115
  • 施引文献:  0
出版历程
  • 收稿日期:  2018-12-27
  • 录用日期:  2019-04-10
  • 刊出日期:  2019-08-01
潘傲, 张智, 孙磊, 余里洁, 李余杰. 种植不同植物的表面流人工湿地净化效果和微生物群落差异分析[J]. 环境工程学报, 2019, 13(8): 1918-1929. doi: 10.12030/j.cjee.201812182
引用本文: 潘傲, 张智, 孙磊, 余里洁, 李余杰. 种植不同植物的表面流人工湿地净化效果和微生物群落差异分析[J]. 环境工程学报, 2019, 13(8): 1918-1929. doi: 10.12030/j.cjee.201812182
PAN Ao, ZHANG Zhi, SUN Lei, YU Lijie, LI Yujie. Purification effects and microbial community differences of the surface-flow constructed wetlands with different vegetation plantation[J]. Chinese Journal of Environmental Engineering, 2019, 13(8): 1918-1929. doi: 10.12030/j.cjee.201812182
Citation: PAN Ao, ZHANG Zhi, SUN Lei, YU Lijie, LI Yujie. Purification effects and microbial community differences of the surface-flow constructed wetlands with different vegetation plantation[J]. Chinese Journal of Environmental Engineering, 2019, 13(8): 1918-1929. doi: 10.12030/j.cjee.201812182

种植不同植物的表面流人工湿地净化效果和微生物群落差异分析

    通讯作者: 张智(1960—),男,博士,教授。研究方向:水处理技术等。E-mail:zhangzhicq@126.com
    作者简介: 潘傲(1994—),男,硕士研究生。研究方向:人工湿地。E-mail:2682248665@qq.com
  • 1. 重庆大学城市建设与环境工程学院,重庆 400045
  • 2. 重庆大学,三峡库区环境与生态部重点实验室,重庆 400045
基金项目:
国家自然科学基金资助项目(51778082)

摘要: 为了解植物种类对表面流人工湿地的净化效果的影响及其与微生物群落的关系,研究了4种植物条件下表面流人工湿地的氮磷平衡以及微生物群落结构。结果表明,各组人工湿地对氨氮(45.53%~80.95%)、总氮(53.67%~80.30%)和总磷(32.97%~55.77%)都有较好的处理效果,种植植物的人工湿地比未种植的人工湿地具有更高的氨氮、总氮和总磷去除效果,其中黄菖蒲组对氮的去除效果最好,美人蕉组对磷的去除效果最好。在表面流人工湿地中,微生物作用(34.84%~45.44%)是人工湿地氮去除的主要途径,基质吸附(20.90%~23.91%)是人工湿地磷去除的主要途径,但是种植植物的人工湿地的氮磷通过微生物去除的量更高。高通量测序分析表明,相较于未种植植物的人工湿地,种植植物的人工湿地显示出更高的微生物丰富度、多样性和更高的脱氮除磷功能微生物的丰度。假单胞菌属、不动杆菌属、芽孢杆菌属和硝化螺菌属是人工湿地中主要的脱氮菌属,也是种植植物的人工湿地高生物脱氮的原因。假单胞菌属和不动杆菌属丰度增加是种植植物的人工湿地高生物除磷的原因。

English Abstract

  • 人工湿地(constructed wetlands,CWs)被认为是处理废水的低成本技术,其较低的建设和运营成本、便利的管理和高效的去除氮磷效率适合低浓度水平污染物的去除,能够较好地削减水体的污染物负荷,同时还具有良好的生态效应[1-2],已经广泛应用于污水处理。在人工湿地中,氮磷平衡是分析氮磷去除途径和评估各自去除贡献的常用方法[3]。人工湿地氮磷的去除途径主要是通过植物、基质和微生物的物理、化学和生物作用完成的[4]。WU等[5]发现,表面流人工湿地中植物同化吸收氮、磷的能力分别为8.46%~30.98%和0.46%~2.13%。LU等[6]指出,表面流人工湿地基质填料的吸附、截留、交换等作用去除水中磷的比例大约为26%。ZHANG等[7]发现,微生物的硝化反硝化作用是人工湿地去除废水中TN(66.9%~80.5%)的主要途径。

    人工湿地植物不仅具有美学价值,还显示出对污染物的去除作用,它通过提供理想的附着位点来调节微生物群落,且根系分泌物可加速异养反硝化细菌的生长,增加微生物群落丰富度和多样性[8],有利于水中氮磷去除。DU等[9]发现,植物的种植增加了微生物的丰富度和生物多样性;同时,相关的反硝化属假单胞菌、不动杆菌、根瘤菌、芽孢杆菌和红假单胞菌丰度的增加,增强了微生物对氮的去除作用。HE等[10]发现,γ-变形菌、α-变形菌和β-变形菌是人工湿地基质中的主要细菌,并在减少硝酸盐和亚硝酸盐的功能上发挥了重要作用。DU等[11]发现,植物的种植改变了垂直流人工湿地微生物的组成,并指出假单胞菌属可能是微生物除磷吸附的主要参与者。但是,现有的研究缺少了人工湿地污染物去除途径和微生物群落相结合的分析,以及植物的种植对微生物群落以及微生物氮磷净化作用的影响分析。因此,为了系统地研究人工湿地净化机制和人工湿地处理效果与微生物群落之间的关系,采用5种人工湿地系统种植不同植被用于处理低浓度污水,通过人工湿地的氮磷平衡和高通量测序相结合的手段,研究种植不同植物的人工湿地系统氮磷净化效果差异、污染物的去除途径以及微生物群落的变化,并探讨了植物的种植对微生物群落和微生物氮磷净化作用的影响,以期为提高人工湿地对污水的净化效果提供参考。

  • 人工湿地装置位于重庆大学校内,采用100 L的LLDPE桶(上口直径520 mm,下口直径430 mm,高度610 mm),湿地填料为沸石(粒径为2~5 mm),铺设高度为30 cm,湿地水深为20 cm。设置5组人工湿地实验,分别为无植物组(Ⅰ组)、黄菖蒲组(Ⅱ组)、水生美人蕉组(Ⅲ组)、梭鱼草组(Ⅳ组)和风车草组(Ⅴ组),植物的种植密度为30株·m-2,每组设置3个平行实验。

    正式实验日期为2018-07-03—2018-09-30,水温维持在23.4~32.2 ℃。实验分为2个阶段:第1阶段(2018-07-03—2018-09-14),为低负荷阶段(COD=(45±5) mg·L−1NH+4-N=(3.56±0.48) mg·L−1、TN=(5.18±0.30) mg·L−1、TP=(0.425±0.044) mg·L-1);第2阶段(2018-09-14—2018-09-30),为高负荷阶段(COD=(45±5) mg·L−1NH+4-N=(6.06±0.16) mg·L−1、TN=(8.15±0.18) mg·L−1、TP=(0.806±0.035) mg·L−1)。采用间歇性进水的方式,水力停留时间3 d后,收集水样用于后续的分析并排出湿地的污水,通入新配制的污水。实验中及时对实验植物进行维护,对死亡的植物用生长良好的备用植物替换。

  • 在实验期间,每3 d对人工湿地的进、出水进行取样分析。其中,温度、pH、DO通过溶解氧仪(520M-01A,Thermo,USA)和pH计(8107UWMMD,Thermo,USA)测量。NH+4-N采用纳氏试剂分光光度法测定,TN采用过硫酸钾氧化-紫外分光光度法测定,TP采用钼酸铵分光光度法测定。

  • 在实验开始和结束阶段,采用梅花取样法分3层采样,然后将收集的各层基质混匀,采用H2SO4-H2O2溶液消解,采用半微量凯氏法测定全氮,用钼锑抗比色法测定全磷。在低负荷实验结束阶段,收集植物根系附近的基质样品,并置于无菌密封袋中,基质样品用于分析微生物群落结构,并储存在−80 ℃,直至DNA提取。在实验的开始和结束时测定湿地中植物的湿重,挑选代表性的植株样品在105 ℃下干燥10 min,以灭活植物中酶的活性,然后在70 ℃下干燥12 h,测定干重。将植物粉碎成粉末,混合均匀并密封保存,采用H2SO4-H2O2溶液消解,采用半微量凯氏法测定全氮,用钼锑抗比色法测定全磷。

  • 通过OMEGA Soil DNA试剂盒提取根系基质样品中微生物DNA。使用通用细菌引物16S rRNA的5′-ACTCCTACGGGAGGCAGCAG-3′和5′-GGACTACHVGGGTWTCTAAT-3′(V3~V4区)对提取的DNA进行PCR扩增。PCR扩增条件:98 ℃(3 min)初始变性,然后进行25个循环,98 ℃变性30 s,50 ℃退火30 s,72 ℃延伸30 s,最后5 min延伸至72 ℃。将所有序列读数聚类到操作分类单位(OTU)(相似性阈值为97%)。高通量测序服务由上海美吉生物平台提供(上海,中国)。

  • 氮的去除是由植物吸收、基质吸附、微生物硝化-反硝化作用和NH3的挥发决定的,因为进水中氨氮相对较低并且pH为中性,NH3的挥发可忽略不计[12]。磷的去除由植物吸收、基质吸附和微生物作用决定。

    基质总氮和总磷积累速率的计算见式(1)。

    式中:ηSR为基质的总氮和总磷积累速率,mg·(m2·d)−1CSC0CSC1为实验开始和结束时基质的总氮和总磷含量,mg·kg−1MS为基质的质量,kg;A为湿地面积,m2t为实验总运行时间,d。

    植物总氮和总磷吸收速率的计算见式(2)。

    式中:ηPR为植物的总氮和总磷吸收速率,mg·(m2·d)−1CPC0CPC1为实验开始和结束时植物的总氮和总磷含量,mg·kg−1M1,0M1, 1为实验开始和结束时植物的干重,kg;A为湿地面积,m2t为实验总运行时间,d。

    微生物总氮和总磷去除速率的计算见式(3)。

    式中:ηMRηSRηPR为微生物、基质和植物的总氮和总磷去除速率,mg·(m2·d)−1Ci, 0Ci, 1为每次进水和出水总氮和总磷浓度,mg·L−1V为每次进水的水量,L;A为湿地面积,m2t为实验总运行时间,d。

  • 用单因素方差分析(One-way ANOVA)进行差异性分析,检验数据间的差异性。用Pearson检验方法进行相关性分析,检验数据间的相关水平。所有统计分析均使用SPSS 22.0版软件进行,并且在P<0.05水平时被认为是显著的。

  • 氮的去除率随取样时间的变化情况如图1所示。5组人工湿地系统都能有效地去除水中氨氮和总氮。在低负荷测试期间,NH+4-N的去除率为50%~94%,Ⅱ组(黄菖蒲)的去除率最高。如图2所示,Ⅰ组、Ⅱ组、Ⅲ组、Ⅳ组和Ⅴ组的平均去除率分别为62.16%、86.31%、83.28%、76.38%和72.51%。在低负荷测试期间,TN的去除率为59%~85%,Ⅱ组(黄菖蒲)表现出最高的去除性能。如图2所示,Ⅰ组、Ⅱ组、Ⅲ组、Ⅳ组和Ⅴ组的平均去除率分别为66.29%、80.30%、77.71%、73.68%和70.89%。夏季的人工湿地有高NH+4-N和TN去除率,这与ZHANG等[13]的研究结论相似。在高负荷期间,各组NH+4-N去除率均降低了9%~11%,TN去除率均降低了3%~8%,说明随着氮浓度的升高,氮的去除率会降低。NH+4-N和TN表现出相似的去除趋势,这是因为NH+4-N是进水中氮的主要来源,NH+4-N经过硝化-反硝化作用去除,说明人工湿地有较强的反硝化作用。通过种植植物组与Ⅰ组比较发现,对NH+4-N和TN去除有显著差异(P<0.05)。这是因为NH+4-N容易被植物吸收和利用[14]以及植物的种植改变了基质微生物群落。

    磷的去除率随取样时间的变化情况如图3所示。5组人工湿地系统都能有效地去除水中总磷。在低负荷测试期间,TP的去除率为28%~73%,种植Ⅲ组(美人蕉)表现出最高的去除性能。如图2所示,Ⅰ组、Ⅱ组、Ⅲ组、Ⅳ组和Ⅴ组的平均去除率分别为37.09%、46.12%、55.77%、54.07%和50.45%。在高负荷期间,各组TP去除率均降低了3%~12%,说明随着TP浓度的升高,TP的去除率降低。通过种植植物组与Ⅰ组比较发现,TP的去除率显著提高(P<0.05)。这是因为植物生长过程中能吸收和利用磷酸盐,提高了TP的去除率[15]

    实验期间,进水和出水的pH、DO和水温T的平均值如表1所示。与进水DO相比,各组出水DO浓度都下降了1.80~2.64 mg·L−1。这是因为微生物去除COD和氨氧化过程中消耗了水体中的DO。另外,种植植物组比Ⅰ组DO要高,这是由于植物根系有泌氧功能,从而导致水体中DO浓度的增加。Pearson检验表明,DO与pH呈显著正相关(相关系数为0.923,P<0.05)。这是因为植物的光合作用会影响水体的碳酸电离平衡,导致氢氧根离子的浓度增加[16]。DO与NH+4-N去除率不存在相关性(P>0.05)。这可能与各组植物吸收作用和根系富集微生物群落不同有关。

  • 基质的氮磷平均积累速率如图4所示。由图4可知,Ⅱ组(84.46 mg·(m2·d)−1)、Ⅲ组(80.11 mg·(m2·d)−1)、Ⅳ组(85.53 mg·(m2·d)−1)和Ⅴ组(83.04 mg·(m2·d)−1)平均TN积累速率显著低于Ⅰ组(96.52 mg·(m2·d)−1)(P<0.05)。Ⅱ组(6.10 mg·(m2·d)−1)、Ⅲ组(6.21 mg·(m2·d)−1)、Ⅳ组(5.95 mg·(m2·d)−1)和Ⅴ组(6.42 mg·(m2·d)−1)平均TP积累速率低于Ⅰ组(6.81 mg·(m2·d)−1)( P <0.05)。这说明人工湿地中种植植物会降低基质中氮磷的积累速率,并与植物吸收和基质吸附2个氮磷积累过程存在竞争关系有关。种植植物组间的基质氮磷积累效果差异,与不同的植物具有不同生长状况有关[8]

    植物的氮磷平均吸收速率如图4所示。可以看出,平均氮吸收速率Ⅲ组(32.41 mg·(m2·d)−1)>Ⅱ组(24.87 mg·(m2·d)−1)>Ⅳ组(22.24 mg·(m2·d)−1)>Ⅴ组(17.73 mg·(m2·d)−1),平均磷吸收速率Ⅳ组(4.77 mg·(m2·d)−1)>Ⅲ组(4.55 mg·(m2·d)−1)>Ⅴ组(3.25 mg·(m2·d)−1)>Ⅱ组(2.75 mg·(m2·d)−1)。结果表明,水生美人蕉的氮吸收速率最高,梭鱼草的磷吸收速率最高。植物的氮磷平均吸收速率不同,与植物干重增加量、植物体内氮磷含量不同有关。

  • 人工湿地水体氮磷的去除主要通过基质、植物、微生物和排水4种途径,各组人工湿地的基质、植物、微生物和排水的氮磷去除率占比如图5所示。在5个不同的实验组中,系统排水中的氮含量占总负荷的23.87%~35.99%,植物吸收的氮约占5.36%~9.79%,基质吸附氮约占24.19%~29.17%,系统微生物去除氮约占34.84%~45.44%。在氮的去除方面,微生物去除>基质吸附>植物吸收的作用。植物吸收氮仅占5.36%~9.79%,说明植物对水中氮直接吸收作用很小。郑于聪[17]研究了中试规模的人工湿地处理污水发现,植物对水中氮的去除贡献仅占5.80%~13.90%,即植物对污水中氮的去除贡献很小,与本实验的结果相似。微生物去除氮约占34.84%~45.44%,说明微生物作用是人工湿地氮去除的最主要的途径。通过与Ⅰ组比较,发现种植植物组微生物氮去除率明显增加(P<0.05)。这可能与植物根系分泌物能改善微生物生长环境,有利于反硝化微生物的附着生长有关。植物的种植不仅对氮有吸收作用(5.36%~9.79%),还增强了微生物对氮的去除作用(增加了4.08%~10.60%)。

    在5个不同的实验组中,系统排水中的磷含量占总负荷的45.10%~64.07%,植物吸收的磷约占9.68%~16.76%,基质吸附磷约占20.91%~23.90%,系统微生物去除磷约占12.73%~17.11%。在磷的去除方面,排水中的磷含量达到45.10%~64.07%,说明人工湿地对总磷去除效果较差。这可能与TP浓度低和运行条件不利于人工湿地对其去除有关。基质吸附比植物吸收和微生物作用对磷去除作用强,说明了基质吸附是人工湿地中磷去除的主要途径。植物吸收磷仅占9.68%~16.76%,说明植物对水中磷直接吸收作用很小。吴海明[18]研究中试湿地处理污水发现,植物吸收的磷仅占湿地中磷总去除量的4.81%~22.23%。沈莹等[19]研究中试潜流湿地处理污染河水发现,植物的磷吸收量占湿地磷去除量的8.80%。以上研究均发现,植物对湿地中磷去除的贡献较小,与本实验有相似的结论。通过与Ⅰ组比较,种植植物组微生物磷去除率出现增加现象,Ⅲ组与各组有显著差异。这是因为植物根系分泌物的不同影响了基质中微生物群落分布[20]。植物的种植不仅对磷(9.68%~16.76%)有吸收作用,还增强了微生物对磷(增加了1.82%~5.08%)的去除作用。

  • 微生物多样性和丰富度如表2所示。各组湿地微生物测序中样本文库覆盖率(coverage)均大于0.98,说明测序结果可以很好地代表样本的真实情况[21]。Ⅰ组、Ⅱ组、Ⅲ组、Ⅳ组和Ⅴ组检测到的OTU数目分别为1 441、1 736、1 594、1 464和1 478,Ace分别为1 770.18、2 004.13、1 747.37、1 754.82和1 672.91,Chao分别为1 754.28、2 063.44、1 772.99、1 806.11和1 705.38,发现了Ⅱ组与其他组有明显差异(P<0.05),说明黄菖蒲的种植改善了微生物丰富度。Ⅰ组、Ⅱ组、Ⅲ组、Ⅳ组和Ⅴ组的Shannon指数为4.99、6.38、6.01、5.79和5.59,Simpson指数为0.024 5、0.003 3、0.006 7、0.011 0和0.020 8,植物组与Ⅰ组有明显差异(P<0.05)。其中Ⅱ组和Ⅲ组的多样性最高,说明种植植物能有效地改善群落多样性。植物种植改善了微生物群落多样性和丰富度,这与植物根系泌氧和根系分泌的碳源有利于微生物富集生长有关[22]。另外,通过逐步线性回归分析发现,Shannon和Sobs决定系数分别为0.828和0.208(P<0.05)。说明微生物丰富度和多样性的改善有利于微生物对氮的去除作用。

  • 图6展示了人工湿地各组微生物独有和共有的OTU数目。5组中共有的OTU数目为696,分别占Ⅰ组、Ⅱ组、Ⅲ组、Ⅳ组和Ⅴ组检测到的OTU数目的48.33%、40.09%、43.66%、47.54%和47.09%,说明人工湿地基质微生物群落出现了显著的变化。这是因为植物根系改变了微生物生长的环境,使得微生物群落出现差异。

    人工湿地各组微生物门水平组成如图7所示。可将微生物检测频率>1%的菌门做为主要的菌门[23]。共发现8个菌门,分别为变形菌门(Proteobacteria)、厚壁菌门(Firmicutes)、绿弯菌门(Chloroflexi)、放线菌门(Actinobacteria)、硝化螺旋菌门(Nitrospirae)、拟杆菌门(Bacteroidetes)、酸杆菌门(Acidobacteria)和芽单胞菌门(Gemmatimonadetes)。其中5大优势菌门分别为变形菌门、厚壁菌门、绿弯菌门、放线菌门和硝化螺旋菌门。ZHANG等[24]研究三亚河红树林湿地发现,湿地基质的优势菌门为变形菌、拟杆菌、放线菌和厚壁菌。LI等[25]研究发现,多级表面流湿地基质的优势菌门为变形菌、厚壁菌、绿弯菌和放线菌,其中变形菌为最主要的菌门。以上研究中人工湿地的优势菌门,与本实验的优势菌门相似,说明了人工湿地基质有相似的优势菌门。变形菌为最主要菌门,Ⅰ组、Ⅱ组、Ⅲ组、Ⅳ组和Ⅴ组的相对丰度为60.23%、52.15%、45.80%、43.19%和48.70%,其次是厚壁菌门(分别为7.39%、16.08%、16.42%、18.06%和10.64%),绿弯菌门(分别为6.39%、4.64%、9.91%、14.72%和13.46%),放线菌门(分别为9.88%、8.84%、8.53%、7.06%和6.59%)和硝化螺旋菌门(分别为3.94%、5.89%、7.31%、6.09%和4.74%)。相对于Ⅰ组,植物组变形菌门的相对丰度降低,这是因为植物的种植改善了微生物多样性。据相关研究,变形菌门和厚壁菌门对反硝化有至关重要的作用[26],硝化螺旋菌门含有丰富的硝化功能的菌属[27]。相对于Ⅰ组,植物组的厚壁菌门和硝化螺旋菌门相对丰度增加,这可能是植物组微生物有较高的氮去除率的原因。

    变形菌为最主要菌门。据相关研究,变形菌在人工湿地微生物氮磷去除中起到主要作用[28]。人工湿地各组变形菌的纲水平组成如图8所示。可将微生物检测频率>1%的菌纲做为主要的菌纲。共发现4个菌纲,分别为γ-变形菌纲(Gammaproteobacteria)、β-变形菌纲(Betaproteobacteria)、α-变形菌纲(Alphaproteobacteria)和δ-变形菌纲(Deltaproteobacteria),其中γ-变形菌纲、α-变形菌纲和β-变形菌纲是主要的菌纲。4个菌纲都属于革兰氏阴性菌,说明了人工湿地基质富集革兰氏阴性菌。这有利于污染物的生物降解。LI等[29-30]发现β-变形菌和γ-变形菌在去除硝酸盐和亚硝酸盐的生态功能方面发挥重要作用。ZHONG等[31]发现人工湿地中大多数可能的异养反硝化菌属于β-变形菌。LIU等[32]发现γ-变形菌纲中高丰度的假单胞菌属和动杆菌属细菌包含能发生高效聚磷的细菌。如图8所示,相比于Ⅰ组,植物组的β-变形菌和γ-变形菌的丰度均高于Ⅰ组,说明了植物根系富集β-变形菌和γ-变形菌。这可能是植物组微生物氮磷去除率高于Ⅰ组的原因。

  • 据有关研究,不动杆菌属(Acinetobacter)、假单胞菌属(Pseudomonas)、芽孢杆菌属(Bacillus)、硫杆菌属(Thiobacillus)、脱氯单胞菌属(Dechloromonas)、罗思河小杆菌属(Rhodanobacter)、热单胞菌属(Thermomonas)和索氏菌属(Thauera)等具有反硝化的作用,参与氮的转化[33-35]。另据有关研究,硝化杆菌属(Nitrobacter)和硝化螺菌属(Nitrospira)具有硝化功能[36],氨基杆菌属(Aminobacterium)、亚硝化单胞菌属(Nitrosomonas)、亚硝化螺菌属(Nitrosospira)和亚硝化球菌属(Nitrosococcus)具有氨氧化功能[23,37]。另外,YAO等[38]发现不动杆菌可以通过异养来转化氮硝化和好氧反硝化。DU等[11]认为不动杆菌或假单胞菌可能是主要的在人工湿地中负责TP去除的属。STREICHAN等[39]发现假单胞菌具有高磷的PAO清除能力。

    图9所示,在人工湿地中检测出相对丰度大于0.5%的9种脱氮除磷功能菌属,分别是不动杆菌属、假单胞菌属、芽孢杆菌属、硫杆菌属、脱氯单胞菌属、红杆菌属、热单胞菌属、硝化螺菌属和亚硝化单胞菌属,发现了具有氨氧化细菌亚硝化单胞菌属丰度(0.68%~1.27%)远低于硝化作用硝化螺菌属(2.54%~5.62%)。据相关研究,某些硝化螺菌属能将NH+4-N完全氧化成NO3-N[40],这可能是人工湿地各组均有较好氨氮去除效果的原因。自养反硝化的硫杆菌的丰度(1.12%~2.87%)明显低于异养反硝化的不动杆菌属、假单胞菌属、芽孢杆菌属、热单胞菌属、红杆菌属和脱氯单胞菌属的总丰度(12.13%~19.91%),说明人工湿地易于富集异养反硝化菌。这是因为实验有较高的C/N(7.8~10.2),同时植物根系分泌碳源,可加速异养反硝化细菌的生长。

    不动杆菌属、假单胞菌属和芽孢杆菌属是丰度最高的异养反硝化菌属,占异养反硝化菌属总丰度的66.5%~75.9%,故认为这3个菌属在TN去除过程中起主要作用。植物组的不动杆菌属、假单胞菌属、芽孢杆菌属和硝化螺菌属丰度明显高于Ⅰ组,在Ⅱ组和Ⅲ组(最高微生物氮去除率的2组)丰度最高,表明不动杆菌、假单胞菌和芽孢杆菌丰度与人工湿地微生物氮去除率有关,其丰度的增加是植物组微生物氮去除率较高的原因。不动杆菌属、假单胞菌属具有高效聚磷作用和分泌有机酸和磷酸酶将难溶性磷转化可以被植物吸收利用的 H2PO4HPO24 形态[41]。通过植物组与Ⅰ组比较发现,植物的种植提高了除磷功能菌属(不动杆菌属和假单胞菌属)的丰度,增强了微生物磷去除率,其中Ⅲ组(最高微生物磷去除率的组)丰度最高,表明不动杆菌和假单胞菌的丰度与人工湿地微生物磷去除率有关,其丰度的增加是植物组微生物磷去除率较高的原因。

  • 1)夏季人工湿地各组可有效地去除污水中NH+4-N、TN和TP污染物。低负荷下,NH+4-N、TN和TP的平均去除率为51.48%~80.95%、62.43%~80.30%和37.09%~55.77%。高负荷下,NH+4-N、TN和TP的平均去除率为45.53%~75.14%、53.67%~71.11%和32.97%~52.69%。种植植物的人工湿地比未种植人工湿地,在去除NH+4-N、TN和TP污染物方面具有更好的性能。其中Ⅱ组(黄菖蒲)对氮的去除效果最好,Ⅲ组(美人蕉)对磷的去除效果最好。

    2)微生物作用(34.84%~45.44%)是人工湿地氮去除的主要途径,基质吸附(20.90%~23.91%)是人工湿地磷去除的主要途径。植物的种植不仅对氮(5.36%~9.79%)和磷(9.68%~16.76%)有吸收作用,还增强了微生物对氮(4.08%~10.60%)和磷(1.82%~5.08%)的去除作用。

    3)植物的种植改善了基质微生物的丰富度和生物多样性,并发现微生物丰富度和多样性的改善有利于微生物对氮的去除作用。植物的种植提高了脱氮除磷功能微生物的丰度,增强了微生物对氮磷去除作用。人工湿地富集了假单胞菌属、不动杆菌属、芽孢杆菌属和硝化螺菌属等优势硝化和反硝化菌属,其中假单胞菌属、不动杆菌属、芽孢杆菌属和硝化螺菌属是人工湿地中主要的脱氮菌属,其丰度的增加是种植植物的人工湿地实验组微生物氮去除率较高的原因。人工湿地富集了优势聚磷菌属(不动杆菌和假单胞菌),不动杆菌和假单胞菌丰度增加是植物组微生物磷去除率较高的原因。

参考文献 (41)

返回顶部

目录

/

返回文章
返回