河湖系统中污染物大多以泥沙为载体迁移转化,识别湖泊污染区域泥沙来源对泥沙水环境污染研究和控制工作均具有重要意义。客户关于此项的最新研究文章发表在Environmental Science & Technology。
研究方法
分别采取了洞庭湖流域的河流入湖口和湖心区共14个采样点(下图)沉积物和水体样品,每个样品生物学重复3次。
本研究通过理化分析、16S rRNA多样性分析和微生物溯源等手段,阐明了泥沙输移对河湖系统污染物分布和微生物多样性的影响机制,利用改进的微生物溯源模型SourceTracker揭示了不同入湖河流对湖区泥沙输入的贡献程度和范围。
研究结果
1、沉积物运移,迁移和沉积可能对相互作用的养分空间分布产生重大影响
洞庭湖污染加速富营养化(TN:1.18~1.76 mg / L,水样中TP:0.06~0.21 mg / L)。从流入河口采集的样本TN(水样)浓度显着高于NAIP(沉积物样本),其浓度高于中心湖泊(P < 0.05),这可以通过相互关联的河湖系统中的沉积物运输过程来解释。
2、微生物群落多样性分析
从流入河口采集的沉积物样本的细菌群落丰富度明显低于中心湖泊。在所有样本中,变形菌门(43.53~83.26%,平均值62.03%)最丰富(下图)。
细菌群落组成在来自河流入口的样本之间表现出相对清晰的分离(下图)。由于沉积物迁移和沉积的共同作用,来自中心湖泊的样本聚集,这可能与生物均质化有关。
丰富度和环境因子之间的相互作用如下图,颗粒态磷是主要的交换形式,与洞庭湖悬浮泥沙呈显着线性关系。这一结果与湖泊沉积物中微生物多样性相关。这些结果表明沉积物微生物可能作为沉积物来源的信息指标。
3、SourceTracker模型评估来自流入河流的湖泊沉积物中微生物群落的来源贡献
SourceTracker是一种机器学习分类程序,通过该方法来确定自中央湖泊和流入河流的样本之间的高度差异分类。LEfSe来识别沉积地中的微生物群落,主要在中心湖泊中富集的细菌包括Nitrospirales,Nitrospira,Nitrospirae等;而Alphaproteobacteria,Caulobacterales在河流入口处富集。
SourceTracker分析的结果显示了不同来源群落对三个地区的贡献:西部,南部和东部洞庭湖。RSD对西部洞庭湖的贡献率为11.9%,L2的微生物是南洞庭湖沉积物细菌群落的主要贡献者,东洞庭湖细菌群落的主要贡献者是XQ(下图)。
总 结
研究确定河湖系统中沉积物的来源,养分空间分布和湖泊沉积物生物多样性之间的关系。使用SourceTracker机器学习分析对确定的土著微生物群落进行修改,并用于追踪沉积物来源。建立了一套可以应用于复杂河湖系统的泥沙溯源体系,为河湖系统的治理开发与保护提供重要理论依据。
参考文献
New Insights into Sediment Transport in Interconnected River-Lake Systems Through Tracing Microorganisms. Environ Sci Technol, 2019.