选择特殊符号
选择搜索类型
请输入搜索
含硫重金属矿业废弃物酸化所产生的酸性矿山废水(AMD),已在世界各地带来一系列影响深远的生态环境问题。过去的微生物催化硫化物矿物研究大部分基于黄铁矿和氧化亚铁硫杆菌(Acidithiobacillus ferrooxidans),而且缺少以群落为功能单位、探求黄铁矿与其他硫化物矿物氧化过程如何耦合的系统研究。本项目利用在物种组成上与自然尾矿菌群相似的实验室群落,通过金属硫化物矿物及铅锌尾矿酸化过程的实验研究和室内模拟研究,利用高通量测序技术分析微生物群落组成与动态(16S rDNA扩增子测序),以及典型酸化阶段的群落宏基因组和宏转录组,结合详尽地球化学和矿物学参数,阐明重金属矿业废弃物氧化的微生物学过程与机理以及铁原体属古菌(Ferroplasma)对铁硫循环的贡献,深入揭示酸化过程中的微生物种群动态及群落功能演变。研究成果将为控制矿业废弃物的AMD产生和重金属释放提供重要科学依据。
本项目在国家自然科学基因(31370154 )的资助下,围绕极端酸性尾矿和酸性矿山废水(AMD)中微生物的多样性和功能及其在生态恢复过程中的演变开展了系统的研究。首先,我们利用宏基因组和宏转录组技术,研究了极端酸性重金属尾矿AMD中优势及稀有物种的生态角色;首次利用“分而治之”的拼接策略,重构出尾矿AMD群落中11株物种的基因组信息,通过比较基因组分析,发现在AMD这种寡营养的环境中,不同种群进化出了不同的功能和代谢途径以适应在较高重金属及极端酸性的环境下生存,揭示了各微生物在群落中的竞争和协作。其次,我们发现AMD整体群落对于不同的环境条件具有不同的积极的响应机制,包括低pH条件的适应,碳、氮、磷的同化,能量获得和环境胁迫等。然后,利用16S rRNA基因高通量测序法,对酸化尾矿的植被恢复和重建过程中微生物群落的演变机理进行了揭示,发现尾矿中的微生物群落组成随着生态重建的进程而发生明显改变;在未修复尾矿中,微生物群落以广域古菌为主,而在已修复尾矿中,则是以变形菌门为主;并且,氧化还原电势是尾矿微生物群落组成的主要决定因子之一。此外,我们分析了典型酸化尾矿底泥剖面微生物群落结构与功能演变;发现随着底泥深度的变化,pH值、Fe(II)/Fe(III)比值、硫酸根/总硫比值等会随之发生改变。研究成果将为酸性重金属尾矿的重金属污染控制和生态环境修复提供全面的理论和技术支撑。 在本项目实施的四年中,课题组取得了显著成绩,在相关领域国际主流杂志正式发表SCI论文7篇,包括The ISME Journal等顶尖杂志,项目负责人黄立南受邀为两个著名的综述期刊(Trends in Microbiology,Current Opinions in Biotechnology)撰写关于AMD微生物生态与进化以及AMD微生物群落组成与功能研究进展的文章,并于2016年正式发表。培养博士生3人,硕士研究生3人。通过本课题的实施,建立了一支具有创新能力的微生物生态研究团队。 2100433B
当污染物的溶解性较低或者与土壤腐殖质和黏粒矿物结合较紧时,微生物难以发挥作用,污染物不能被微生物降解。这是微生物修身的缺点。
目前来说污泥重金属处理方法主要由两种:稳定和去除1、污泥重金属的稳定添加一些钝化剂,例如生石灰、粉煤灰和黏土等,提高pH。使重金属转化成氢氧化物等沉淀,达到钝化重金属并杀死病原菌的效果。2、污泥重金属...
1 样品的前处理方法概述 茶叶中重金属元素检测的前处理一般是除去茶叶中的有机成分,保留包括所需要检测的重金属元素在内的无机成分。1.1 传统方法 传统方法一般分为灰化法[1-2]和消化法[...
处理重金属废水人工湿地中微生物群落结构和酶活性变化
研究了处理含铜、铬与镍废水的三阶段波形潜流人工湿地中微生物群落结构和酶活性的空间变化.用稀释平板菌落计数法研究了微生物的数量变化,用PCR-DGGE结合测序研究了微生物群落结构变化,并用比色法测定了土壤酶活性.结果表明,在人工湿地中,细菌数量为(4.10±0.72)×106~(1.61±0.10)×107,真菌数量为(7.21±1.60)×104~(1.29±0.02)×105;放线菌数量为(1.41±0.27)×106~(3.38±0.11)×106.回收自DGGE凝胶中的8个不同的条带均为特异的16SrRNA序列或18S rRNA序列,说明微生物群落结构发生了显著变化.最大的脲酶活性[(0.67±0.2)mg/(g.24 h)]、蔗糖酶活性[(40.15±0.14)mg/(g.24 h)]和碱性磷酸酶活性[(1.03±0.16)mg/(g.2 h)]分别出现在第1、第3和第1阶段.相关性分析表明,真菌数与全量铬含量、有效态铬含量和铬的活化率均呈显著负相关,蔗糖酶活性与全量铜、全量镍和有效态镍也均呈显著负相关.
生物强化水解酸化过程前后微生物群落结构变化
通过利用生物强化技术提高水解酸化处理模拟印染废水的处理效果,包括共基质强化和菌剂强化两个方面。菌剂和共基质强化结果表明,菌剂A和菌剂B的加入将脱色率分别提高了2.33%和7.20%,当不加碳源时,脱色效果比较差(低于6.00%),而蔗糖的加入能提高脱色率至45.29%。利用PCR-DGGE技术追踪生物强化前后微生物群落结构信息,结果表明,菌剂和共基质的加入都对水解酸化池的微生物群落结构有较大影响。菌剂A和B强化后,水解酸化池的微生物多样性指数H(Shannon Weaver)由2.38分别增长到2.56和2.69,而共基质调控使得H由2.94增加到3.16。菌剂强化后,优势菌厚壁菌(Firmicutes)得到强化。通过共基质强化,优势菌拟杆菌(Bacteroidetes)和厚壁菌(Firmicutes)得到强化,它们可能在染料降解中起到重要作用。
植物群落的动态(dynamics)主要包括群落的形成、发育和变化、演替及演化。
1、群落的形成植物群落的形成,可以从裸地上开始,也可以从已有的另一个群落开始。裸地(或称芜原,barren)是指没有植物生长的地段,它是群落形成的最初条件和场所之一。裸地有原生(primary)裸地和次生(secondary)裸地之分,原生裸地是指从来没有植物生长过的地面,或原来虽存在过植被,但被彻底消灭了(包括原有植被下的土壤);次生裸地指原有植物生长地的地面,原有植被虽已不存在,但原有植被影响下的土壤条件仍基本保留,甚至还残留原有植物的种子或其它繁殖体。在这两种情况下,植被形成的过程是不同的。裸地的成因主要有地形变迁、气候现象、生物作用、人类影响等。植物群落的形成是以植物繁殖体的传播和定居为前提的,其形成过程,大体上可分为三个阶段:开敞的、郁闭未稳定的和郁闭稳定的群落。
2、群落的发育和变化一个植物群落形成后,会有一个发育过程,一般可把这个过程划分为三个时期,即群落发育的初期、盛期和末期。直到被另一群落替代(演替)。其间群落会有一些变化,主要有季节性变化、年际变化和种群的更新等。
3、群落的演替演替(succession)是一个植物群落被另一个植物群落所取代的过程。它是植物群落动态的一个最重要的特征。植物群落演替因分类依据的不同可以划分为各种类型,按裸地性质分类,演替可分为原生演替和次生演替。原生演替指在原生裸地上开始进行的演替,它根据基质的不同可分为旱生和水生演替两个系列。旱生演替系列是从岩石表面开始的,它一般经过以下几个阶段:地衣植物阶段、苔藓植物阶段、草本植物阶段、木本植物阶段,演替使旱生生境变为中生生境。
水生演替系列是从淡水湖沼中开始的,它通常有以下几个演替阶段:自我漂浮植物阶段、沉水植物阶段、浮叶根生植物阶段、直立水生植物阶段、湿生草本植物阶段、木本植物阶段,演替从水生生境趋向最终的中生生境。次生演替指在次生裸地上开始的演替,比较典型的是森林的采伐演替和草原的放牧演替。森林如云杉林被皆伐后,要经过以下几个演替阶段:采伐迹地阶段、小叶树种(桦、杨)阶段、云杉定居阶段、云杉恢复阶段。草原的放牧演替则一般由以下几个阶段构成:放牧不足阶段(草甸化阶段)、轻微放牧阶段(针茅属阶段)、针茅消灭阶段(羊茅属阶段)、早熟禾废墟阶段、放牧场阶段。
不管原生还是次生演替,其进展演替的最终是形成成熟群落(maturecommunity),或顶极群落(climaxcommunity)。演替顶极是由美国学者Clements提出的,这一学说对植物群落学产生了巨大影响。Clements把一个群落比拟为一个有机体,并认为,一个气候区只有一个潜在的演替顶极,是这种气候下所能生长的最中型的群落,该地区所有的群落最后向着唯一的一个顶极群落(气候顶极,Climaticclimax)演替,他的这一学说称为气候顶极或单元顶极假说(MonoclimaxHypothesis)。但英国学者Tansley认为,在每一气候带内,不仅有一个气候演替顶极类型,而有几个甚至很多个顶极类型,这些类型决定于土壤、小气候和其它局部条件,因此有气候、土壤、地形、火烧、动物等演替顶极之分,这一学说称为多元顶极假说(PolyclimaxHypothesis),现在支持多元顶极假说的人越来越多。
此外,美国学者Whittaker等在提出植被连续性概念的基础上,提出了顶极格局假说,认为一个演替顶极是一个稳定状态的群落,其特征取决于它本身生境的特性,生境梯度决定种群的格局,因此生境变化,种群的动态平衡地改变。由于生境的多样性,植物种类又繁多,所以顶极群落的数目很多。他认为,不管存在着干扰不连续现象,顶极群落与其用镶嵌来解释,不如用与环境梯度格局相应的逐渐过渡的群落格局来解释,格局中的中心、分布最广的(稳定状态的、未受干扰的)群落类型,就是占优势的或气候的演替顶极,反映了该地区的气候。并认为顶极群落是种群结构、能量流动、物质循环以及优势种替代的稳固状态,不同于演替阶段群落,顶极群落的种群围绕着一种稳定的、相对不变化的平均状况进行波动。
4、群落的演化植物群落的演化(evolution)是植物群落的历史进化过程,是随着地质年代的变迁和相应的气候变化而产生的变化。植物群落的演化与植物种类的演化是相互制约的,也是与动物界的演化协同进行的。现代的植物群落类型,是自然界历史发展的产物,又是自然界发展到现阶段所特有的。
研究植物群落演替规律,即群落发生、发展过程及其与环境关系的学科。
一类生态学方法,即对植物群落(及其环境)的观测数据进行数学分析以求揭示其内在的生态学规律。植物群落,不同于生物群落,只包括一定地区内的植物,不包括动物和微生物,而在具体研究时更常集中于某些重点考察的生活型。但在植物群落分析中,特别是在排序研究中,环境因子也是主要研究内容,这所谓的环境因子也可以包括动物和微生物在内。植物群落分析方法,以从自然植物群落的统计学样本中测取得的群落属性与环境变化的定量数据为基础,应用数学原理和计算技术,对大量数据进行两种方法途径的综合:一种是把每个群落抽样单元,按其属性的相似性或相异性,聚合或划分为许多组群(分类单元),这称为群落的数值分类。另一种是把每个群落抽样实体视为点,在生境梯度或群落属性梯度的□维坐标空间中,序化地标记出来,这称为群落排序。数值分类和排序是定量地客观地对群落进行分类,揭示植物群落类型及其组成种群与环境相互关系的新技术。由于电子计算机的普遍应用,这些数值方法正在迅速发展,不断完善。
1、植物群落抽样:考察植物群落,选择出可代表该群落整体并具有一致性的一定区限,叫做群落样地。在样地内,为测计群落各项属性,如种类组成、生活型、种群数量特征、及环境因子特征可设置一定面积、形状或数量的小区(样方),这是常用的一种群落抽样方法。为了进行植物群落分析,要采取客观抽样法,即概率抽样。可以按具体情况在随机抽样、系统(规则)抽样、或分层抽样三者中择取一种。
2、样方抽样:样方面积与形状,原则上希望取最小表观面积,最适的形状。温带乔木群落最小面积一般为100~400平方米,热带森林更大些约1000~2000平方米;灌木群落约4~16平方米,草本群落1~4平方米,形状多采用正方,也可视具体需要和种的分布格局、微地貌不同,取圆形或长条。样方数目多少,从统计学的要求,要有30~50个为好,如是分层抽样,则每个层区中要有6~10个。群落性态变异大时,数目要多些,反之可以减少。
3、无样方抽样:也叫威斯康星学派的点样法。是在群落样地内按随机或规则抽样,配置一定数目(通常是50~100个)样点。再以点为中心,按最近单株法、最近邻体法,随机对法、或中点四分法,记录每株乔木学名,测量株距(□)、胸径(图1无样方的点样抽样示意),集合□次测定的株距□,计算出乔木的平均株距:□。由□可算出每株乔木占有地表的平均面积:□,□是校正系数,上述4种无样方抽样方法的校正系数□,依次为□=2,□=1.87,□=0.8,□=1。从乔木单株平均面积□,可计算单位样地面积的乔木密度:□=1/(□□)□=1/□。同时,在每个样点上做灌木和草本记名小样方,根据乔木、灌木、草本种类的分布,可计算各个种的频度。
样方抽样和中心点抽样,分别适合于不同的对象、地区和目的。平坦地区的大面积森林适合用中心点取样,陡峭的山区森林适合用样方抽样。森林草地与荒漠植被则两种抽样都可适用。
4、原始数据的处理:抽样调查取得的各项群落属性的观测数据,由于属性的数据类型不同,量纲不一,数值大小悬殊,而各种分析方法对原始数据又各有一定要求,所以对原始数据要进行适当处理。首先要求类型统一,即把二元数据转化成数量数据,或者反之,因多数方法只适合于分析同一类型的数据。其次,要对原始数据的数值进行转换,即将原来数值□,转换成□(只取正根),或其对数、倒数,或角度、概率等,以求更合理地体现它们的数量关系,使其具有一定的分布形式(如正态分布),或一定的数据结构(如线性结构)。第三,将原始数据标准化或中心化。原始数据的标准化,即用属性或实体的总和、或最大值、或极差、或模来除该属性的某个数据,实际上是把某个数值标准化为属性总和的比值,取值在0与1之间。例如群落分析中将种群绝对多度换算为相对多度。
样方数据经标准化后,其几何意义是各样方点都从原来位置沿径向投影到单位弦上,成为线性序列(图2对样方用总和标准化的二维图形)。中心化主要是用平均值或离差来标准化各个原始数据。例如,平均值中心化是从属性或样方的各个原始数据中分别减去其平均值。中心化的几何意义在使坐标原点移到样方点的形心,由此给数值运算带来很大方便,第四,原始数据的缩减,指去掉一些代表性不好或数据不完整的样方,或者删去各样方中仅出现一次的孤种、或罕见种、或者生态学意义不大的常见种。缩减种数应当适当,不应影响研究结果。
5、原始数据综合表和数据矩阵:一般的群落调查,包括□个样方,□个种的数据,可列成□列,□行的数据表:样方1去掉表头,将表中数据用大括号括起来,就成了原始数据矩阵□,其中□□(□=1,2,3,…,□;□=1,2,3,…,□)表示第□个样方、第□个种的原始数据。矩阵有□行,□列,第一行是同一物种。在□个样方中的数据,称为行向量。矩阵中每个数据,称为元素,其值可以是二元(定性)的,或数量(定量)的,但通常只取一种形式。
6、数值分类技术:是直接以样地内种的分布或种类组成的相对相似性数据为基础的群落分类方法。两个样地的相对相似性数值,叫做相似系数,相似与相异在数学上是互补的概念,两者都同样可表述两个样地相似的程度。相似系数的计算方法虽很多,但基本上可归为2大类:一类是计算两个样地的群落种类组成成分的相似或相异程度,如匹配系数,关联系数等;另一类是计算两个样地中共有种的数量数据的相似或相异程度,如各种距离系数。
7、匹配系数与关联系数:依据数据矩阵中两个列(样地)的属性(种)的二元数据“存在”与“不存在”,可构成2×2列联表:样方2
□是两个样地都存在的共有种的数目;□是都不存在的种数;□是样方1存在、样方2不存在的种数;□是样方2存在、样方1不存在的种数。据2×2列联表,可选以下任一公式,计算两个样地群落的相似性。
匹配系数的常用计算公式,有P.雅卡德(1901)的公式(1.1)和J.切卡诺夫斯基(1913)的公式(1.2),这两个公式取值均在[0,1]的区间内。当□=0时,取值为0,表示完全相异;当□=□(总的种数)时,取值为1,表示完全相似。1-相似系数=相异系数。