2. 青岛海洋科学与技术国家实验室海洋生态与环境科学功能实验室, 青岛 266237;
3. 中国海洋大学环境科学与工程学院, 青岛 266100;
4. 中国海洋大学化学化工学院, 青岛 266100;
5. 深海圈层与地球系统前沿科学中心和海洋化学理论与工程技术教育部重点实验室, 中国海洋大学, 青岛 266100
2. Laboratory for Marine Ecology and Environmental Science, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266237;
3. College of Environmental Science and Engineering, Ocean University of China, Qingdao 266100;
4. College of Chemistry and Chemical Engineering, Ocean University of China, Qingdao 266100;
5. Frontiers Science Center for Deep Ocean Multispheres and Earth System, and Key Laboratory of Marine Chemistry Theory and Technology, Ministry of Education, Ocean University of China, Qingdao 266100
在不考虑水流组成和驱动力的情况下, 通过海陆界面由海底排放进入近岸海域的尺度在几米至千米的地下水流被定义为海底地下水排放(Submarine Groundwater Discharge, SGD)(Burnett et al., 2003; Moore, 2010).它既包括陆源淡水的排放, 也包括再循环海水的排放.SGD对海陆之间物质交换的影响是不容忽视的, 越来越多的研究表明, SGD是地下水及其溶解化合物(如营养物质、金属化合物等)向海洋交换的最重要途径之一, 该过程可能对沿海生态系统造成严重影响(Burnett et al., 2006; Moore, 2010), 即使在潮汐作用下通过砂质沉积物的再循环海水同样能给近海地区贡献可观的物质通量(Gibbes et al., 2008; Anschutz et al., 2009; Santos et al., 2012).已有研究表明, 通过SGD输入的氮可能导致沿海海域的富营养化(Moore, 2010).一些研究甚至发现, 通过SGD输入的营养物质是促进沿海海域有害藻华爆发的关键性因素之一(LaRoche et al., 1997; Hu et al., 2006; Lee et al., 2007; Smith et al., 2012).
目前, 对于SGD的量化手段主要采用同位素示踪技术, 通常以镭、氡同位素作为示踪工具.Moore等(1996)在1996年首次利用镭同位素示踪技术量化SGD通量之后, 利用该技术进行SGD研究已在全球范围内得到广泛应用(Dulaiova et al., 2006; Peterson et al., 2010; Xu et al., 2013).在我国南黄海苏北浅滩及长江口附近海域, 已有研究使用镭同位素示踪技术估算了SGD通量及其携带的营养盐通量(Liu et al., 2017; Liu et al., 2018; 赵世彬等, 2018).但SGD对近岸海水微生物群落结构、多样性及功能影响的研究相对较少.微生物是海洋生态系统的重要组成部分, 由其介导的生物地球化学过程在海洋碳、氮、磷、硫等生源要素的循环中起关键作用(Falkowski et al., 2008).海洋生态系统中的微生物群落结构与功能明显受营养盐浓度的影响(Arrigo, 2005), 营养盐浓度的变化能够改变微生物的群落结构及丰度(Nogales et al., 2011; Carlsson et al., 2012).有研究发现, 微生物对碳水化合物及蛋白质的代谢能力随着海水富营养化的加剧而提高(Meyer-Reil et al., 2000).同样, 细菌自身的生长繁殖速率也随着海水富营养化的加剧而提高(Feuerpfeil et al., 2004).因此, 研究SGD对近岸海洋生态系统中微生物群落特征的影响就具有重要的科学意义.
近十几年来, 黄海海域受到不同程度的富营养化影响, 除地表水输入外, SGD输入的营养盐也是黄海的主要营养物质来源(Kim et al., 2005; Waska et al., 2011; 赵世彬等, 2018).带来的后果不仅导致绿潮、赤潮的爆发, 也必然对海洋微生物群落结构产生影响.但目前的研究主要探讨了河流输入、大气沉降输入的营养物质对近海海域微生物群落特征的影响(Li et al., 2013; Fodelianakis et al., 2014; 张凯, 2018), 发现微生物群落结构及多样性明显受营养物质输入的影响, 而由SGD输入的营养物质对微生物群落特征的影响研究则相对较少.如有研究分析了黄渤海沿岸地下水环境中的微生物群落结构信息, 得到环境污染物修复的关键菌群(Ye et al., 2016);还发现潮间带地下水环境中微生物群落结构明显受潮汐作用的影响(王勋功, 2017).
本研究在南黄海沿岸11个站点进行采样, 以近岸地下水、海水中的镭同位素(224Ra)活度为依据判断SGD是否强烈, 同步采集沿岸海水微生物样品, 利用高通量测序技术分析其群落特征与功能, 并结合相关环境因子分析SGD对微生物群落结构及多样性的影响.本研究将为分析SGD的生态与环境效应提供支持.
2 材料与方法(Material and methods) 2.1 近岸海水、地下水样品采集及处理2018年10月9日—17日, 在南黄海潮间带选取10个采样点进行取样, 其中SW4、SW9位于苏北紫菜养殖区, 另外选取位于长江入海口南支的SW17作为对比(图 1).退潮时在潮间带挖掘一个深1~2 m的泥坑, 收集地下水于聚乙烯瓶中, 用于环境因子的测定(Ye et al., 2016);涨潮时, 在同一采样点取海水于聚乙烯瓶中, 取样完成后, 用200目筛绢对水样进行初步过滤海水以去除水体中大颗粒悬浮物, 随后通过0.22 μm的醋酸纤维酯滤膜(Whatman, UK)过滤水样, 将滤膜折叠放入冻存管中, 于液氮中保存用于后续DNA分析.
采用Mettler Toledo手持多参数测定仪(Seven2Go)对各采样站位的海水水样盐度(Sal.)、氧化还原电位(Eh)、溶解氧(DO)、温度(Tem.)等参数进行现场测定;采用HACH手持多参数测定仪(HQ30D)现场校准后, 对各采样站位水样pH进行测定.各站位分别取1 L海水、1 L地下水用0.45 μm醋酸纤维滤膜进行过滤, 将过滤后的海水、地下水水样分别装于2个100 mL聚乙烯瓶中.一份保存至车载冰箱中(-20 ℃), 用于NO2--N、NO3--N、NH4+-N、PO43--P的测定;另一份滴入两滴氯仿, 常温保存, 用于SiO32--Si的测定.返回实验室后采用营养盐自动分析仪(BRAN+LUEBBE, Germany)进行5项无机营养盐浓度的测定, 分析误差不超过3%.
各站位分别采集20 L海水、2 L地下水, 在低于2 L·min-1的流速下, 以锰纤维定量富集水体中的镭同位素.将已富集镭同位素的锰纤维储存于封口袋中, 常温保存, 返回实验室后用去离子水清洗锰纤维, 去除锰纤维上残留的悬浮颗粒物、盐分后, 通过烘干的方式, 调整样品含水率至0.8~1.0, 以达到最佳测试条件(Sun et al., 1998; Kim et al., 2001).使用镭同步延时计数器(RaDeCC)对短半衰期的镭同位素224Ra进行测定(T1/2=3.66 d)(Moore et al., 1996).
2.3 水体微生物基因组DNA提取从液氮中取出滤膜, 用已灭菌的剪刀剪碎滤膜后置于离心管中, 使用PowerWaterⓇ DNA Isolation Kit(MOBIO, USA)进行微生物总DNA提取, 得到的DNA保存于-80 ℃冰箱中用于后续实验.
2.4 细菌群落结构及多样性分析 2.4.1 高通量测序通过1%琼脂糖凝胶电泳及超微量紫外分光光度计(DeNovix, USA)对DNA进行纯度及浓度的测定.将测定合格的DNA送至上海派森诺生物科技股份有限公司进行高通量测序.利用细菌引物338F(5′-ACTCCTACGGGAGGCAGCA)和806R(5′-GGACTACHVGGGTWTCTAAT)进行PCR扩增, PCR产物长度约为420 bp.PCR反应条件为: 98 ℃预变性2 min, 98 ℃变性15 s, 55 ℃退火30 s, 72 ℃延伸30 s, 25个循环, 最后, 72 ℃延伸5 min.PCR扩增产物通过2%琼脂糖凝胶电泳进行检测, 纯化目的条带, 制备测序文库.使用Agilent Bioanalyzer对测序文库进行质检, 质检合格的测序文库使用Illumina MiSeq平台进行测序.
2.4.2 数据分析及处理对测序原始序列首先运用QIIME软件(Quantitative Insights Into Microbial Ecology, v1.8.0)(Caporaso et al., 2010)识别疑问序列.要求序列长度≥160 bp, 不允许存在模糊碱基, 同时剔除5′端引物错配碱基数>1及含有连续相同碱基数>8的序列.随后, 利用Usearch检查并剔除嵌合体序列, 得到优质序列.然后, 用Uclust(Edgar, 2010)对上述获得的优质序列按97%的相似度进行归并和OTU划分, 并选取每个OTU中丰度最高的序列作为该OTU的代表序列.将上述获得的OTU代表序列与Greengenes数据库(Release13.8, http://greengenes.secondgenome.com/)(Desantis et al., 2006)中的模板序列进行比对, 获取每个OTU所对应的分类学信息.使用QIIME软件对每个样本在相同测序深度下分别计算Chao1、Shannon等Alpha多样性指数, 并绘制稀释曲线.使用R软件绘制热图, 以颜色梯度反映样本之间的群落组成相似度.通过典范对应分析(canonical correspondence analysis, CCA)研究环境因子对细菌群落结构的影响.
2.5 基因序列登陆号本研究获得的细菌16S rRNA序列信息已提交至NCBI SRA(Sequence Read Archive)数据库中, 登录号为PRJNA587892.
3 结果(Results) 3.1 水体环境因子分析采样站位地下水水体的环境因子信息如图 2所示, 海水水体的环境因子信息如图 3所示.地下水样本的溶解无机氮(DIN)浓度为9.450~498.456 μmol·L-1, 溶解硅酸盐(DSi)的浓度为7.280~104.568 μmol·L-1, 溶解无机磷(DIP)的浓度为0.233~1.404 μmol·L-1, 224Ra的活度为603.13~2646.07 dpm/100 L.DIN、DSi浓度在SW11站位最高, 在SW2站位最低.DIP浓度在SW7站位最高, 在SW12站位最低.
由图 3可知, 对应海水样本的DIN浓度为1.545~78.634 μmol·L-1, DSi的浓度为0.488~70.466 μmol·L-1, DIP的浓度为0.209~1.088 μmol·L-1.DIN、DSi、DIP浓度在SW7站位较低, DIN、DSi浓度在SW17最高, 说明两站位具有相对独特的营养盐环境.224Ra的活度在128.68~760.75 dpm/100 L之间变化.
图 2、图 3的对比分析发现, 地下水中的DIN、DSi浓度, 224Ra活度明显高于沿岸海水.研究表明海水中的224Ra主要来自于陆源输入(Dulaiova et al., 2008), 本研究区域除SW17外, 其他海域均无明显的河流输入, 南黄海沿岸海水中高活度的224Ra可表征SGD的强烈输入.由图 3可知, SW4、SW11站位海水中的224Ra活度值较高, 水体营养盐浓度也相对较高, 推测SW4、SW11具有明显SGD的输入.已有研究表明, SW11站位附近海域具有明显的SGD输入(赵世彬等, 2018).SW7站位地下水中营养盐浓度、224Ra活度相对海水较高, 但对应海水中的224Ra活度、营养盐浓度却较低, 推测该站位海水中低营养盐浓度可能与SGD过程较弱有关.SW17较高浓度的营养盐可能来自长江水的输入.
3.2 细菌群落多样性分析通过Illumina MiSeq平台对样品中细菌16S rRNA基因进行分析, 每个样品得到的优质序列数为29918~45428(表 1).序列相似度按97%进行归并和OTU划分, 共得到5490个OTU, 每个样品的OTU数介于824~1479之间.11个样本的覆盖度均超过97%, 基本可以反映每个样本中绝大多数细菌群落组成信息.
由表 1、图 3可知, 表征细菌丰富度的Chao1指数、表征细菌多样性的Shannon指数大小与海水中224Ra活度值具有相对同步的变化规律, 说明相邻站位海水中224Ra活度高的区域的微生物多样性及丰富度也较其相邻海域高.
3.3 细菌群落组成分析 3.3.1 门分类水平优势类群分析在门分类水平上细菌群落结构具有较高的多样性及差异性(图 4a), 每个样本均超过13个门且优势菌差异较大.主要包括变形菌门(Proteobacteria)、放线菌门(Actinobacteria)、拟杆菌门(Bacteroidetes)、蓝细菌门(Cyanobacteria)、Epsilonbacteraeota、Patescibacteria、疣微菌门(Verrucomicrobia)、厚壁菌门(Firmicutes)、绿弯菌门(Chloroflexi)、浮霉菌门(Planctomtycetes).除SW7站位外, 其他10个站位均以变形菌、放线菌、拟杆菌、蓝细菌、疣微菌为主要类群.而在SW7站位的样本中, 最优势菌为Epsilonbacteraeota, 其次是变形菌、厚壁菌、Patescibacteria.其中, Epsilonbacteraeota、厚壁菌、Patescibacteria在其他10个站位的样本中所占比例较低, 说明SW7站位的样本具有相对独特的微生物群落组成.不同的近岸海洋生态系统, 受到的营养物质、污染物来源不同, 微生物群落结构也具有显著差异(Aravindraja et al., 2013; 付新华等, 2017).但在SGD输入明显的SW4、SW11站位, 两站位空间距离较远, 但优势菌群分布具有相似的群落结构信息, 其中变形菌的相对丰度均高于70%, 放线菌、拟杆菌、疣微菌相对丰度相近.
由图 4b可知, 在属分类水平, 不同样本的细菌群落结构具有更高的多样性及差异性, 且每个站位均有50%以上的菌属不能确定分类地位, 大量未知的微生物资源有待深入研究.HIMB11、Marinobacterium、Arcobacter、Marivivens、Candidatus_Actinomarina、Thalassobius相对丰度较高, 为本研究11个站位中的优势类群.此外, CL500-29_marine_group与Loktanella仅在SW17站位相对丰度较高.SW7站位在属分类水平上同样具有相对独特的群落结构, 该站位的相对丰度最高的菌属为Arcobacter, 所占相对比重接近50%, 且Arcobacter在其它10个站位中相对丰度较低.值得注意的是, SW7站位海水中的营养盐水平相较于其他10个站位相对较低, 因此, Arcobacter可能在低浓度的营养盐环境中更具生存优势.在SGD输入明显的SW4、SW11站位, 两站位空间距离较远, 在属分类水平同样具有相似的群落结构信息, 其中HIMB11、Marinobacterium、litorimicrobium、Thalassobius为优势菌.
3.4 细菌属分类水平热图分析及样本相似性分析使用R软件, 对11个样本中丰度前50位的属进行聚类分析并绘制热图(图 5).结果发现, 所有样本可分为3组.其中, SW2、SW4、SW6、SW11、SW13、SW14站位的样本聚为一组, SW7单独聚为一组, 其他4个站位的样本聚为一组.在位于长江入海口的SW17站位中, CL500-29_marine_group、Loktanella、Ketogulonicigenium、Marinomonas 4种菌的相对丰度很高, 但在其他10个站位中相对丰度很低.由图 6可知, 在SGD输入较弱的SW7站位中只有Arcobacter、Oceanospirillum两种菌相对丰度较高, 其他48种菌属的相对丰度均较低, 且Arcobacter、Oceanospirillum两种菌在其他10个站位的样本中丰度很低.在SGD旺盛的SW4、SW11站位, 两站位虽空间距离较远, 但在前50位优势属水平上具有较为相似的群落结构信息, 其中Ruegeria、Tropicimonas、Persicirhabdus 3种菌的相对丰度明显高于其他9个站位.
在OTU水平上对黄海沿岸不同站位海水中细菌群落结构与环境因子的相关性进行分析(图 6).经BIOENV对本研究获取的所有环境因子进行筛选, 得到DIN、DSi、DIP、DO、Tem.、盐度(Sal.)为影响细菌群落结构的最佳环境因子组合.通过去趋势对应分析进行判定, CCA更适合本研究水体中细菌群落结构与环境因子的相关性分析.结果表明, 在第一、第二排序轴上的环境因子可以解释物种与环境因子间43.6%的累积变量.DO、DIN、DSi、Tem.是解释本研究中细菌群落结构变化的主要环境因子.蒙特卡洛检验表明, DO对南黄海沿岸不同站位海水中的细菌群落结构具有极显著影响(p<0.01).
由Shannon指数、Chao1指数可知南黄海沿岸海水中微生物具有较高的丰富度及多样性.比较分析表 1、图 3的11个站位的Chao1指数、Shannon指数与海水中224Ra活度的关系.可知, 沿黄海沿岸由北至南, 相邻海水站位中的224Ra活度与Chao1指数、Shannon指数变化具有相对同步的变化规律.通过相关性分析发现, 海水中224Ra活度与细菌群落的Chao1指数、Shannon指数具有显著相关性(p<0.05).海水与地下水中224Ra活度的相关性分析发现, 它们之间具有显著相关性(p=0.001).这与3.1节所得结果南黄海沿岸海水中高活度的224Ra可表征SGD的强烈输入一致.因此推测SGD的输入可能显著影响近岸海水中微生物群落特征.
已有研究表明, 通过SGD输入的氮可能导致沿海海域的富营养化(Moore, 2010).在黄海海域, SGD在营养盐收支中占据重要地位(Kim et al., 2005; Waska et al., 2011).由图 2可知, 沿岸地下水中具有高浓度的DIN、DSi, SGD的输入可能造成沿岸海水营养盐浓度的增加.地下水中营养盐浓度与海水中224Ra活度、海水中的营养盐浓度、Chao1指数、Shannon指数的相关性分析发现, 地下水中的DIN与海水微生物的Chao1指数、Shannon指数及海水中224Ra活度具有显著相关性(p<0.05), 地下水中的DSi与海水中的DSi、海水微生物的Shannon指数具有显著相关性(p<0.05), 说明SGD输入的DIN、DSi是导致沿岸海水中微生物群落多样性及丰富度提高的主要原因.
海水中溶解氧浓度与营养盐浓度的相关性分析发现, 二者之间显著相关(p<0.011), 这可能与SGD输入的还原态DIN氧化耗氧过程有关.Guo等(2020)的研究发现, 地下水中具有低浓度的溶解氧, 且SGD的输入对海域低氧成因具有重要贡献.SGD输入的低氧地下水及高浓度的还原态DIN可能对近岸海水微生物群落结构造成一定影响.这与图 6所得结果一致, 即DO、DIN、DSi对黄海沿岸不同站位海水中的细菌群落结构具有重要影响, 是解释本研究中细菌群落结构变化的主要环境因子.推测SGD输入旺盛的SW4、SW11站位, 虽空间距离较远, 但具有相似的微生物群落结构信息, 这可能与SGD输入的低氧地下水及高浓度的还原态DIN有关.
Meyer-Reil等(2000)发现微生物对碳水化合物及蛋白质的代谢能力随着海水富营养化的加剧而提高.同样, 细菌自身的生长繁殖速率也随着海水富营养化的加剧而提高(Feuerpfeil et al., 2004).因此, SGD携带的高浓度溶解营养盐可能是影响海洋沿岸水体微生物群落结构及功能的主要因素之一.在对近海物质输送与环境效应研究中, 不能忽视SGD输入的高浓度溶解营养盐对沿岸生态系统的影响.
4.2 沿岸海水中微生物群落结构及生态功能有研究对黄海及长江口邻近海域的海水样品进行分析发现, 变形菌门为相关研究海域海水样品的最优势菌门, α-变形菌纲、γ-变形菌纲为优势菌纲(Feng et al., 2009; 白洁等, 2009; Guo et al., 2011).本研究对黄海沿岸及长江入海口邻近海域的海水微生物群落结构进行分析发现, 除SW7、SW8站位外, 其他站位均以变形菌为最优势菌, 以α-变形菌纲、γ-变形菌纲为优势菌纲, 与前人的研究结果基本一致.变形菌作为沿岸海水中的优势菌群, 其在沿岸海洋生态系统的生源要素循环中发挥着重要作用, 尤其是相对含量较高的α-变形菌.有研究表明, α-变形菌具有耐盐性, 可以利用多种碳源进行新陈代谢, 且在H2S的转化过程中起重要作用(李涛等, 2008; Sjöstedt et al., 2012).γ-变形菌可以参与氮循环中的氨氧化过程, 在硫的生物降解过程中具有重要作用(Sjöstedt et al., 2012).变形菌生态功能的多样性, 可能是其在黄海沿岸不同环境中具有相对高丰度的主要原因.
在长江口附近的SW17站位中, CL500-29_marine_group为最优势菌, 但该菌在其他站位中相对丰度较低(图 4b).有研究表明CL500-29_marine_group、hgcl_clade适宜生活在淡水环境中, 是受有机物、氮、磷污染的富营养化湖水、长江水中的优势菌(成敏玲, 2017; 吴晓冰等, 2019).SW17站位位于长江入海口的南支, 该站位中的优势菌CL500-29_marine_group可能来自于长江水的输入, 该站位海水中高浓度的DIN可能也来自于长江水的贡献.hgcl_clade、Marinomonas虽然在SW17站位所占丰度相对较低(图 4b), 但相比其他站位仍然较高(图 5).已有研究表明, 长江口附近呈现高浓度的二甲基巯基丙酸(DMSP), 主要受长江冲淡水的影响(高旭旭等, 2019), Marinomonas能够将DMSP降解为DMS进入大气中, 在海洋与大气的硫循环中具有重要作用(魏力, 2007).因此, 在SW17站位检测到Marinomonas可能与长江入海输入的DMSP有关.长江水的输入可能对沿岸海水微生物的群落结构及功能产生一定影响.
在SGD输入较弱的SW7站位, Epsilonbacteraeota为最优势菌, 该菌在其他10个站位相对丰度较低, 在某些站位甚至检测不到.已有研究表明, 海洋生态系统中的微生物群落结构明显受营养盐浓度的影响(Arrigo, 2005).在本研究中SW7站位海水具有相对较低的营养盐浓度(图 3), 其相对独特的群落结构特征可能与低营养盐浓度有关.推测Epsilonbacteraeota在低浓度的营养盐环境中更具有竞争优势.
在SGD输入旺盛的SW4、SW11站位, 变形菌的相对丰度均超过70%.迄今为止发现的好氧氨氧化菌均属于变形菌(Head et al., 1993; Purkhold et al., 2003), SGD输入的高浓度还原态DIN可能导致沿岸海水中变形菌丰度增高.这可能是SW4、SW11站位具有较高丰度变形菌的主要原因之一.
对南黄海沿岸海水中细菌生态功能研究发现, 样品中存在大量与氮代谢相关的细菌群落.其中假单胞菌属(Pseudomonas)、固氮螺菌属(Azospirillum)、分支杆菌属(Mycobacterium)、不动杆菌属(Acinetobacter)、食酸菌属(Acidovorax)、亚硝化球菌属(Nitrosococcus)均可参与氮元素的生物地球化学循环, 且在南黄海沿岸海水中的相对丰度较高.因此, 受潮汐作用的影响, 南黄海沿岸海水中的氮循环过程比较活跃.
4.3 沿岸海水养殖对微生物群落多样性的影响值得注意的是, SW9站位相较于SW8站位海水中的224Ra活度有一定程度的降低, 但Chao1指数、Shannon指数却明显增大.这可能与该站位存在紫菜养殖有关.有研究表明, 浮游植物的光合作用产物及自身降解产物可以促进微生物的新陈代谢作用(Voros et al., 2003).紫菜养殖活动不会造成水体环境中天然放射性镭同位素活度的变化, 但紫菜光合作用产物及自身降解产物可促进微生物的新陈代谢作用, 进而导致该站位Chao1指数、Shannon指数升高.因此, 海水养殖也是近岸海水微生物群落结构及多样性的重要影响因素.
5 结论(Conclusions)本研究采用同位素地球化学与分子生物学技术, 探讨SGD对南黄海沿岸海水微生物群落结构的影响.结果表明, 由北至南, 海水中的224Ra活度与微生物的多样性与丰富度具有相对同步的变化规律.DO、DIN、DSi是影响南黄海沿岸水体不同站位细菌群落特征的最主要环境因子.SGD携带的高浓度溶解营养盐可能导致沿岸水体微生物群落结构的改变及多样性与丰富度的增加.SGD对沿岸生态系统的影响不容忽视.
Arrigo K R. 2005. Marine microorganisms and global nutrient cycles[J]. Nature, 437(7057): 349-355. DOI:10.1038/nature04159 |
Anschutz P, Smith T, Mouret A, et al. 2009. Tidal sands as biogeochemical reactors[J]. Estuarine, Coastal and Shelf Science, 84(1): 84-90. DOI:10.1016/j.ecss.2009.06.015 |
Aravindraja C, Viszwapriya D, Pandian S K. 2013. Ultradeep 16S rRNA sequencing analysis of geographically similar but diverse unexplored marine samples reveal varied bacterial community composition[J]. Plos One, 8(10): 76724. DOI:10.1371/journal.pone.0076724 |
Burnett W C, Aggarwal P K, Aureli A, et al. 2006. Quantifying submarine groundwater discharge in the coastal zone via multiple methods[J]. Science of the Total Environment, 367(2): 498-543. |
Burnett W C, Bokuniewicz H J, Huettel M, et al. 2003. Groundwater and pore water inputs to the coastal zone[J]. Biogeochemistry, 66(1): 3-33. |
白洁, 李海艳, 赵阳国. 2009. 黄海北部不同站位海洋细菌群落分布特征[J]. 微生物学报, 9(3): 343-350. DOI:10.3321/j.issn:0001-6209.2009.03.010 |
成敏玲. 2017. 基于高通量测序的东湖不同富营养化区域细菌群落结构研究[D]. 武汉: 华中农业大学
|
Carlsson P, Granéli E, Granéli W, et al. 2012. Bacterial and phytoplankton nutrient limitation in tropical marine waters, and a coastal lake in Brazil[J]. Journal of Experimental Marine Biology and Ecology, 418(3): 37-45. |
Caporaso J G, Kuczynski J, Stombaugh J, et al. 2010. QIIME allows analysis of high-throughput community sequencing data[J]. Nature Methods, 7(5): 335-336. DOI:10.1038/nmeth.f.303 |
Dulaiova H, Burnett W C. 2008. Evaluation of the flushing rates of Apalachicola Bay, Florida via natural geochemical tracers[J]. Marine Chemistry, 109(3): 395-408. |
Dulaiova H, Burnett W C, Wattayakorn G, et al. 2006. Are groundwater inputs into river-dominated areas important? The Chao Phraya River: Gulf of Thailand[J]. Limnology and Oceanography, 51: 2232-2247. DOI:10.4319/lo.2006.51.5.2232 |
Desantis T Z, Hugenholtz P, Larsen N, et al. 2006. Greengenes, a chimera-checked 16S rRNA gene database and workbench compatible with ARB[J]. Applied and Environmental Microbiology, 72(7): 5069-5072. DOI:10.1128/AEM.03006-05 |
Edgar R C. 2010. Search and clustering orders of magnitude faster than BLAST[J]. Bioinformatics, 26(19): 2460-2461. DOI:10.1093/bioinformatics/btq461 |
Falkowski P G, Fenchel T, Delong E F. 2008. The microbial engines that drive Earth's biogeochemical cycles[J]. Science, 320(5879): 1034-1039. DOI:10.1126/science.1153213 |
付新华, 刘国宁, 何健龙, 等. 2017. 山东省渤海海洋保护区典型海域表层海水微生物群落多样性分析[J]. 海洋科学, 41(1): 39-47. |
Feng B W, Li X R, Wang J H, et al. 2009. Bacterial diversity of water and sediment in the Changjiang estuary and coastal area of the East China Sea[J]. FEMS Microbiology Ecology, 70(2): 236-248. DOI:10.1111/j.1574-6941.2009.00772.x |
Fodelianakis S, Papageorgiou N, Pitta P, et al. 2014. The pattern of change in the abundances of specific bacterioplankton groups is consistent across different nutrient-enriched habitats in Crete[J]. Applied and Environmental Microbiology, 80(13): 3784-3792. DOI:10.1128/AEM.00088-14 |
Feuerpfeil P, Rieling T, Estrum-Youseff S R, et al. 2004. Carbon budget and pelagic community compositions at two coastal areas that differ in their degree of eutrophication, in the Southern Baltic Sea[J]. Estuarine Coastal and Shelf Science, 61(1): 89-100. DOI:10.1016/j.ecss.2004.04.006 |
Guo C, Li F, Jiang P, et al. 2011. Bacterial diversity in surface water of the Yellow Sea during and after a green alga tide in 2008[J]. Chinese Journal of Oceanology and Limnology, 29(6): 1147-1154. DOI:10.1007/s00343-011-0264-7 |
Gibbes B, Robinson C, Li L, et al. 2008. Tidally driven pore water exchange within offshore intertidal sandbanks: Part II numerical simulations[J]. Estuarine Coastal and Shelf Science, 80(4): 472-482. DOI:10.1016/j.ecss.2008.08.021 |
Guo X, Xu B, Burnett W C, et al. 2020. Does submarine groundwater discharge contribute to summer hypoxia in the Changjiang (Yangtze) River Estuary[J]. Science of the Total Environment, 719. |
高旭旭, 张洪海, 杨竣齐, 等. 2019. 夏季长江口及其邻近海域生源有机硫化物的分布与影响因素研究[J]. 环境科学学报, 39(3): 13-21. |
Head I M, Hiorns W D, Embley T M, et al. 1993. The phylogeny of autotrophic ammonia-oxidizing bacteria as determined by analysis of 16S ribosomal RNA gene sequences[J]. Microbiology, 139(6): 1147-1153. |
Hu C, Mullerkarger F E, Swarzenski P W, et al. 2006. Hurricanes, submarine groundwater discharge, and Florida's red tides[J]. Geophysical Research Letters, 33(L11601): 1-5. |
Kim G, Burnett W C, Dulaiova H, et al. 2001. Measurement of 224Ra and 226Ra activities in natural waters using a radon-in-air monitor[J]. Environmental Science and Technology, 35(23): 4680-4683. DOI:10.1021/es010804u |
Kim G, Ryu J W, Yang H S, et al. 2005. Submarine groundwater discharge (SGD) into the Yellow Sea revealed by 228Ra and 226Ra isotopes: Implications for global silicate fluxes[J]. Earth and Planetary Science Letters, 237(1): 156-166. |
Li M, Cao H, Hong Y, et al. 2013. Using the variation of anammox bacteria community structures as a bio-indicator for anthropogenic/terrestrial nitrogen inputs in the Pearl River Delta (PRD)[J]. Applied Microbiology and Biotechnology, 97(22): 9875-9883. DOI:10.1007/s00253-013-4990-y |
Liu J, Du J, Wu Y, et al. 2018. Nutrient input through submarine groundwater discharge in two major Chinese estuaries: the Pearl River Estuary and the Changjiang River Estuary[J]. Estuarine Coastal and Shelf Science, 8: 17-28. |
Lee Y W, Kim G. 2007. Linking groundwater-borne nutrients and dinoflagellate red-tide outbreaks in the southern sea of Korea using a Ra tracer[J]. Estuarine Coastal and Shelf Science, 71(1): 309-317. |
LaRoche J, Nuzzi R, Waters R, et al. 1997. Brown tide blooms in Long Island's coastal waters linked to interannual variability in groundwater flow[J]. Global Change Biology, 3(5): 397-410. DOI:10.1046/j.1365-2486.1997.00117.x |
Liu J A, Su N, Wang X L, et al. 2017. Submarine groundwater discharge and associated nutrient fluxes into the Southern Yellow Sea: A case study for semienclosed and oligotrophic seas-implication for green tide bloom[J]. Journal of Geophysical Research Oceans, 122: 139-152. DOI:10.1002/2016JC012282 |
李涛, 王鹏, 汪品先. 2008. 南海南部陆坡表层沉积物细菌和古菌多样性[J]. 微生物学报, 48(3): 323-329. DOI:10.3321/j.issn:0001-6209.2008.03.009 |
Moore W S. 1996. Large groundwater inputs to coastal waters revealed by 226Ra enrichments[J]. Nature, 380(6575): 612-614. DOI:10.1038/380612a0 |
Moore W S, Arnold R. 1996. Measurement of 223Ra and 224Ra in coastal waters using a delayed coincidence counter[J]. Journal of Geophysical Research: Oceans, 101(C1): 1321-1329. DOI:10.1029/95JC03139 |
Moore W S. 2010. The effect of submarine groundwater discharge on the ocean[J]. Annual Review of Marine Science, 2(1): 59-88. DOI:10.1146/annurev-marine-120308-081019 |
Meyer-Reil L A, Köster M. 2000. Eutrophication of marine waters: Effects on benthic microbial communities[J]. Marine Pollution Bulletin, 41(1): 255-263. |
Nogales B, Lanfranconi M P, Piavillalonga J M, et al. 2011. Anthropogenic perturbations in marine microbial communities[J]. FEMS Microbiology Reviews, 35(2): 275-298. DOI:10.1111/j.1574-6976.2010.00248.x |
Peterson R N, Santos I R, Burnett W C. 2010. Evaluating groundwater discharge to tidal rivers based on a Rn-222 time-series approach[J]. Estuarine Coastal and Shelf Science, 86: 165-178. DOI:10.1016/j.ecss.2009.10.022 |
Purkhold U, Wagner M, Timmermann G, et al. 2003. 16S rRNA and amoA-based phylogeny of 12 novel betaproteobacterial ammonia-oxidizing isolates: extension of the dataset and proposal of a new lineage within the Nitrosomonads[J]. International Journal of Systematic and Evolutionary Microbiology, 53(5): 1485-1494. DOI:10.1099/ijs.0.02638-0 |
Santos I R, Eyre B D, Huettel M. 2012. The driving forces of porewater and groundwater flow in permeable coastal sediments: A review[J]. Estuarine Coastal and Shelf Science, 98: 1-15. DOI:10.1016/j.ecss.2011.10.024 |
Sjöstedt J, Koch-Schmidt P, Pontarp M, et al. 2012. Recruitment of members from the rare biosphere of marine bacterioplankton communities after an environmental disturbance[J]. Applied and Environmental Microbiology, 78(5): 1361-1369. DOI:10.1128/AEM.05542-11 |
Smith C G, Swarzenski P W. 2012. An investigation of submarine groundwater—borne nutrient fluxes to the west Florida shelf and recurrent harmful algal blooms[J]. Limnology and Oceanography, 57(2): 471-485. DOI:10.4319/lo.2012.57.2.0471 |
Sun Y, Torgersen T. 1998. The effects of water content and Mn-fiber surface conditions on 224Ra measurement by 220Rn emanation[J]. Marine Chemistry, 62(3/4): 299-306. |
Voros L, Katalin V, Koncz E, et al. 2003. Phytoplankton and bacterioplankton production in a reed-covered water body[J]. Aquatic Botany, 77(2): 99-110. DOI:10.1016/S0304-3770(03)00090-1 |
魏力. 2007. 一株海洋细菌的初步鉴定和相关功能基因(簇)的克隆[D]. 武汉: 华中农业大学
|
王勋功. 2017. 潮汐作用对滨海浅层地下水中微生物群落结构的影响[D]. 青岛: 中国海洋大学
|
Waska H, Kim G. 2011. Submarine groundwater discharge (SGD) as a main nutrient source for benthic and water-column primary production in a large intertidal environment of the Yellow Sea[J]. Journal of Sea Research, 65(1): 103-113. DOI:10.1016/j.seares.2010.08.001 |
吴晓冰, 叶飞, 姜毅, 等. 2019. 长江干流浮游细菌群落结构及影响因素[J]. 长江流域资源与环境, 28(7): 1652-1662. |
Xu B, Burnett W, Dimova N, et al. 2013. Hydrodynamics in the Yellow River Estuary via radium isotopes: ecological perspectives[J]. Continental Shelf Research, 66: 19-28. DOI:10.1016/j.csr.2013.06.018 |
Ye Q, Liu J, Du J, et al. 2016. Bacterial Diversity in submarine groundwater along the coasts of the Yellow Sea[J]. Frontiers in Microbiology, 6: 1519-1519. |
张凯. 2018. 河口区沉积微生物对水体富营养化过程的响应研究[D]. 杭州: 浙江大学
|
赵世彬, 姚庆祯, 于志刚, 等. 2018. 苏北浅滩海底地下水排放及其对海域营养盐通量的贡献[J]. 海洋与湖沼, 49(5): 1038-1044. |