下载:
-
园林绿化废弃物资源化利用[1-2]已成为研究热点，其中堆肥化是一种比较理想的处理方式。由于园林绿化废弃物木质素含量较高、起始微生物数量较少等原因，堆肥效率较低，因此如何提高堆肥过程中的微生物数量成为推进园林绿化废弃物堆肥的关键[3-4]。添加微生物菌剂是提高堆体微生物数量最直接的方式之一。目前，针对木质素降解的菌剂较少，且多集中于液体菌剂。然而液体菌剂对无菌条件要求较高，运输及产品储存有诸多不便[5]。固体菌剂在生产和储存方面能弥补液体菌剂的不足，同时，固体菌剂生产成本更低、生产工艺也相对简单，对促进园林绿化废弃物堆肥化过程的优势更明显[6]。生产固体菌剂，除了设计固体发酵的培养基，还要优化其发酵条件，主要流程为试验设计、数学建模和优化设计3个部分[7]。合理的试验设计能用较少的试验数据进行建模，从而获取各因素范围内的最优解。已有研究对于固态发酵的优化多是使用响应面法[8-9]。但是有研究发现[10]：人工神经网络算法优化培养基比响应面法优化培养基验证结果更准确，误差更小。本研究拟采用单因素试验和正交试验确定作为固态发酵培养基碳源、氮源的较优种类和水平，然后根据碳氮源优化结果，通过单因素试验确定外加营养组分种类，最后采用均匀实验结合人工神经网络建模与优化，寻找2株木质素降解菌的外加营养组分接种量和最佳固体培养基发酵条件，以期得到最大发酵生物量，制作高效固体菌剂用于园林绿化废弃物堆肥。
-
菌株A为构巢曲霉Aspergillus nidulans、菌株Q为栓菌属1种Trametes sp.，均由北京林业大学土壤生物学实验室分离并保藏。
PDA培养基：马铃薯浸汁(200.000 g土豆去皮去芽，切成小块，加蒸馏水1 L保持微沸30 min后过滤)，葡萄糖 20.000 g，蛋白胨15.000 g，琼脂 20.000 g，pH自然。PDB液体培养基：马铃薯浸汁(同PDA培养基)，葡萄糖 20.000 g，蛋白胨15.000 g，pH自然。以上所有培养基均121 ℃高压蒸汽灭菌30 min。
-
①菌株活化。将接种环置于酒精灯上燃烧，待冷却后挑取PDA斜面上的少许菌株接种至PDA培养基，封口后置于恒温培养箱活化。②液体菌种培养。将活化后纯培养的目标菌株的PDA培养基接至放有玻璃碎片的PDB液体培养基的三角瓶中，在IS-RDD3台式恒温振荡器中以25 ℃、200 r·min−1条件下培养5 d。③固态发酵。以30.000 g麸皮为发酵基质，添加碳氮源以及外加营养组分，于121 ℃高压蒸汽灭菌30 min后，冷却至室温备用。将液体菌种按20%的接种量(物料干质量)加入无菌水中混匀，接入物料，调节料水比，搅拌均匀后置于25 ℃条件下培养7 d，重复3次。
-
①碳氮源筛选。采用单因素试验筛选固体发酵培养基的碳氮源种类。以麸皮为发酵基质，在米糠、木质素磺酸钠、玉米粉、蔗糖中筛选碳源，在豆饼粉、蛋白胨、酒石酸胺、尿素中筛选氮源，比较不同碳氮源对2株木质素降解菌生物量的影响，以选择能促进菌体生长发育的最佳碳氮源。采用L9(34)正交试验确定最佳添加量。根据最佳碳氮源的筛选结果，选择3个吸光度D(260)相对较高的添加量梯度进行L9(34)正交试验，探究碳氮源添加量对2株木质素降解菌生物量的影响，优化固态发酵基质配方。②外加营养组分筛选。采用单因素试验确定添加物质种类。以麸皮为发酵基质，在最佳碳氮源的基础上中添加营养组分：硫酸钙(CaSO4)、硫酸镁(MgSO4)、磷酸二氢钾(KH2PO4)、硫酸亚铁(FeSO4·7H2O)、氯化钠(NaCl)进行外加营养组分筛选，重复3次，选择3个D(260)最大的作为外加营养组分的种类，确定外加钙盐、镁盐、磷酸盐等对菌株A和菌株Q生长的影响。③培养基配方优化。采用均匀实验设计结合人工神经网络建模，进一步优化固态发酵培养基的外加营养组分添加量及其他发酵条件。
-
将液体菌种用纱布过滤，同时以无菌水充分洗涤过滤物，过滤物即为纯菌体，在65 ℃的条件下烘干至恒量，留存备用。精密称取纯菌体0.010、0.030、0.050、0.100、0.150和0.200 g，加入25.000 mL体积分数为5%三氯乙酸溶液，80 ℃恒温水浴中搅拌提取25 min，取出后冰浴冷却，在4 ℃、8000 r·min−1条件下离心15 min，稀释2倍，以体积分数为5%的三氯乙酸为对照，用分光光度计测定D(260)，构建标准回归曲线。发酵物置于65 ℃条件下烘干至恒量，取0.500 g烘干至恒量的固态发酵物测定D(260)(与上述提取纯菌体中核酸的方式相同)。同时，以发酵7 d但未接种种子液的固态发酵物作为空白对照，在260 nm处测定提取液的D(260)，通过标准回归曲线预测菌丝干质量。
-
①数据采用Excel 2007和SPSS 22.0处理。碳氮源优化用单因素方差分析法，平均值多重比较用LSD最小显著性差异法(P＜0.05)。②采用均匀实验实现人工神经网络建模与优化。其一，基于Smooth L1损失函数的人工神经网络构建。该网络借鉴U-Net架构设计了编码器和解码器，添加了残差连接[11]，以缓解网络退化问题[12]，并采用Smooth L1损失函数[13]最小化观察值与模型预测值的误差。损失函数如下所示：SmoothL1(x)
$ = \left\{ {\begin{array}{*{20}{c}} {\begin{array}{*{20}{l}} {0.5{x^2}}\\ {|x| - 0.5} \end{array}}&{\begin{array}{*{20}{c}} {{\text{假如}}\;|x| {\text{＜}} 1}\\ {{\text{否则}}} \end{array}} \end{array}} \right.$ 。其二，基于AdamW算法[14]寻优。神经网络、AdamW算法基于Pytorch[15]实现。 -
由图1可知：2株木质素降解菌菌丝中的核酸量与菌丝干质量在测试的范围之内可呈现良好的线性关系，说明通过测定D(260)来确定2株木质素降解菌固态发酵生物量的方法可行。菌株Q的线性方程为yQ=4.349 3x+0.044 6，R2=0.998 6；菌株A的线性方程为yA=4.081 4x+0.046 3，R2=0.995 7。
图 1 菌丝中核酸量与菌丝干质量的关系
Figure 1. Relationship between the amount of nucleic acid in mycelium and the amount of mycelium
-
由图2可知：菌株A的4种碳源处理的D(260)差异不显著(P＞0.05)，但木质素磺酸钠的D(260)最高，分别较米糠、玉米粉和蔗糖处理高出14.900%、8.800%和8.200%。菌株Q的3种碳源处理的D(260)差异不显著(P＞0.05)，但玉米粉的D(260)最高，分别较木质素磺酸钠、米糠和蔗糖处理高出6.900%、3.600%和0.900%。菌株A为构巢曲霉，分泌的木质素降解相关酶系降解木质素效果显著[16-17]，同时木质素磺酸钠是木质素磺化改性得到的衍生化产品，因此，相比其他3种碳源，木质素磺酸钠更有利于促进菌株A细胞的快速生长，获得较高的菌丝生物量[18]。菌株Q在以玉米粉为碳源时的生物量最高，可能是因为玉米粉中含有大量的糖分、淀粉、多种矿质元素和维生素, 这些营养物质有利于菌株Q的生长繁殖[19]。因此，选择木质素磺酸钠作为菌株A的碳源，选用玉米粉作为菌株Q的碳源。
图 2 碳源对2株木质素降解菌生物量的影响
Figure 2. Effect of carbon source on the biomass of two lignin-degrading bacteria
-
由图3可知：菌株A的4种氮源处理的D(260)差异不显著(P＞0.05)，但豆饼粉的D(260)最高，分别较蛋白胨、酒石酸胺和尿素处理高出4.300%、3.000%和15.600%。菌株Q的D(260)在以豆饼粉为氮源时最高，且与其他处理差异显著(P＜0.05)，分别较蛋白胨、酒石酸胺和尿素处理高出6.700%、8.200%和14.400%。豆饼粉含大量碳水化合物、蛋白质及少量异黄酮类物质和可溶性多糖，可作为发酵的氮源及生长因子，有利于生物量的积累[20-21]。同时，豆饼粉来源稳定，价格低廉，能够快速被微生物利用，因此，选用豆饼粉为后续实验中菌株A和菌株Q的氮源。
图 3 氮源对2株木质素降解菌生物量的影响
Figure 3. Effect of nitrogen source on the biomass of two lignin-degrading bacteria
-
由图4所示：菌株A在以木质素磺酸钠为最佳碳源时，添加量为2.500%、5.000%、10.000%处理间的D(260)差异不显著(P＞0.05)，但是数值相对较高。因此，菌株A的木质素磺酸钠选用2.500%、5.000%、10.000%添加量进行正交试验。菌株Q在以玉米粉为最佳碳源时，添加量为5.000%时D(260)值最高，与其他处理差异显著(P＜0.05)，0.625%、2.500%的D(260)也相对较高，因此，菌株Q的玉米粉选用0.625%、2.500%、5.000%添加量进行正交试验。菌株Q在添加量为5.000%时生物量达到最高，可能是由于在培养空间一定时，玉米粉的添加量越多，通气量降低，导致生物量的积累下降从而使菌株Q的生长受到了一定的抑制[16]。由图5可知：菌株A以豆饼粉为最佳氮源时，5种不同添加量处理的D(260)差异不显著(P＞0.05)。添加量为10.000%时D(260)最高，但是从经济角度考虑，最终选择豆饼粉添加量为1.250%、2.500%、5.000%进行正交试验。菌株Q以豆饼粉为最佳氮源时，添加量为1.250%、5.000%、10.000%时的D(260)显著高于另外2个添加量，因此选择这3个梯度进行正交试验。
图 4 碳源添加量对2株木质素降解菌生物量的影响
Figure 4. Effect of carbon source addition on the biomass of two lignin-degrading bacteria
图 5 氮源接种量对2株木质素降解菌生物量的影响
Figure 5. Effect of nitrogen source inoculum on the biomass of two lignin-degrading bacteria
-
由表1和表2可知：菌株A的碳氮源添加量为木质素磺酸钠5.000%、豆饼粉5.000%时D(260)最大，高达0.249。菌株Q的碳氮源添加量为玉米粉0.625%、豆饼粉10.000%时D(260)最大，高达0.261。因此选定菌株A的碳氮源添加量为木质素磺酸钠5.000%和豆饼粉5.000%，菌株Q的碳氮源添加量为豆饼粉10.000%和玉米粉0.625%。
表 1 菌株A正交设计试验L9(34)
Table 1. Orthogonal design experiment of strain A L9 (34)
处理 豆饼粉/% 木质素磺酸钠/% D(260) T1 1.250 2.500 0.228±0.009 T2 1.250 5.000 0.241±0.001 T3 1.250 10.000 0.207±0.018 T4 2.500 2.500 0.216±0.007 T5 2.500 5.000 0.213±0.008 T6 2.500 10.000 0.245±0.010 T7 5.000 2.500 0.237±0.010 T8 5.000 5.000 0.249±0.003 T9 5.000 10.000 0.241±0.007 表 2 菌株Q正交设计试验L9(34)
Table 2. Orthogonal design experiment of strain Q L9 (34)
处理 豆饼粉/% 玉米粉/% D(260) T1 1.250 0.625 0.101±0.003 T2 1.250 2.500 0.224±0.006 T3 1.250 5.000 0.214±0.005 T4 5.000 0.625 0.101±0.003 T5 5.000 2.500 0.162±0.008 T6 5.000 5.000 0.232±0.020 T7 10.000 0.625 0.261±0.003 T8 10.000 2.500 0.191±0.002 T9 10.000 5.000 0.102±0.003 -
由图6表明：菌株A的5种外加营养组分处理的D(260)差异不显著(P＞0.05)，但外加CaSO4、MgSO4、KH2PO4时的D(260)值最大，因此，这3种被定为最佳外加营养组分。微生物除了碳源和氮源，还需要一定量的无机盐来调节其生长代谢。镁盐作为许多重要酶的激活剂能够影响蛋白质的合成以及基质氧化；磷则是核酸和蛋白质的重要组成成分，能够影响微生物的生长[22]，这与本研究结果一致。
图 6 菌株A和菌株Q在不同营养组分培养基上的生长
Figure 6. Growth of strain A and strain Q on the medium with different nutrient components
-
在以2.2.4和2.3实验结果为前提的条件下，设计6因素5水平10组的均匀实验。再通过神经网络对所有数据进行预测，得到实测值与仿真值的对比(表3和表4)。结果发现：各观察值与测量值误差较小，基本相同。综上，该模型预测值具备参考性。
表 3 菌株Q均匀实验设计及结果
Table 3. Strain Q uniform test design and results
试验号 因素水平(实际用量/%) D(260) MgSO4 KH2PO4 FeSO4·7H2O 接菌量 料水比 海藻糖 实测值1 1(0.600) 2(0.800) 3(1.000) 5(25.000) 7(1.00∶0.50) 10(16.000) 0.4110 仿真值1 1(0.600) 2(0.800) 3(1.000) 5(25.000) 7(1.00∶0.50) 10(16.000) 0.4109 实测值2 2(0.800) 4(1.200) 6(0.600) 10(25.000) 3(1.00∶0.65) 9(12.000) 0.4500 仿真值2 2(0.800) 4(1.200) 6(0.600) 10(25.000) 3(1.00∶0.65) 9(12.000) 0.4499 实测值3 3(1.000) 6(0.600) 9(1.200) 4(20.000) 10(1.00∶0.95) 8(8.000) 0.4800 仿真值3 3(1.000) 6(0.600) 9(1.200) 4(20.000) 10(1.00∶0.95) 8(8.000) 0.4801 实测值4 4(1.200) 8(1.000) 1(0.600) 9(20.000) 6(1.00∶0.30) 7(4.000) 0.4430 仿真值4 4(1.200) 8(1.000) 1(0.600) 9(20.000) 6(1.00∶0.30) 7(4.000) 0.4431 实测值5 5(1.400) 10(1.400) 4(1.200) 3(15.000) 2(1.00∶0.50) 6(0.000) 0.3860 仿真值5 5(1.400) 10(1.400) 4(1.200) 3(15.000) 2(1.00∶0.50) 6(0.000) 0.3859 实测值6 6(0.600) 1(0.600) 7(0.800) 8(15.000) 9(1.00∶0.80) 5(16.000) 0.4620 仿真值6 6(0.600) 1(0.600) 7(0.800) 8(15.000) 9(1.00∶0.80) 5(16.000) 0.4619 实测值7 7(0.800) 3(1.000) 10(1.400) 2(10.000) 5(1.00∶0.95) 4(12.000) 0.4630 仿真值7 7(0.800) 3(1.000) 10(1.400) 2(10.000) 5(1.00∶0.95) 4(12.000) 0.4635 实测值8 8(1.000) 5(1.400) 2(0.800) 7(10.000) 1(1.00∶0.30) 3(8.000) 0.2930 仿真值8 8(1.000) 5(1.400) 2(0.800) 7(10.000) 1(1.00∶0.30) 3(8.000) 0.2929 实测值9 9(1.200) 7(0.800) 5(1.400) 1(5.000) 8(1.00∶0.65) 2(4.000) 0.4450 仿真值9 9(1.200) 7(0.800) 5(1.400) 1(5.000) 8(1.00∶0.65) 2(4.000) 0.4453 实测值10 10(1.400) 9(1.200) 8(1.000) 6(5.000) 4(1.00∶0.80) 1(0.000) 0.4230 仿真值10 10(1.400) 9(1.200) 8(1.000) 6(5.000) 4(1.00∶0.80) 1(0.000) 0.4231 表 4 菌株A均匀试验设计及结果
Table 4. Strain A uniform test design and results
试验号 因素水平(实际用量/%) D(260) CaSO4 MgSO4 KH2PO4 接菌 料水比 海藻糖 实测值1 1(0.600) 2(0.800) 3(1.000) 5(25.000) 7(1.00∶0.50) 10(16.000) 0.3930 仿真值1 1(0.600) 2(0.800) 3(1.000) 5(25.000) 7(1.00∶0.50) 10(16.000) 0.3930 实测值2 2(0.800) 4(1.200) 6(0.600) 10(25.000) 3(1.00∶0.65) 9(12.000) 0.4020 仿真值2 2(0.800) 4(1.200) 6(0.600) 10(25.000) 3(1.00∶0.65) 9(12.000) 0.4020 实测值3 3(1.000) 6(0.600) 9(1.200) 4(20.000) 10(1.00∶0.95) 8(8.000) 0.4260 仿真值3 3(1.000) 6(0.600) 9(1.200) 4(20.000) 10(1.00∶0.95) 8(8.000) 0.4260 实测值4 4(1.200) 8(1.000) 1(0.600) 9(20.000) 6(1.00∶0.30) 7(4.000) 0.3930 仿真值4 4(1.200) 8(1.000) 1(0.600) 9(20.000) 6(1.00∶0.30) 7(4.000) 0.3930 实测值5 5(1.400) 10(1.400) 4(1.200) 3(15.000) 2(1.00∶0.50) 6(0.000) 0.3900 仿真值5 5(1.400) 10(1.400) 4(1.200) 3(15.000) 2(1.00∶0.50) 6(0.000) 0.3900 实测值6 6(0.600) 1(0.600) 7(0.800) 8(15.000) 9(1.00∶0.80) 5(16.000) 0.4320 仿真值6 6(0.600) 1(0.600) 7(0.800) 8(15.000) 9(1.00∶0.80) 5(16.000) 0.4320 实测值7 7(0.800) 3(1.000) 10(1.400) 2(10.000) 5(1.00∶0.95) 4(12.000) 0.4110 仿真值7 7(0.800) 3(1.000) 10(1.400) 2(10.000) 5(1.00∶0.95) 4(12.000) 0.4110 实测值8 8(1.000) 5(1.400) 2(0.800) 7(10.000) 1(1.00∶0.30) 3(8.000) 0.3650 仿真值8 8(1.000) 5(1.400) 2(0.800) 7(10.000) 1(1.00∶0.30) 3(8.000) 0.3650 实测值9 9(1.200) 7(0.800) 5(1.400) 1(5.000) 8(1.00∶0.65) 2(4.000) 0.3770 仿真值9 9(1.200) 7(0.800) 5(1.400) 1(5.000) 8(1.00∶0.65) 2(4.000) 0.3770 实测值10 10(1.400) 9(1.200) 8(1.000) 6(5.000) 4(1.00∶0.80) 1(0.000) 0.4210 仿真值10 10(1.400) 9(1.200) 8(1.000) 6(5.000) 4(1.00∶0.80) 1(0.000) 0.4210 -
如表5所示：按照人工神经网络算法模型预测的优化后固体发酵培养基进行实验验证，该优化条件下菌株Q的D(260)为0.6020，实测值为0.5960，误差为1.000%；预测得到菌株A的D(260)为0.4850，实测值为0.4780，误差为1.500%。
表 5 人工神经网络寻优结果
Table 5. Optimization results of artificial neural network
试验号 实际用量/% D (260) MgSO4 KH2PO4 FeSO4·7H2O 接菌量 料水比 海藻糖 菌株Q仿真值 1.434 0.115 1.497 6.000 1.000∶0.992 1.000 0.6020 菌株Q实测值 1.434 0.115 1.497 6.000 1.000∶0.992 1.000 0.5960 菌株A仿真值 0.123 0.213 1.280 21.000 1.000∶1.000 19.000 0.4850 菌株A实测值 0.123 0.213 1.280 21.000 1.000∶1.000 19.000 0.4780 -
本研究结果表明：人工神经网络算法优化后菌株Q的预测值为0.6020，实测值为0.5960，误差为1.000%；菌株A的预测值为0.485，实测值为0.478，误差为1.500%。基于人工神经网络构建的模型拟合度较好。
根据单因素试验和人工神经网络算法结果，确定了2株木质素降解菌的最优固体发酵条件。菌株Q：固体菌剂培养基基质为麸皮30.000 g作为基底，添加豆饼粉10.000%和玉米粉0.625%，外加营养组分为MgSO4 1.434%、KH2PO4 0.115%和FeSO4·7H2O 1.497%；接种条件为接菌量6.000%、料水比1.000∶0.992、保护剂1.000%。菌株A：固体菌剂培养基基质为麸皮30.000g作为基底，添加豆饼粉5.000%和木质素磺酸钠为5.000%，外加营养组分为MgSO4 0.123 %、KH2PO4 0.213 %、FeSO4·7H2O 1.280%；接种条件为接菌量21.000%、料水比1∶1、保护剂19.000%。
Preparation of two strains of lignin-degrading bacteria solid inoculum
-
摘要:
目的 以2株不同的木质素降解菌[菌株A(构巢曲霉 Aspergillus nidulans) 、菌株Q(栓菌属1种 Trametes sp.)]为材料，分别制作应用于园林绿化废弃物降解或者堆肥的高效固体发酵菌剂。 方法 采用单因素试验确定固体发酵培养基的碳氮源和外加营养组分种类，再通过正交试验对碳氮源添加量进行优化，最后根据碳氮源优化结果，采用均匀实验结合人工神经网络算法寻找2株木质素降解菌的外加营养组分接种量和最佳固体培养基发酵条件。 结果 优化后的菌株Q固体菌剂培养基基质以麸皮30.000 g作为基底，添加豆饼粉3.000 g和玉米粉0.188 g；外加营养组分(按基质的质量比)为硫酸镁(MgSO4) 1.434%、磷酸二氢钾(KH2PO4)0.115%和硫酸亚铁(FeSO4·7H2O)1.497%；接种条件为接菌量6.000%、料水比(质量比)1.000∶0.992、保护剂1.000%。优化后的菌株A固体菌剂培养基基质以麸皮30.000 g作为基底，添加豆饼粉1.500 g和木质素磺酸钠1.500 g；外加营养组分(按基质的质量比)为MgSO4 0.123%、KH2PO4 0.213%、FeSO4·7H2O 1.280%；接种条件为接菌量21.000%、料水比1∶1、保护剂19.000%。菌株Q和菌株A在优化培养基上发酵7~9 d获得最大发酵生物量，菌株Q的吸光度D(260)为0.596，菌株A的D(260)为0.478。 结论 2株木质素降解菌在优化后的发酵条件下制得的固体菌剂具有高生物量的特点，在降解园林绿化废弃物的木质素方面具有一定潜力。图6表5参22 Abstract:Objective With two different lignin-degrading bacteria, strain A (Aspergillus nidulans) and strain Q (Trametes sp.) used as materials, this study is aimed to research the production of high-efficiency solid fermentation inoculants for degradation or composting of garden greening wastes. Method First, a single factor experiment was employed to determine the types of carbon and nitrogen sources and additional nutrient components of the solid fermentation medium. Then, the orthogonal experiment design was adopted to optimize the amount of carbon and nitrogen sources to be added, based on which, efforts were made to figure out the inoculation amount of additional nutrient components and the best solid medium fermentation conditions of the two lignin-degrading bacteria using a uniform experiment combined with the artificial neural network algorithm. Result The optimized solid inoculum medium matrix (mass ratio) of strain Q was with 30.000 g bran as the base, 3.000 g soybean meal powder and 0.188 g corn flour added, with extra nutrients (based on the mass ratio of the matrix) being MgSO4 1.434%, KH2PO4 0.115%, FeSO4·7H2O 1.497% whereas the inoculation conditions being 6.000% of inoculation, with the ratio of material to water as 1.000∶0.992, and the protective agent as 1.000%. The optimized solid inoculum medium matrix (mass ratio) of strain A was with 30.000 g bran as the base, 1.500 g soybean meal powder and 1.500 g sodium lignosulfonate were added, with extra nutrients (based on the mass ratio of the matrix) being MgSO4 0.123%, KH2PO4 0.213%, FeSO4·7H2O 1.280% whereas the inoculation conditions being 21.000% inoculation amount with the ratio of material to water as 1∶1 and the protective agent as 19.000%. Strain Q and strain A were fermented on the optimized medium for 7−9 days to get the largest fermentation biomass with the D(260) value of strain Q being 0.596 and the D(260) value of strain A being 0.478. Conclusion The solid inoculum prepared by two lignin-degrading bacteria under optimized fermentation conditions were featured with high biomass and certain potential for degrading the lignin of landscaping wastes. [Ch, 6 fig. 5 tab. 22 ref.] -
Key words:
- lignin-degrading bacteria /
- optimization /
- solid inoculum /
- fermentation
-
湿地是地球上物种最丰富、生产力最高、生态系统服务功能最强的生态系统，被誉为“地球之肾”，在维持物种多样性、净化水质、调节生态系统平衡等方面发挥重要作用[1−2]。近年来，全球变化及人为干扰导致湿地大面积退化[3]，引起湿地结构、功能及生态过程的一系列变化，并影响土壤质地、结构、养分状况、酸碱性及溶氧量，最终对土壤微生物群落组成、结构及多样性产生一系列的调控作用[4]。
细菌作为湿地生态系统中的重要组成部分，主要参与土壤形成、凋落物分解、养分供应及生态系统养分循环[5]，能够作为土壤生态系统变化的预警指标[6]，对湿地生态系统结构及功能的维持与稳定起着不容忽视的作用。前人研究表明：高寒湿地和鄱阳湖湿地退化，导致土壤蓄水保肥能力降低、养分流失、碳氮转化速率减慢，显著抑制土壤细菌群落多样性[7−8]。但也有一些研究表明：人为干扰引起湿地排干、水分流失、土壤酸化及土壤养分供给改变，能够导致湿地土壤细菌多样性增加[9−10]。另外，三江平原湿地退化引起的土壤酸碱度及含水量变化仅影响土壤细菌群落组成，而对细菌多样性无显著影响[11]。可见，土壤细菌群落对湿地土壤理化性质变化的响应，存在不确定性。这种不确定性可能与全球变化、区域气候、湿地类型及人为活动干扰密切相关。因此，探明“不同退化阶段—土壤理化环境—细菌群落结构和多样性”之间的耦合关系，对于理解全球气候变化和人为干扰引起的湿地退化对土壤细菌群落的影响机制，具有十分重要的科学意义。
纳帕海高原湿地地处青藏高原香格里拉县内，其特殊的闭合—半闭合地形孕育着丰富的生物多样性，是全球生物多样性保护的重点区域[12]。近20多年来，在喀斯特作用和人为干扰的叠加影响下，该区湖水外泄，湖面面积大幅度减小，沼泽湿地逐渐旱化为沼泽化草甸和草甸，导致湿地水文和理化环境发生改变，进而影响土壤细菌群落结构及多样性[13]。本研究选取纳帕海不同退化阶段高原湿地类型(沼泽湿地、沼泽化草甸和草甸)为研究对象，运用Illumina高通量测序技术，揭示不同退化阶段湿地的土壤细菌群落结构及多样性干湿季变化特征，并分析细菌群落结构及多样性与土壤理化性质变化之间的关系，从而阐明土壤细菌群落对纳帕海高原湿地退化过程的响应规律，以期为理解人为干扰及全球气候变化加剧背景下高原退化湿地的土壤微生物多样性保育提供关键数据支撑。
1. 材料与方法
1.1 样地设置
纳帕海湿地(27°49′~27°55′N，99°37′~99°43′E)地处滇西北横断山区香格里拉县，面积为3100 hm2，海拔为3260 m[12]，是中国典型的高原季节性湿地，属于冷凉湿润的高原气候[14]。该区域年平均气温为5.4 ℃，最热月平均气温为13.2 ℃，最冷月平均气温为−3.8 ℃；干湿季节分明，雨季(5—10月)降雨量高达495.9 mm；干季(11月至翌年4月)降雨量仅占全年的20%[13]。在人为和自然因素的共同作用下，沼泽湿地(常年淹水)逐步向沼泽化草甸(季节性淹水)和草甸(无积水)退化。
1.2 样品采集
于2015年1月(干季)和8月(湿季)，在每种退化湿地样带中分别随机布设3个10 m×10 m样地(表1)，每个样地内按对角线法布设5个采样点(4个顶角和1个中心)，分别采集各点样品并混合为1个土样，共采集18份土壤样品。去除各样点地表2 cm厚的覆盖物，然后用土钻钻取0~20 cm土层土样，去除石砾、残根后混合，并用四分法取适量土壤装入无菌自封袋，贴好标签装入便携式冰箱尽快带回实验室(沼泽湿地常年淹水，用特质采样器采样[15])。将带回的土样约100 g用于测定土壤自然含水率，约1 kg经自然风干、磨细过100目和10目筛后用于测定土壤基本性质，约200 g于−70 ℃下冷冻保存，用于土壤DNA提取和细菌高通量测序。
表 1 样地基本信息Table 1 Basic information of the sampling sites湿地类型 经度(N) 纬度(E) 积水深度/cm 优势植物 沼泽湿地(SW) 27°50′43.46″ 99°39′07.86″ 8.5~23.0 杉叶藻Hippuris vulgaris、狐尾藻Myripophyllum spicatum、篦齿眼子菜
Potamogeton pectinatus沼泽化草甸(SM) 27°50′43.46″ 99°38′34.60″ −19.3~5.5 矮地榆Sanguisorba filiformis、发草Deschampsia caespitosa、无翅薹草
Carex pleistoguna、斑唇马先蒿Pedicularis longiflora var. tubiformis草甸(M) 27°49′56.13″ 99°38′55.26″ −154.0~−123.0 大狼毒Euphorbia jolkinii、剪股颖Agrostis matsumurae 1.3 土壤理化性质测定
土壤理化性质测定参照鲍士旦[16]方法，其中：土壤自然含水率采用烘干法；pH采用电位法(水土比为1.0∶2.5)；有机质采用重铬酸钾氧化-外加热法；全氮采用硫酸-高氯酸消化开氏定氮法；全磷采用硫酸-高氯酸消煮-钼锑抗比色法；全钾采用氢氧化钠熔融-火焰光度法；速效氮采用碱解扩散吸收法；速效磷采用0.030 mol·L−1氟化铵-0.025 mol·L−1盐酸浸提钼蓝比色法；速效钾采用1.000 mol·L−1中性醋酸铵浸提火焰光度法。
1.4 土壤细菌高通量测序
用Soil DNA KIT试剂盒提取土壤总DNA，操作步骤参照试剂盒说明书。每份混合土样各提取3个DNA，充分混合后送往上海生工生物有限公司完成细菌高通量测序。利用引物341F[CCCTACA2CGACGCTCTTCCGATTG(barcode)CCTACGGGGGAG]和805R[GACTGGAGTTCCTTGGCACCCGAGAATTCCAGACTATATC]对细菌V3~V4区进行扩增，扩增过程分2轮。第1轮：10×PCR缓冲液5.0 μL，10 mmol·L−1dNTPs 0.5 μL，DNA模板10 ng，上游、下游引物各0.5 μL，Plantium Taq (5×16.67 mkat·L−1) 0.5 μL；扩增条件为：94 ℃预变性3 min，5个循环(94 ℃变性30 s、45 ℃退火20 s、65 ℃延伸30 s)，20个循环(94 ℃变性20 s、55 ℃退火20 s、72 ℃延伸30 s)，72 ℃延伸5 min。第2轮：DNA模板为20 ng，其他反应体系与第1轮一致；扩增条件为：95 ℃预变性30 s，5个循环(95 ℃变性15 s、55 ℃退火15 s、72 ℃延伸30 s)，72 ℃延伸5 min。PCR扩增结束后，将纯化质检合格的扩增产物按1∶1等量混合，利用Miseq台式测序仪2×300 bp双端测序(paired-end)[13]。
1.5 数据分析
实验数据用Excel 2007整理。数据分析前用SPSS 26进行正态分析和方差齐性检验(P＜0.05)。采用单因素方差分析(one-way ANOVA)比较各样地变量之间的差异显著性，成对样本t检验比较干湿季之间的差异显著性。利用Mothur软件将相似性大于97%的序列归为同一种可操作分类单元(OTU)，并计算Alpha多样性指数：丰富度指数(Richness)、香农指数 (Shannon)、艾斯指数(ACE)、赵氏指数(Chao1)、辛普森指数(Simpson)[13]。以理化因子为环境变量，细菌群落相对丰度为物种数据，采用Mantel分析理化因子对细菌群落结构的影响。
2. 结果与分析
2.1 不同退化阶段高原湿地土壤细菌门属水平群落组成的干湿季变化
2.1.1 土壤细菌门水平群落组成
高通量测序结果显示：在干季和湿季共检测到相对丰度＞1% 的细菌门主要有变形菌门Proteobacteria、酸杆菌门Acidobacteria、厚壁菌门Firmicutes、绿弯菌门Chloroflexi、放线菌门Actinobacteria、拟杆菌门Bacteroidetes、疣微菌门Verrucomicrobia、浮霉菌门Planctomycetes和未分类细菌门。其中，变形菌门是纳帕海高原湿地优势菌门，相对丰度高达35.92%，芽单胞菌门Gemmatimonadetes为干季特有菌门(图1)。
图 1 不同退化阶段土壤细菌门干季(A)、湿季(B)相对丰度Figure 1 Composition of dry (A) and wet (B) season bacteria phylum in soil at different degradation stages不同退化阶段土壤细菌门相对丰度差异显著(P＜0.05)。与沼泽湿地相比较，在干季，沼泽化草甸的变形菌门、酸杆菌门和厚壁菌门相对丰度显著增加(P＜0.05)，分别增加11.04%、49.10%和72.31%，绿弯菌门和拟杆菌门相对丰度分别减少40.89%和55.50%；草甸的酸杆菌门、放线菌门、疣微菌门、浮霉菌门和芽单胞菌门相对丰度分别增加205.38%、260.76%、188.17%、135.31%和182.18%，变形菌门、厚壁菌门和拟杆菌门相对丰度分别减少30.34%、46.55%和67.16%。在湿季，沼泽化草甸的变形菌门、酸杆菌门和拟杆菌门相对丰度分别增加17.98%、45.84%和223.54%，厚壁菌门和绿弯菌门相对丰度分别减少73.17%和35.39% (P＜0.05)；草甸的酸杆菌门、放线菌门、疣微菌门和浮霉菌门相对丰度分别增加216.33%、194.30%、294.56%和624.73%，厚壁菌门和拟杆菌门相对丰度分别减少88.63%和52.65%。
不同退化阶段土壤细菌门相对丰度干湿季节存在显著差异(P＜0.05)。沼泽湿地的变形菌门、酸杆菌门和绿弯菌门相对丰度为干季大于湿季，湿季分别减少了23.15%、23.89%和24.53%；厚壁菌门为湿季大于干季，是干季的3.70倍。沼泽化草甸的变形菌门、酸杆菌门、厚壁菌门和放线菌门相对丰度在湿季分别减少了18.35%、25.56%、42.39%和54.50%；拟杆菌门相对丰度在湿季显著增加(P＜0.05)，是干季的7.46倍。草甸的酸杆菌门相对丰度在湿季减少了21.17%；浮霉菌门相对丰度在湿季增加了1.79倍。
2.1.2 土壤细菌属水平群落组成
在属水平上，共检测到相对丰度＞0.01%的细菌属有酸杆菌属(Gp4、Gp6、Gp7)、假单胞菌属Pseudomonas、芽单胞菌属Gemmatimonas、鞘氨醇单胞菌属Sphingomonas、Povalibacter、Subdivision、Spartobacteria和未分类菌属。除此之外，酸杆菌属(Gp1、Gp16)、Paenisporosarcina、芽孢杆菌属Bacillus和放线菌属Gaiella为干季特有菌属；梭菌属Clostridium、尼龙菌属Flavobacterium、溶杆菌属Lysobacter、地杆菌属Pedobacter、马塞菌属Massilia和出芽菌属Gemmata为湿季特有菌属。未分类菌属为纳帕海高原湿地优势菌属，相对丰度高达20.64% (图2)。
图 2 不同退化阶段土壤细菌属干、湿季群落组成Figure 2 Composition of dry and wet season bacteria phylum in soil at different degradation stages湿地退化显著影响土壤细菌属相对丰度(P＜0.05)。与沼泽湿地相比较，在干季，沼泽化草甸的假单胞菌属、Paenisporosarcina属相对丰度显著增加(P＜0.05)，分别增加9.34、455.50倍，Povalibacter属相对丰度显著减少77.29% (P＜0.05)；草甸的酸杆菌属(GP16)、假单胞菌属、Spartobacteria属相对丰度分别增加409.35、9.54和30.86倍，Povalibacter属和未分类菌属相对丰度分别减少80.06%和41.25%。在湿季，沼泽化草甸的尼龙菌属、溶杆菌属、地杆菌属相对丰度分别增加5.87、228.50和197.98倍，梭菌属相对丰度显著减少76.28% (P＜0.05)；草甸的出芽菌属相对丰度显著增加116.75倍(P＜0.05)，未分类菌属和梭菌属相对丰度分别减少33.49%和99.34%。
不同退化阶段的共有菌属因干湿季节变化而存在差异。沼泽湿地和沼泽化草甸的未分类菌属相对丰度均为干季大于湿季，在湿季分别减少21.59%和26.61%。沼泽化草甸中的假单胞菌属相对丰度在湿季减少79.75%；鞘氨醇单胞菌属相对丰度在湿季增加了95.78%。
2.2 不同退化阶段高原湿地土壤细菌群落多样性的干湿季动态
由表2可见：湿地退化显著影响土壤细菌群落多样性(P＜0.05)。在干季，沼泽化草甸和草甸的丰富度指数、香农指数、艾斯指数和Chao1指数较沼泽湿地显著增加(P＜0.05)，沼泽化草甸与草甸间差异不显著(P＞0.05)；在湿季，沼泽化草甸和草甸的丰富度指数、香农指数、艾斯指数和Chao1指数较沼泽湿地也显著增加，且沼泽化草甸显著高于草甸(P＜0.05)。不同退化阶段土壤细菌群落多样性指数在季节变化上存在差异。沼泽湿地和沼泽化草甸的丰富度指数、艾斯指数和Chao1指数均为湿季大于干季；草甸的丰富度指数、香农指数、艾斯指数均为干季大于湿季，辛普森指数相反，且差异显著(P＜0.05)。
表 2 不同退化阶段土壤细菌群落多样性指数Table 2 Diversity index of soil bacterial community at different degradation stages湿地
类型季节 丰富度
指数香农
指数艾斯
指数Chao1
指数辛普森
指数沼泽
湿地干季 4056 Bc 6.16 Ab 5668.94 Bb 5368.14 Bb 0.0135 Aa 湿季 4201 Ac 6.20 Ac 6095.66 Ac 5789.86 Ac 0.0118 Aa 沼泽化
草甸干季 5352 Bb 6.68 Aa 7046.88 Ba 6631.88 Ba 0.0061 Ab 湿季 5697 Aa 7.14 Aa 8095.30 Aa 8121.55 Aa 0.0049 Ab 草甸 干季 5451 Aa 6.83 Aa 7059.57 Aa 6655.28 Aa 0.0041 Bc 湿季 4915 Bb 6.27 Bb 6673.81 Bb 6398.10 Ab 0.0130 Aa 说明：表中数据为平均值。不同大写字母表示同一退化阶段不同季节差异显著(P＜0.05)；不同小写字母表示同一季节不同退化阶段差异显著(P＜0.05)。 2.3 不同退化阶段高原湿地土壤理化性质的干湿季变化
由表3可知：湿地退化显著改变土壤理化性质(P＜0.05)。湿地退化使土壤含水量以及有机质、全氮和速效氮质量分数显著减少(P＜0.05)。干季的沼泽化草甸分别减少77.77%、41.16%、46.53%和33.91%，草甸分别减少80.93%、64.81%、87.31%和50.79%；湿季的沼泽化草甸分别减少32.30%、25.01%、51.34%和7.32%，草甸分别减少78.31%、61.99%、70.62%和39.18%，且土壤逐渐酸化。土壤磷、钾养分及碳氮比的变化趋势有所差异。较沼泽湿地，在干季，沼泽化草甸土壤全磷、全钾、速效磷、速效钾质量分数分别增加46.88%、9.39%、15.34%和27.38%；草甸土壤全磷质量分数及碳氮比分别增加14.06%和176.80%，全钾、速效磷及速效钾质量分数分别减少31.41%、42.92%和40.97%。在湿季，沼泽化草甸土壤全钾质量分数和碳氮比分别减少14.35%和63.88%，速效磷及速效钾质量分数分别增加66.15%和108.66%；草甸土壤全磷、速效磷、速效钾质量分数及碳氮比分别减少30.09%、33.57%、49.88%和37.97%，全钾质量分数显著增加51.48% (P＜0.05)。
表 3 不同退化阶段土壤理化性质Table 3 Soil physical and chemical characteristics at different degradation stages湿地类型 干湿季 含水量/% 有机质/(g·kg−1) 全氮/(g·kg−1) 全磷/(g·kg−1) 全钾/(g·kg−1) 沼泽湿地 干季 106.15±0.47 Ba 138.20±4.29 Aa 9.22±0.20 Ba 0.64±0.01 Ac 10.76±0.36 Ab 湿季 117.15±0.60 Aa 144.40±2.52 Aa 11.98±0.29 Aa 0.57±0.01 Aa 9.13±0.20 Ab 沼泽化草甸 干季 23.60±1.52 Bb 81.31±1.45 Bb 4.93±0.31 Ab 0.94±0.02 Aa 11.77±0.29 Aa 湿季 79.31±0.91 Ab 108.28±1.37 Ab 5.83±0.31 Ab 0.56±0.02 Ba 7.82±0.15 Bc 草甸 干季 20.24±1.04 Bb 48.63±6.60 Bc 1.17±0.04 Bc 0.73±0.01 Ab 7.38±0.18 Ac 湿季 25.41±0.50 Ac 54.89±2.13 Ac 3.52±0.05 Ac 0.37±0.02 Bb 13.83±0.13 Aa 湿地类型 干湿季 碳氮比 pH 速效氮/(mg·kg−1) 速效磷/(mg·kg−1) 速效钾/(mg·kg−1) 沼泽湿地 干季 8.75±0.37 Bb 7.92±0.01 Aa 627.75±2.29 Aa 6.78±0.16 Ab 176.76±0.93 Bb 湿季 14.59±0.55 Aa 7.87±0.02 Aa 494.61±7.02 Ba 7.15±0.20 Ab 297.36±9.03 Ab 沼泽化草甸 干季 9.81±0.47 Ab 6.97±0.04 Bb 414.85±1.37 Bb 7.82±0.14 Ba 225.16±1.29 Ba 湿季 5.27±0.13 Bc 7.82±0.11 Aa 458.39±3.36 Ab 11.88±1.21 Aa 620.46±4.70 Aa 草甸 干季 24.22±3.30 Aa 5.92±0.12 Ac 308.92±1.36 Ac 3.87±0.14 Bc 104.35±1.44 Ac 湿季 9.05±0.35 Bb 5.65±0.08 Ab 300.84±3.44 Ac 4.75±0.05 Ac 149.04±8.64 Ac 说明：表中数据为平均值±标准误。不同大写字母表示同一退化阶段不同季节差异显著(P＜0.05)；不同小写字母表示同一季节不同退化阶段差异显著(P＜0.05)。 干湿季节变化显著影响土壤理化性质的变化规律(P＜0.05)。沼泽湿地土壤含水量以及全氮、碳氮比、速效钾质量分数均为湿季大于干季，湿季分别增加10.36%、29.93%、40.03%和68.23%；速效氮在湿季显著减少21.21%(P＜0.05)。沼泽化草甸土壤含水量以及有机质、速效氮、速效磷和速效钾质量分数在湿季比干季分别增加236.06%、33.17%、10.50%、51.92%和175.56%；全磷、全钾质量分数和碳氮比在湿季分别减少40.43%、33.56%和46.28%；湿季pH升高，土壤偏碱性。草甸土壤含水量以及有机质、全氮、速效磷质量分数在湿季比干季分别增加25.54%、12.87%、200.85%和22.74%；全磷质量分数和碳氮比分别减少49.32%和62.63%。
2.4 土壤理化性质与细菌群落组成之间的关系
2.4.1 干季
干季土壤理化因子与土壤细菌群落组成的Mantel分析结果如图3所示。门水平上，土壤全氮、全钾、速效钾质量分数及pH和土壤细菌门的曼特尔显著值最小(P＜0.01)，说明土壤pH以及氮和钾质量分数的高低是调控干季纳帕海不同退化阶段湿地土壤细菌群落结构的主要理化因子。其中，全氮质量分数和pH与酸杆菌门、放线菌门、疣微菌门、浮霉菌门、芽单胞菌门呈显著负相关(r=−0.93~−0.70，P＜0.05)，与变形菌门、绿弯菌门、拟杆菌门呈显著正相关(r=0.67~0.90，P＜0.05)。全钾和速效钾质量分数与变形菌门、厚壁菌门呈极显著正相关(r=0.85~0.98，P＜0.01)，与酸杆菌门、疣微菌门、浮霉菌门呈显著负相关(r=−0.97~−0.79，P＜0.05)。
图 3 干季土壤理化因子与细菌群落结构关系的Mantel分析Figure 3 Mantel test analysis of the relationship between soil physical and chemical factors and bacterial community structure in dry season属水平上，土壤氮、磷、钾质量分数以及pH的高低是调控干季纳帕海不同退化阶段湿地土壤细菌群落组成的主要理化因子。其中，全氮、速效氮质量分数以及pH与酸杆菌属(Gp1、Gp4、Gp6、Gp7)、假单胞菌属、芽单胞菌属、鞘氨醇单胞菌属、芽孢杆菌属、Spartobacteria、出芽菌属呈显著负相关(r=−0.93~−0.67，P＜0.05)，与Gp16属、Povalibacter、未分类菌属呈显著正相关(r=0.72~0.91，P＜0.05)。速效磷、速效钾质量分数与酸杆菌属(Gp1、Gp4)、鞘氨醇单胞菌属、Spartobacteria、出芽菌属呈极显著负相关(r=−0.97~−0.80)，与未分类菌属呈极显著正相关(r=0.81~0.96，P＜0.01)。
2.4.2 湿季
湿季土壤理化因子与土壤细菌群落组成的Mentel分析结果如图4所示。门水平上，有机质、氮和磷质量分数及含水量、pH的高低是调控纳帕海不同退化阶段湿地土壤细菌群落结构的主要理化因子。其中，含水量、pH以及有机质、全氮、全磷、速效氮质量分数与酸杆菌门、放线菌门、疣微菌门和浮霉菌门呈显著负相关(r=−0.98~−0.74，P＜0.05)，有机质、全氮、速效氮质量分数以及含水量与厚壁菌门、绿弯菌门呈显著正相关(r=0.75~0.96，P＜0.05)。
图 4 湿季土壤理化因子与细菌群落结构关系的Mantel分析Figure 4 Mantel test analysis of the relationship between soil physical and chemical factors and bacterial community structure in wet season属水平上，有机质、氮、磷质量分数以及pH、含水量、碳氮比是调控纳帕海不同退化阶段湿地土壤细菌群落组成的主要理化因子。其中，有机质、全氮、全磷、速效氮质量分数以及含水量、pH 与假单胞菌属、芽单胞菌属、Gp4属、Gp7属、Spartobacteria、出芽菌属呈显著负相关(r=−0.97~−0.71，P＜0.05)，与梭菌属、Povalibacter、未分类菌属呈显著正相关(r=0.79~0.96，P＜0.05)；碳氮比与尼龙菌属、Subdivision、溶杆菌属、地杆菌属、马塞菌属呈显著负相关(r=−0.90~−0.68，P＜0.05)，与梭菌属和Povalibacter呈显著正相关(r=0.76~0.78，P＜0.05)。
2.5 土壤理化性质与细菌多样性之间的关系
对土壤理化因子与细菌多样性指数进行Pearson相关性分析，结果如表4所示。在干季，丰富度指数、香农指数、艾斯指数、Chao1指数与有机质、全氮、速效氮质量分数以及pH、含水量呈极显著负相关(r=−0.99~−0.83，P＜0.01)。可见：土壤有机质、全氮、速效氮质量分数以及pH、含水量是影响干季土壤细菌多样性的主控因子，且对细菌多样性起抑制作用。
表 4 土壤主要理化因子与细菌群落多样性的相关性分析Table 4 Correlation analysis between main soil physical and chemical factors and bacterial community diversity项目 干季 湿季 丰富度指数 香农指数 艾斯指数 Chao1指数 辛普森指数 丰富度指数 香农指数 艾斯指数 Chao1指数 辛普森指数 含水量 −0.99** −0.92** −0.99** −0.99** 0.98** − − − − − 有机质 −0.87** −0.89** −0.85** −0.85** 0.93** − − − − − 全氮 −0.91** −0.90** −0.89** −0.89** 0.96** −0.67* − − − − 全磷 − − 0.71* 0.70* − − − − − − 全钾 − − − − − 0.72* 0.88** 0.83** 0.85** −0.84** 碳氮比 − − − − −0.70* −0.96** −0.79* −0.91** −0.90** − pH −0.86** −0.83** −0.83** −0.83** 0.91** − − − − − 速效氮 −0.96** −0.93** −0.95** −0.94** 0.99** − − − − − 速效磷 − − − − − − 0.88** 0.79* 0.81** −0.90** 速效钾 − − − − − 0.68* 0.91** 0.82** 0.84** −0.91** 说明：*表示显著相关(P＜0. 05)；**表示极显著相关(P＜0. 01)；−表示不相关(P＞0.05)。 在湿季，香农指数、艾斯指数、Chao1指数与土壤全钾、速效钾、速效磷质量分数呈显著正相关(r=0.79~0.91，P＜0.05)，与碳氮比呈显著负相关(r=−0.91~−0.79，P＜0.05)，是影响湿季土壤细菌多样性的主控因子。其中，全钾、速效钾、速效磷质量分数对细菌多样性起促进作用，而碳氮比起抑制作用。
3. 讨论
3.1 纳帕海高原湿地不同退化阶段土壤细菌群落结构的干湿季变化
土壤细菌作为微生物群落中数量最丰富、种类最多、生物量最大的功能类群，能够对高原湿地退化引起的土壤微域环境变化产生敏感响应[17]。变形菌门是纳帕海湿地的主要优势类群，与李金业等[18]、李玉倩等[19]研究结果一致。变形菌门的生态幅广、适宜能力强，能在不同退化湿地环境中形成较为稳定的生态位，但其喜弱碱特性会影响其相对丰度的变化[20]。本研究中，在轻度退化的弱碱沼泽化草甸土壤中变形菌门相对丰度显著增加。酸杆菌门、放线菌门、疣微菌门、浮霉菌门和芽单胞菌门相对丰度均随湿地退化程度的加深而增加。酸杆菌属嗜酸菌、寡营养类群，其胞外多糖与补偿溶质的产生与积累使其更适应于含水量低、酸性较强、养分较低的退化草甸土壤[21]；放线菌门、疣微菌门Spartobacteria属和浮霉菌门等属好气性细菌，喜欢通气良好的环境，湿地退化导致土壤含水量减少，土壤孔隙度、通气状况得到改善，促进其相对丰度的显著增加[22]；疣微菌门是高寒沙化草甸的特有菌群，主要通过磷来维持其群落机制和养分平衡[23]，故在磷分较丰富的退化草甸土壤中相对丰度较高。本研究发现：湿地退化会抑制绿弯菌门的生长繁殖，这是因为该菌门属兼性厌氧菌，在养分匮乏的条件下进行光能自养，但仍以无光或有光且缺氧条件下的化学能或光能异养生长为主[24]，湿地退化导致土壤水分减少而抑制其相对丰度增加。综上所述，湿地退化过程中土壤含水量减少，使得土壤通气透水性得到改善，促进好气性细菌类群大量繁殖。
干湿季节交替通过调节水分、温度以及细菌对土壤养分的利用关系从而改变土壤细菌群落组成[25]。本研究发现：厚壁菌门在沼泽湿地中为湿季大于干季，而在沼泽化草甸中为干季大于湿季。厚壁菌属厌氧快速生长型菌群，具有固碳作用，大多存在于动物肠道中[26]。湿季雨水冲刷，厚壁菌门随动物粪便流入沼泽湿地，相对丰度增加，同时动物粪便的输入可直接刺激其相对丰度的增加；而沼泽化草甸的有机底物相对较低，干季丰富的凋落物为厚壁菌门提供充足碳源，相对丰度较湿季增加。梭菌属为湿季特有菌属，在沼泽湿地中占优势，相对丰度高达22.60%。该菌属是来自厚壁菌门的专性厌氧铁还原菌，在严格厌氧条件下才能生存，主要通过还原铁获取生长能量[27]，沼泽湿地常年淹水，湿季适宜的温度和充足的有机底物可促进其快速生长；而在干季，养分较少、温度相对较低，有利于厌氧寡营养绿弯菌门聚集[28]。拟杆菌门(尼龙菌属)在湿季沼泽化草甸显著增加，这主要与其需氧特性和水生环境的生物学特性有关[29]。酸杆菌门具有降解植物残体多聚物的能力[21]，干季植物枯死，凋落物的分解为酸杆菌的繁殖及降解提供更好的养分条件[30]，故相对丰度呈现干季大于湿季的变化趋势。芽单胞菌门在干季相对丰度较低，在湿季则未检测到，进一步表明了芽单胞菌属好氧菌，适宜生存于较为干燥的环境中[31−32]。因此，干湿季更替显著影响好养厌养、需氧厌氧细菌群落分布格局。
3.2 纳帕海高原湿地不同退化阶段土壤细菌群落多样性的干湿季变化
高原湿地退化通过影响水热条件、土壤结构、土壤养分，进而影响土壤细菌群落多样性[33]。本研究中，沼泽化草甸和草甸土壤的丰富度指数、香农指数、艾斯指数和Chao1指数显著高于沼泽湿地，说明湿地退化会促进细菌多样性的增加。这可能是沼泽湿地有机底物常年积累，但由于其土壤处于厌氧状况，不利于微生物对养分的矿化，难为大多数细菌提供直接能量来源[34]，因此，细菌多样性较沼泽化草甸和草甸细菌低。另一方面，湿地在退化过程中，土壤孔隙度、通气状况得到改善，碱性减弱、凋落物分解加快，农药化肥的残留以及牛粪的输入为细菌生命活动提供物质源泉[35]，有利于好氧喜酸细菌大量繁殖，从而导致细菌多样性较沼泽湿地高。另外，湿地退化导致植被类型呈现挺水植物—湿中生植物—旱生植物的演替格局[12]，地上凋落物、根系分泌物的增加直接为土壤细菌提供可利用的碳氮及其他养分，细菌多样性增加[13]。
干湿季节更替引起的降雨量和温湿度变化，可能影响土壤理化性质及酶活性变化，进而调控土壤细菌群落多样性的干湿季变化[36]。本研究中，沼泽湿地和沼泽化草甸土壤细菌的丰富度指数、艾斯指数湿季显著高于干季，而草甸则为干季显著高于湿季。原因可能是沼泽湿地和沼泽化草甸淹水较多导致通气透水性差，抑制了需氧细菌对有机质的降解[24]。但在湿季，由于温度升高，细菌酶活性增强，溶解氧降低[37]，刺激细菌大量繁殖，导致湿季细菌多样性高于干季。相较于沼泽湿地和沼泽化草甸，草甸土壤含水量低，通气透水性好，为需氧细菌提供良好的微氧环境[34]。特别是湿季放牧和旅游增加，土壤细菌多样性会因牲畜和游客践踏引起的土壤板结和理化性质变化，而导致细菌多样性湿季低于干季[38]。因此，干湿季节更替使得纳帕海不同退化阶段土壤细菌群落多样性存在差异。
3.3 土壤理化环境变化对细菌群落及多样性的影响
湿地退化过程中土壤水分状况变化，直接或间接导致土壤环境厌氧-需氧界面通气性、酸碱性和养分状况的改变，进而显著影响土壤细菌群落结构及多样性[39−40]。纳帕海高原湿地不同退化阶段土壤含水量是影响干季土壤细菌群落结构和多样性变化的主要因子，由于沼泽湿地—沼泽化草甸—草甸演替过程中，土壤含水量减少，土壤质地疏松和溶解氧增加，有利于土壤养分分解，从而促进需氧菌的繁殖，细菌多样性增加。牛佳等[41]指出：水分是影响土壤细菌群落结构的主要因子，通过调节土壤酸碱度及养分分布格局，进而影响细菌群落结构组成。本研究中，土壤含水量与全氮、有机质、速效氮质量分数以及pH呈显著正相关，并随湿地退化而显著减少。pH高低决定整个湿地生态系统元素循环反应体系的酸碱度[42]，显著影响细菌群落组成。湿地退化过程中，土壤酸化使得土壤碳氮磷养分有效性发生改变[43]，从而影响土壤细菌群落分布格局。Mantel分析结果显示：pH同土壤有机质、全氮、速效氮质量分数以及含水量显著促进酸杆菌门、放线菌门、浮霉菌门和疣微菌门相对丰度增加，而抑制变形菌门、绿弯菌门和拟杆菌门相对丰度增加。原因是变形菌门、绿弯菌门和拟杆菌门属于固碳微生物，具有好氧喜弱碱特性[44]，湿地退化，碳氮质量分数降低不利于细菌生长繁殖。这与林春英等[7]在高寒沼泽湿地退化研究中得出的结论相似。
不同退化阶段土壤碳氮比增加对湿季细菌多样性增加起抑制作用。李杰[45]研究得出：碳氮比通过调节微生物分解进程进而调节土壤养分有效性，高碳氮比抑制土壤微生物活性从而缓解有机质分解，而低碳氮比加快微生物对有机质的分解、转化。本研究中，高原湿地退化过程中，土壤碳氮比降低，细菌可利用养分转化速率加快[46]，细菌多样性增加；但湿地退化引起的土壤有机质减少也会导致土壤细菌可利用碳源减少，使得绝大部分共养厌氧细菌相对丰度下降(厚壁菌门、变形菌门)。Mantel分析结果显示：土壤含水量及碳、氮质量分数减少，显著抑制厚壁菌门、绿弯菌门和梭菌属相对丰度的增加；磷促进变形菌门、拟杆菌门(尼龙菌属)和地杆菌属相对丰度的增加。原因是湿地退化，土壤碳氮质量分数及含水量减少，厌氧需养菌受到抑制[47]；同时，湿地退化引起的土壤酸化可刺激铁铝氧化物释放磷元素，进而促进喜磷细菌(变形菌门、拟杆菌门以及尼龙菌属和地杆菌属)大量繁殖。综上所述，湿地退化引起土壤养分状况、含水量及酸碱度改变，通过影响土壤细菌的养分需求和代谢过程，进而调控纳帕海高原湿地土壤细菌多样性。
4. 结论
纳帕海高原湿地退化显著影响土壤理化环境的时空异质性，进而调控土壤细菌群落结构及多样性。湿地退化引起土壤有机质、氮质量分数以及水分、pH减小，导致酸杆菌门、放线菌门、浮霉菌门、疣微菌门相对丰度显著增加，绿弯菌门相对丰度显著减少及变形菌门、厚壁菌门(梭菌属)和拟杆菌门(尼龙菌属)干湿季差异，进而导致退化湿地土壤细菌多样性较沼泽湿地显著增加。因此，湿地退化导致土壤水分、酸碱度及土壤养分供给状况发生改变，从而显著影响土壤细菌群落结构及多样性。
-
图 1 菌丝中核酸量与菌丝干质量的关系
Figure 1 Relationship between the amount of nucleic acid in mycelium and the amount of mycelium
图 2 碳源对2株木质素降解菌生物量的影响
Figure 2 Effect of carbon source on the biomass of two lignin-degrading bacteria
图 3 氮源对2株木质素降解菌生物量的影响
Figure 3 Effect of nitrogen source on the biomass of two lignin-degrading bacteria
图 4 碳源添加量对2株木质素降解菌生物量的影响
Figure 4 Effect of carbon source addition on the biomass of two lignin-degrading bacteria
图 5 氮源接种量对2株木质素降解菌生物量的影响
Figure 5 Effect of nitrogen source inoculum on the biomass of two lignin-degrading bacteria
图 6 菌株A和菌株Q在不同营养组分培养基上的生长
Figure 6 Growth of strain A and strain Q on the medium with different nutrient components
表 1 菌株A正交设计试验L9(34)
Table 1. Orthogonal design experiment of strain A L9 (34)
处理 豆饼粉/% 木质素磺酸钠/% D(260) T1 1.250 2.500 0.228±0.009 T2 1.250 5.000 0.241±0.001 T3 1.250 10.000 0.207±0.018 T4 2.500 2.500 0.216±0.007 T5 2.500 5.000 0.213±0.008 T6 2.500 10.000 0.245±0.010 T7 5.000 2.500 0.237±0.010 T8 5.000 5.000 0.249±0.003 T9 5.000 10.000 0.241±0.007 
下载: 导出CSV
表 2 菌株Q正交设计试验L9(34)
Table 2. Orthogonal design experiment of strain Q L9 (34)
处理 豆饼粉/% 玉米粉/% D(260) T1 1.250 0.625 0.101±0.003 T2 1.250 2.500 0.224±0.006 T3 1.250 5.000 0.214±0.005 T4 5.000 0.625 0.101±0.003 T5 5.000 2.500 0.162±0.008 T6 5.000 5.000 0.232±0.020 T7 10.000 0.625 0.261±0.003 T8 10.000 2.500 0.191±0.002 T9 10.000 5.000 0.102±0.003
下载: 导出CSV
表 3 菌株Q均匀实验设计及结果
Table 3. Strain Q uniform test design and results
试验号 因素水平(实际用量/%) D(260) MgSO4 KH2PO4 FeSO4·7H2O 接菌量 料水比 海藻糖 实测值1 1(0.600) 2(0.800) 3(1.000) 5(25.000) 7(1.00∶0.50) 10(16.000) 0.4110 仿真值1 1(0.600) 2(0.800) 3(1.000) 5(25.000) 7(1.00∶0.50) 10(16.000) 0.4109 实测值2 2(0.800) 4(1.200) 6(0.600) 10(25.000) 3(1.00∶0.65) 9(12.000) 0.4500 仿真值2 2(0.800) 4(1.200) 6(0.600) 10(25.000) 3(1.00∶0.65) 9(12.000) 0.4499 实测值3 3(1.000) 6(0.600) 9(1.200) 4(20.000) 10(1.00∶0.95) 8(8.000) 0.4800 仿真值3 3(1.000) 6(0.600) 9(1.200) 4(20.000) 10(1.00∶0.95) 8(8.000) 0.4801 实测值4 4(1.200) 8(1.000) 1(0.600) 9(20.000) 6(1.00∶0.30) 7(4.000) 0.4430 仿真值4 4(1.200) 8(1.000) 1(0.600) 9(20.000) 6(1.00∶0.30) 7(4.000) 0.4431 实测值5 5(1.400) 10(1.400) 4(1.200) 3(15.000) 2(1.00∶0.50) 6(0.000) 0.3860 仿真值5 5(1.400) 10(1.400) 4(1.200) 3(15.000) 2(1.00∶0.50) 6(0.000) 0.3859 实测值6 6(0.600) 1(0.600) 7(0.800) 8(15.000) 9(1.00∶0.80) 5(16.000) 0.4620 仿真值6 6(0.600) 1(0.600) 7(0.800) 8(15.000) 9(1.00∶0.80) 5(16.000) 0.4619 实测值7 7(0.800) 3(1.000) 10(1.400) 2(10.000) 5(1.00∶0.95) 4(12.000) 0.4630 仿真值7 7(0.800) 3(1.000) 10(1.400) 2(10.000) 5(1.00∶0.95) 4(12.000) 0.4635 实测值8 8(1.000) 5(1.400) 2(0.800) 7(10.000) 1(1.00∶0.30) 3(8.000) 0.2930 仿真值8 8(1.000) 5(1.400) 2(0.800) 7(10.000) 1(1.00∶0.30) 3(8.000) 0.2929 实测值9 9(1.200) 7(0.800) 5(1.400) 1(5.000) 8(1.00∶0.65) 2(4.000) 0.4450 仿真值9 9(1.200) 7(0.800) 5(1.400) 1(5.000) 8(1.00∶0.65) 2(4.000) 0.4453 实测值10 10(1.400) 9(1.200) 8(1.000) 6(5.000) 4(1.00∶0.80) 1(0.000) 0.4230 仿真值10 10(1.400) 9(1.200) 8(1.000) 6(5.000) 4(1.00∶0.80) 1(0.000) 0.4231
下载: 导出CSV
表 4 菌株A均匀试验设计及结果
Table 4. Strain A uniform test design and results
试验号 因素水平(实际用量/%) D(260) CaSO4 MgSO4 KH2PO4 接菌 料水比 海藻糖 实测值1 1(0.600) 2(0.800) 3(1.000) 5(25.000) 7(1.00∶0.50) 10(16.000) 0.3930 仿真值1 1(0.600) 2(0.800) 3(1.000) 5(25.000) 7(1.00∶0.50) 10(16.000) 0.3930 实测值2 2(0.800) 4(1.200) 6(0.600) 10(25.000) 3(1.00∶0.65) 9(12.000) 0.4020 仿真值2 2(0.800) 4(1.200) 6(0.600) 10(25.000) 3(1.00∶0.65) 9(12.000) 0.4020 实测值3 3(1.000) 6(0.600) 9(1.200) 4(20.000) 10(1.00∶0.95) 8(8.000) 0.4260 仿真值3 3(1.000) 6(0.600) 9(1.200) 4(20.000) 10(1.00∶0.95) 8(8.000) 0.4260 实测值4 4(1.200) 8(1.000) 1(0.600) 9(20.000) 6(1.00∶0.30) 7(4.000) 0.3930 仿真值4 4(1.200) 8(1.000) 1(0.600) 9(20.000) 6(1.00∶0.30) 7(4.000) 0.3930 实测值5 5(1.400) 10(1.400) 4(1.200) 3(15.000) 2(1.00∶0.50) 6(0.000) 0.3900 仿真值5 5(1.400) 10(1.400) 4(1.200) 3(15.000) 2(1.00∶0.50) 6(0.000) 0.3900 实测值6 6(0.600) 1(0.600) 7(0.800) 8(15.000) 9(1.00∶0.80) 5(16.000) 0.4320 仿真值6 6(0.600) 1(0.600) 7(0.800) 8(15.000) 9(1.00∶0.80) 5(16.000) 0.4320 实测值7 7(0.800) 3(1.000) 10(1.400) 2(10.000) 5(1.00∶0.95) 4(12.000) 0.4110 仿真值7 7(0.800) 3(1.000) 10(1.400) 2(10.000) 5(1.00∶0.95) 4(12.000) 0.4110 实测值8 8(1.000) 5(1.400) 2(0.800) 7(10.000) 1(1.00∶0.30) 3(8.000) 0.3650 仿真值8 8(1.000) 5(1.400) 2(0.800) 7(10.000) 1(1.00∶0.30) 3(8.000) 0.3650 实测值9 9(1.200) 7(0.800) 5(1.400) 1(5.000) 8(1.00∶0.65) 2(4.000) 0.3770 仿真值9 9(1.200) 7(0.800) 5(1.400) 1(5.000) 8(1.00∶0.65) 2(4.000) 0.3770 实测值10 10(1.400) 9(1.200) 8(1.000) 6(5.000) 4(1.00∶0.80) 1(0.000) 0.4210 仿真值10 10(1.400) 9(1.200) 8(1.000) 6(5.000) 4(1.00∶0.80) 1(0.000) 0.4210
下载: 导出CSV
表 5 人工神经网络寻优结果
Table 5. Optimization results of artificial neural network
试验号 实际用量/% D (260) MgSO4 KH2PO4 FeSO4·7H2O 接菌量 料水比 海藻糖 菌株Q仿真值 1.434 0.115 1.497 6.000 1.000∶0.992 1.000 0.6020 菌株Q实测值 1.434 0.115 1.497 6.000 1.000∶0.992 1.000 0.5960 菌株A仿真值 0.123 0.213 1.280 21.000 1.000∶1.000 19.000 0.4850 菌株A实测值 0.123 0.213 1.280 21.000 1.000∶1.000 19.000 0.4780
下载: 导出CSV
-
[1] 王琳, 李素艳, 孙向阳, 等. 不同配比园林绿化废弃物和蘑菇渣混合蚯蚓堆肥的效果[J]. 浙江农林大学学报, 2019, 36(2): 326 − 334. WANG Lin, LI Suyan, SUN Xiangyang, et al. Mixing garden wastes and spent mushroom compost of different ratios for vermicomposting [J]. J Zhejiang A&F Univ, 2019, 36(2): 326 − 334. [2] 蔡琳琳, 李素艳, 龚小强, 等. 好氧堆肥-蚯蚓堆肥结合法处理绿化废弃物与牛粪[J]. 浙江农林大学学报, 2018, 35(2): 261 − 267. CAI Linlin, LI Suyan, GONG Xiaoqiang, et al. Composting-vermicomposting of green waste processing spiked with cow dung [J]. J Zhejiang A&F Univ, 2018, 35(2): 261 − 267. [3] 梁丛颖, 林璐. 环境微生物介导的木质素代谢及其资源化利用研究进展[J]. 微生物学通报, 2020, 47(10): 3380 − 3392. LIANG Congying, LIN Lu. Environmental microorganisms driven lignin biodegradation and their roles in lignin utilization [J]. Microbiol China, 2020, 47(10): 3380 − 3392. [4] 孙谱, 孙婉薷, 石占成, 等. 微生物菌剂在木本废弃物堆肥中的应用综述[J]. 江苏农业科学, 2020, 48(15): 57 − 63. SUN Pu, SUN Wanru, SHI Zhancheng, et al. Application of microbial agents in woody waste composting: a review [J]. Jiangsu Agric Sci, 2020, 48(15): 57 − 63. [5] 孟童瑶, 李素艳, 邹荣松, 等. 固定化木质素降解菌对园林废弃物堆肥的影响[J]. 浙江农林大学学报, 2021, 38(1): 38 − 46. MENG Tongyao, LI Suyan, ZOU Rongsong, et al. Effect of immobilized lignin-degrading bacteria on green waste composting [J]. J Zhejiang A&F Univ, 2021, 38(1): 38 − 46. [6] 付冰妍, 孙向阳, 余克非, 等. 芽孢杆菌B01固态发酵及其对园林废弃物堆肥的影响[J]. 环境科学研究, 2021, 34(2): 450 − 457. FU Bingyan, SUN Xiangyang, YU Kefei, et al. Solid state fermentation of Bacillus sp. B01 and its effect on green waste composting [J]. Res Environ Sci, 2021, 34(2): 450 − 457. [7] 李信军, 冯晓晓, 金慧清, 等. 2株内生真菌菌株固态发酵培养基优化[J]. 微生物学通报, 2016, 43(3): 550 − 558. LI Xinjun, FENG Xiaoxiao, JIN Huiqing, et al. Optimization of solid-state fermentation media for growth of two endophytic fungal strains [J]. Microbiol China, 2016, 43(3): 550 − 558. [8] 胡欣颖, 李洪军, 李少博, 等. 对比研究响应面法和BP神经网络-粒子群算法优化调理松板肉加工工艺[J]. 食品与发酵工业, 2019, 45(24): 179 − 187. HU Xinying, LI Hongjun, LI Shaobo, et al. A comparative study of the optimization of processing technology of conditioning pine board meat by response surface methodology and BP neural network-particle swarm optimization [J]. Food Ferment Ind, 2019, 45(24): 179 − 187. [9] 李鹏, 陈秀珍, 庄文颖. 高产纤维素酶的拟康宁木霉菌株8985固态发酵条件优化[J]. 菌物学报, 2021, 40(4): 743 − 758. LI Peng, CHEN Xiuzhen, ZHUANG Wenying. Optimization of solid state fermentation conditions for the high cellulose producing strain Trichoderma koningiopsis 8985 [J]. Mycosystema, 2021, 40(4): 743 − 758. [10] 李佳腾. 纤维素降解优势菌株的筛选与杏鲍菇菌糠混菌发酵条件的优化[D]. 杨凌: 西北农林科技大学, 2019. LI Jiateng. Screening of Dominant Cellulose-degradation Strains and Condition Optimization of Mixed Strains Fermentation of Pleurotus eryngii Spent Mushroom Substrate[D]. Yangling: Northwest A&F University, 2019. [11] LI Xianguo, SUN Yemei, YANG Yanli, et al. symmetrical residual connections for single image super-resolution [J]. ACM Transac Multimedia Comput Commun Appl, 2019, 15(1): 1 − 10. [12] 彭璟, 罗浩宇, 赵淦森, 等. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44 − 57. PENG Jing, LUO Haoyu, ZHAO Gansen, et al. Survey of medical image segmentation algorithm in deep learning [J]. Comput Eng Appl, 2021, 57(3): 44 − 57. [13] LIU Yuliang, JIN Lianwen. Deep matching prior network: toward tighter multi-oriented text detection [C]//IEEE. 2017 IEEE Conference on Computer Vision, 2017: 1962 − 1969. doi: 10.1109/CVPR.2017.368. [14] HOANG N D. Automatic impervious surface area detection using image texture analysis and neural computing models with advanced opitimizers[J/OL]. Comput Intell Neurosci, 2021, 2021: 8820116[2021-03-20]. doi: 10.1155/2021/8820116. [15] FLORENCIO F, VALENÇT, MORENO E D, et al. Performance analysis of deep learning libraries: TensorFlow and PyTorch [J]. J Comp Sci, 2019, 15(6): 785 − 799. [16] 刘波, 邬应龙, 张霞, 等. 红曲霉固态发酵产木聚糖酶培养基的响应面优化[J]. 食品工业科技, 2014(1): 254 − 258. LIU Bo, WU Yinglong, ZHANG Xia, et al. Optimization of solid state fermentation medium of Monascus M2 for xylanase production by response surface analysis [J]. Sci Technol Food Ind, 2014(1): 254 − 258. [17] 张健. 构巢曲霉转化子菌株TN02A7-Lg-mnp2产MnP的优化诱导及染料脱色研究[D]. 哈尔滨: 东北林业大学, 2017. ZHANG Jian. Optimization of Mnp Production and Decolorization of Dye from Aspergillus nidulans Transformant Strain TN02A7-Lg-mnp2 [D]. Harbin: Northeast Forestry University, 2017. [18] 熊乙. 木质纤维素降解菌的筛选鉴定及降解产物研究[D]. 太原: 山西农业大学, 2019. XIONG Yi. Screening and Identification of Lignocellulose Degrading Bacteria and Degradation Products Research[D]. Taiyuan: Shanxi Agricultural University, 2019. [19] 胡瑞萍, 丁贤, 李来好, 等. 响应面法优化枯草芽孢杆菌NHS1产芽孢发酵培养[J]. 生态学杂志, 2018, 37(2): 605 − 612. HU Ruiping, DING Xian, LI Laihao, et al. Optimization of fermentation medium composition by response surface methodology for the spore production of Bacillus subtilis [J]. Chin J Ecol, 2018, 37(2): 605 − 612. [20] 刘艳苓, 肖安风, 李利君, 等. 棘孢曲霉固态发酵α-L-鼠李糖苷酶调控机制及培养基优化[J]. 中国食品学报, 2015, 15(7): 10 − 17. LIU Yanling, XIAO Anfeng, LI Lijun, et al. The regulatory mechanisms of α-L-rhamnosidase synthesis from Aspergillus aculeatus and improving the medium α-L-rhamnosidase production using solid-state fermentation [J]. J Chin Inst Food Sci Technol, 2015, 15(7): 10 − 17. [21] 彭志妮, 郭丽琼, 张新超, 等. 蛹虫草固体发酵大豆基质的成分及抗氧化活性变化研究[J]. 菌物学报, 2011, 30(2): 338 − 342. PENG Zhini, GUO Liqiong, ZHANG Xinchao, et al. Compositions and antioxidant activities of soybean substrate during solid-state fermentation by Cordyceps militaris [J]. Mycosystema, 2011, 30(2): 338 − 342. [22] 刘波. 红曲霉生淀粉酶发酵优化、分离纯化及其酶学性质研究[D]. 雅安: 四川农业大学, 2014. LIU Bo. Studies on Fermentation Optimization, Purification and Enzyme Characteristics of Raw-starch-digesting Amylase from Monascus[D]. Ya’an: Sichuan Agricultural University, 2014. 期刊类型引用(3)
1. 道日娜，张英，李希来，李强，马林雄，铁晓龙. 高寒湿地演替过程对土壤细菌多样性的影响. 环境科学. 2025(03): 1897-1904 . 
百度学术2. 彭鵾，靳红梅，孙恩惠，陈国强，雍宬，GUEGUIM KANA E B，吴增游，刘歆颖，程洁红，曲萍，黄红英. 秸秆纤维毯覆盖对葡萄园土壤理化性质、杂草防控及果实品质的影响. 农业资源与环境学报. 2025(02): 430-438 . 百度学术3. 刘秀花，孙钰涵，卢杰，刘小康，马延东，贺屹，胡安焱. 黄土-古土壤原核生物群落对古气候变化的响应. 微生物学报. 2024(06): 1800-1823 . 百度学术其他类型引用(1)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20210311
点击查看大图
计量
- 文章访问数: 769
- HTML全文浏览量: 199
- PDF下载量: 29
- 被引次数: 4
