祁連山中部4種典型植被類型土壤細菌群落結構差異

朱 平,陳仁升,宋耀選,韓春壇,劉光琇,陳 拓,張 威

1 中國科學院寒區旱區環境與工程研究所,中國科學院黑河上游生態水文試驗研究站,蘭州 730000 2 中國科學院寒區旱區環境與工程研究所,蘭州 730000 3 中國科學院大學,北京 100049

?

祁連山中部4種典型植被類型土壤細菌群落結構差異

朱 平1,2,3,*,陳仁升1,2,宋耀選1,2,韓春壇1,2,劉光琇2,陳 拓2,張 威2

1 中國科學院寒區旱區環境與工程研究所,中國科學院黑河上游生態水文試驗研究站,蘭州 730000 2 中國科學院寒區旱區環境與工程研究所,蘭州 730000 3 中國科學院大學,北京 100049

土壤微生物參與土壤生態過程,在土壤生態系統的結構和功能中發揮著重要作用。2013年7月采集了祁連山中段4種典型植被群落(墊狀植被、高寒草甸、沼澤草甸和高寒灌叢)的表層土壤,分析了表層土壤微生物生物量碳氮和采用Illumina高通量測序技術研究了土壤細菌群落結構及多樣性,并結合土壤因子對土壤細菌群落結構和多樣性進行了相關性分析。結果表明：(1)土壤微生物生物量碳氮的大小排序為：沼澤草甸>高寒草甸>高寒灌叢>墊狀植被；(2)土壤細菌群落相對豐度在5%以上的優勢類群是放線菌門、酸桿菌門、α-變形菌、厚壁菌門和芽單胞菌門5大門類；(3)沼澤草甸土壤細菌α多樣性(物種豐富度和系統發育多樣性)顯著高于其它3種植被類型(P<0.05),而墊狀植被土壤細菌α多樣性最低；(4)冗余分析和Pearson相關性分析表明,土壤pH、土壤含水量、土壤有機碳和總氮是土壤細菌群落結構和α多樣性的主要影響因子。研究結果可為祁連山高寒生態系統穩定和保護提供理論依據。

土壤微生物量碳氮；祁連山；土壤細菌群落；Illumina高通量測序

土壤微生物參與土壤生態過程,在生態系統物質循環和能量流動中扮演著重要角色[1- 2],土壤微生物群落多樣性是生態系統研究的核心內容之一[3]。長期以來,土壤微生物研究受技術手段的限制,無法真實地、更全面地反映土壤微生物群落多樣性[4]。新一代高通量測序技術在整體水平上破譯了土壤微生物群落結構,有成本低、通量和覆蓋深度高等特點,將成為研究土壤微生物多樣性的常規手段[5]。因此,采用新一代高通量測序技術,揭示土壤微生物群落變化規律及其與生境的相互關系,可為土壤生態系統的優化管理和可持續利用提供理論基礎,具有重要的研究意義[6]。

祁連山為青藏高原東北緣西北―東南走向山系,位于青藏、蒙新、黃土三大高原交匯地帶,是我國西部生態安全屏障的重要組成部分[7- 9]。該地區日照時間長、輻射強、高寒、缺氧等因素相互作用孕育了大量獨特的微生物資源[10]。祁連山不同植被的水文響應[11- 12]、植被與土壤特性的關系[13- 14]、植被群落的演替過程[15- 16]的研究較多,但涉及到祁連山不同植被類型土壤微生物變化特征研究還較少。本研究在祁連山中部選取墊狀植被、高寒草甸、沼澤草甸和高寒灌叢4種典型植被類型為研究對象,采用HiSeq2500高通量測序的方法對其土壤細菌群落結構和多樣性進行了研究,試圖回答如下兩個問題：(1)土壤細菌群落結構在4種典型植被類型的差異？(2)調控4種植被類型土壤細菌群落和多樣性的土壤因子是什么？旨在初步揭示祁連山高寒生態系統土壤細菌群落結構和多樣性在不同植被類型的差異及變化規律,為祁連山土壤環境檢測、高寒植被恢復和生態環境的可持續發展在微生物層面上提供科學依據。

1 材料與方法

1.1 研究區概況

研究區位于青藏高原東北緣祁連山中部托勒南山葫蘆溝流域內(38°12′—38°17N,99°50′—99°54E,陰坡),垂直景觀梯度分異明顯[17]。多年平均溫度為-3.1—3.6℃,年平均降水為430—650 mm,屬大陸性高寒山區氣候[18]。研究區內主要的土壤類型為高山草甸土、高山灌叢草甸土、沼澤土和寒漠土。該地區僅有冷暖兩季,冷季漫長,暖季較短,植被生長期短,生物生產力低。植被類型隨海拔由高到低依次為墊狀植被帶(3900—4200 m)、高山草甸帶(3700—3900 m)、沼澤草甸帶(3500—3700 m)、亞高山灌叢草甸帶(3200—3500 m),研究區3500—3700 m由于該海拔范圍內地勢較為平坦,雨水在此匯集,排水不暢形成沼澤草甸。墊狀植被帶(cushion plants,CP)優勢種為囊種草(Thylacospermumcaespitosum)、墊狀點地梅(Androsacetapete)和水母雪蓮(Saussureamedusa)；高寒草甸帶(alpine meadow,AM)優勢種為小嵩草(Kobresiapygmaea)、矮嵩草(K.humilis)和藏嵩草(K.tibetica)；沼澤草甸帶(SM)優勢種為藏嵩草(K.tibetica)、矮嵩草(K.humilis)和線葉嵩草(K.capillifolia),伴生種為早熟禾(Poaannua)和垂穗披堿草(Elymusnutans)；高寒灌叢帶(alpine shrub,AS)優勢種為金露梅(Potentillafruticosa)和高山柳(Salixcupularis)。

1.2 樣地設置和取樣方法

研究區內選擇上述4種不同海拔高度的植被群落為實驗樣地,樣地概況參見朱平論文[19]。在大概1000 m海拔梯度范圍內,每隔大約300 m設置一個樣地,每個樣地分別設置3個20 m×20 m樣方為重復,每個樣方間隔約100 m,在每個樣方內用直徑4.5 cm土鉆S型采集5個表層20 cm深度的土樣,混合后約500 g分別裝入自封袋并做標記。土樣挑除石塊、根系等雜物并保存在4 ℃的冰盒,帶回實驗室后立即用新鮮土壤測定土壤微生物生物量碳和氮,然后將土樣分兩份：其中1份土樣風干用于土壤理化性質分析；另1份土樣實驗室冰箱-20 ℃保存用于土壤DNA提取。采樣時間為2013年7月。

1.3 測定方法

1.3.1 土壤主要理化性質和土壤微生物生物量碳、氮的測定

土壤pH采用電位法測定,水土比為2.5∶1；土壤含水量(soil moisture, SM)采用烘干法測定,將盛有新鮮土樣的鋁盒,置于105 ℃的恒溫干燥箱烘6—8 h,烘至恒重；土壤有機碳(SOC)采用重鉻酸鉀氧化外加熱法；總氮(TN)采用半微量凱氏法；總磷(TP)采用酸溶—鉬銻抗比色法,稱取風干土樣,加高氯酸和氫氟酸加熱,土壤中含磷礦物及有機磷化合物全部轉化為正磷酸鹽進入溶液,然后用鉬銻抗比色法測定[20]。土壤微生物生物量碳、氮(microbial biomass carbon,MBC；microbial biomass nitrogen,MBN)采用氯仿熏蒸培養法測定[21- 22]。

1.3.2 土壤DNA提取和測序

采用PowerSoil DNA 提取試劑盒(MoBio Inc., USA),稱取0.3—0.5 g土壤樣品,按試劑盒規定的實驗步驟提取土壤總DNA。利用引物515F(GTGCCAGCMGCCGCGGTAA)與806R(GGACTACHVGGGTWTCTAAT)擴增其V4區基因片段。修飾后的引物含有不同的Barcode以區分不同樣品。PCR反應體系為50 μL,其中含ddH2O23 μL,Premix Taq DNA聚合酶25 μL,DNA模板量1 μL(5—10 ng),正向引物0.5 μL(20 ng/μL),正向引物0.5 μL(20 ng/μL)。PCR擴增反應條件為：95 ℃,5 min；30×(94 ℃,45 s；56 ℃,45 s；72 ℃,45 s)；72 ℃,10 min。每個樣品重復擴增3次。PCR擴增以后,三管同一樣品合并,用GeneJET試劑盒(Thermo Scientific Inc., USA)純化,用NanoDrop 2000(Thermo Scientific Inc., USA)測定PCR產物濃度,樣品送至北京諾禾致源測序公司(Novegene, China)進行高通量測序。

1.3.3 生物信息分析及數據處理

根據Barcode序列拆分各樣品數據,然后截取Barcode和引物的序列使用FLASH[23]對進行拼接；高通量序列數據使用QIIME[24]進行數據處理：利用UPARSE[25]軟件對全部有效序列進行聚類,默認以97%序列相似度對序列聚類獲得OTUs(operational taxonomic units,操作分類單元)；從每個OTUs選取一個代表性序列,以Greengenes數據庫[26]為參考,使用RDP Classifier[27]對OUT進行物種注釋,置信水平為80%；最后對樣品數據均一化處理,以樣品中數量最少的為標準,統一抽取45160條有效序列來研究細菌群落結構。通過計算物種豐富度(OTUs)和系統發育多樣性Faith′s PD指數[28](Faith′s Phylogenetic diversity)來表示土壤細菌群落的α多樣性。

1.4 數據分析

所有數據均為平均值±標準誤,采用SPSS 11.5和R軟件的數據包VEGAN進行數據統計分析。采用單因素方差比較不同植被土壤理化性質、優勢細菌菌群和土壤細菌α多樣性指數的差異性。Pearson系數分析土壤因子和土壤細菌多樣性指數的相關性。利用R軟件的VEGAN數據包進行微生物群落結構的Mantel和CCA分析；顯著性水平設定為α=0.05。相關圖的制作在Origin 8.0中完成。

2 結果與分析

2.1 土壤理化性質

研究區4種植被類型土壤pH在6—7之間,曾微酸性,土壤pH變異幅度較窄。沼澤草甸長期處于積水狀態,土壤含水量較高,植物有機殘體殘留在土壤中,厭氧的土壤環境抑制了好氧微生物的代謝活動,土壤有機碳不能完全分解,積累在土壤表層,沼澤草甸土壤有機碳含量高于其它植被類型。墊狀植被土壤總氮顯著低于其它3種植被類型(P<0.05),主要由于墊狀植被地表凋落物較少,草本覆蓋度低,土壤養分積累量低于其它3種植被類型(表1)。

表1 不同植被土壤理化參數

CP：墊狀植被 cushion plants；AM：高寒草甸 alpine meadow；SM：沼澤草甸 swamp meadow；AS：高寒灌叢 alpine shrub;同行不同小寫字母表示不同植被類型間存在差異(P<0.05)

2.2 土壤微生物生物量碳、氮變化特征

如圖1所示,在研究區4種植被類型土壤微生物生物量碳的大小順序為：沼澤草甸>高寒草甸>高寒灌叢>墊狀植被。沼澤草甸的平均微生物生物量碳為1537.7 mg/kg,分別為高寒草甸、高寒灌叢和墊狀植被的2.23、4.45倍和6.48倍。沼澤草甸的平均微生物生物量碳含量顯著大于高寒草甸、高寒灌叢和墊狀植被(P<0.05)；高寒草甸的平均微生物生物量碳含量顯著大于高寒灌叢和墊狀植被(P<0.05)；高寒灌叢和墊狀植被的平均土壤微生物生物量碳含量差異不顯著(P>0.05)。研究區4種植被類型土壤微生物生物量氮與土壤微生物生物量碳的變化規律基本一致。

圖1 土壤微生物生物量碳氮Fig.1 Soil microbial biomass carbon and nitrogen of four representative vegetation typesCP：墊狀植被 cushion plants；AM：高寒草甸 alpine meadow；SM：沼澤草甸 swamp meadow；AS：高寒灌叢 alpine shrub；不同小寫字母表示不同植被類型間存在差異(P<0.05)

2.3 土壤細菌群落優勢菌群差異

高通量測序結果顯示所有樣品一共獲得713386條有效序列,其中最少序列為54161條,最多序列為67678條(平均序列條數是59449條)。這些序列的99.1%可以分類到不同的細菌門類,0.9%與數據庫比對分類到古菌門類。圖2可以看出祁連山中部4種典型植被類型土壤細菌優勢門類為放線菌門(Actinobacteria)(23.10%),酸桿菌門(Acidobacteria)(18.90%)、α-變形菌門(Alphaproteobacteria)(10.59%)、厚壁菌門(Firmicutes)(8.13%)和芽單胞菌門(Gemmatimonadetes)(6.12%),它們的平均相對豐度大于5%,占了總序列的63%以上；而γ-變形菌門(Gammaproteobacteria)、綠彎菌門(Chloroflexi)、疣微菌門(Verrucomicrobia)、β-變形菌門(Betaproteobacteria)、擬桿菌門(Bacteroidetes)、δ-變形菌門(Deltaproteobacteria)、浮霉菌門(Planctomycetes)、硝化螺旋菌門(Nitrospirae)的平均相對豐度大于1%但低于5%。此外還發現了相對豐度小于1%的其它41個稀有門類,它們占到總序列的不到5.4%。

圖 2 土壤細菌優勢門類的相對豐度Fig.2 The relative abundance of dominant bacterial phylum in soil separated according to four representative vegetation types

本研究通過測序了解了祁連山中部4種典型植被類型土壤細菌的優勢菌群,并對相對豐度大于5%的細菌門類進行分析,圖3可以看出墊狀植被土壤中放線菌門的相對豐度顯著高于其他3種植被類型(P<0.05)；而沼澤草甸土壤中α-變形菌門的相對豐度顯著高于其它3種植被類型(P<0.05),芽單胞菌門的相對豐度顯著低于其它3種植被類型(P<0.05)。

圖3 5個土壤優勢細菌菌群相對豐度的差異Fig.3 The relative abundance of five soil dominant bacterial phylum of four representative vegetation types

2.4 土壤理化性質與土壤細菌群落結構的相關性

土壤可以提供細菌群落生長繁殖的微環境,而不同的植被類型通過改變土壤的微環境間接影響了土壤細菌群落結構的組成。土壤理化性質和細菌群落結構的相關性采用Mantel檢驗方法(Mantel tests)分析,從表2可以看出土壤細菌群落結構與土壤pH、土壤含水量、土壤有機碳和總氮呈現顯著相關(P<0.05)。

利用R語言bioENV篩選出最能體現土壤細菌群落結構變化的4個土壤因子,研究結果與Mantel tests方法一致,將經過篩選的土壤理化因子與細菌群落結構進行典范對應分析(canonical correspondence analysis,圖4),CCA二維排序圖可以直觀地給出研究對象與環境變量之間的關系,排序軸與箭頭連線夾角表示環境因子與排序軸的相關性,夾角越小表明關系越密切,而箭頭連線表示環境因子與研究對象相關程度的大小,連線越短,相關性越小,反之越大[29]。蒙特卡羅檢驗(Monte Carlo test)發現,第一軸與全部軸均呈極顯著差異(P<0.01),故CCA分析排序結果可信。在土壤pH、含水量、有機碳和總氮中,土壤pH和含水量對表層土壤細菌群落結構具有較大影響(P=0.001和P=0.003)。同時不同植被類型土壤細菌群落發生明顯分異,墊狀植被土壤細菌群落主要處于土壤pH較高區域,而沼澤草甸土壤細菌群落主要聚類于土壤含水量較高的區域,4種植被群落土壤細菌群落結構較為分散。

表2 土壤理化性質與細菌群落結構的相關性

圖4 土壤細菌群落結構與理化性質的CCA分析 Fig.4 Canonical correspondence analysis (CCA) of the soil bacterial communities and associated soil propertiesSm：土壤含水量 Soil moisture；SOC：土壤有機碳 Soil organic carbon；TN：總氮 Total nitrogen

2.5 土壤細菌的多樣性及其與土壤理化性質的關系

由圖5可知,4種植被類型土壤細菌物種豐富度變化范圍為(3253±112)—(3910±92),系統發育多樣性變化范圍為(240.9±7.1)—(283.8±5.7)。墊狀植被土壤細菌物種豐富度和系統發育多樣性值最低,而沼澤草甸土壤細菌物種豐富度和系統發育多樣性值最高。沼澤草甸土壤細菌物種豐富度和系統發育多樣性顯著高于其它3種植被類型(P<0.05)；而墊狀植被土壤細菌物種豐富度和系統發育多樣性顯著低于其它3種植被類型(P<0.05)。為探討土壤細菌α多樣性與土壤因子的關系,對土壤細菌α多樣性(物種豐富度和系統發育多樣性)與土壤pH、含水量、有機碳等6個土壤因子做相關性分析。表3表明土壤含水量、土壤有機碳和總氮與細菌物種豐富度和系統發育多樣性有極強的相關性(P<0.01)。土壤pH與細菌物種豐富度和系統發育多樣性負相關,其相關系數分別為-0.688和-0.676。其它土壤因子與細菌物種豐富度和系統發育多樣性未達顯著性水平(P>0.05)。

3 討論

祁連山高寒生態系統是全球變化的敏感區域,其微生物組成和功能影響生態系統轉化的方向和進程[10]。土壤微生物生物量雖然約占不到土壤有機質的5%,卻是植物可利用養分的重要來源,能靈敏的反映環境因子的變化[30- 31]。沼澤草甸平均微生物生物量碳氮大于高寒草甸、高寒灌叢和墊狀植被。這可能與沼澤草甸土壤水分含量較高有關,而土壤水分是調節高寒草甸生態系統土壤微生物物質轉化的關鍵因子[32]。同時土壤微生物量碳又與土壤有機質密切相關[33],本研究中,土壤有機碳含量的大小排列順序為沼澤草甸>高寒草甸>高寒灌叢>墊狀植被,與土壤微生物生物量碳氮排序一致。王啟蘭等[32]對藏嵩草草甸、小嵩草草甸、矮嵩草草甸、禾草草甸、雜類草草甸及金露梅灌叢土壤微生物數量和生物量研究發現沼澤化藏嵩草草甸表層土壤細菌數量和微生物生物量碳最高,與本研究結果基本一致。這說明不同植物群落歸還土壤植物殘體數量和質量的不同,可能是造成土壤微生物生物量碳氮差異的主要原因[34]。

圖5 4種植被類型土壤細菌物種豐富度和系統發育多樣性指數Fig.5 Soil bacterial OTUs phylotypes richness and phylogenetic diversity of four representative vegetation types

變量Variables物種豐富度OTUs系統發育多樣性Phylogeneticdiversity變量Variables物種豐富度OTUs系統發育多樣性PhylogeneticdiversitypH-0.688*-0.676*土壤含水量Soilmoisture0.875**0.900**土壤有機碳Soilorganiccarbon0.773**0.721**總氮Totalnitrogen0.804**0.786**總磷Totalphosphorus0.1570.135碳氮比Ratioofcarbon:nitrogen0.4470.387

**P<0.01；*P<0.05

土壤細菌是土壤微生物的重要組成部分,絕大多數土壤優勢細菌種類基本相同,主要包括10個左右的細菌類群[35- 36]。Chu等[37]在青藏高原西北部研究表層土壤細菌群落結構發現放線菌門、α-變形菌門、酸桿菌門、綠彎菌門和芽單胞菌門5大門類為研究區的優勢類群。厚壁菌門、γ-變形菌門、β-變形菌門、δ-變形菌門、擬桿菌門、浮霉菌門6大門類為平均相對豐度小于5%大于1%的細菌門類,與本研究基本一致。而Yuan等[38]在念青唐古拉南面沿海拔梯度取樣研究高山草原土壤細菌群落發現酸桿菌門、變形菌門、芽單胞菌門為研究范圍內最主要的3個細菌門類。Zhang等[39]在青藏高原北麓河流域分析草甸、草原和荒漠草原土壤細菌群落結構差異發現主要優勢菌群為變形菌門、放線菌門、酸桿菌門、擬桿菌門4個門類。這可能當地的氣候、水文、土壤、植被條件不同有關,似乎沒有兩種土壤包含完全一致的微生物群落結構。研究區4種植被土壤細菌優勢菌群,與其它研究相比厚壁菌門相對豐度較高,這可能與厚壁菌門更能適應祁連山干冷的土壤環境和利用有限的土壤養分有關[40]。芽單胞菌門在沼澤草甸相當豐度顯著低于墊狀植被和高寒灌叢,DeBruyn等[41]發現芽單胞菌門更適合在土壤含水量較低的環境下生存。墊狀植被土壤放線菌門相對豐度顯著高于其它3個植被類型,放線菌最適生長環境土壤pH值偏堿性,而墊狀植被土壤pH相對其它3種植被類型更高些而含水量又低于其它3種植被類型,土壤環境更適宜放線菌的生長。

研究區4種植被類型土壤細菌群落結構和α多樣性與土壤pH、土壤含水量、土壤有機碳和全氮顯著相關(P<0.05)。土壤pH是影響土壤細菌群落分布最主要影響因子。Rousk等[42]對具有pH梯度的農田土壤180m距離(小尺度)內土壤微生物群落結構和多樣性采用454高通量測序分析,結果表明土壤細菌群落結構組成和多樣性與土壤pH密切相關。Fierer等[43]利用末端限制性片段長度多態性分析了美洲大陸從北到南土壤細菌群落多樣性和生物地理分布模式,發現土壤細菌群落豐富度和多樣性與土壤pH相關。Lauber等[44]對其研究進行補充,利用454高通測序發現土壤pH是土壤細菌群落空間變異的驅動因素。Shen等[45]在長白山研究6種典型植被類型,采用高通量技術研究土壤細菌群落組成和多樣性隨海拔的分布規律,發現土壤pH是驅動土壤細菌分布的影響因子,與本研究結論一致。同時土壤含水量、有機碳和全氮也是土壤細菌群落結構和多樣性的主要影響因子。Zhang等[39]采用高通量測序分析發現土壤含水量和碳氮比是影響土壤細菌群落結構的主要因素。Shen等[46]在高寒苔原小尺度海拔梯度研究發現土壤碳和氮是影響土壤細菌海拔梯度分布的關鍵環境因素,并強調土壤含水量與土壤細菌豐富度和多樣性密切相關。而Chu等[37]在對青藏高原西北部大尺度研究表層和亞表層土壤細菌群落分布時發現總碳和碳氮比是青藏高原微生物生物地理分布的主要影響因子。植被類型可能通過凋落物和根際分泌物影響了土壤微環境間接地改變了土壤細菌的群落結構和多樣性。高寒草甸具有密實的根系,土壤有機碳含量較高；而墊狀植被草本覆蓋度低,土壤有機碳和總氮含量低,土壤微環境的營養差異可能改變本研究區4種植被類型土壤細菌群落結構和多樣性。當土壤微生物有適宜的營養物質、土壤pH和良好的水熱條件,有利于土壤微生物的生長和繁殖。Shi等[47]在北極苔原4種植被類型研究發現土壤細菌群落組成與土壤pH和含水量密切相關,而當土壤pH和含水量相似時,土壤氮的組分可能是細菌結構的重要影響因子。

青藏高原是世界上海拔最高、最獨特的生態系統,墊狀植被、高寒草甸、沼澤草甸和高寒灌叢為該地區具有區域代表性的植被類型,研究區土壤具有較高的有機碳含量[48],土壤微生物是生物地球化學循環的驅動者,對氣候響應與反饋將影響高寒生態系統的穩定[10],本研究利用Illumina高通量測序技術對祁連山中部4種植被類型土壤微生物群落結構和多樣性進行了研究,得到了一些初步的結論。未來的研究還應圍繞不同季節土壤細菌群落組成和功能以及更大取樣尺度的研究等方面展開,以期待更深入地理解高寒生態系統土壤微生物的群落結構組成及其對氣候變化的響應。

4 結論

綜上所述,高寒祁連山托勒南山陰坡研究區內4種植被類型,沼澤草甸土壤微生物生物量碳氮最高；土壤細菌最主要的5個優勢門類為放線菌門、酸桿菌門、α-變形菌門、厚壁菌門和芽單胞菌門；土壤pH、土壤含水量、土壤有機碳和總氮是影響4種植被類型土壤細菌群落結構和α多樣性的主要因素。

[1] 曹鵬, 賀紀正. 微生物生態學理論框架. 生態學報, 2015, 35(22): 7263- 7273.

[2] 賀紀正, 王軍濤. 土壤微生物群落構建理論與時空演變特征. 生態學報, 2015, 35(20): 6575- 6583.

[3] Talbot J M, Bruns T D, Taylor J W, Smith D P, Branco S, Glassman S I, Erlandson S, Vilgalys R, Liao H L, Smith M E, Peay K G. Endemism and functional convergence across the North American soil mycobiome. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(17): 6341- 6346.

[4] 李晨華, 張彩霞, 唐立松, 熊正琴, 王保戰, 賈仲君, 李彥. 長期施肥土壤微生物群落的剖面變化及其與土壤性質的關系. 微生物學報, 2014, 54(3): 319- 329.

[5] 鄭燕, 賈仲君. 新一代高通量測序與穩定性同位素示蹤DNA/RNA技術研究稻田紅壤甲烷氧化的微生物過程. 微生物學報, 2013, 53(2): 173- 184.

[6] 陸雅海, 傅聲雷, 褚海燕, 楊云鋒, 劉占鋒. 全球變化背景下的土壤生物學研究進展. 中國科學基金, 2015, 29(1): 19- 24.

[7] Zhang W J, Cheng W M, Ren Z P, Gao Y B, Chen J, Li B L, Zhou C H. Simulation of permafrost distributions in the Qilian Mountains using a multi-criteria approach. Cold Regions Science and Technology, 2014, 103: 63- 73.

[8] 吳玉環, 高謙, 程國棟. 祁連山地區苔類植物的初步研究. 植物研究, 2008, 28(2): 147- 150.

[9] 尹憲志, 張強, 徐啟運, 薛萬孝, 郭慧, 史志娟. 近50年來祁連山區氣候變化特征研究. 高原氣象, 2009, 28(1): 85- 90.

[10] 褚海燕. 高寒生態系統微生物群落研究進展. 微生物學通報, 2013, 40(1): 123- 136.

[11] 劉鵠, 趙文智, 何志斌, 張立杰. 祁連山淺山區不同植被類型土壤水分時間異質性. 生態學報, 2008, 28(5): 2389- 2394.

[12] 王軍德, 李元紅, 李贊堂, 高菁, 金彥兆, 胡想全, 黃津輝. 基于SWAT模型的祁連山區最佳水源涵養植被模式研究——以石羊河上游雜木河流域為例. 生態學報, 2010, 30(21): 5875- 5885.

[13] 常宗強, 馮起, 司建華, 李建林, 蘇永紅. 祁連山不同植被類型土壤碳貯量和碳通量. 生態學雜志, 2008, 27(5): 681- 688.

[14] 牛赟, 劉賢德, 敬文茂, 雷軍, 苗毓新. 祁連山北坡土壤特性與植被垂直分布的關系. 山地學報, 2013, 31(5): 527- 533.

[15] 蘇永中, 常學向, 何志斌, 王芳. 祁連山典型流域谷地植被斑塊演變與土壤性狀. 生態學報, 2008, 28(1): 212- 219.

[16] 趙成章, 石福習, 董小剛, 任珩, 盛亞萍, 高福元, 楊文斌. 祁連山北坡退化林地植被群落的自然恢復過程及土壤特征變化. 生態學報, 2011, 31(1): 115- 122.

[17] 韓春壇, 陳仁升, 劉俊峰, 陽勇, 劉章文. 祁連山葫蘆溝流域高山寒漠帶非凍結期水文特征. 冰川凍土, 2013, 35(6): 1536- 1544.

[18] Chen R S, Song Y X, Kang E S, Han C T, Liu J F, Yang Y, Qing W W, Liu Z W. A cryosphere-hydrology observation system in a small alpine watershed in the Qilian Mountains of China and its meteorological gradient. Arctic, Antarctic, and Alpine Research, 2014, 46(2): 505- 523.

[19] 朱平, 陳仁升, 宋耀選, 劉光琇, 陳拓, 張威. 祁連山不同植被類型土壤微生物群落多樣性差異. 草業學報, 2015, 24(6): 75- 84.

[20] 張甘霖, 龔子同. 土壤調查實驗室分析方法. 北京: 科學出版社, 2012：23- 76.

[21] Brookes P C, Landman A, Pruden G, Jenkinson D S. Chloroform fumigation and the release of soil nitrogen: a rapid direct extraction method to measure microbial biomass nitrogen in soil. Soil Biology and Biochemistry, 1985, 17(6): 837- 842.

[22] Vance E D, Brookes P C, Jenkinson D S. An extraction method for measuring soil microbial biomass C. Soil Biology and Biochemistry, 1987, 19(6): 703- 707.

[24] Caporaso J G, Kuczynski J, Stombaugh J, Bittinger K, Bushman F D, Costello E K, Fierer N, Pea A G, Goodrich J K, Gordon J I, Huttley G A, Kelley S T, Knights D, Koenig J E, Ley R E, Lozupone C A, McDonald D, Muegge B D, Pirrung M, Reeder J, Sevinsky J R, Turnbaugh P J, Walters W A, Widmann J, Yatsunenko T, Zaneveld J, Knight R. QIIME allows analysis of high-throughput community sequencing data. Nature Methods, 2010, 7(5): 335- 336.

[25] Edgar R C. UPARSE: highly accurate OTU sequences from microbial amplicon reads. Nature Methods, 2013, 10(10): 996- 998.

[26] McDonald D, Price M N, Goodrich J, Nawrocki E P, DeSantis T Z, Probst A, Andersen G L, Knight R, Hugenholtz P. An improved Greengenes taxonomy with explicit ranks for ecological and evolutionary analyses of bacteria and archaea. The ISME Journal, 2012, 6(3): 610- 618.

[27] Wang Q, Garrity G M, Tiedje J M, Cole J R. Na?ve Bayesian classifier for rapid assignment of rRNA sequences into the new bacterial taxonomy. Applied and Environmental Microbiology, 2007, 73(16): 5261- 5267.

[28] Faith D P. Conservation evaluation and phylogenetic diversity. Biological Conservation, 1992, 61(1): 1- 10.

[29] 張金屯. 數量生態學. 北京：科學出版社, 2004: 157- 164.

[30] Grandy A S, Strickland M S, Lauber C L, Bradford M A, Fierer N. The influence of microbial communities, management, and soil texture on soil organic matter chemistry. Geoderma, 2009, 150(3/4): 278- 286.

[31] Melo V S, Desjardins T, Silva Jr M L, Santos E R, Sarrazin M, Santos M M L S. Consequences of forest conversion to pasture and fallow on soil microbial biomass and activity in the eastern Amazon. Soil Use and Management, 2012, 28(4): 530- 535.

[32] 王啟蘭, 曹廣民, 王長庭. 高寒草甸不同植被土壤微生物數量及微生物生物量的特征. 生態學雜志, 2007, 26(7): 1002- 1008.

[33] 孫波, 趙其國, 張桃林, 俞慎. 土壤質量與持續環境──Ⅲ. 土壤質量評價的生物學指標. 土壤, 1997, 29(5): 225- 234.

[34] Wardle D A. A comparative assessment of factors which influence microbial biomass carbon and nitrogen levels in soil. Biological Reviews, 1992, 67(3): 321- 358.

[35] Janssen P H. Identifying the dominant soil bacterial taxa in libraries of 16S rRNA and 16S rRNA genes. Applied and Environmental Microbiology, 2006, 72(3): 1719- 1728.

[36] Philippot L, Andersson S G E, Battin T J, Prosser J I, Schimel J P, Whitman W B, Hallin S. The ecological coherence of high bacterial taxonomic ranks. Nature Reviews Microbiology, 2010, 8(7): 523- 529.

[37] Chu H Y, Sun H B, Tripathi B M, Adams J M, Huang R, Zhang Y J, Shi Y. Bacterial community dissimilarity between the surface and subsurface soils equals horizontal differences over several kilometers in the western Tibetan Plateau. Environmental Microbiology, 2016, 18(5): 1523- 1533.

[38] Yuan Y L, Si G C, Wang J, Luo T X, Zhang G X. Bacterial community in alpine grasslands along an altitudinal gradient on the Tibetan Plateau. FEMS Microbiology Ecology, 2014, 87(1): 121- 132.

[39] Zhang X F, Zhao L, Xu Jr S J, Liu Y Z, Liu H Y, Cheng G D. Soil moisture effect on bacterial and fungal community in Beilu River (Tibetan Plateau) permafrost soils with different vegetation types. Journal of Applied Microbiology, 2013, 114(4): 1054- 1065.

[40] Yergeau E, Hogues H, Whyte L G, Greer C W. The functional potential of high Arctic permafrost revealed by metagenomic sequencing, qPCR and microarray analyses. The ISME Journal, 2010, 4(9): 1206- 1214.

[41] DeBruyn J M, Nixon L T, Fawaz M N, Johnson A M, Radosevich M. Global biogeography and quantitative seasonal dynamics ofGemmatimonadetesin soil. Applied and Environmental Microbiology, 2011, 77(17): 6295- 6300.

[42] Rousk J, B??th E, Brookes P C, Lauber C L, Lozupone C, Caporaso J G, Knight R, Fierer N. Soil bacterial and fungal communities across a pH gradient in an arable soil. The ISME Journal, 2010, 4(10): 1340- 1351.

[43] Fierer N, Jackson R B. The diversity and biogeography of soil bacterial communities. Proceedings of the National Academy of Sciences of the United States of America, 2006, 103(3): 626- 631.

[44] Lauber C L, Hamady M, Knight R, Fierer N. Pyrosequencing-Based Assessment of Soil pH as a Predictor of Soil Bacterial Community Structure at the Continental Scale. Applied and Environmental Microbiology, 2009, 75(15): 5111- 5120.

[45] Shen C C, Xiong J B, Zhang H Y, Feng Y Z, Lin X G, Li X Y, Liang W J, Chu H Y. Soil pH drives the spatial distribution of bacterial communities along elevation on Changbai Mountain. Soil Biology and Biochemistry, 2013, 57: 204- 211.

[46] Shen C C, Ni Y Y, Liang W J, Wang J J, Chu H Y. Distinct soil bacterial communities along a small-scale elevational gradient in alpine tundra. Frontiers in Microbiology, 2015, 6: 582.

[47] Shi Y, Xiang X J, Shen C C, Chu H Y, Neufeld J D, Walker V K, Grogan P. Vegetation-Associated Impacts on Arctic Tundra Bacterial and Microeukaryotic Communities. Applied and Environmental Microbiology, 2015, 81(2): 492- 501.

[48] 楊帆, 黃來明, 李德成, 楊飛, 楊仁敏, 趙玉國, 楊金玲, 劉峰, 張甘霖. 高寒山區地形序列土壤有機碳和無機碳垂直分布特征及其影響因素. 土壤學報, 2015, 52(6): 1226- 1236.

Soil bacterial community composition and diversity of four representative vegetation types in the middle section of the Qilian Mountains, China

ZHU Ping1,2,3,*, CHEN Rensheng1,2, SONG Yaoxuan1,2, HAN Chuntan1,2, LIU Guangxiu2, CHEN Tuo2, ZHANG Wei2

1QilianAlpineEcology&HydrologyResearchStation,ColdandAridRegionsEnvironmentalandEngineeringResearchInstitute,ChineseAcademyofSciences,Lanzhou730000,China2ColdandAridRegionsEnvironmentalandEngineeringResearchInstitute,ChineseAcademyofSciences,Lanzhou730000,China3UniversityofChineseAcademyofSciences,Beijing100049,China

Soil microbial communities are a key driver in biogeochemical cycling and play an important role in ecosystem carbon and nitrogen cycling. However, microbial responses to climate change remain poorly understood. Mountain slopes provide a natural laboratory for studies of soil microbial diversity and biogeography. Understanding patterns of soil microbial composition, the distribution along elevational gradients and the factors driving such patterns is indispensable to achieve a comprehensive understanding of the response of ecosystems to global climate change. The Qilian Mountains on the northeastern Qinghai-Tibetan Plateau (QTP) represent one of the main areas of alpine mountains in China. In addition, the mountains are located at the juncture of three climate regions of western China (monsoon, arid and QTP climates). The study area, located in the mid part of the Qilian Mountains, is one of the regions with continuous alpine meadow soil distribution in the world. Soil samples were collected from the shady slope of Qilian Mountains. Topographic and climatic variations result in the vertical zonation of major vegetation types. In this study, we selected four elevation gradients, representing four typical vegetation types based on their elevation. The elevations 3200—3500 m are alpine shrub, dominated byPotentillafruticosaandSalixcupularis. The elevations 3500—3700 m are swamp meadow, dominated byKobresiahumilisandK.capillifolia. The elevations 3700—3900 m are alpine meadow, dominated byK.tibetica,K.humilisandK.pygmaea. The elevations 3900—4200 m are cushion plants, dominated byThylacospermumcaespitosumandAndrosacetapeteandSaussureamedusa. Between 3300 and 4200 m, we sampled across the four vegetation types described above at elevation intervals of 300 m. At each elevation, soil samples were collected from three plots (20 m × 20 m) as three independent replicates. In each plot, soil samples of the surface layer (0—20 cm) were collected at five random points and bulked together as a single sample. High-throughput sequencing is revolutionizing microbial ecology studies, because it can obtain the classification information for soil bacteria more accurately than previous methods. In July 2013, we investigated soil bacterial diversity under the four typical vegetation types along a 3300—4200 m elevation gradient using Illumina high-throughput sequencing. We found that the soil microbial biomass carbon and nitrogen varied in the order: swamp meadow > alpine meadow > alpine shrub > cushion plants. In addition, across all soil samples, we obtained 713,386 quality sequences with 54161—67678 sequences per sample (mean 59449). The dominant phyla across all the soils were Actinobacteria (23.10%), Acidobacteria (18.90%), Alphaproteobacteria (10.59%), Firmicutes (8.13%), and Gemmatimonadetes (6.12%), accounting for more than 63% of the bacterial sequences from each of the soils. Finally, soil pH, moisture, soil organic carbon and total nitrogen were correlated with the bacterial community composition (Mantel tests) and bacterial alpha diversity (operational taxonomic units and phylogenetic diversity). The results of the canonical correspondence and Pearson correlation analysis showed that soil pH, moisture, soil organic carbon and total nitrogen were the main factors that significantly affected the soil bacterial community composition and alpha diversity in these four vegetation types. This research provides a scientific basis for the ecosystem stability and protection of the Qilian Mountains. Further work is needed to understand the underlying mechanisms and ecological processes behind soil microbial composition and diversity.

soil microbial biomass carbon and nitrogen; Qilian Mountains; soil bacterial community; Illumina high-throughput sequencing

國家重點基礎研究發展計劃“973”項目(2013CBA01806);國家自然科學基金項目(91225302)

2016- 02- 29; 網絡出版日期:2017- 02- 17

10.5846/stxb201602290348

*通訊作者Corresponding author.E-mail: zhuping@lzb.ac.cn

朱平,陳仁升,宋耀選,韓春壇,劉光琇,陳拓,張威.祁連山中部4種典型植被類型土壤細菌群落結構差異.生態學報,2017,37(10):3505- 3514.

Zhu P, Chen R S, Song Y X, Han C T, Liu G X, Chen T, Zhang W.Soil bacterial community composition and diversity of four representative vegetation types in the middle section of the Qilian Mountains, China.Acta Ecologica Sinica,2017,37(10):3505- 3514.