湖滨带芦苇恢复过程中沉积物氮赋存形态及含量变化：以巢湖为例*

余居华，王乐豪，康得军，郑恭毅，郭宝玲，钟继承，郑祥洲，张玉树，蔡远松，丁 洪

(1：福建省农业科学院土壤肥料研究所，福州 350013) (2：福州大学土木工程学院，福州 350000) (3：中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室，南京 210008) (4：福建省安溪县蓬莱林业工作站，泉州 362402)

随着社会经济快速发展，伴随大量污染物进入到水环境，造成受纳水体污染程度加重并引发全球湖库水生态系统水生植被分布面积下降，甚至在局部水域出现大面积消亡[1]. 富营养化是一个世界性的水环境问题[2-3]，我国有80%的湖泊处于富营养化状态. 对67个主要湖泊调查发现，26.9%为中营养型湖泊，73.1%为富营养湖泊[4]. 叠加水体营养盐输入和水生植被退化严重，造成藻类大量增殖而出现水华现象[5-6]，进而导致富营养化湖泊从清水态的草型生态系统向浊水态藻型生态系统转换[7-8]，加速了湖泊沼泽化进程，损害了湖泊水体生态和社会经济服务功能[9]. 因此，在退化湖泊水生态系统修复过程中，合理规划开展水生植被恢复与重建被认为是改善水质条件和维持湖泊生态系统结构和功能稳定性的重要修复措施[1,10].

本研究通过沉积物柱芯培养和水槽模拟实验，选择巢湖挺水植物土著优势种——芦苇为受试植物，完整模拟了芦苇恢复的整个生长过程，旨在研究芦苇完整生长过程中湖泊沉积物TN、TIN与TF-N含量及形态的转化时间变异规律，试图探明芦苇恢复完整生长过程中沉积物氮组分及含量的驱动机制及关键调控因子，以期为退化湖泊和人工景观水体植被重建与恢复提供科学依据和技术支撑.

1 材料与方法

1.1 样品采集及预处理

近年来，不断的外源输入加剧了巢湖水体富营养化. 本研究样品采集于我国巢湖污染严重的西北部汇流湾滨岸带(图1). 由于巢湖水生植被优势物种以芦苇为主[20]，且挺水植物受水体透明度影响小，在重污染水体中栽种的存活率高，加上退化湖泊水体通常选择挺水植物先对退化滨岸进行修复的前期成功实践案例，故本研究的受试植物选择巢湖本地优势植物芦苇. 芦苇采集点位的具体坐标为31°42′4.76″N, 117°21′43.49″E，选取长势良好，生长一致的芦苇幼苗(株高约10 cm、直径1 cm)，连根挖起并立刻洗净芦苇表面的污泥，装入到80 L的塑料桶中，并在5 h内带回实验室.

沉积物采集点位与芦苇相同，采用彼得森采样器采集巢湖西部重污染湾区滨岸表层沉积物，同步采集原点位的底层上覆水体(图1). 为最大限度降低沉积物空间异质性的干扰，将采集的沉积物带回实验室进行筛分(孔径为0.6 mm)，筛除大颗粒物质以及大型水生动物，并对筛分过后的沉积物进行充分匀化处理. 为防止玻璃管中的沉积物受上覆水挤压而出现下沉的情况，将充分匀化的沉积物装入到有机玻璃管中进行为期半个月的预培养(高×内径为25 cm×18 cm)，将出现沉降的玻璃管沉积物厚度最终调整为18 cm. 在实验开始前，将生物量及形态相似的芦苇根茎挑选出来，而后将芦苇根茎插入到距沉积物表层5 cm深处进行定植；其次，根据前期野外调查获得的芦苇密度，每个微环境有机玻璃管中芦苇栽植密度为160株/m2. 将上述处理好的样品全部放入到水槽(长×宽×高=220 cm×110 cm×75 cm)中，预先平衡培养15 d，并及时补种死亡的芦苇幼苗，确保芦苇栽种密度和长势情况一致，减少系统误差.

图1 采样点位置(a)、巢湖上覆水体总氮(b)和总磷(c)浓度空间变异及 芦苇恢复完整生长过程模拟实验(d)Fig.1 Location of sampling site (a), spatial distributions of TN (b) and TP (c) concentrations in overlying water across Lake Chaohu, and overall growing period of P. australis in this simulation study (d)

1.2 实验设计

本实验利用自制循环水槽进行模拟，实验水深设置为40 cm，真实地模拟巢湖滨岸水深原位条件. 为能较好地模拟巢湖水体的营养状况，实验过程中每30 d更换一次湖水. 整个模拟实验持续开展120 d，具体采样时间设计在第0、30、60、90、120天分别称量芦苇总生物量、地下部生物量和细根生物量，同步采集芦苇根区表层0～10 cm沉积物样品. 每一次实验均随机抽取4个平行样品进行分析. 采集结束后，立刻用自来水将芦苇根部清洗干净，同步收集并保存泥柱中的芦苇凋落物，并将收集到的芦苇凋落物分别计入到相应批次的芦苇生物量中，避免芦苇枯落物腐解而向水体释放养分，从而造成实验结果出现偏差. 将每次采集到的表层沉积物事先去除动植物碎屑和大颗粒石块，冷冻干燥并研磨过筛(孔径为0.150 mm)，保存待测.

1.3 沉积物性质分析

1.4 数据处理与统计分析

借助SPSS 26.0(SPSS, USA)和Excel 2018(Microsoft, USA)软件进行数据统计分析，利用Origin 8.5软件(OriginLab, Northampton, MA, USA)绘图. 采用单因素方差(ANOVA)分析沉积物溶解氧侵蚀深度、TIN和各TF-N含量变化的差异显著性；其次，利用单因素方差(ANOVA)分析芦苇总生物量、地下部生物量和细根生物量随时间变化的差异显著性. 选择Pearson相关分析检验沉积物TIN、TF-N含量与芦苇总生物量、地下生物量和细根生物量之间的相关性是否达到显著水平.

2 结果

2.1 沉积物溶解氧侵蚀剖面变化特征

应用于长期水槽模拟实验的沉积物基本理化性质如表1所示，其中沉积物TN含量为2325 mg/kg，按湖泊底泥环保疏浚标准来看，沉积物氮污染程度属于重污染沉积物类型[24]. 与此同时，同步分析了芦苇整个生长过程中沉积物-水微界面溶解氧侵蚀深度在第0、60和120天的时间变化规律(图2). 结果表明，界面溶解氧的侵蚀深度随培养时间推移显著增大(P<0.05)，溶解氧侵蚀深度在第0天达到4000 μm，在第60天达到5800 μm，而在第120天溶解氧侵蚀深度甚至扩大到表层沉积物10000 μm位点.

表1 模拟实验中沉积物基本理化性质

图2 芦苇根际沉积物溶解氧侵蚀剖面时间变化规律Fig.2 Depth profiles of DO penetration in surface sediments on day 0, day 60 and day 120 during the entire course of incubation experiment

2.2 沉积物总氮与无机氮含量的时间变化规律

图3 芦苇根际表层沉积物(0～10 cm)TN、TIN含量(a)和含量(b)变化规律Fig.3 Variations of TN, TIN contents (a) and contents (b) in the surface sediment layer (0-10 cm) surrounding rhizosphere of P. australis

2.3 沉积物可转化态氮含量的时间变化规律

随着培养时间推移，沉积物TF-N含量总体呈逐步递增趋势，就沉积物TF-N均值大小排列顺序为IMOF-N>OSF-N>IEF-N>CF-N；相反，沉积物NTF-N含量显著降低(图4). 沉积物IEF-N和OSF-N含量出现先降低、后增大的变化趋势，分别在第90和60天达到极小值，降幅分别为20.0%和65.5%；在第120天，对比初始含量，分别增加了1.10和1.40倍. 沉积物CF-N和IMOF-N含量(除第60天外)呈现逐渐递增的规律，在第120天，沉积物CF-N含量较初始值增加了63.7 mg/kg，是第0天的3.40倍；沉积物IMOF-N含量较初始含量增加924 mg/kg(3.60倍)，值得注意的是，IMOF-N含量却在第60天达到极大值，为1246 mg/kg.

图4 芦苇根际表层沉积物(0～10 cm)可转化态氮含量变化规律Fig.4 Variations of exchangeable N contents including IEF-N, CF-N (a) and IMOF-N, OSF-N (b) in the surface sediment layer (0-10 cm) surrounding rhizosphere of P. australis

2.4 沉积物氮与芦苇生物量变化的相关关系

图5 芦苇生物量与表层沉积物(0～10 cm)TN、DIN及可转化态氮含量的相关关系Fig.5 Correlations between the biomass of P. australis including total biomass, belowground biomass and fine root biomass and changes in TN, DIN and exchangeable N contents in surface sediments (0-10 cm)

3 讨论

沉积物不仅对水生植物起到固持作用，更重要的是为水生植物的生长发育提供N、P、有机质等大量营养元素和微量元素等养分物质，而根着水生植物主要从栖生的沉积物中吸收养分物质用于自身生长[18,25]. 本研究中，沉积物TN含量随着培养时间延长出现逐渐下降趋势，对比第0天实验结束时沉积物TN含量减少了约50.0%(图3)，这是由芦苇主要从沉积物中获取大量氮素用于自身生长发育造成的；其次，沉积物TN和芦苇总生物量统计分析结果表明(图5)，TN含量和总生物量呈显著负相关关系，随着芦苇总生物量的增加，总氮含量逐渐递减，进一步佐证了沉积物总氮含量降低主要是由于芦苇的吸收利用，并非沉积物中微生物脱氮过程发挥主导作用.

IMOF-N和铁锰氧化物的结合能力相当，其释放能力较IEF-N、CF-N更弱[34]. 本研究发现沉积物IMOF-N 是TF-N的主要组成形态，含量基本呈现逐渐增加的趋势，在第60天达到极大值，这可能有以下两个原因：一是芦苇生长过程不断从沉积物中获取氮等营养物质，同时根系过程促使沉积物活性更低的氮向活性高的相态转变，提高了沉积物氮的活性，而根际环境趋向氧化使Fe2+转化为Fe3+，形成铁锰化合物，进而吸附了水体中的无机形态氮，由此造成沉积物IMOF-N含量增加[38]；二是芦苇衰亡后向水体释放的TIN容易被吸附沉降到沉积物表面，增加了IMOF-N含量. 有趣的是，第30天沉积物IMOF-N含量出现极小值，主要是由于芦苇为满足自身快速生长，对沉积物氮的需求量也达到最高水平，并且芦苇对沉积物氮的吸收利用速率远高于活化过程(图5).

OSF-N是4种TF-N中最难以释放以及最为稳定的一种氮形态[39]，其含量与沉积物氧化还原状态和TOC含量呈正相关关系[40]，培养实验开始时，沉积物较高的TOC含量积累了一定量的OSF-N. 值得注意的是，沉积物OSF-N在第60天达到极小值，从实验开始至结束逐渐增加. 前者原因是：随着芦苇不断生长，光合作用向水体释放大量的氧，对沉积物氮的需求量持续增大，降低了沉积物OSF-N稳定性，从而造成在芦苇恢复第60天的时候含量急剧下降(图2，4). 后者原因是：从第90天至第120天，芦苇进入衰亡期，其腐败的枯枝烂叶会向水体中释放大量的氮素、有机物质，造成水体中有机物含量大幅度增加，与之结合的OSF-N也相应增加，从而造成了沉积物OSF-N含量出现升高现象.

需要指出的是，沉积物TF-N含量的时间变化还同步受到不同形态转化过程的影响，其中沉积物NTF-N的活化分解过程至关重要[32]. 研究发现，沉积物TN含量在第0天为最大值，而后逐渐降低，并在第120天总氮含量达到极小值，但TF-N呈现增加的趋势，该证据表明沉积物TF-N含量增加主要是由芦苇为满足自身生长的营养需求而对沉积物活性更低的NTF-N的活化分解过程主导的.

总体而言，通过分析芦苇恢复过程下沉积物TN、TIN和TF-N含量及形态变化特征，发现芦苇恢复能够有效削减富营养化水体的内源污染强度，同时改变了沉积物pH、氧化还原状态等关键指标[5,38]. 但芦苇凋亡分解阶段将会向上覆水体释放大量的营养物质，进而造成水体的二次污染. 基于湖泊生态系统恢复力稳定性视角，从湖泊水体N、P营养物管理策略出发，建议采用物理收割和生态管控等湖泊工程学手段对凋亡衰老的芦苇枯立物进行定期收割(如过冬枯立物集中采收、污染物淤积区开展定期生态疏浚等管控措施)，清理凋落在沉积物表面的枯枝败叶，进一步提升芦苇恢复工程对富营养化水体的修复效果及长效稳态机制[8].

4 结论

通过为期120 d的水槽模拟和沉积物柱芯培养实验，结果表明，芦苇完整生长过程明显提高了沉积物氮的活性程度，使得沉积物TN和NTF-N含量显著降低，而沉积物TF-N含量却出现逐渐增大趋势，沉积物TF-N 和TIN含量在第120天分别较第0天增加了1.10和2.80倍. 进一步分析沉积物TF-N变化，发现芦苇生长发育提高了沉积物IEF-N、CF-N、IMOF-N和OSF-N含量，第120天各TF-N含量相比第0天分别增加了1.10、3.40、3.60和1.40倍. 基于Pearson相关性分析，发现芦苇生物量是驱动沉积物TN、TIN和TF-N变化的重要因子. 为最大限度地降低内源污染负荷，提高富营养化湖泊植被恢复工程的修复效果，采取综合的湖泊物理-生态工程手段来有效管控越冬期芦苇枯落物显得至关重要.