黄河三角洲土壤微生物群落对石油污染的响应及修复措施 王海峰、 李书宇、 唐秀梅、 赵丽萍

《Diversity》：Response of Soil Microbial Communities to Oil Pollution and Remediation in the Yellow River Delta Haifeng Wang, Shuyu Li, Ximei Tang and Liping Zhao

　　摘要 土壤微生物作为土壤生态系统中的关键组成部分，在维持土壤健康、促进养分循环和确保生态稳定性方面发挥着重要作用。然而，随着工业化的迅速发展，原油污染已成为一个严重的环境危害，显著影响了土壤微生物群落的结构和功能。黄河三角洲是中国重要的湿地生态系统和主要的石油生产区，长期以来一直受到原油污染的影响，导致其生态功能大幅下降。本研究通过比较长期受污染地区与经过植物修复地区的微生物群落组成，阐明了原油污染对黄河三角洲土壤微生物的影响。通过全面分析微生物群落的生态响应和修复潜力，本研究旨在为区域生态恢复和可持续发展提供科学依据。

1. 引言
土壤微生物健康指的是微生物群落保持其多样性、生态功能和环境适应能力的整体状态[1,2,3]。它是评估土壤生态系统稳定性和生产力的关键指标。微生物在碳、氮和磷等元素的生物地球化学循环中起着至关重要的作用，将大气中的二氧化碳和氮转化为植物可以吸收和利用的形式[4,5]。通过分解植物和动物残余物以及有机污染物，微生物促进了土壤有机质的合成和分解——这一过程对土壤肥力的发展至关重要。研究表明，微生物活动有助于形成大于0.25毫米的土壤团聚体[4]。这些团聚体像海绵一样，既能保持水分和空气，又能固定养分。健康的土壤微生物群落具有高多样性和稳定性，能够有效应对环境变化。然而，工业污染物如原油对土壤微生物具有显著且直接的有毒作用，可能破坏群落结构并损害其功能[6]。黄河三角洲是一个重要的湿地生态系统，也是中国的关键石油生产基地。污染的主要来源包括开采和运输过程中的石油泄漏事件，以及历史上被废弃的油井的残留污染。研究表明，封闭和废弃油井附近的表层沉积物受到多环芳烃（PAHs）的污染，不同时间关闭的站点之间的生态恢复情况各不相同[7]。这些差异突显了污染持续时间对生态系统恢复的影响[8]。在集中开采石油的地区（如滨海油田），污染程度相对较重，而在自然保护区的核心区域则相对较轻。这种空间分布凸显了制定特定区域生态风险评估和修复策略的必要性。原油中存在的持久性有机污染物，特别是多环芳烃（PAHs），具有“致癌、致畸和致突变”特性，不仅对土壤生态系统健康构成威胁，还可能通过食物链影响人类健康[9]。需要注意的是，并非所有原油成分都表现出这些毒理学效应，因为毒性因具体化合物结构、浓度和环境生物利用度而异。

植物修复是一种环保技术，利用植物及其根际微生物群落来消除土壤污染物[10,11]。先前的研究表明，受原油污染的土壤中微生物多样性通常下降超过40%，其中一些敏感的微生物群体（如固氮细菌）甚至减少了90%[12]。在整个修复过程中，土壤微生物群落会经历适应性的结构和功能变化，这表明了修复效果并积极影响整体修复动态[12,13,14]。微生物修复增强了自然过程，具有低成本、环境可持续性、原位处理和无二次污染等优点[15,16]。关于黄河三角洲受原油污染土壤的微生物修复研究具有理论和实践意义。从理论上讲，这项研究有助于更深入地了解微生物在极端环境压力下的适应机制和群落演替模式。研究结果可以直接为区域生态恢复工作提供信息，并为平衡石油资源开发和环境保护提供技术支持。具体而言，本研究探讨了原油污染对黄河三角洲土壤微生物的影响机制，以及应用植物修复技术前后微生物群落组成的变化。通过全面分析微生物群落的生态响应和修复潜力，本研究旨在为区域生态恢复和可持续发展提供科学依据。

2. 材料与方法
2.1. 样本采集
本研究共系统采集了30个土壤样本（图1）。其中15个样本来自受石油污染的地区（S组，S1–S15），15个样本来自经过植物修复的地区（R组，R1–R15）。在每个地点建立了3个10米×10米的重复样地。每个样地内随机选取5个采样点，每个样地得到5个独立的土壤样本。在修复地区，主要种植了Cynodon dactylon草作为修复植物，同时还有一些散生的草本植物。两个地点的土壤性质相似，属于沿海盐碱冲积土（Calcaric Fluvisol，FAO分类）。该地区具有温带季风气候，年平均气温为12.6°C，年平均降水量为560毫米，主要集中在夏季。盐分含量随深度和干旱季节增加。本研究未测量土壤的物理化学性质（如pH值、电导率、总有机碳、总氮、总石油烃和多环芳烃），因此无法建立微生物群落变化与特定环境变量之间的直接关联。在两个地点，去除表面覆盖物后，从上层0–20厘米的土壤中采集样本。为了避免根际效应，并确保样本代表整个土壤微生物群落而非根系相关的微生物群落，在修复地区，样本采集点距离任何植物茎至少30厘米。每个地点采用分层随机采样设计。所有样本均使用无菌铲子采集并放入无菌聚乙烯袋中。

2.2. DNA提取、PCR扩增和测序
使用DNeasy PowerSoil Pro Kit（Qiagen，德国希伦登）根据制造商的协议从每个土壤样本中提取0.5克总基因组DNA[17]。通过FastPrep-24? 5G仪器（MP Biomedicals，美国圣安娜）进行细胞裂解。加入提取空白对照以监测提取过程中的潜在污染。使用以下引物通过PCR扩增细菌16S rRNA基因的V3–V4高变区：正向引物5′-ACTCCTACGGGAGGCAGCA-3′和反向引物5′-GGACTACHVGGGTWTCTAAT-3′[18]，并在两端添加Illumina测序接头。PCR扩增在T100 Thermal Cycler（Bio-Rad，美国赫拉克勒斯）中进行，条件如下：初始变性95°C 3分钟，随后30个循环：95°C变性30秒，55°C退火30秒，72°C延伸30秒，最后72°C延伸5分钟[19]。每个PCR反应包括阴性对照（无菌水代替DNA模板）以验证无污染。PCR产物使用磁珠纯化试剂盒（Agencourt AMPure XP，贝克曼库尔特，美国布里亚）进行纯化，使用Qubit? dsDNA HS Assay Kit（Invitrogen，美国卡尔斯巴德）进行荧光定量，并在构建文库前调整至等摩尔浓度[19]。符合质量控制标准的文库在Illumina NovaSeq 6000平台上进行测序，使用配对末端250 bp（PE250）化学方法。测序过程中未包含模拟群落。

2.3. 数据处理和生物信息学分析
原始读段使用Trimmomatic v 0.39进行适配器修剪和质量过滤（Phred得分≥20且最小长度≥150 bp）。随后使用cutadapt去除引物。高质量序列通过应用DADA2 v1.16（通过QIIME2 v2021.4）算法进行处理。该算法用于错误校正、序列去噪、配对末端读段的合并以及嵌合体的检测和去除，最终得到高分辨率的Amplicon Sequence Variants（ASVs）。由于ASVs在单核苷酸水平上的分辨率更高，能够更准确地分类，因此将其作为操作单元，而不是传统的OTUs。使用QIIME2中实现的朴素贝叶斯分类器将代表性的ASV序列分类到从界到种的各个分类等级。该分类器针对SILVA 138参考数据库（版本138）进行训练。基于稀疏数据计算了Alpha多样性指标（如Chao1和ACE，用于估计物种丰富度）和Shannon及Simpson指数（用于衡量多样性）。为了解决样本间测序深度不均的问题，所有样本均稀疏至每个样本30,000个序列，相当于质量过滤后的最小序列计数。

生成稀疏曲线和等级-丰度分布，以全面评估测序深度和群落均匀性。使用Bray–Curtis、Jaccard、加权和未加权UniFrac距离矩阵精确评估不同组间微生物群落的组成差异。通过主坐标分析（PCoA）和非度量多维缩放（NMDS）直观展示组间差异，并通过UPGMA层次聚类进一步补充。使用PERMANOVA（Adonis检验，999次排列）和ANOSIM（相似性分析）严格测试组间分离的统计显著性。LEfSe（线性判别分析效应大小，v1.0）用于准确识别在任一组中显著富集的类群，LDA阈值>4.0且p值<0.05。必要时使用Metastats和单因素ANOVA及事后Tukey’s HSD检验进一步验证结果。使用PICRUSt2 v2.4.1基于ASV系统发育推断微生物群落的功能谱型，用于预测KEGG同源物和COG类别的丰度。此外，使用FAPROTAX v1.2.4预测与生物地球化学循环相关的潜在生态功能。对于组间功能途径的比较，对不同组进行成对t检验，p值阈值为0.05。

3. 结果
3.1. 测序数据概述和质量评估
从30个样本中生成了2,204,712个配对末端原始读段（图2）。经过严格的质量过滤、序列组装和去除嵌合序列后，保留了1,644,405个高质量、非嵌合的读段，平均每个样本约54,813个读段。每个样本的读段数量从40,247（样本S6）到64,264（样本S15）不等，确保所有样本具有足够的测序深度。对于alpha和beta多样性分析，所有样本均稀疏至每个样本30,000个序列，以解决测序深度不均的问题。处理后的序列长度大多在400到450个碱基对之间。所有样本的覆盖指数超过0.998，表明测序深度充分捕获了样本中存在的绝大多数微生物类群。这些结果证实了测序数据的高质量和可靠性，足以用于后续分析。

3.2. ASV分析和物种注释
基于DADA2的去噪，共鉴定出65,347个扩增子序列变异体（ASVs）。通过对30个土壤样本的OTU（操作分类单元）分析，观察到两组之间存在不同的微生物群落特征。ASV分布在两组之间的分析显示，石油污染地区（S组）和生物修复地区（R组）共有1,618个ASVs，代表了在两种环境条件下都存在的微生物类群（图3）。生物修复地区具有更大的独特ASV库，共35,470个ASVs，反映了植物修复后恢复的高微生物多样性和生态复杂性。相比之下，受污染地区有28,259个独特ASVs，表明存在适应石油烃压力的特化微生物类群。这种ASV共享和独特性的模式表明，虽然两种环境维持着不同的微生物群落，但植物修复促进了R组中更多样化和功能冗余的微生物群落的建立。

3.3.**微生物群落组成分析**

基于微生物群落结构的比较分析，可以明显观察到生物修复土壤（R组）和石油污染土壤（S组）之间的显著差异。R组的主要特征是烃类降解菌门的相对丰度较高，尤其是假单胞菌门（Pseudomonadota），而拟杆菌门（Bacteroidota）和放线菌门（Actinobacteriota）则起辅助作用。这反映了该群落具有选择性富集的特点，能够很好地适应污染物的分解。相比之下，S组的系统发育谱系更为多样化，寡营养型和耐受性菌门的丰度显著增加，如绿弯菌门（Chloroflexi）、酸杆菌门（Acidobacteria）和厚壁菌门（Firmicutes）。从R组的专化、分解活性强的群落到S组的以生存为导向的通用群落，这一显著转变有效地展示了污染和生物修复对土壤微生物组成的深远影响。

从属水平分类组成来看，两种样本类型之间存在显著差异（图S1）。R组的微生物群落中，鞘氨醇单胞菌属（Sphingomonas）的相对丰度较高，该属因其在多环芳烃降解中的功能而广为人知，同时还有大量未分类的长微生物科（Longimicrobiaceae）和 Gemmatimonadaceae 科的成员（图4B）。这表明存在一些专门化但尚未充分研究的细菌类群。相反，S组则以耐盐菌属 Alifodinibius 为主导，同时未分类的绿弯菌门和 Gemmatimonadota 科成员的丰度也较高，这些菌类通常在营养受限或受压环境中繁衍。

**α多样性分析**

受污染组（S组）和生物修复组（R组）之间的α多样性指数存在高度显著差异（p < 0.001），揭示了深刻的生态转变（图5）。R组的丰富度（ACE, Chao1）和多样性（Shannon, Simpson）显著更高，表明生物修复成功促进了更复杂和稳定的微生物生态系统的形成。从受污染土壤中的贫瘠群落到修复土壤中的丰富多样群落，这不仅体现了数量的恢复，还表明了生态功能的恢复。

**β多样性分析及组间差异的意义**

根据提供的主坐标分析（PCoA）散点图，数据点沿着前两个主成分 PCoA1 和 PCoA2 分布（图6A）。PCoA1 是主导成分，解释了数据集中10.74%的总变异。相比之下，PC2 解释的变异比例较小，仅为3.53%。数据点在 PCoA1 轴上的分布范围大约在 -0.25 到 0.25 之间，在 PCoA2 轴上的分布范围大约在 -0.2 到 -0.2 之间。这表明数据的主要结构和模式在 PCoA1 轴上得到了有效捕捉。相似性分析（ANOSIM）进一步支持了这些发现（图6B），显示组间差异显著大于组内差异（R = 1.0, p = 0.001）。R 值为 1.0 表示 ANOSIM 统计量的理论最大值，表明组内的所有等级都低于组间的任何等级。UPGMA 聚类树和样本聚类热图一致将样本分为两个不同的组，分别对应 S 组和 R 组。

**组间生物标志物分析**

根据图中呈现的 LEfSe 分析，石油污染土壤（S组）和生物修复土壤（R组）的地点识别出了不同的分类生物标志物（LDA 分数 > 4.0, p < 0.05）。系统发育树和条形图显示，S组（受污染）的特征是几种已知的烃类降解和耐受性菌类的富集（图7）。S组中富集的关键生物标志物包括德氏菌门（Deinococcus）和未分类的放线菌门成员，以及 Truepera 属（德氏菌门）、Alifodinibius 属（Balneolaceae 门）和 Treponera 属。S组中伽玛变形菌门（Gammaproteobacteria）、假单胞菌目（Pseudomonadales）和酸硫杆菌目（Acidithiobacillales）的富集进一步支持了石油烃类的选择压力，因为这些类群常与异生物质降解和适应污染环境相关。相比之下，R组（修复后）则富集了一组不同的菌类，包括假单胞菌门、拟杆菌门和放线菌门，以及特定的目如黄杆菌目（Flavobacteriales）、硝基环菌目（Nitrilirhopanales）和微毛菌目（Microtrichales）。

**功能预测分析**

使用 PICRUSt2 v2.4.1 和 ASV 系统发育推断微生物群落的功能谱型。S组和 R 组之间预测的 KEGG 通路丰度存在显著差异（图8A）。S组显示出与“异生物质生物降解和代谢”（KEGG Level 1）及特定烃类降解通路相关的通路显著富集。通过 PICRUSt2 的功能预测显示，S 组中与“烃类降解”（包括芳香烃和脂肪烃降解）和“异生物质生物降解和代谢”相关的 KEGG 通路显著富集（p值 < 0.05）。此外，与膜转运和应激反应相关的通路表示微生物对污染环境的适应。相反，R组的“氨基酸代谢”、“碳水化合物代谢”、“能量代谢”和“信号转导”等核心代谢通路的相对丰度较高，表明其功能谱型更接近未受污染的土壤生态系统。需要注意的是，这些功能是基于群落组成预测的潜在功能，而非直接的经验证据。

**讨论**

微生物群落的结构和功能变化，特别是受污染土壤中烃类降解菌类的富集以及修复土壤中多样代谢通路的恢复，表明微生物-植物协同修复有望提高总石油烃（TPH）的去除率，并通过改善根际微环境和激活关键功能基因来促进土壤生态功能的恢复。在像黄河三角洲这样的盐碱环境中，假单胞菌门、放线菌门和芽孢杆菌成为受污染土壤中的主导菌类，而在严重污染区域酸杆菌的丰度降低[10,20]。我们的结果明确证实，假单胞菌门和放线菌门在受污染和修复土壤中都是主要的菌门。这一发现意味着这些菌门可能包含能够在石油烃污染下存活的耐受性菌株。在属水平上，芽孢杆菌（Bacillus）在两组中的丰度相当，表明其作为通用降解菌的潜在功能。本研究系统地研究了黄河三角洲地区土壤微生物群落对原油污染及其后续植物修复的结构和功能响应。通过 16S rRNA 基因的高通量测序和全面的生物信息学分析，我们清楚地展示了受污染土壤（S组）和修复土壤（R组）之间微生物多样性、群落组成和功能潜力的显著变化。我们的发现不仅验证了先前关于微生物对烃类压力适应性的研究，还为生物修复后土壤生态系统的恢复动态提供了新的视角。

我们的结果表明，石油污染对土壤微生物群落施加了强烈的选择压力，导致α多样性显著下降。这种下降与石油烃类的毒性一致，它们抑制了敏感微生物的生长，同时促进了耐受性或烃类分解菌类的增殖[21,22]。S组中群落结构的简化反映了环境筛选，只有能够在污染条件下存活的微生物子集得以保留。β多样性分析（包括 PCoA）进一步证实了 S 组和 R 组之间的显著组成差异，强调了石油污染物作为主导生态筛选因素的作用[13,23]。在门水平上，受污染土壤中富集了绿弯菌门、酸杆菌门和厚壁菌门——这些类群通常与寡营养和受压环境相关[24]。相比之下，修复土壤中假单胞菌门、拟杆菌门和放线菌门的相对丰度较高，这些类群常与营养丰富的环境和活跃的有机物降解相关。LEfSe 分析显示，S组（受污染）中鞘氨醇单胞菌属（Sphingomonas）显著富集，该属在多环芳烃（PAH）降解方面有很好的记录，同时还有未分类的 Balneolaceae 和放线菌门成员。这种分类转变反映了植物修复后更多样化和代谢能力更强的微生物群落的恢复，这与功能预测一致，表明修复土壤中的养分循环得到增强，污染压力降低。总体而言，LEfSe 分析证实石油污染选择了富含烃类降解菌和耐受性菌类的微生物组，而植物修复促进了更广泛、功能多样的微生物群落的重组，表明生态系统的恢复。

**结论**

基于 ASV 系统发育的 PICRUSt2 v2.4.1，我们推断出微生物群落的功能谱型。S组和 R 组之间预测的 KEGG 通路丰度存在显著差异（图8A）。S组显示出与“异生物质生物降解和代谢”（KEGG Level 1）及特定烃类降解通路相关的通路显著富集。PICRUSt2 的功能预测显示，S 组中与“烃类降解”（包括芳香烃和脂肪烃降解）和“异生物质生物降解和代谢”相关的 KEGG 通路显著富集（p值 < 0.05）。此外，与膜转运和应激反应相关的通路表示微生物对污染环境的适应。相反，R组在“氨基酸代谢”、“碳水化合物代谢”、“能量代谢”和“信号转导”等核心代谢通路中的相对丰度较高，表明其功能谱型更接近未受污染的土壤生态系统。需要注意的是，这些功能是基于群落组成预测的潜在功能，而非直接的经验证据。

S组在“石油烃降解”、“芳香化合物降解”、“甲基营养”和“甲醇氧化”等功能的预测丰度显著更高，表明污染土壤微生物群落的烃类转化能力可能得到增强（p值 < 0.05）。相比之下，R组显示出与氮和硫循环相关的过程（如“硝化”、“反硝化”和“硫呼吸”）的频率增加，强调了修复区域生物地球化学功能的恢复。

**总结**

微生物群落的结构和功能变化，特别是在受污染土壤中烃类降解菌类的富集以及修复土壤中多样代谢通路的恢复，表明微生物-植物协同修复有助于提高总石油烃的去除率，并通过改善根际微环境和激活关键功能基因来促进土壤生态功能的恢复。在盐碱环境（如黄河三角洲）中，假单胞菌门、放线菌门和芽孢杆菌成为受污染土壤中的主导菌类，而在严重污染区域酸杆菌的丰度降低[10,20]。我们的结果进一步证实，假单胞菌门和放线菌门在受污染和修复土壤中都是主要的菌门。这一发现意味着这些菌门可能包含能够在石油烃污染下存活的耐受性菌株。在属水平上，芽孢杆菌（Bacillus）在两组中的丰度相当，表明其作为通用降解菌的潜在功能。本研究系统地研究了黄河三角洲地区土壤微生物群落对原油污染及其后续植物修复的结构和功能响应，该地区具有重要的生态和经济价值。通过 16S rRNA 基因的高通量测序和全面的生物信息学分析，我们清楚地展示了受污染土壤（S组）和修复土壤（R组）之间微生物多样性、群落组成和功能潜力的显著变化。我们的发现不仅验证了先前关于微生物对烃类压力适应性的研究，还为生物修复后土壤生态系统的恢复动态提供了新的见解。

石油污染对土壤微生物群落施加了强烈的选择压力，导致α多样性显著下降。这种下降与石油烃类的毒性一致，它们抑制了敏感微生物的生长，同时促进了耐受性或烃类分解菌类的增殖[21,22]。S组中群落结构的简化反映了环境筛选，只有能够在污染条件下存活的微生物子集得以保留。β多样性分析（包括 PCoA）进一步证实了 S 组和 R 组之间的显著组成差异，强调了石油污染物作为主导生态筛选因素的作用[13,23]。在门水平上，受污染土壤中富集了绿弯菌门、酸杆菌门和厚壁菌门——这些类群通常与寡营养和受压环境相关[24]。相比之下，修复土壤中假单胞菌门、拟杆菌门和放线菌门的相对丰度较高，这些类群常与营养丰富的环境和活跃的有机物降解相关。这种转变表明污染有利于耐受性菌类的存活，而修复则促进了代谢能力多样的菌类的恢复。LEfSe 分析显示，Alcanivorax、Marinobacter 和 Truepera 等属在受污染土壤（S组）中显著富集（图7）。这些菌类是已知的烃类降解菌[25,26]，它们的共存表明形成了适应石油污染的功能性菌群。伽玛变形菌门和拟杆菌门中未分类的成员的存在也指向了需要进一步研究的潜在新型降解菌[27]。这些发现强调了进一步对这些隐秘微生物类群进行分类和功能表征的必要性。

修复过程导致 R 组的微生物多样性和复杂性显著恢复。Chao1、ACE、Shannon 和 Simpson 指数的升高表明，植物修复不仅降低了污染物水平，还恢复了有利于微生物重新定殖和生长的生态条件。微生物丰富度和均匀性的增加表明，从专化、适应压力的群落转变为更多样化和功能冗余的群落，这通常与生态系统稳定性和恢复力增强相关。使用 PICRUSt2 进行的功能预测显示，两组之间的代谢潜力发生了明显变化。S组中与烃类降解、异生物质代谢和应激反应相关的通路占主导，反映了适应污染环境的群落。相比之下，修复土壤（R组）显示出更高的α多样性以及更均匀的群落结构，表明从适应压力的群落转变为代谢能力多样的群落。功能预测也支持了这一转变，因为 R 组在核心代谢通路方面表现出富集[12,28]，而 S 组则以异生物质降解和应激相关功能为主。这些变化表明修复后生态系统多功能性的恢复。

本研究观察到的微生物群落模式与全球石油污染土壤的趋势一致，但也反映了黄河三角洲独特的环境背景。该地区的盐碱土壤、季节性水文条件和石油开采历史共同影响了烃类降解微生物群的组成和功能。例如，S组中耐盐菌属 Alifodinibius 的富集可能是盐度和烃类暴露共同作用的结果，这在非盐污染地点较为罕见[13]。另一项研究发现，土壤物理化学参数与微生物群落结构之间存在强相关性，报告了不同环境梯度下受污染地点的α多样性和分类周转的显著空间变化[29]。总体而言，这些发现表明，黄河三角洲特有的沉积环境、盐碱土壤基质和动态水文条件共同限制和调节了烃类降解微生物群的组成，从而解释了本研究观察到的区域特异性模式。R组中微生物多样性的恢复可能部分归因于修复地点优势植物 Cynodon dactylon 的根际效应。根系分泌物可能提供了易分解的碳和能量来源，缓解了营养限制并刺激了微生物活动[12]。这种解释与R组中大量富营养化门类（如假单胞菌门、拟杆菌门）的增加以及以多环芳烃降解和与植物共生而闻名的鞘氨醇单胞菌属的富集是一致的。R组中微生物多样性和功能的显著恢复强烈表明了植物修复作为一种可持续策略在恢复受油污染土壤方面的有效性。植物修复所促进的植物-微生物相互作用可能改善了土壤结构、养分可用性和微气候，从而有效支持了微生物的重新组装和功能恢复[12,13]。这些发现对黄河三角洲及其他受油污染地区的生物修复项目的设计和监测具有重要意义。此外，关键烃类降解类群的鉴定及其相关的功能特性为开发针对性的生物强化策略提供了坚实的基础。在受污染土壤中鉴定出的关键烃类降解类群（如Alcanivorax和Marinobacter）为开发针对性的生物强化策略提供了依据。这些微生物可以作为增强初始油类降解的候选者，而植物修复则可能支持长期的生态恢复。本研究的局限性在于缺乏相应的土壤物理化学数据（如总石油烃浓度、pH值、盐度），这些数据本可以用来直接关联微生物群落的变化。未来的研究应将地球化学测量与高通量测序相结合，以建立因果关系并验证此处推断的生态恢复过程。

5. 结论

本研究系统比较了黄河三角洲受油污染区域和修复区域之间的土壤微生物群落差异。主要发现如下：石油污染导致土壤微生物α多样性显著降低，群落结构发生深刻变化。这导致受污染区域和修复区域的微生物群落出现了明显的分离，这一点通过β多样性分析（PERMANOVA、ANOSIM）和排序方法得到了验证。在受污染的土壤中，特定的烃类降解细菌类群得到了富集，包括Alcanivorax和Marinobacter等属。这些类群作为对石油污染响应的关键生物标志物，通过LEfSe分析被识别，并通过Metastats得到验证，为微生物对污染压力的适应提供了有力证据。从受污染土壤中适应压力的烃类降解菌群到修复土壤中多样化的、代谢功能多样的群落的转变，清楚地揭示了石油污染对土壤生态系统的深远影响。此外，这些发现还揭示了微生物群落在污染适应和修复过程中的动态变化。这些发现为评估受污染土壤的生态风险、筛选高效的生物降解剂以及指导黄河三角洲及其他类似盐碱湿地生态系统的植物修复实践提供了重要的科学依据。

补充材料

以下支持信息可在此下载：https://www.mdpi.com/article/10.3390/d18040206/s1，图S1：所有样本中排名前30的属的热图。