Distribution Characteristics of Typical Antibiotics in Reclaimed Water Infiltration Area and Influencing Factors of Groundwater Microbial Community
-
摘要:
再生水入渗携带的抗生素污染是地下水污染的来源之一,已经成为城市地下水资源的安全中不可忽视的问题。抗生素对复杂和脆弱地下水环境中的微生物群落及其功能的影响值得关注。本研究基于利用16S rRNA基因高通量测序方法,对3月和9月两个月份再生水渗入区城市地下水中微生物群落结构进行分析。结合现场调查测试和室内分析,测得样品中离子(K+、Na+、Ca2+、Mg2+、NH4+、F-、Cl-、SO42-、NO3-、NO2-、HCO3-、CO32-)浓度,并采用超高效液相色谱-串联质谱技术测得主要的抗生素浓度(环丙沙星、诺氟沙星、氧氟沙星、莫西沙星、磺胺吡啶和磺胺醋酰),对研究区地下水环境中微生物群落结构及与环境因子的响应规律进行探讨。结果表明:①研究区内3月份地下水中抗生素浓度要高于9月份整体抗生素浓度,以磺胺醋酰和环丙沙星为主,此外除了季节因素外,人类活动可能是影响抗生素分布的又一因素;②微生物群落主要由变形菌门(Proteobacteria,81.04%),其次是拟杆菌门(Bacteroidota,7.60%)、厚壁菌门(Firmicutes,4.21%)等组成。三氮(NH4+、NO3-、NO2-、)和抗生素是影响研究区内微生物群落结构的重要影响因素,不同抗生素对微生物群落影响存在差异,其中磺胺吡啶、诺氟沙星、氧氟沙星和莫西沙星对微生物的影响最大,环丙沙星和磺胺醋酰的影响程度较小;③共现性网络分析发现有占据优势的两个功能群与抗生素有较高的连结度,即抗生素对该研究区内主要的微生物功能群及其功能存在潜在的影响。本研究可为认识抗生素对地下水微生物群落的影响机制以及生态风险提供帮助。
要点(1) 再生水入渗区地下水中典型抗生素的分布呈现季节分布,同时受到人为因素的影响。
(2) 三氮和抗生素是影响微生物群落组成和功能的主要影响因素,不同类型抗生素对微生物群落的影响具有差异性。
(3) 抗生素污染对微生物功能产生直接和间接影响,同时造成潜在的生态风险。
HIGHLIGHTS(1) The distribution of typical antibiotics in groundwater in a reclaimed water infiltration area presents seasonal distribution and is affected by human factors.
(2) 3-nitrogen and antibiotics are the main factors affecting the composition and function of a microbial community. The effects of different types of antibiotics on a microbial community vary.
(3) Antibiotic pollution has a direct and indirect impact on microbial function, and causes potential simultaneous ecological risks.
Abstract:BACKGROUNDAntibiotic pollution carried by reclaimed water infiltration is one of the sources of groundwater pollution, which has become a problem that cannot be ignored in the safety of urban groundwater resources. The effects of antibiotics on microbial communities and their functions in complex and fragile groundwater environments deserve attention.
OBJECTIVESTo explore the differences of groundwater environmental factors in different seasons and the distribution characteristics of antibiotic pollution, and to explore the influence mechanism of antibiotics on a microbial community.
METHODSBased on the high-throughput sequencing method of 16S rRNA gene, the microbial community structure in urban groundwater in the infiltration area of reclaimed water in March and September was studied. Combined with field investigation and indoor analysis, the ion (K+, Na+, Ca2+, Mg2+, NH4+, F-, Cl-, SO42-, NO3-, NO2-, HCO3-, CO32-) concentration in the sample was measured, and the main antibiotic (ciprofloxacin, norfloxacin, ofloxacin, moxifloxacin, sulfapyridine, sulfacetamide) concentration was measured by ultra-high performance liquid chromatography-tandem mass spectrometry.
RESULTS(1) In the study area, the concentration of antibiotics in groundwater in March was higher than that in September, mainly sulfacetamide and ciprofloxacin. In addition to seasonal factors, human activities may be another factor affecting the distribution of antibiotics. (2) The microbial community was mainly composed of Proteobacteria (81.04%), Bacteroidota (7.60%), and Firmicutes (4.21%). 3-nitrogen (NH4+, NO3-, NO2-) and antibiotics were important factors affecting the microbial community structure in the study area. Different antibiotics had different effects on the microbial community. Among them, sulfapyridine, norfloxacin, ofloxacin and moxifloxacin had the greatest impact on microorganisms, while ciprofloxacin and sulfacetamide had less impact. (3) Co-occurrence network analysis found that the two dominant functional groups had a high degree of connection with antibiotics, namely, antibiotics had a potential impact on the main microbial functional groups and their functions in the study area.
CONCLUSIONSThe study provides support for understanding the impact mechanism of antibiotics on a groundwater microbial community and the ecological risk.
-
随着分析技术的快速发展,锆石原位Hf同位素测定方法已经被广泛应用于同位素地球化学研究中,成为探讨岩石成因、成矿物质来源及壳幔演化过程的重要技术手段[1-3]。但对部分岩石而言,锆石的缺乏严重阻碍了对其形成演化过程的约束,迫切需要开发其他含铀矿物的Hf同位素测定方法。金红石(TiO2)、锡石(SnO2)和铌铁矿[(Fe, Mn)(Ta, Nb)2O6]等含铀矿物成分单一,结构简单,而且成因比较明确,容易得到地质意义明确的Hf同位素组成信息。目前,国内外学者对锆石、斜锆石、异性石、钙钛锆石等Hf含量较高的矿物进行了大量的原位Hf同位素测定方法研究[3-13],但对于Hf含量较低(通常 <100μg/g)或Yb/Hf比值较高(一般>0.1)的金红石、锡石和铌铁矿等氧化物型含铀矿物原位Hf同位素测定方法的文献报道较少[14-20]。金红石、锡石和铌铁矿有时往往存在于同一种岩体或矿床中,因此研究它们的Hf同位素组成可以为相关岩石或矿床的演化过程提供重要信息; 特别是配合微区U-Pb定年和微量元素分析,可以对矿物的成因演化提供重要的制约参数,具有广阔的应用前景[17, 21-22]。金红石广泛分布于火成岩、沉积岩和变质岩中,能够记录高级变质岩峰期变质过程,其与锆石封闭温度的不同,进而可以揭示与锆石不一样的变质演化过程[17, 23]。榴辉岩中高Nb/Ta比和金红石Hf同位素组成可以限定次大陆岩石圈地幔的来源[15]。锡石是锡多金属矿床中重要的矿石矿物,并且在一些稀有金属伟晶岩和花岗岩中也广泛存在。同时锡石具有较为特殊的微量元素组成,例如与岩浆热液相关的矿床中锡石高场强元素含量较高(HfO2含量0~0.3%)[24],而与沉积或变质热液相关的矿床中锡石高场强元素含量则较低(Hf含量 < 0.1μg/g)[25-26]。因此锡石中微量元素含量和Hf同位素组成相结合可以更好地指示成矿流体的来源。Kendall-Langley等[18]首次对西澳大利亚州Li-Cs-Ta伟晶岩群中锡石进行原位Hf同位素测定,获得的Lu-Hf同位素组成数据提供了对Li-Cs-Ta伟晶岩熔体来源的认识,为国内外同行抛砖引玉,提供了新的研究方向。然而,此研究成果由于缺乏溶液法Hf同位素数据和锡石质量监控标样,其数据的准确性有待于进一步验证。
铌铁矿一般存在于铌铁稀土矿床、稀有金属花岗岩和伟晶岩、碱性花岗岩、正长岩和碳酸岩中。铌铁矿成因较为简单,其Hf同位素组成数据将能够对铌铁稀土矿床及富含铌铁矿岩石的成因、演化历史起到较好的制约作用。Tang等(2021)[20]最近对铌铁矿族矿物进行了微区原位Hf同位素测定方法研究,结合溶液法Hf同位素数据验证了LA-MC-ICPMS Hf同位素测定结果的准确性,并且确定了铌铁矿U-Pb年代学标样NP-2和Coltan139可以作为部分铌铁矿原位Hf同位素分析的标准物质。但由于铌铁矿族矿物有的Ta2O5含量较高(>65wt%),强Ta信号会产生严重的拖尾效应,即使选择178Hf/177Hf=1.4672进行Hf同位素质量分馏校正,获得的176Hf/177Hf比值与溶液法比值差别较大[20]。鉴于目前仍缺乏这种高Ta矿物Hf同位素分析标准物质,对于同质异位数干扰校正效果还无法评估。
基于此,本文对微区原位Lu-Hf同位素分析技术进行了系统梳理,评述金红石、锡石和铌铁矿等氧化物型含铀矿物原位Hf同位素测定方法研究的最新进展以及技术难点和解决方案,进而能够推动国内外实验室建立金红石、锡石和铌铁矿等氧化物型含铀矿物原位Hf同位素测定的新方法体系,为相关岩石和矿床的源区、成因及演化过程提供重要的技术支撑。
1. Lu-Hf同位素分析技术发展历史
Lu-Hf同位素分析技术的发展历史可以划分为热电离质谱法(TIMS)、二次离子探针质谱法(SIMS)、多接收等离子体质谱法(MC-ICPMS)三个阶段[27-29]。尤其是MC-ICPMS技术的出现大大加快了Hf同位素分析技术的发展,因其离子源(ICP)具有高达8000℃的温度,能够使传统的TIMS技术在2000℃下难以充分电离的Hf元素完全电离,样品用量降到10ng以下,数据精度可以显著提高。目前主要采用以下两种方法:一是采用传统的化学处理方法,先将样品进行溶解、分离,然后进行质谱测试。该方法对高、低含量的样品均非常有效[30]; 但处理流程较为繁琐,速度慢,且得到的结果为样品Hf同位素组成的平均值,不能获得由于复杂地质过程造成的单矿物之间或者单个矿物内部不同成分环带同位素组成的变化[27, 31-35]。二是采用激光剥蚀多接收等离子体质谱(LA-MC-ICPMS)技术测定高Hf含量副矿物中Hf同位素组成,该方法具有较高的空间分辨率(约30~60μm),可以实现原位获取矿物内部Hf同位素组成的空间变化信息,甚至能够给出同位素比值在微米尺度上的变化,而且通过透反射、背散射图像分析可以尽量避开包裹体、继承核等; 对样品的制备要求较低,测试速度较快,单点测试只需要1~2min[5-7, 10-13, 29, 36-37]。但是该方法对低Hf含量样品的测定还存在诸多难点。例如,对锡石进行原位Hf同位素测定时,采用的剥蚀束斑直径为90~145μm[18]; 对铌铁矿进行原位Hf同位素测定时,采用的剥蚀束斑直径为120μm、160μm[20],较大的剥蚀束斑降低了分析的空间分辨率。
微区原位Lu-Hf同位素分析技术真正突破是在多接收等离子体质谱发明之后才实现的。Walder等[38-39]利用多接收等离子体离子源与多接收扇形磁式质谱仪结合,使得高效、高精度Lu-Hf同位素分析成为可能,并获得与传统方法相当的数据精度,分析效率显著提升。Thirlwall等[29]首次发表了基于激光剥蚀系统(LA)与MC-ICPMS联合的微区Hf同位素分析结果。随后,国际上不同实验室建立了微区原位Lu-Hf同位素分析方法[39-42],但对于分析过程中同质异位数干扰校正策略存在四种不同方案。一种方案是在Hf同位素标准溶液中加入适量的Yb溶液,通过改变Yb的分馏校正系数β(Yb)来获得正确的溶液的Hf同位素比值[40-41]。而Machado等[42]认为可以在激光剥蚀的同时加入Yb溶液来获得校正激光数据的β(Yb)值。这两种校正方法都忽略了溶液进样和激光进样在分析过程中分馏校正系数的差异以及β(Yb)值随时间的变化,因此没有得到进一步推广。Woodhead等[43]提出在锆石激光剥蚀过程中直接测定173Yb和171Yb的信号强度,从而计算出Yb的分馏校正系数。然而由于锆石中Yb含量较低,给出的β(Yb)值以及计算出的Hf同位素比值误差较大,此方案也没有得到广泛应用。
随后Iizuka等[44]提出可以采用激光剥蚀过程中β(Yb) 的平均值来进行同质异位数干扰校正,同时该研究还发现在载气中加入少量氮气,不但可以提高分析灵敏度,还可以在几乎不影响176Lu/176Hf比值测试的情况下显著降低176Yb/176Hf的测量值,究其原因可能是由Yb、Lu和Hf元素不同的蒸发焓导致[11]。之后,中国少数几个实验室建立了锆石微区Lu-Hf同位素分析方法[3, 5, 27, 45]。吴福元等[27]对Lu-Hf同位素体系及其岩石学应用进行了详细论述,确定了Iizuka等[44]提出的基于锆石Yb同位素组成测量值来计算平均分馏校正系数的方案是获得微区原位Hf同位素数据准确度和精度最高的同质异位数干扰校正策略。此后,锆石原位Hf同位素分析技术的同质异位数干扰校正策略基本尘埃落定。
在近十几年的时间里,中国诸多单位相继开发了LA-MC-ICPMS锆石Lu-Hf同位素分析方法,并通过优化仪器参数使得分析灵敏度有了进一步提升[6-7, 10-11, 46-47]。至此,锆石原位Hf同位素分析的研究论文大量涌现,每年有近千篇论文发表,这些成果使得我们对以前难以触及问题的讨论变得现实。目前锆石LA-MC-ICPMS Lu-Hf同位素分析的单点测试内部精度可以达到20×10-6,大概是溶液法Hf同位素分析不确定度的3~5倍[48]。
2. 氧化物型含铀矿物微区原位Hf同位素分析技术研究进展
目前,金红石、锡石和铌铁矿等氧化物型含铀矿物原位Hf同位素测定方法研究程度不同。早在2005年就有学者尝试建立了金红石原位Hf同位素分析方法,但相对不成熟[14-18]; 锡石和铌铁矿原位Hf同位素分析方法近两年才见报道[18, 20]。通过对近年来文献的氧化物型含铀矿物微量元素数据进行统计分析(表 1)可以看出,部分金红石、锡石是非常有潜力的原位Hf同位素测定对象,铌铁矿采用Gu等[46]的校正策略也是可以尝试的对象。以下对金红石、锡石和铌铁矿等氧化物型含铀矿物原位Hf同位素测定方法分别进行论述。
表 1 氧化物型含铀矿物的相关微量元素含量Table 1. Trace element concentrations of oxide-type U-bearing minerals矿物种类 含量(μg/g) 元素比值 数据来源
参考文献Yb Lu Hf U Pb Th Yb/Hf Lu/Hf 金红石R10 - 0.041 38 44.1 0.08 <0.004 - 0.001 [49] 金红石R19 - 0.127 8.65 - - - - 0.0147 [49] 金红石JDX 0.015 0.006 50 1.1 0.52 0.005 0.0003 0.0001 [17] 金红石SR-1 - - 42500 - - - - - [16] 金红石SR-2 - - 3990 - - - - - [16] 金红石SR-2B - - 2790 - - - - - [16] 金红石SR-3 - - 388 - - - - - [16] 金红石SR-3A - - 416 - - - - - [16] 金红石RMJG - - 102 80.0 17.90 0.001 - - [19] 金红石R632 - - 108 153~1000 11~72 0.2~5 - - [50] 锡石样品 0.15 0.03 0.08 0.25 4.31 0.07 1.9 0.4 [25] 锡石样品 0.16 0.03 0.07 0.27 3.75 0.07 2.3 0.4 [25] 锡石样品 0.054~0.40 0.048~0.16 0~2.9 - - - - - [26] 锡石样品 - <1 243~407 1~14 - 0~1 - < 0.004 [18] 铌铁矿Coltan139 95.4 11.2 454 2118 147 86 0.21 0.025 [51] 铌铁矿NP-2 - 0.309 241 - - - - 0.001 [20] 铌铁矿713-79 - 0.029 276 - - - - 0.0001 [20] 铌铁矿U-1 - 0.024 266 - - - - 0.0001 [20] 铌铁矿U-3 - 0.039 595 - - - - 0.0001 [20] 铌铁矿样品 69~348 9~70 340~842 - - 37~1190 0.2~0.5 0.02~0.07 [52] 铌铁矿样品 - 0~6 19~367 39~1489 - 1~79 - 0.06~0.1 [18] 注:表中“-”代表暂无数据,矿物后面的编号代表的是矿物标样的名称,例如“金红石R10”代表的是“金红石标样R10”。 2.1 金红石原位Hf同位素测定方法
金红石(TiO2)矿物成分较为单一,结构简单,属于四方晶系,稳定而不易受后期地质事件的影响,广泛存在于火成岩和变质岩中。金红石通常具有较高的U含量和少量的普通Pb,因此是较为理想的U-Pb定年矿物[49, 53-55]。天然金红石矿物中Hf含量约为50μg/g,重稀土元素含量 < 0.1μg/g,人工合成的金红石矿物中Hf含量可高达上万μg/g(表 1),具备开展原位Hf同位素分析的条件。但由于金红石极低的Yb和Lu含量导致无法通过自身测量准确获得分馏校正系数[17, 49],从而影响了Hf同位素比值的分析精度。
Choukroun等[14]最早开始探索金红石原位Hf同位素测定的可能性,同质异位数干扰采用Griffin等[40]的校正策略,获得的数据精度比锆石原位Hf同位素分析精度差一个数量级以上。后续的研究工作大多假设Yb、Lu和Hf的分馏校正系数是相同的来进行同质异位数干扰校正,所获得的数据准确度和分析精度有不同程度地提升[15, 17, 19]。随后Aulbach等[15]建立了金红石原位Hf同位素测定方法,他们均采用锆石标样Mud Tank来监控仪器状态,并认为锆石和金红石之间不存在明显的基体效应,该结论与李杨等[17]的观点相悖。Ewing等[16]研究表明通过内插法每隔10个样品进行1次基线校正可以显著提升金红石原位Hf同位素分析精度。其同质异位数校正策略是先通过外标锆石Mud Tank建立Yb和Hf的分馏校正系数相关关系,再通过人工合成金红石外标SR-2计算准确获得Hf的分馏校正系数,利用这些外标获得的Yb和Hf的分馏校正系数并假设Lu和Yb的分馏校正系数相同来计算Hf同位素比值,可以明显改善数据的准确度和精度,随后进一步拓展了该技术的应用范围[56-57]。李杨等[17]报道了该技术的开发和实际应用,采用实验室内部参考物质金红石JDX作外标监控仪器,并且通过系列实验研究表明,锆石Hf同位素测定的外部标准无法用来作金红石Hf同位素测定的外标,存在明显的基体效应。Zhang等[19]研发出适用于金红石微区原位U-Pb定年和Hf同位素测定的分析标样RMJG,可以为国内外微区实验室开发金红石原位Hf同位素分析方法提供质量监控标样。金红石中Ta含量通常为几百μg/g,从目前获得的Hf同位素数据结果来看,Ta对Hf同位素组成测定几乎没有影响。当前金红石原位Hf同位素分析较为理想的质量监控标样有JDX、R10和RMJG等,并且已有溶液法Lu-Hf同位素定值结果[17, 19],Hf含量为50μg/g左右,可以为国内外实验室开展原位Hf同位素测定方法提供监控标样。
2.2 锡石原位Hf同位素测定方法
锡石(SnO2)是锡多金属矿床中重要的矿石矿物,在伟晶岩和花岗岩中也广泛存在,其形成多与岩浆后期热液活动有关。同时锡石属于四方晶系金红石族矿物,结构性质比较稳定,当其含有较高的U、Th时,可以作为U-Th-Pb同位素测年对象[58]。近十年来,锡石U-Pb同位素测年方法得到了较为广泛的应用[18, 21, 58-62]。锡石中Hf含量一般为几百μg/g,与金红石相似同样具有极低的Yb和Lu含量(表 1),理论上可以开展原位Hf同位素分析。然而锡石中Ta含量较高(1wt%~3wt%),如此高的Ta含量是否会对Hf同位素的准确测定产生影响则需要评估[48]。Li-Cs-Ta伟晶岩中锡石的W和Ta含量可能处于wt%水平,在低分辨率分析模式下进行锡石原位Hf同位素测定时,可以明显降低180Hf信号强度,180Ta对180Hf的同质异位数干扰较小[18]。目前国内外只有一篇文献报道了锡石原位Hf同位素分析结果。Kendall-Langley等[18]对锡石原位Hf同位素测定进行了尝试,先采用Hf内部同位素对179Hf/177Hf= 0.7325[32])进行Hf同位素质量分馏校正,再用外部锆石标样Mud Tank来校正锡石的Hf同位素分馏,考虑到不同矿物基体对Hf同位素分馏的影响可能不同,其数据的可靠性有待进一步验证。由于缺乏锡石原位Hf同位素分析标准物质来进行质量监控,目前还无法有效地评估锡石原位Hf同位素分析的准确度。
2.3 铌铁矿原位Hf同位素测定方法
铌铁矿,化学式(Fe, Mn)(Ta, Nb)2O6,是铌铁稀土矿床中重要的矿石矿物,属于斜方晶系,有较高的U、Th含量,低普通Pb,是较为理想的、有潜力的U-Pb同位素测年矿物,可用于直接测定铌铁稀土矿床的成矿时代[51-52, 63-66]。Deng等[52]对中国小秦岭地区的花岗伟晶岩及相关矿床中铌铁矿进行LA-ICPMS U-Pb同位素测年和微量元素研究,测得铌铁矿中Hf、Yb、Lu含量分别为340~842μg/g、69.2~348μg/g、9.1~70.8μg/g,从而可以计算出Yb/Hf、Lu/Hf分别为0.2~0.5、0.02~0.07(表 1)。Che等[51]对目前的铌铁矿U-Pb年龄标样Coltan139进行了微量元素测定,获得的Hf、Yb、Lu含量分别为454μg/g、95.4μg/g、11.2μg/g,Yb/Hf、Lu/Hf分别为0.21、0.025(表 1)。由此可以看出铌铁矿虽然具有较高的Hf含量,同时伴随着稍高的Lu、Yb含量,那么如何进行高Lu/Hf、Yb/Hf的干扰扣除是需要解决的关键问题。通常Yb/Hf大于0.4~0.5,Lu/Hf大于0.08的副矿物不适合进行Lu-Hf同位素测定[8]。因此,要对铌铁矿样品进行筛选,选择合适的样品进行方法研究。迄今为止,只有南京大学实验室对铌铁矿原位Hf同位素测定方法进行了相关报道[20]。当铌铁矿的Hf含量(50~2650μg/g)较高,Lu和Yb含量(< 1μg/g)很低时,通常采用与金红石相类似的同质异位数校正方法,一般假设Lu、Yb和Hf的分馏校正系数相同来计算Hf同位素比值。但是,铌铁矿中Ta是主量元素之一(Ta2O5>12.67wt%),因此开发铌铁矿原位Hf同位素测定方法的技术难点来自Ta拖尾效应对Hf同位素测定的影响。Ta有180Ta和181Ta两个同位素,当Ta含量较低时(几百μg/g)不会对176Hf/177Hf比值测定产生同质异位数干扰; 但对富Ta样品进行原位Hf同位素测试时,180Ta不仅会对180Hf产生同质异位数干扰,其较强的拖尾效应甚至会影响179Hf和178Hf。鉴于Hf同位素测试过程中的质量分馏是基于179Hf/177Hf=0.7325[32]进行校正的,所以错误的179Hf信号强度会影响最终测定的176Hf/177Hf比值的准确性。因此,在铌铁矿原位Hf同位素分析测定时应选择178Hf/177Hf=1.4672进行Hf同位素质量分馏校正,可以有效地规避强Ta信号拖尾效应对Hf同位素准确测定的影响[20]。但对于重钽铁矿713-79(Ta2O5为65.71wt%),选择178Hf/177Hf=1.4672进行Hf同位素质量分馏校正时,获得的176Hf/177Hf=0.282903±0.000070(2SD; n=29),溶液法获得的176Hf/177Hf=0.282749±0.000028(2SD; n=5),两者差别较大,结果表明当Ta2O5含量大于65.71wt%时,无法采用178Hf/177Hf=1.4672进行Hf同位素分馏校正[20]。目前铌铁矿原位Hf同位素分析技术的质量监控标样较少,对于重钽铁矿这种Ta2O5含量很高的样品还无法进行准确的分馏校正。Tang等[20]研究表明铌铁矿U-Pb测年标样NP-2和Coltan139可以作为铌铁矿原位Hf同位素分析的标准物质,由于这两种标样数量有限,仍需要开发更多的铌铁矿微区原位Hf同位素分析标准物质。
3. 存在的问题及技术难点
3.1 同质异位素干扰的准确扣除
(1) 较低的Yb和Lu含量的扣除
金红石、锡石和铌铁矿等氧化物型含铀矿物具有极低的Yb和Lu含量,这一特点虽然使得我们难以获得准确的干扰校正系数,却也暗示可能无需进行Yb和Lu的干扰校正,但是由低Yb和Lu含量引起的Hf同位素测试结果的不确定度究竟有多大尚无定论。176Hf有两个同质异位素176Lu和176Yb,通过对175Lu和172Yb的测定对176Lu和176Yb进行干扰校正。常用的校正公式如下[67]。
$$ { }^{176} \mathrm{Hf}= { }^{176} \mathrm{Hf}_{\mathrm{m}}-\left[{ }^{176} \mathrm{Lu}_{\mathrm{m}} \times\left(\frac{{ }^{176} \mathrm{Lu}}{175}\right)_{\mathrm{m}}\left(\frac{M_{176}}{M_{175}}\right)^{\beta(\mathrm{Lu})}\right.\\ \left.+{ }^{172} \mathrm{Yb}_{\mathrm{m}} \times\left(\frac{{ }^{176} \mathrm{Yb}}{{ }^{172} \mathrm{Yb}}\right)_{\mathrm{m}}\left(\frac{M_{176}}{M_{172}}\right)^{\beta(\mathrm{Yb})}\right] \\ \beta=\ln \left(\frac{R_{\mathrm{m}}}{R_{\mathrm{t}}}\right) / \ln \left(\frac{M_{\mathrm{A}}}{M_{\mathrm{B}}}\right) $$ 式中:176Hfm为包含176Hf、176Lu和176Yb三个同质异位素的测量值; β为质量分馏校正系数; Rm为测量比值; Rt为理论比值; M为质量数。
实际工作中,大家通常采用179Hf/177Hf= 0.7325[32]来计算β(Hf)值,对于分馏校正系数β(Yb)和β(Lu)的估算以及176Yb /172Yb和175Lu/176Lu的选择却有着不同的推荐方案。前人详细报道了176Yb对176Hf的同质异位素干扰校正策略以及Yb和Lu同位素对参考值的选择,本文不再赘述[27, 48]。金红石、锡石和铌铁矿等氧化物型含铀矿物中176Lu/177Hf比值通常小于0.002,因此176Hf的同质异位素干扰主要来自176Yb,可以利用同锆石相类似的处理方式,采用激光剥蚀过程中β(Yb)的平均值作为Yb的质量分馏校正系数进行176Yb的干扰校正。吴福元等[27]认为该方法对高Yb含量样品同样适用。对于锆石,通常β(Yb)利用测定的172Yb和173Yb,再根据172Yb/173Yb=1.35274[67]来计算,同时因为无法单独计算β(Lu),故用β(Yb)来代替β(Lu)。而对于金红石、锡石和铌铁矿等氧化物型含铀矿物,由于Yb含量极低,无法根据测定的172Yb和173Yb来计算β(Yb),所以大多假设β(Hf)=β(Yb)=β(Lu)来计算最终的176Hf/177Hf比值[17-18, 20]。对于Ta含量较高的铌铁矿样品(12wt%~48wt%),强Ta信号拖尾效应会严重影响176Hf/177Hf比值的测定,因此应选取178Hf/177Hf=1.4672来计算β(Hf),详细论述见文中2.3章节。
(2) 稍高的Yb和Lu含量的扣除
有的铌铁矿样品Yb/Hf和Lu/Hf分别为0.2~0.4和0.02~0.07,可以采用高Yb/Hf比值(大于0.1)的锆石的干扰校正策略:先在两小时的分析过程中,使用标准锆石计算适用的(β(Yb)/β(Hf))c,然后应用计算出的(β(Yb)/β(Hf))c进行其他锆石的Yb干扰校正[46]。该方法其实是通过外标对未知样品进行校正,实际校正效果还有待更多实验室验证。这两种校正方式的差别有多大,目前还未知。因此,高、低Yb含量对样品Hf同位素测试结果的影响到底有多大还需要作进一步深入系统的研究。
3.2 基体匹配的外部标样缺乏
基体效应是LA-ICPMS和SIMS等微区原位分析的一个主要问题,用基体匹配的标准样品进行元素分馏校正是克服基体效应、获得准确分析结果的关键。寻找和研制出理想的金红石、锡石和铌铁矿等氧化物型含铀矿物原位Hf同位素测定标准物质,可以解决标样匮乏的难题。制约一个矿物样品是否可以成为Hf同位素标准的关键因素包括:①矿物内部结构均一,且没有或极少裂隙和包裹体; ②微量元素含量及均一性,特别是Lu、Yb和Hf的含量,质谱干扰元素Lu和Yb含量低; ③Hf同位素组成均一; ④有足够量的样品。
确定Hf同位素测定标准物质,可以尝试以下几种方法。
(1) 研发相应的标准物质
Ewing等[16]采用人工合成的金红石SR-2作为实验室的参考物质; 陈开运等[68]人工合成了锆石的Lu-Hf同位素标样。采用合成的方法可以获得较为均一的Hf含量和Lu-Hf同位素组成,但Yb、Lu、U、Th、Pb等微量元素含量无法保证均一。李献华等[69]、周红英等[70]和Luo等[71]均报道了自主研发的锆石Hf同位素标样,Zhang等[19]研发出较为理想的金红石U-Pb测年和Hf同位素分析标样,可以采用类似的方法开发金红石、锡石和铌铁矿等含铀矿物原位Hf同位素标样。以上两类方法各有所长,人工合成标准物质可以根据需求加入相应的元素充分混匀后高温下生长结晶,最终合成的标准物质表面没有裂隙或包裹体,可以保证Hf同位素组成较为均一,但在合成过程中不同元素之间的化学反应无法控制,可能会导致微量元素含量不均一。寻找天然标样则要对大量样品进行筛选,难度相当大,目前只有少数实验室具备这方面的能力。
(2) 研发“替代标样”
金红石和锡石属于晶体结构相同、化学成分不同的同族矿物。崔玉荣等[58, 72]的研究成果表明,晶体结构相同、化学成分不同的同族矿物之间的年龄标样可以相互替代,而且能把定年误差控制在3%以内。这为人们开发金红石、锡石和铌铁矿等氧化物型含铀矿物原位Hf同位素测定标准物质提供了启发,能否用金红石Hf同位素标准物质作质量监控标样,对锡石进行准确的Hf同位素测定,需要学者进行系列的实验研究加以验证。
(3) 水蒸气辅助激光剥蚀方法
利用水蒸气辅助激光剥蚀技术进行副矿物U-Th-Pb年代学研究,结果表明少量水蒸气引入剥蚀池前可以显著降低基体效应,从而实现非基体匹配分析[60, 71]。李献华等[73]也提出利用该方法可以抑制某些矿物在LA-ICPMS U-Pb定年分析过程中的基体效应,因此可以设法将这一技术引入到含铀副矿物Hf同位素测定方法研究中,究竟是否可行,有待于进一步的实验验证。详细的研究方案如图 1所示。
3.3 Hf含量对测定结果影响的解决方案
对Hf含量较低(< 50μg/g)样品的测定,低的Hf含量使得测定信号强度较低,进而影响数据质量。因此,可以设法从以下几个方面进行尝试。
(1) 改变激光束斑的大小
一般来说,激光剥蚀束斑直径越大,所获得的信号就会越强,所获得的176Hf/177Hf比值精度就越高。该技术对样品的颗粒大小有一定的要求,对于厘米尺度或者大于100μm的样品测定可以满足,但对于小于100μm的样品则需慎重。
(2) 采用氮气增敏技术
LA-MC-ICPMS技术基本原理是将聚焦的激光作用于平整的样品表面,被激光剥蚀出来的样品气溶胶颗粒被载气带到离子源ICP,经过离子化样品再进入MC-ICPMS质谱进行同位素比值测定。早期使用氩气作为载气,后来发现氦气具有灵敏度高、样品气溶胶沉积少等优点而被广泛用作载气,最近几年研究表明,气溶胶在进入ICP之前,混合少量氮气能把灵敏度提高2~3倍,充分显示了该技术在低含量样品和高空间分辨率方面的潜在优势和应用前景[11, 44]。
(3) 采用配置1013 Ω高阻的放大器
当前开展LA-MC-ICPMS Hf同位素分析的实验室采用的多接收等离子体质谱仪法拉第接收器放大器配置的多为1011Ω高阻,为获得足够的样品信号强度,对样品含量和颗粒大小要求较高,一般均需要含量在数百μg/g,样品颗粒一般要求至少大于50μm。目前,ThermoFisher公司最新推出的1013 Ω高阻,将对样品含量的要求拓展到几个μg/g的水平。因此,利用ThermoFisher公司推出的1013 Ω高阻可以将原位测试对样品含量的要求降低一个数量级以上,极大地提高了该技术的应用范围。
(4) 利用飞秒激光与多接收等离子体质谱联机技术(fs-LA-MC-ICPMS)
飞秒激光是继纳秒激光后,激光剥蚀系统的又一显著进步,其脉冲宽度从10-9s发展到10-15s,大量研究结果表明飞秒激光与固体样品表面作用时间非常短,热效应程度低,剥蚀的样品粒径细小且均匀,同时能在一定程度上抑制基体效应[74-78]。因此采用飞秒激光与MC-ICPMS联机,可以减小剥蚀束斑从而提高原位分析的空间分辨率。目前,利用纳秒激光对金红石、锡石和铌铁矿等含铀矿物进行原位Hf同位素分析时,采用的剥蚀束斑直径>100μm(表 2),虽然大多数样品都可以满足剥蚀条件,但较大的剥蚀束斑直径无疑降低了空间分辨率。因此,还需要发展更高空间分辨率的原位Hf同位素分析技术。
表 2 氧化物型含铀矿物原位Hf同位素测定法拉第杯结构和典型的激光剥蚀参数Table 2. Operational parameters and Faraday cup configuration for the measurements of Lu and Hf isotopes of oxide-type U-bearing minerals氧化物型含铀矿物 法拉第杯结构及对应同位素 激光剥蚀参数 L4 L3 L2 L1 C H1 H2 H3 H4 金红石
Hf杯结构[17]172Yb 173Yb 175Lu 176Hf, 176Yb, 176Lu 177Hf 178Hf 179Hf 180Hf - 束斑大小60、90、120、160μm,激光频率20Hz,能量密度12J/cm2 锡石
Hf杯结构[18]171Yb 173Yb 175Lu 176Hf, 176Yb, 176Lu 177Hf 178Hf 179Hf 180Hf,180Ta,180W 182W 束斑大小90~145μm,激光频率4Hz,能量密度6 J/cm2 铌铁矿
Hf杯结构[20]172Yb 173Yb 175Lu 176Hf, 176Yb, 176Lu 177Hf 178Hf 179Hf 180Hf, 180Ta - 束斑大小120μm、160μm,激光频率20Hz,能量密度8J/cm2 4. 结语与展望
本文对金红石、锡石和铌铁矿等氧化物型含铀矿物原位Hf同位素测定方法研究现状及其在地质学中的应用进行了初步的总结,简要回顾了同质异位数干扰校正策略发展历程,对同质异位数干扰的准确校正、质量监控标样的缺乏以及低Hf含量样品的准确测定进行了详细论述,为建立氧化物型含铀矿物微区原位Hf同位素测定方法提供了技术路线。
目前微区原位分析向更高空间分辨率和更高精度发展,而对于金红石、锡石和铌铁矿等氧化物型含铀矿物,其Hf含量普遍不高,在测试时需要更大的剥蚀束斑直径,这样难免降低空间分辨率。因此,如何提高原位Hf同位素分析技术的空间分辨率仍需要更多的研究探索。相信在未来一段时间内,中国科学家能够建立一套含铀副矿物更准确更快速的原位Hf同位素测定新方法体系,同时获得一批重要变质事件、成岩成矿事件等地质事件准确的Hf同位素资料,推动含铀副矿物原位Hf同位素测定技术在变质作用、成岩成矿作用等研究领域的应用。同时,能够研发相应的含铀副矿物原位Hf同位素分析标准物质,为中国微区同位素年代学和地球化学实验室开发这些副矿物Hf同位素测定方法提供质量监控标样。
-
图 3 3月和9月水体样品中微生物群落结构差异
a—微生物群落属水平上的非度量多维尺度(NMDS)分析;b—属水平上相似性分析(ANOSIM)用来检验组间(3月和9月)的差异是否显著大于组内差异,从而判断按季节分组是否有意义。
Figure 3. Differences of microbial community structure in water samples in March and September. a.Non-metric multidimensional scaling (NMDS) analysis at the genus level of microbial community; b.At the genus level, analysis of similarities (ANOSIM) is used to test whether the difference between groups (March and September) is significantly greater than that within groups, so as to judge whether it is meaningful to group by season
图 4 微生物和环境因子关联
a—环境因子与微生物群落组成VPA分析(方差分解分析); b—三氮、抗生素与微生物群落组成CCA分析(典范对应分析)。
Figure 4. Correlation between microorganisms and environmental factors. a.Variance partitioning analysis (VPA) of environmental factors and microbial community composition; b.Canonical correspondence analysis (CCA) of three nitrogen, antibiotics and microbial community composition
图 6 丰度前50优势属与抗生素之间的共现性网络
Spearman相关系数阈值(r≥0.5,P<0.05)。每个结点的大小反映了附加到它的边的数量(程度中心性)。不同结点的颜色代表了优势菌属在网络中属于不同的模块。同一模块中的优势菌属在网络中具有较高的相似性。
Figure 6. Co-occurrence network between the top 50 genera and antibiotics. Spearman correlation coefficient threshold (r≥ 0.5, P < 0.05). The size of each node reflects the number of edges attached to it (degree centrality). The colors of different nodes represent that the dominant genus belong to different modules in the network. The dominant genus in the same module has high similarity in the network
表 1 各采样点理化因子数据
Table 1 Physical and chemical factor data of each sampling point
样品编号 理化因子含量(mg/L) K+ Na+ Ca2+ Mg2+ NH4+ F- Cl- SO42- NO3- NO2- HCO3- CO32- W1-Mar - 12.44 72.52 48.14 0.63 0.34 179.00 108.00 23.30 0.19 - 216.98 W2-Mar - 13.58 127.35 81.93 1.26 0.42 165.00 71.90 7.52 0.16 - 330.06 W3-Mar - 12.62 99.49 61.64 0.07 0.60 76.40 63.00 9.48 0.02 - 255.49 G1-Mar 6.50 47.81 97.24 30.61 4.05 0.21 47.38 120.15 54.27 0.15 259.77 - G2-Mar 7.95 73.52 82.87 28.29 0.62 0.37 68.29 122.90 9.19 0.10 265.88 - G3-Mar 1.34 16.06 14.48 11.13 0.14 0.55 13.16 18.59 1.96 0.03 79.46 - G5-Mar 2.48 80.27 42.32 17.12 2.01 0.35 25.06 21.78 2.00 0.07 319.06 - W1-Sept 20.12 104.40 97.11 27.88 0.66 0.35 193.10 139.30 3.36 0.02 305.60 - W2-Sept 15.45 120.30 80.21 25.98 0.37 0.64 166.20 72.60 31.21 0.21 287.30 - W3-Sept 20.91 93.65 46.66 20.15 0.09 - 62.01 50.38 3.15 - 273.60 - G1-Sept 7.00 61.44 95.63 31.34 0.87 0.24 88.91 96.76 79.07 0.34 252.40 - G3-Sept 1.78 16.35 22.40 11.41 0.09 0.42 21.83 24.32 5.54 - 96.57 - G4-Sept 1.61 13.36 38.09 11.14 0.05 0.39 16.35 24.87 6.08 - 138.70 - G5-Sept 3.60 86.61 54.64 22.84 3.08 0.49 90.62 28.04 1.16 0.01 313.50 - 注:“-”表示低于检出限;G4-Mar未测试完整数据导致数据缺失未列出;G2-Sept由于采样点封闭,样品未采集,故缺失数据。 表 2 各采样点抗生素浓度
Table 2 Antibiotic concentration in each sampling point
样品编号 磺胺醋酰
(ng/L)磺胺吡啶
(ng/L)莫西沙星
(ng/L)环丙沙星
(ng/L)氧氟沙星
(ng/L)诺氟沙星
(ng/L)W1-Mar 267.50 47.03 21.43 30.57 438.33 111.17 W2-Mar 269.40 16.97 0.94 12.03 57.20 13.03 W3-Mar 196.53 11.67 9.45 36.30 106.33 19.77 G1-Mar 202.70 4.77 10.95 158.23 3.57 12.57 G2-Mar 209.20 3.73 0.95 31.97 3.04 1.36 G3-Mar 212.60 0.89 0.94 340.17 10.63 15.47 G4-Mar 196.97 0.83 0.99 37.27 3.23 1.77 G5-Mar 204.53 0.97 10.53 212.37 3.68 15.40 W1-Sept - 81.20 15.60 22.70 1210.00 100.00 W2-Sept - 9.70 - - 43.70 11.40 W3-Sept - 14.00 - - 144.00 12.80 G1-Sept - 7.97 - - 7.20 5.30 G3-Sept - 0.88 - - 3.05 - G4-Sept - 1.01 - - 3.19 1.14 G5-Sept - 1.22 - - 3.22 7.33 注:“-”表示低于检出限;G2-Sept由于采样点封闭,样品未采集,故缺失数据。 -
[1] 刘菲. 地下水污染监测与修复专栏成果简评[J]. 岩矿测试, 2012, 31(4): 645-646. doi: 10.3969/j.issn.0254-5357.2012.04.015 Liu F. Brief review on achievements of groundwater contamination monitoring and remediation[J]. Rock and Mineral Analysis, 2012, 31(4): 645-646. doi: 10.3969/j.issn.0254-5357.2012.04.015
[2] Biswas J K, Sarkar D. Nanopollution in the aquatic environment and ecotoxicity: Nonanoissue![J]. Current Pollution Reports, 2019, 5: 4-7. doi: 10.1007/s40726-019-0104-5
[3] Burri N M, Weatherl R, Moeck C, et al. A review of threats to groundwater quality in the anthropocene[J]. Science of the Total Environment, 2019, 684: 136-154. doi: 10.1016/j.scitotenv.2019.05.236
[4] Li J, Sun Y, Wang X, et al. Changes in microbial community structures under reclaimed water replenishment conditions[J]. International Journal Environment Research and Public Health, 2020, 17(4): 120-122.
[5] Sharma P, Pandey A K, Kim S H, et al. Critical review on microbial community during in-situ bioremediation of heavy metals from industrial wastewater[J]. Environmental Technology and Innovation, 2021, 24: 101826. doi: 10.1016/j.eti.2021.101826
[6] Fillinger L, Hug K, Griebler C. Selection imposed by local environmental conditions drives differences in microbial community composition across geographically distinct groundwater aquifers[J]. Federation of European Microbiological Societies Microbiology Ecology, 2019, 95(11): 45-48.
[7] Korbel K L, Greenfield P, Hose G C. Agricultural practices linked to shifts in groundwater microbial structure and denitrifying bacteria[J]. Science of the Total Environment, 2022, 807: 150870. doi: 10.1016/j.scitotenv.2021.150870
[8] Underwood J C, Harvey R W, Metge D W, et al. Effects of the antimicrobial sulfamethoxazole on groundwater bacterial enrichment[J]. Environmental Science and Technology, 2011, 45: 3096-3101. doi: 10.1021/es103605e
[9] 祁彦洁, 刘菲. 地下水中抗生素污染检测分析研究进展[J]. 岩矿测试, 2014, 33(1): 67-73. doi: 10.3969/j.issn.0254-5357.2014.01.012 Qi Y J, Liu F. Analysis of antibiotics in groundwater: A review[J]. Rock and Mineral Analysis, 2014, 33(1): 67-73. doi: 10.3969/j.issn.0254-5357.2014.01.012
[10] Wang Y F, Wang L F, Liu R M, et al. Source-specific risk apportionment and critical risk source identification of antibiotic resistance in Fenhe River Basin, China[J]. Chemosphere, 2022, 287: 131997. doi: 10.1016/j.chemosphere.2021.131997
[11] Lundstrom S V, Ostman M, Bengtsson-Palme J, et al. Minimal selective concentrations of tetracycline in complex aquatic bacterial biofilms[J]. Science of the Total Environment, 2016, 553: 587-595. doi: 10.1016/j.scitotenv.2016.02.103
[12] Flaherty C M, Dodson S I. Effects of pharmaceuticals on daphnia survival, growth, and reproduction[J]. Chemosphere, 2005, 61: 200-207. doi: 10.1016/j.chemosphere.2005.02.016
[13] Thuy T T, Huy B T. Highly stable Cs4PbBr6/CsPbBr3perovskite nanoparticles as a new fluorescence nanosensor for selective detection of trace tetracycline in food samples[J]. Journal of Industrial and Engineering Chemistry, 2021, 104: 437-444. doi: 10.1016/j.jiec.2021.08.046
[14] Hunter B, Walker I, Lassiter R, et al. Evaluation of private well contaminants in an underserved North Carolina community[J]. Science of the Total Environment, 2021, 789: 147823. doi: 10.1016/j.scitotenv.2021.147823
[15] Zhao J H, Li B, Huang X, et al. Distribution of antibiotic resistance genes and their association with bacteria and viruses in decentralized sewage treatment facilities[J]. Frontiers of Environmental Science and Engineering, 2022, 16(3): 35. doi: 10.1007/s11783-021-1469-4
[16] Zielinski W, Korzeniewska E, Harnisz M, et al. Wastewater treatment plants as a reservoir of integrase and antibiotic resistance genes—An epidemiological threat to workers and environment[J]. Environment International, 2021, 156: 106641. doi: 10.1016/j.envint.2021.106641
[17] Shigei M, Assayed A, Hazaymeh A, et al. Pharmaceutical and antibiotic pollutant levels in wastewater and the waters of the Zarqa River, Jordan[J]. Applied Sciences, 2021, 11(18): 8638. doi: 10.3390/app11188638
[18] Rajala K, Grönfors O, Hesampour M, et al. Removal of microplastics from secondary wastewater treatment plant effluent by coagulation/flocculation with iron, aluminum and polyamine-based chemicals[J]. Water Research, 2020, 183: 116045. doi: 10.1016/j.watres.2020.116045
[19] Sérodes J B, Behmel S, Simard S, et al. Tracking domestic wastewater and road de-icing salt in a municipal drinking water reservoir: Acesulfame and chloride as co-tracers[J]. Water Research, 2021, 203: 117493. doi: 10.1016/j.watres.2021.117493
[20] Caucci S, Karkman A, Cacace D, et al. Seasonality of antibiotic prescriptions for outpatients and resistance genes in sewers and wastewater treatment plant outflow[J]. Federation of European Microbiological Societies Microbiology Ecology, 2016, 92: fiw060. doi: 10.1093/femsec/fiw060
[21] Ding G, Chen G, Liu Y, et al. Occurrence and risk assessment of fluoroquinolone antibiotics in reclaimed water and receiving groundwater with different replenishment pathways[J]. Science of the Total Environment, 2020, 738: 139802. doi: 10.1016/j.scitotenv.2020.139802
[22] Jurado A, Margareto A, Pujades E, et al. Fate and risk assessment of sulfonamides and metabolites in urban groundwater[J]. Environment Pollution, 2020, 267: 115480. doi: 10.1016/j.envpol.2020.115480
[23] Vystavna Y, Schmidt S I, Diadin D, et al. Multi-tracing of recharge seasonality and contamination in groundwater: A tool for urban water resource management[J]. Water Research, 2019, 161: 413-422. doi: 10.1016/j.watres.2019.06.028
[24] Li W, Shi Y, Gao L, et al. Occurrence, distribution and potential affecting factors of antibiotics in sewage sludge of wastewater treatment plants in China[J]. Science of the Total Environment, 2013, 445-446: 306-313. doi: 10.1016/j.scitotenv.2012.12.050
[25] 马健生, 王卓, 张泽宇, 等. 哈尔滨市地下水中29种抗生素分布特征研究[J]. 岩矿测试, 2021, 40(6): 944-953. doi: 10.15898/j.cnki.11-2131/td.202101040001 Ma J S, Wang Z, Zhang Z Y, et al. Distribution characteristics of 29 antibiotics in groundwater in Harbin[J]. Rock and Mineral Analysis, 2021, 40(6): 944-953. doi: 10.15898/j.cnki.11-2131/td.202101040001
[26] Oliveira M A, Goulder R. The effects of sewage-treatment -works effluent on epilithic bacterial and algal communities of three streams in northern England[J]. Hydrobiologia, 2006, 568(1): 29-42. doi: 10.1007/s10750-006-0013-7
[27] Wang Z, Yuan S, Deng Z, et al. Evaluating responses of nitrification and denitrification to the co-selective pressure of divalent zinc and tetracycline based on resistance genes changes[J]. Bioresource Technology, 2020, 314: 123769. doi: 10.1016/j.biortech.2020.123769
[28] Fu J, Zhong C, Zhang P, et al. Novel nobilizable genomic island GEI-D18A mediates conjugational transfer of antibiotic resistance genes in the multidrug-resistant strain Rheinheimera sp. D18[J]. Frontiers in Microbiology, 2020, 11: 627. doi: 10.3389/fmicb.2020.00627
[29] Cairns J, Ruokolainen L, Hultman J, et al. Ecology determines how low antibiotic concentration impacts community composition and horizontal transfer of resistance genes[J]. Communications Biology, 2018, 1: 35. doi: 10.1038/s42003-018-0041-7
[30] Huang F, Zou S, Deng D, et al. Antibiotics in a typical karst river system in China: Spatiotemporal variation and environmental risks[J]. Science of the Total Environment, 2019, 650: 1348-1355. doi: 10.1016/j.scitotenv.2018.09.131
[31] Zhang Q, Zhang Z Y, Zhou S Y D, et al. Macleaya cordata extract, an antibiotic alternative, does not contribute to antibiotic resistance gene dissemination[J]. Journal of Hazardous Materials, 2021, 412: 125272. doi: 10.1016/j.jhazmat.2021.125272
[32] Gorodylova N, Michel C, Seron A, et al. Modified zeolite-supported biofilm in service of pesticide biodegradation[J]. Environmental Science Pollution Research, 2021, 28: 45296-45316. doi: 10.1007/s11356-021-13876-9
[33] Sperfeld M, Rauschenbach C, Diekert G, et al. Microbial community of a gasworks aquifer and identification of nitrate-reducing Azoarcus and Georgfuchsia as key players in BTEX degradation[J]. Water Research, 2018, 132: 146-157. doi: 10.1016/j.watres.2017.12.040
-
期刊类型引用(3)
1. 袁丽茜,张雪. 液相色谱-电感耦合等离子体质谱法测定土壤中多环芳烃残留量. 品牌与标准化. 2025(02): 1-3 . 百度学术
2. 贺玲,赖书雅,蒋起保,饶建锋,吴美仁. 江西省乐平市水系沉积物重金属风险评价及源解析. 人民长江. 2024(04): 87-94 . 百度学术
3. 张虹,徐敏,丁言者,徐文健,李艳霞. 小型河口沉积物重金属风险概率与主要贡献因子研究——以江苏中山河为例. 南京师大学报(自然科学版). 2023(01): 64-72 . 百度学术
其他类型引用(1)