基于线虫群落与随机森林的工业条垛堆肥成熟度预测：Hexatylina与Aphelenchoides作为关键指示类群

《Pedobiologia》：PREDICTING COMPOST MATURITY USING NEMATODES IN INDUSTRIAL WINDROWS

　　

高频采样揭示堆肥过程中的线虫演替。
生物变量与理化变量被整合用于堆肥成熟度预测。
随机森林（Random Forest, RF）模型准确预测堆肥成熟度动态。
有限的类群子集强烈解释堆肥成熟度模式。
Hexatylina与Aphelenchoides是堆肥成熟度的最强预测因子。

论文解读：

研究背景与目的：堆肥可将异质有机残余转化为稳定且有农艺价值的土壤改良剂，但其益处取决于质量和成熟度。质量涉及物理、化学和生物性质，成熟度是原料分解与稳定程度。未成熟堆肥可固定氮、携带植物毒性化合物或引发病害；成熟堆肥有助于土壤肥力、结构、水分调节和病害抑制。常规成熟度测量如碳氮比（C/N ratio，碳氮比）仍有价值，但受原料、流程和环境波动影响，且未计入生物成熟度。生物成熟度包括土壤生物区系演替和稳定。线虫是敏感指示物，可追踪有机质分解和微生物群落动态。堆肥中线虫功能组成呈可预测演替：机会性食细菌者在高温峰后主导，随后食细菌/捕食者，成熟期食真菌者主导，反映由易分解底物向难分解真菌介导途径转变。MI（Maturity Index，成熟度指数）和F/B（fungivore:bacterivore ratio，食真菌者:食细菌者比值）随堆肥年龄增加；NICM（Nematode-based Index of Compost Maturity，线虫堆肥成熟度指数）综合总丰度、F/(F+B)比值、>1种食真菌类群及diplogastrids存在，并已跨农场尺度推广。宏条形码研究印证该演替，NICM成熟堆肥可增强昆虫病原线虫存活和毒力。然而工业应用仍有差距：多数研究低频采样，操作条件下演替动态解析不足；MI、F/B、NICM与温度、pH、水分、EC（electrical conductivity，电导率）等过程参数关系未详细量化；缺乏整合线虫组合与常规理化数据预测NICM的实用模型。本研究旨在工业条垛中开发基于生物的预测框架，整合线虫生物指示与常规理化测量预测堆肥成熟度。研究由Raath-Krüger Morgan、Du Preez Gerhard、Mieke Daneel、Wiam Haddad、Itani Guga、Joleen Malan等完成。

关键方法概括：在商业堆肥设施NEM Pty（Mooketsi，南非；23?38’01”S，30?02’44”E）构建6条重复工业条垛，2023年4—11月每两周采样，共16个间隔；每条垛沿长5点复合至75 cm，测定温度、水分、EC、pH；用改良倾析筛分结合离心糖浮选提取线虫，光镜鉴定到属/科，计算总丰度、F/(F+B)和NICM；采用GLM（generalised linear models，广义线性模型）、NMDS（non-metric multidimensional scaling，非度量多维尺度分析）、PERMANOVA（permutational multivariate analysis of variance，置换多元方差分析）和随机森林（RF）整合线虫与理化变量预测NICM。样本队列来源为上述商业设施。

研究结果：

3.1 线虫类群的时间响应：GLM显示线虫丰度在类群和采样间隔间差异显著。Hexatylina和Panagrolaimidae通常最丰富但轨迹不同；Panagrolaimidae是唯一所有间隔均存在的类群，丰度波动，间隔2、9—11、13—16显著高于5—7和12。Aphelenchoides、Butlerius、Diploscapter、Hexatylina、Eucephalobus、Panagrolaimidae和Rhabditis在中期8—10增加；Aphelenchoides、Butlerius、Cruznema、Eucephalobus、Hexatylina和Panagrolaimidae在后期13—16出现二次峰。总丰度8—11高，12急降，13—16部分恢复，12最低。

3.2 群落组成与环境驱动：温度在活跃阶段维持41—58 °C；水分变化大，早期一般>45%，间隔12前从49.1±1.1%降至27.8±1.2%，之后恢复并稳定>40%。基于Bray–Curtis距离的NMDS和层次聚类得到5簇，聚类仅部分由采样间隔决定；Hexatylina与7—8月簇对齐，Aphelenchoides和Panagrolaimidae向量最长。envfit显示水分和pH显著（p<0.05），温度与EC不显著。PERMANOVA确认群落组成与水分（F=9.15，R²=0.09，p=0.001）、pH（F=5.08，R²=0.05，p=0.001）和采样间隔（F=4.57，R²=0.09，p=0.001）显著相关；EC边缘（F=2.15，R²=0.02，p=0.07），温度无显著影响；残差解释78.5%。

3.3 预测堆肥成熟度：NICM前7个间隔低（<1），从间隔8显著升高，之后保持高值，但间隔12显著下降（<1）。RF模型训练集MSE（mean squared error，均方误差）=0.035、RMSE（root mean squared error，均方根误差）=0.188、R²=0.979，独立测试集MSE=0.150、RMSE=0.388、R²=0.9。变量重要性中Hexatylina最强，Aphelenchoides次之，采样间隔、Panagrolaimidae和Eucephalobus中等，pH和水分较低。部分依赖图显示预测成熟度随Hexatylina、Aphelenchoides、Panagrolaimidae和Eucephalobus丰度增加而升高，但高密度时平台；从采样间隔5起升高，8后平台；pH>7.4及水分接近50%及以上与略低预测成熟度相关；间隔12线虫下降与前期水分<30%一致。H-statistic总体低，水分和pH交互最强；水分效应主要与Cruznema，其次Butlerius和Aphelenchus；pH主要与Diploscapter，其次Panagrolaimidae和Hexatylina；Panagrolaimidae跨变量贡献，Diploscapter多例。

讨论总结：

4.1 线虫类群时间响应作为成熟轨迹：优势类群动态支持与堆肥线虫生态及分解途径/食物网组织变化一致的演替轨迹。早期由Panagrolaimidae等富养相关食细菌者主导，随后Butlerius、Aphelenchoides、Hexatylina等增加，进入熟化。中期8—11总丰度爆发与真菌资源增加和营养分化一致；13—16二次增加说明群落未在成熟后静态，Panagrolaimidae晚期增加表明富养过程局部持续或增加，与熟化期微生物周转导致富养相关食细菌者反弹一致。间隔12丰度急降偏离趋势，NMDS和PERMANOVA表明温度不是显著驱动，可能与前期间急性水分胁迫有关；水分低于生理阈值可暂时覆盖演替成熟趋势，限制线虫移动和取食，改变真菌-细菌资源平衡并扰乱高营养结构。开放工业设施解释生物指示数据需考虑水分。

4.2 群落组成与环境驱动：多变量分析显示群落重构为离散组合而非逐渐变化，成熟涉及类群子集协调变化。Aphelenchoides和Panagrolaimidae与主排序梯度强对齐，Hexatylina短峰应视为阶段特异响应。PERMANOVA表明水分和pH为主要环境变量，EC边缘，温度无检测影响。水分作用与线虫移动和取食依赖连续水膜、微生物活动受水分调节一致；pH显著表明堆肥化学变化促成群落重构，可能通过微生物途径、氨平衡和氮转化间接塑造线虫。高残差可能反映条垛内细尺度空间异质性；空间温度梯度、抗性生命阶段和再定殖可解释41—58 °C下线虫持续存在。因条垛户外，季节温度和降水未记录，未来应纳入气象监测。

4.3 可解释建模预测堆肥成熟度：RF模型R²=0.9验证线虫群落与理化变量耦合建模堆肥成熟的有效性。特定分类子集高重要性支持“sentinel-assemblage”方法，即有限类群捕获NICM整合的生物信息；Aphelenchoides和Hexatylina（食真菌）及Panagrolaimidae和Eucephalobus（食细菌）为主要预测因子。部分依赖阈值型模式表明，这些哨兵类群超过关键丰度阈值后NICM进入成熟平台，预测NICM更像检测最小食物网组织阈值的指标。水分和pH作为非生物约束塑造NICM表达；低水分先于间隔12 NICM下降，但部分依赖图可能平滑特定变量组合下的条件响应。H统计量表明水分效应可能经Cruznema、Butlerius、Aphelenchus介导，pH经Diploscapter。间隔12 NICM下降可能为暂时响应，不一定表示成熟逆转，因NICM反映采样时群落而非累积底物稳定；该敏感性限制其作为独立成熟指标。聚焦减少类群并维持水分高于关键阈值，有助于预测和维持成熟轨迹。

研究结论部分翻译：本研究证明整合生物指标与常规过程测量对解释工业系统堆肥发育具有价值。研究进一步表明，堆肥成熟度可随操作条件，尤其是水分，以及食物网发育而变化。结果还强调，有限类群子集对预测NICM贡献最大，支持在生物监测中关注关键指示或哨兵类群的潜在价值。此外，随机森林分析等预测建模方法在识别对NICM预测贡献最大的变量方面有效。未来工作应在更广泛堆肥设施、原料和环境条件中检验该整合框架，同时精炼能捕捉堆肥成熟度时间变化并保持操作实用性的指标集。