利用跨生态系统的全球数据集和机器学习技术，对DEN、ANA和DNRA的支配因素、驱动机制及阈值进行了量化分析

《Scientific Reports》：Dominance, drivers and thresholds of DEN, ANA, and DNRA quantified using a global dataset of cross-ecosystems and machine-learning

　　

摘要

临界带中的氮素保留与流失受反硝化作用、厌氧氨氧化作用以及异化硝酸盐还原为氨作用的影响，但这些过程的全球分布情况仍不明确。本研究分析了72项研究提供的关于反硝化、厌氧氨氧化和异化硝酸盐还原速率以及相关环境变量和功能基因的全球数据集，采用了随机森林模型、广义加性模型以及混合效应基因-速率分析方法。在不同生态系统中，这三种过程的贡献率分别为：反硝化作用（66.3%）＞异化硝酸盐还原为氨作用（21.9%）＞厌氧氨氧化作用（11.8%）。湿地地区的反硝化作用速率普遍较高（平均为11.35纳米摩尔氮/克·小时），厌氧氨氧化作用也最为活跃（平均为1.39纳米摩尔氮/克·小时），这说明湿润环境是反硝化作用和厌氧氨氧化作用的高发区域；而高海拔地区的异化硝酸盐还原为氨作用的相对贡献率最高（37.8%，平均为6.89纳米摩尔氮/克·小时）。七个主成分可解释63.4%的变异程度，表明临界带的有机质含量、厌氧代谢强度以及水分和养分可用性是影响这些过程的主要环境因素。随机森林模型显示，NO??是反硝化作用和厌氧氨氧化作用的主要预测因子（此外还有水分、温度和碳供应），而异化硝酸盐还原为氨作用则更受NH??的影响（此外还有降水量和温度）。反硝化作用和厌氧氨氧化作用起初与水分呈负相关，在约15%的转折点后转为正相关。所有这些过程都与hzsB基因存在关联，但异化硝酸盐还原为氨作用的相关性较弱。总体而言，这些研究通过提供全球范围内不同生态系统的综合分析，量化了反硝化作用、厌氧氨氧化作用和异化硝酸盐还原为氨作用的速率、驱动因素、阈值以及功能基因与速率之间的关联，填补了这一领域的空白。