《Environmental Technology & Innovation》：Explainable machine learning links organic-matter stress to microbial controls of sedimentary ammonium accumulation in marsh-type shallow lakes
编辑推荐：
本研究针对高有机质(OM)条件下浅水湖泊沉积物铵(NH4+-N)积累的微生物机制不清问题，通过整合高通量测序、qPCR和可解释机器学习(XGBoost-SHAP)，揭示了OM通过增强矿化作用(ureC↑40.63%)、抑制硝化作用(古菌/细菌amoA↓94%)驱动NH4+-N积累的阈值机制(OM>19.62%抑制硝化，>12.71%促进矿化)，为湖泊内源氮风险管理提供了定量依据。
在水草丰茂的浅水湖泊中，沉积物有机质(Organic Matter, OM)不断积累，犹如一个巨大的“氮库”，在微生物作用下转化为铵(NH4+-N)。这种铵的持续积累不仅会释放具有毒性的游离氨，威胁水生生物生存，还会通过沉积物-水界面扩散，增加水体氮负荷，引发藻类水华，加剧富营养化风险。然而，在高OM环境下，究竟是哪些微生物过程主导了铵的积累？其关键的环境驱动因子是什么？是否存在调控这些过程的“临界点”？这些问题至今尚未明晰。
为了解开这些谜团，一支研究团队以华北平原最大的湿地生态系统——白洋淀为研究对象，展开了一项深入探索。该研究发表于《Environmental Technology》，通过将野外调查、室内模拟与前沿的数据科学方法相结合，揭示了高有机质胁迫下沉积物铵积累的微生物“密码”。
研究人员首先系统分析了白洋淀不同水体类型（如开阔水域、芦苇台地、沼泽等）沉积物中有机质和氮的分布格局。他们发现，芦苇台地等水生植被密集区域沉积物中有机质和孔隙水中的铵浓度显著更高，表明这些区域是氮素转化和积累的热点。紧接着，他们通过模拟实验发现，高有机质条件会显著提升沉积物耗氧量(Sediment Oxygen Demand, SOD)，从而加速水体溶解氧的消耗，创造缺氧环境。这种缺氧环境，正是后续微生物过程发生转变的关键前提。
研究团队进一步运用了高通量测序和定量PCR(qPCR)技术，对沉积物中的微生物群落结构和氮循环功能基因进行了精细刻画。结果显示，在高有机质条件下，与有机氮矿化相关的ureC基因丰度增加了40.63%，而与氨氧化过程（硝化作用的第一步）相关的古菌amoA和细菌amoA基因丰度则急剧下降了94%以上。这表明微生物功能出现了明显的“分岔”：矿化作用增强，而硝化作用受到抑制。
为了更精确地量化环境因子对功能基因的影响并识别关键阈值，研究引入了可解释的机器学习模型XGBoost，并结合SHAP分析进行解读。SHAP分析明确指出，有机质是调控这三个功能基因的核心环境驱动因子，但其影响呈现出非线性的阈值效应。具体来说，当沉积物有机质含量超过19.62%（古菌amoA）和22.27%（细菌amoA）时，其对氨氧化功能的贡献由正转负，即产生抑制作用；而对于矿化功能基因ureC，当有机质含量超过12.71%时，其贡献转为正向促进，并在约17%时趋于饱和。
为开展本研究，作者主要应用了以下几项关键技术方法： 研究在白洋淀设置了38个代表性点位采集水体和沉积物样本。通过室内柱状培养模拟了沉积物和上覆水的耗氧过程。利用16S rRNA基因高通量测序解析了微生物群落结构，采用qPCR定量了氮循环关键功能基因（ archaeal amoA, bacterial amoA, ureC等）的丰度。最后，构建XGBoost机器学习模型，并结合SHAP框架进行可解释性分析，识别关键环境驱动因子及其阈值。
3.1. 白洋淀氮和有机质的空间分布格局
通过对白洋淀不同水体介质的分析发现，氮主要以有机氮形式存在，铵和硝酸盐是主要的无机氮形态。芦苇台地区域的上覆水、孔隙水和沉积物中的铵浓度均相对较高，沉积物是铵积累的主要场所。孔隙水中的铵浓度平均是上覆水的8.19倍，在芦苇台地区域更是高达18.6倍，表明沉积物内部存在强烈的铵生成和向上覆水扩散的潜力。沉积物有机质含量总体处于中等水平，但在水生植被覆盖区域（如开阔水域有植被区、芦苇台地）显著高于无植被区域，说明水生植物通过提供凋落物和创造微环境促进了有机质的积累。
3.2. 高有机质对溶解氧的影响
模拟实验结果表明，沉积物耗氧量(SOD)显著高于上覆水耗氧量(WOD)，并占水体综合耗氧量(WIOD)的58.4%-71.1%，是溶解氧消耗的主导因素。有机质含量对SOD有显著影响，高有机质组的SOD显著高于低有机质组。高有机质组的WIOD也显著更高，表明有机质富集大幅增强了水体的耗氧强度，在无氧补充的理想条件下，溶解氧从饱和降至缺氧阈值的时间缩短至约19小时，增加了缺氧风险。这种快速的氧耗竭对好氧的硝化微生物构成了胁迫。
3.3. 高有机质条件下的微生物群落与功能特征
微生物群落分析显示，在高有机质条件下，与氮循环密切相关的Proteobacteria、Firmicutes等菌门以及Thiobacillus等属的相对丰度较高。α多样性指数聚类显示不同有机质水平的样品群落结构存在显著差异。qPCR结果显示，古菌amoA和细菌amoA的基因拷贝数在高WIOD（即高耗氧）条件下显著降低，而ureC基因拷贝数与有机质含量呈边际正相关关系。与低有机质组相比，高有机质组中ureC基因丰度平均增加约40.63%，而两种amoA基因丰度平均下降约94%，清晰地表明高有机质条件下微生物功能向增强矿化、抑制硝化的方向转变。
3.4. XGBoost-SHAP识别氮相关功能基因的关键预测因子
XGBoost模型预测性能评估表明，ureC模型预测精度高，两个amoA模型预测性能可接受。SHAP分析确定有机质是调控三个功能基因变异的核心环境驱动因子。SHAP依赖图进一步揭示，有机质对两个amoA基因均表现出阈值抑制效应，而对ureC基因则表现出阈值促进效应，并存在饱和现象。这些阈值窗口（如OM≈19.62%抑制古菌氨氧化）将复杂的多因子耦合机制转化为可量化的管理标准。
3.5. 水生植物主导型湖泊沉积物铵积累的机制与效应
综合以上结果，研究阐明了高有机质浅水湖泊沉积物铵积累的微生物机制：有机质富集导致耗氧量增加，引发缺氧或低氧环境。这种环境抑制了严格好氧的氨氧化古菌和细菌的活性（amoA基因表达下调），削弱了硝化作用。同时，丰富的有机质为矿化微生物（如Firmicutes）提供了充足底物，促进了有机氮向铵的转化（ureC基因表达上调）。有机质作为核心驱动因子，其影响存在明确的阈值，使得沉积物氮循环功能沿有机质梯度发生重构，从依赖氧的硝化路径转向以内源供氮为主的矿化路径，最终导致铵的积累。
该研究的结论深刻揭示了在高有机质负荷的浅水湖泊生态系统中，沉积物氮循环功能对有机质胁迫的响应并非线性渐变，而是存在关键的阈值窗口。有机质通过改变溶解氧状况和直接调控微生物功能基因的表达，促使氮转化路径向增强矿化、抑制硝化的方向倾斜，这是驱动沉积物铵积累的内在核心机制。研究所提供的定量阈值（如OM>19.62%显著抑制硝化），为管理者识别湖泊内源氮释放风险的关键敏感区间、制定有针对性的富营养化控制策略（例如，控制外源有机质输入、改善水体复氧条件等）提供了宝贵的科学依据和可操作的管理工具。这项研究不仅深化了对浅水湖泊氮生物地球化学循环的理解，也展示了可解释机器学习在解析复杂环境问题中的强大能力。
