第一作者：李玮翔（2023级博士生）

通讯作者：梁婕 教授

论文DOI：10.1016/j.watres.2025.124096

图文摘要

全文速览

这项研究在洞庭湖两个区域进行了原位采样，并利用SWAT-EFDC模型模拟了这两个区域的长期水化学条件。采样结果证实了长期高碳地区是溶解甲烷与氧化亚氮的共现热点。随后，将洞庭湖本地数据集与全球34,519个溶解温室气体采样点的数据集进行对比分析，进一步验证了结论的普适性。总体而言，这项研究强调，在氮非限制条件下，高碳环境是促进溶解CH₄和N₂O浓度热点形成的关键因素。

图文导读

采样区域根据SWAT-EFDC的分类结果被分为碳主导区（CR）以及氮主导区（NR）。原位采样结果表明，CR内溶解CH4和N2O浓度显著高于NR。在水体理化性质方面，CR的溶解有机碳（DOC）显著高于NR。虽然NR的硝酸盐（NO₃⁻）、铵盐（NH₄⁺）和总氮（TN）浓度采样结果略高于CR，但CR的氮浓度也处于相对较高的水平。CR的平均C/N是NR近6倍，两个地区的DO、TP和水温无显著差异。

Figure 1 (a) Geographical map of the Dongting watershed, showing the distribution of major rivers and the watershed outlet; (b) Distribution and grouping diagram of sampling points.

通过校准良好的SWAT-EFDC模型模拟采样区域的长期水化学条件，结果显示CR具有较低的长期NO₃⁻浓度以及较高的长期DOC浓度和C/N。与此相反，NR则表现出较高的长期NO₃⁻浓度和较低的长期DOC浓度。这些模拟结果与原位采样观测到的趋势一致，不仅证实了NR和CR之间水化学条件存在显著的长期差异，也进一步验证了原位采样结果的稳健性。

Figure 2 Dongting Lake dissolved CH₄ (a) and N₂O (b) concentration sampling results. (c) Dongting Lake DOC concentration sampling results and SWAT-EFDC simulation results; (d) Dongting Lake NO₃^- concentration sampling results and SWAT-EFDC simulation results; (e) Dongting Lake C/N sampling results and SWAT-EFDC simulation results.

功能基因分析结果显示，NR组的pmoA基因平均拷贝数高于CR组。同时，CR组的mcrA基因平均拷贝数比NR组高4.64%。NR中与反硝化过程相关的nirK、nirS和nosZ clade I基因的平均拷贝数均高于CR。mcrA/pmoA与溶解CH₄浓度呈正相关。nirS/nosZ clade I和(nirS+nirK)/nosZ clade I与溶解的N₂O浓度呈正相关。CR中mcrA/pmoA、nirS/nosZ clade I和(nirK+nirS)/nosZ clade I的比值显著高于NR。

Figure 3 Copy numbers for target genes and their ratios in CR and NR. pmoA (a); mcrA (b); nirK (c); nirS (d); amoA of AOB (e); amoA of AOA (f); nosZ clade I (g); narG (h); mcrA/pmoA (i); nirS/nosZ clade I (j); nirK/nosZ clade I (k); (nirK+nirS)/nosZ clade I (l)

16S rRNA测序数据显示，NR中氨氧化古菌和细菌的丰度均高于CR。值得注意的是，NR中不仅富集了多种反硝化菌，它们还与CH₄/N₂O还原细菌共存，并且NR的甲烷氧化细菌丰度也相对较高。Procrustes和Mantel分析均表明，环境因素对微生物群落组成有显著影响。进一步的db-RDA分析揭示， DOC、C/N和温度是影响微生物群落的关键环境因子，而NO₃⁻、NH₄⁺和TN与微生物群落的相关性则相对较弱。整体而言，各组微生物群落均与溶解温室气体浓度显著相关。具体来看，在CR区域，DOC与微生物群落组成呈显著相关；而在NR区域，DOC、C/N和温度则共同显著影响微生物群落。

Figure 4 Microorganisms with significant differences in CR and NR at the genus level, and their Spearman correlation heatmaps with environmental variables (a); Procrustes and Mantel analysis results of microbial community and environmental variable matrices (b). The db-RNA and envfit analysis results of microbial community and environmental variable, all sampling sites (c), CR (d), NR (e).

在共生网络方面，CR表现出较低的平均度，但其平均边权重、模块化指数、小世界指数和平均介数中心性均较高。而在互斥网络中，CR的平均度与平均介数中心性相对较低，但平均边权重、平均特征向量中心性和模块化指数则较高。NR的归一化随机比指数显著高于CR。中性群落模型拟合表明，NR具有较高的拟合度和较低的迁移率。iCAMP分析揭示了同质选择过程在CR中更为突出，而扩散限制和异质选择在NR中更强。

Figure 5 Microbial co-occurrence network of CR (a); Microbial co-exclusion network of CR (b); Microbial co-occurrence network of NR (c); Microbial co-exclusion network of NR (d). Topological indicators in different networks (e).

在先前研究的基础上，本研究整合了全球34,519个溶解CH₄和N₂O浓度及环境变量数据集，并将其与洞庭湖的采样数据进行对比。结果发现，洞庭湖数据集温室气体与环境变量的响应模式与全球趋势高度一致。通过对溶解甲烷和氧化亚氮预测模型（CN-EST）进行SHAP分析，结果表明：DOC大于3.73 mg/L时，溶解CH₄浓度高于基线值；当NO₃⁻大于2.38 mg/L时，溶解N₂O浓度高于基线值。此外，DOC与溶解N₂O浓度之间的关系呈现出复杂的6个响应区间。据此，我们明确了溶解CH₄和N₂O浓度共存热点的环境特征：即NO₃⁻浓度大于2.38 mg/L，且DOC浓度处于3.85–7.26 mg/L或12.92–42.20 mg/L的区间内。

Figure 6 Global sampling distribution map of dissolved CH₄ and N₂O concentration (a). Global and local response curves between dissolved CH₄ concentrations and DOC (b) or C/N (c). Global and local response curves between global dissolved N₂O concentrations and NO₃^- (d) or DOC (e). The s(DOC), s(NO₃^-) and s(C/N) denote the statistics for fixed effects of DOC, NO₃^- and C/N. The s(Watershed) denote the statistics for random effects, representing global watershed ID.

Figure 7 SHAP value dependency plots for dissolved CH₄ and N₂O concentrations and environmental variables in CN-EST, and related tipping points. Dissolved CH₄ concentration vs. DOC (a); Dissolved CH₄ concentration vs. C/N (b); Dissolved N₂O concentration vs. NO₃^- (c); Dissolved N₂O concentration vs. DOC (d).

小结与展望

本研究选取洞庭湖两个长期碳氮浓度不同的区域进行采样。野外观测结果显示， DOC较高且NO₃⁻相对充足的区域，是溶解甲烷（CH₄）和氧化亚氮（N₂O）共存的热点地区。微生物群落和功能基因分析表明，长期高DOC水平不仅会显著增加CH₄的产量，还会抑制CH₄的氧化过程，并可能加剧微生物之间的种间竞争，从而促进不完全反硝化过程，导致N₂O的产生。通过整合全球数据集，我们提出了一个四阶段理论来阐释在氮非限制条件下，不同DOC水平下溶解N₂O浓度的动态变化曲线。这一发现为此前关于溶解CH₄和N₂O共存热点环境特征变异性较大的原因提供了新的解释。

总而言之，我们的分析强调，溶解CH₄和N₂O浓度共存的热点通常出现在NO₃⁻浓度大于2.38 mg/L，且DOC浓度介于3.85 ~ 7.26 mg/L 或 12.92 ~ 42.20 mg/L的环境中。 这项研究为预测和管理内陆水域温室气体排放提供了更全面的框架。