题目：《Metagenomic insight reveals the microbial structure and function of nitrous oxide emission from agricultural ditches》
宏基因组学揭示农业沟渠氧化亚氮排放的微生物结构与功能特征
发表时间：2026.4
作者单位：建省厦门市海洋生态保护与修复重点实验室
摘要
1. 研究背景与目的：氧化亚氮（N₂O）是强效温室气体，农业活动是其主要来源。本研究采用宏基因组学方法，解析长江三角洲农业河流与沟渠系统中N₂O排放的微生物群落结构与功能潜力。
2. N₂O浓度与排放差异：河流中N₂O溶解浓度为0.08 ± 0.03 μmol N·L⁻¹，显著低于沟渠的0.21 ± 0.14 μmol N·L⁻¹（P < 0.05）。基于8种风模型估算，农业沟渠排放量是河流的3.53–4.70倍。
3. IPCC方法高估问题：所有模型均显著高估通量（P < 0.05），表明使用IPCC方法时EF值存在系统性高估。
4. 关键环境驱动因子：颗粒有机碳（POC）通过提供能量和附着位点支持微生物活动；电导率（EC）作为周边土地利用离子输入的指示因子，是沟渠EF值的关键非生物驱动因子。
5. 关键生物驱动因子：EF值与反硝化基因（napAB、nirK、norBC、nirK/nosZ）显著相关（P < 0.05），表明反硝化作用是N₂O产生的主要生物驱动因子。宏基因组方法为修订农业景观温室气体清单EF估算提供了新证据。
引言
1. N₂O的全球变暖潜力与浓度趋势：N₂O的全球变暖潜力约为CO₂的265倍。2023年大气N₂O浓度达333 ppb，年增长率为0.25%–0.31%。
2. 内陆水体与农业活动的贡献：1900–2010年全球内陆水体N₂O排放从0.4 Tg N·yr⁻¹增至1.3 Tg N·yr⁻¹，约占全球总排放的7%。全球约有1.30–2.00亿公顷农田，其中28%通过地表沟渠排水。
3. IPCC排放因子（EF）框架：河流间接排放因子（EF₅ᵣ）默认值为0.26%（2019年更新）；地下水与排水排放因子（EF₅₉）默认值为0.6%。近期研究指出IPCC方法可能高估农业沟渠N₂O排放。
4. 微生物机制与关键功能基因：不完全反硝化是N₂O的主要来源。关键基因包括nirK/nirS（亚硝酸还原酶）、norB（一氧化氮还原酶）和nosZ（N₂O还原酶）。有机碳（OC）不足可导致Nos活性受限，造成N₂O积累。
5. 研究目标：（1）阐明河流与沟渠N₂O产生与排放差异；（2）通过共现网络和功能基因探究生物机制；（3）确定农业沟渠对EF值的贡献，揭示EF值的非生物与生物驱动机制。
材料与方法
1. 采样区域与时间：采样点位于长江三角洲嘉善县（120°44′–121°14′E, 30°45′–31°11′N），包括4条农业河流和4条农业沟渠。于2022年4月、7月、10月、12月进行季节性采样。
2. 样品采集与理化指标测定：采集表层水样（水面下0.5 m）和沉积物样品（表层0–5 cm）。使用顶空平衡法-气相色谱测定N₂O浓度。现场测定温度、pH、EC、DO、ORP，实验室测定TOC、DOC及氮素营养盐（NO₃⁻、NO₂⁻、NH₄⁺、TN）。
3. N₂O通量与EF估算：采用薄边界层扩散模型，使用8种基于风速的k模型估算通量。EF值按IPCC方法计算：EF = N₂O-N / NO₃-N。IPCC估算时河流采用EF₅ᵣ（0.26%），沟渠采用EF₅₉（0.6%）。
4. 宏基因组测序与数据分析：共32个沉积物样本，获得平均78,243,976条原始读长，质控后保留76,535,736条。使用MEGAHIT组装，CD-HIT构建非冗余基因集（90% 一致性，90% 覆盖率），注释使用NCBI NR和KEGG数据库。数据已提交NCBI（BioProject: PRJNA1051013）。
5. 统计分析方法：采用Wilcoxon秩和检验、双因素ANOVA、Pearson相关分析、逐步多元回归、共现网络分析（Gephi 0.9.7）和偏最小二乘结构方程模型（PLS-SEM）（SmartPLS 3）。
图1. 研究区域及采样点。（a）嘉善县地图。（b–c）采样点放大视图。
结果
N₂O浓度与估算通量的时间格局
1. 溶解浓度差异：河流N₂O溶解浓度为0.08 ± 0.03 μmol N·L⁻¹，沟渠为0.21 ± 0.14 μmol N·L⁻¹（P < 0.05）。沟渠标准差远大于河流，表明其时空变异性更大。
2. 饱和度：河流N₂O饱和度为459 ± 208%，沟渠为1207 ± 868%。所有采样点均超过饱和水平，确认水体普遍存在N₂O过饱和。
3. EF值对比：EF值范围为0.06%–0.42%（均值0.13 ± 0.09%），河流为0.09 ± 0.03%，沟渠为0.19 ± 0.12%。两者均显著低于IPCC推荐的EF₅ᵣ/EF₅₉值（P < 0.01）。
4. IPCC方法高估：基于IPCC的估算通量比实测值高1.25–2.56倍，河流高估2.27 ± 0.32倍，沟渠高估2.25 ± 0.29倍。
图2. 不同季节和水体类型中N₂O相关指标。a）N₂O溶解浓度，b）饱和度值，c）EF值。箱线图的箱体范围、箱内线条、误差线、实心点和空心点分别表示数据集的第25百分位数、第75百分位数、第50百分位数（中位数）、第10百分位数和第90百分位数、平均值及离群值。星号表示右侧纵坐标轴。在每个箱线图中，中心线代表中位数，箱体边界代表第25和第75百分位数（四分位距），须线表示1.5倍四分位距范围。箱内小方块代表平均值。
图3. 基于IPCC方法和现场实测方法的N₂O通量估算。所有样本（a）、河流（b）和沟渠（c）的现场实测N₂O通量及基于八种广泛使用的风驱动模型（K2007、RC2001、CC1998、N2000、W1992、RH2006、LM1986、W2014）估算的通量。各彩色小提琴图上方的小写字母表示水体间在95%置信水平下的统计差异。
微生物α多样性及群落结构
1. 测序数据概况：32个样本共产生约40.32亿条原始读长，组装后平均获得548,524条重叠群，N50为491 bp。
2. α多样性季节影响：双因素ANOVA显示，季节变化显著影响微生物α多样性，尤其是群落丰富度（F = 4.221, P = 0.016）。水体类型无显著主效应或交互效应。
3. 优势门类组成：细菌占91%–99%，以变形菌门（Proteobacteria） 为主（49.0%–65.0%），优势纲为Betaproteobacteria（15.7%–29.3%）、Gammaproteobacteria（6.9%–20.9%）和Deltaproteobacteria（10.6%–19.3%）。其次为酸杆菌门（5.4%–9.3%）。
4. 河流与沟渠差异：沟渠中放线菌门（Actinomycetota） 丰度升高，硝化螺旋菌门（Nitrospirae） 丰度降低。属水平上，沟渠中Frankiales、Phycicoccus、Micrococcales等固氮微生物富集。
图4. 沉积物中微生物群落的门水平（a）和属水平（b）相对丰度。
共现网络分析
1. 网络拓扑特征：河流网络有115个节点、461条边，模块度0.544，平均路径长度3.776，平均加权度5.705。沟渠网络有118个节点、685条边，模块度0.580，平均路径长度3.132，平均加权度8.425。沟渠网络具有更高模块化、更短平均路径长度和更高平均加权度。
2. “小世界”特性：两种网络的模块度均超过对应的Erdős–Rényi随机网络，表明具有“小世界”属性和模块化结构。
3. 硝化与反硝化基因分布差异：硝化相关基因（amoA、hao）在两种网络中均占据最高枢纽值模块，但沟渠中该模块为模块1（更广泛），河流中为模块2。沟渠中核心反硝化基因（norB、nirS、nosZ）在模块3内紧密聚类，形成集成反硝化亚网络；而河流中这些基因分布在3个不同模块，表明功能耦合较弱。
图5. 河流（a）和沟渠（b）中基于丰度（>0.1%）的微生物共现网络。节点颜色代表不同的模块。
氮循环功能基因
1. 固氮基因：农业沟渠固氮基因（nifD、nifH、nifK）丰度显著高于河流（P < 0.05）。
2. 反硝化基因：沟渠中napAB、nirK、norBC等反硝化基因丰度显著更高（P < 0.05），表明反硝化是N₂O产生的主要生物过程。
3. 硝化基因：河流中氨氧化基因（amoABC）和亚硝酸氧化基因（nxrAB）丰度显著更高（P < 0.05），夏季nxrAB表达较高。
4. 同化/异化硝酸盐还原：沟渠中nasA（同化还原）和nirBD（DNRA）丰度显著升高（P < 0.05）。
图6. 河流与沟渠间主要氮转化途径相关功能基因。（a）固氮基因（nifD、nifH、nifK）。（b）反硝化基因（napA、napB、nirK、nirS、norB、norC、nosZ）。（c）硝化基因（amoA、amoB、amoC、hao、nxrA、nxrB）。（d）同化硝酸盐还原基因（narB、nasA、nirA）。（e）异化硝酸盐还原基因（nirB、nirD、nrfA、nrfH）。TPM表示每百万转录本数，用作基因丰度的归一化度量。星号表示河流与沟渠间差异显著（* P < 0.05，** P < 0.01，*** P < 0.001；Wilcoxon秩和检验）。（f）主要氮途径（a–e）的概念示意图。该途径改编自Kuypers等（2018）。粗线表示在农业沟渠中丰度增加，虚线表示在农业沟渠中丰度减少。
EF值与非生物/生物因子的关联
1. 非生物因子相关：河流中EF值与NO₃⁻（r = −0.62, P < 0.01）和NH₄⁺（r = −0.54, P < 0.05）负相关。沟渠中POC（r = 0.66, P < 0.05）和EC（r = −0.61, P < 0.05）是关键影响因子。
2. 生物因子相关：所有样本中EF值与反硝化基因napAB、nirK、norBC及nirK/nosZ显著正相关（P < 0.05）。河流中EF值与nirK负相关，沟渠中与napB正相关。
3. 逐步回归结果：EF值的最佳解释模型（R² = 56.4%–90.5%）包含非生物因子（TN、NO₃⁻、NH₄⁺）和生物因子（napB、nifH、nirK/nosZ、nirB）。河流中NO₃⁻影响最大，沟渠中napB调控效应最强。
4. PLS-SEM结果：模型解释EF值67.5% 的方差，表明沟渠促进反硝化、抑制硝化。
图7. 影响EF值的关键非生物和生物因子。（a）EF值与理化变量间的Pearson相关性。（b）EF值与氮代谢功能基因间的Pearson相关性。（c）以EF值为因变量的逐步向前多元回归分析。NH₄⁺-W表示水中铵浓度，NO₃⁻-W表示水中硝酸盐浓度，TN-S表示沉积物中总氮浓度。（d）偏最小二乘结构方程模型（PLS-SEM）显示水体类型和温度对EF值的间接影响。箭头旁数字为路径系数，表示关系的影响大小。注：* P < 0.05，** P < 0.01，*** P < 0.001表示在95%置信水平下关系显著。PLS-SEM中蓝色和黑色线条分别代表正向和负向影响。
讨论
农业沟渠是N₂O排放的热点区域
1. 排放强度：沟渠N₂O溶解浓度（0.21 ± 0.14 μmol N·L⁻¹）显著高于河流，是本研究河流的3.53–4.70倍，约是全球河流与沟渠平均值（0.14 μmol N·L⁻¹）的2倍。
2. 季节模式：春季和夏季N₂O浓度较高，与温度升高促进微生物代谢和氮矿化速率有关。
3. 空间变异性：沟渠N₂O浓度变异性大（标准差0.14），与人类活动和农业径流输入的空间不均匀分布有关，雨季水文连通性增强导致局部浓度峰值。
4. IPCC的EF₅₉高估问题：沟渠EF值为0.19 ± 0.12%，显著低于IPCC默认EF₅₉（0.6%），但接近EF₅ᵣ（0.26%），表明沟渠N₂O主要来源于表层水和沉积物的微生物过程，而非地下水。IPCC方法高估约2.53倍。
5. 风模型不确定性：8种风基模型参数化方案不同，在浅水、低流农业沟渠中的适用性存在系统性偏差，通量估算差异可达一个数量级。
农业沟渠的微生物功能与网络
1. 微生物群落偏移：沟渠中放线菌门富集（含弗兰克氏菌目等固氮微生物），硝化螺旋菌门减少（包括亚硝酸氧化菌），表明沟渠中固氮和反硝化增强、硝化减弱。
2. 网络拓扑意义：沟渠网络的高模块化（0.580） 和高平均加权度（8.425） 表明生态位分化更强、种间互作更密集。浅水、频繁氧化还原变化和高有机质可用性驱动了较强的环境过滤。
3. 功能耦合差异：反硝化基因（norB、nirS、nosZ）在沟渠中形成紧密聚类亚网络，表明功能冗余且高度协调；河流中这些基因分散在3个模块，功能耦合较弱。
4. 关键枢纽物种：两种网络中最高中心性节点均为S36（归属于Desulfobacterales，硫酸盐还原菌），通过调控沉积物氧化还原结构和电子供体/受体可用性间接影响N₂O产生。
EF值受生物与非生物因子共同调控
1. 非生物驱动因子：沟渠中POC与EF值正相关（r = 0.66），为反硝化提供能量和附着位点，创造缺氧环境促进不完全反硝化。EC与EF值负相关（r = −0.61），反映离子浓度，高EC可能抑制亚硝酸还原酶（nirK/nirS）活性。
2. 硝化与DNRA作用：硝化基因（amoA、amoC、nxrB）与EF值负相关，表明沟渠缺氧条件抑制硝化。DNRA基因（nasA、nirB、nirD）与EF值正相关，但DNRA不直接产生N₂O，其产物NH₄⁺可间接促进后续N₂O产生。
3. 反硝化为主要生物驱动：EF值与napB、nirK、norBC显著正相关（P < 0.05），表明反硝化是主要生物驱动。norBC正相关表明反硝化常终止于N₂O阶段而非完全还原为N₂。
4. nirK/nosZ比值的指示意义：nirK/nosZ与EF值显著正相关（P < 0.05），表明nirK型反硝化菌占优势，优先促进不完全反硝化。nirK型菌常缺乏nosZ基因，导致N₂O作为终产物释放。
5. “瓶颈”效应与PLS-SEM验证：norBC丰度增加而nosZ未同步增加，表明反硝化最后步骤存在瓶颈，限制N₂O还原为N₂。PLS-SEM解释EF值67.5% 方差，确认反硝化基因丰度是EF值的主要决定因素。
6. 研究局限：（1）仅覆盖1年，需多年高频观测；（2）聚焦沉积物群落，忽略上覆水微生物；（3）宏基因数据反映功能潜力而非实际活性；（4）结果基于长江三角洲代表性点位，需更广泛空间调查验证。
结论
1. 排放热点确认：农业沟渠是N₂O排放的关键热点，8种风模型估算沟渠排放量为河流的3.53–4.70倍。
2. IPCC方法高估：所有模型均显著高估N₂O通量（P < 0.05），主要源于IPCC对EF₅ᵣ/EF₅₉排放因子的高估。
3. 非生物关键因子：POC作为碳源和附着位点促进反硝化微生物；EC反映沟渠中溶解离子浓度，是EF值的重要非生物影响因子。
4. 网络结构差异：共现网络显示反硝化基因（norB、nirS、nosZ）仅在沟渠中形成紧密聚类的专属亚网络，表明沟渠中反硝化功能耦合更强。
5. 生物驱动机制：EF值与反硝化基因（napAB、nirK、norBC、nirK/nosZ）显著相关（P < 0.05），确认反硝化作用是N₂O产生的主要生物驱动因子。研究为修订农业排水系统EF₅ᵣ/EF₅₉因子、制定精准减排策略提供了科学依据。
https://doi.org/10.1016/j.jhydrol.2026.135085
