最新!南开大学胡献刚2024年第5篇SCI
论论资讯 | 2024-04-29 |
48热度
Environmental Science & Technology
Explore content
About the journal
Publish with us
Unveiling Microbial Nitrogen Metabolism in Rivers using a Machine Learning Approach
Jia Y.; Hu X.; Kang W.; Dong X.
Published:2024-04-16
DOI:10.1021/acs.est.3c09653
研究背景
在当今社会,环境污染和温室气体排放等问题备受关注。然而,河流中微生物氮代谢的复杂性及其与环境污染和温室气体排放之间的关系尚未完全明确。这引发了对如何更好地了解微生物氮代谢的需求。
研究内容
最新研究发现,利用一种名为可解释因果机器学习(ICML)框架,分析了中国105条河流中26种环境和社会经济因素驱动的微生物氮代谢模式。相比传统线性回归模型,ICML更好地识别了因素与微生物氮代谢之间的复杂关系。研究还提出了临界点和浓度窗口,以精确调控微生物氮代谢。例如,溶解有机碳(DOC)浓度低于6.2和4.2毫克/升的临界点时,容易降低细菌反硝化和硝化作用。NO<sub>3</sub><sup>-</sup>-N(15.9-18.0毫克/升)和DOC(9.1-10.8毫克/升)的浓度窗口在全国范围内支持脱氮细菌的最高丰度。ICML模型与现场数据的结合明确了微生物氮代谢的重要驱动因素,支持对氮污染和河流生态管理的精确调控。
研究意义
这项研究的创新之处在于采用了ICML框架,揭示了河流中微生物氮代谢的关键因素,为精确调控氮污染和河流生态管理提供了新的视角和方法。通过这一研究,我们能更好地保护河流生态环境,促进环境保护和可持续发展。
学术热榜
查看全部
相关资讯
换一批