根据文档内容，本文报告了一项基于全球数据整合与分析的原创新研究，属于类型a。
全球变化因子加剧土壤氮素流失：农田生态系统风险最高
一、 研究作者、机构及发表信息
本研究由Bangjing Ding（第一作者，单位：中国科学院武汉植物园、丹江口湿地生态系统野外科学观测研究站、湖泊与流域水安全全国重点实验室）、Di Xu、Shuo Wang、Wenzhi Liu（通讯作者）和Quanfa Zhang共同完成。研究团队主要来自中国科学院武汉植物园、丹江口湿地生态系统野外科学观测研究站、湖泊与流域水安全全国重点实验室以及湖北省湿地演化与生态恢复重点实验室。该研究于2026年发表在《自然》旗下期刊 Communications Earth & Environment 上。
二、 学术背景与研究目的
本研究属于全球变化生态学和生物地球化学循环领域，聚焦于氮（N）循环关键过程。氮是生命必需元素，但土壤中的氮素可通过反硝化（Denitrification）和厌氧氨氧化（Anammox）等微生物过程以气态形式（如N₂O, N₂）损失，影响生态系统生产力并加剧温室气体排放。人类活动导致的全球变化，如大气CO₂浓度升高、氮沉降增加、气候变暖以及降水格局改变，正在深刻改变陆地环境。尽管已有大量研究探讨了单个全球变化因子（Global Change Factors, GCFs）对氮循环的影响，但结果存在很大差异。在现实世界中，这些因子通常同时发生、共同作用，可能产生叠加、协同或拮抗效应。然而，关于多个GCFs如何共同影响反硝化和厌氧氨氧化这两个关键氮损失过程的全球模式尚不清楚，这限制了我们准确预测未来全球氮循环变化及其生态后果的能力。
因此，本研究旨在填补这一知识空白。具体目标包括：1）探究单个及多个GCFs对陆地生态系统氮损失过程（反硝化和厌氧氨氧化）的影响；2）比较不同陆地生态系统（森林、草地、农田）对这些GCFs的响应敏感性差异；3）识别决定GCFs影响氮损失过程的主要环境驱动因子。通过这项全球尺度的综合分析，研究期望为改进未来氮循环预测模型和制定可持续的氮管理策略提供科学依据。
三、 详细研究流程与方法
本研究采用了数据整合（Data Synthesis）与荟萃分析（Meta-analysis）的研究范式，其工作流程主要包括以下几个步骤：
1. 数据收集与筛选： 研究团队系统检索了Web of Science、Google Scholar和中国知网（CNKI）等数据库，截至2025年4月，收集了所有报告野外控制实验（如FACE、增温、氮添加、降水改变）中GCFs对反硝化和/或厌氧氨氧化速率影响的已发表文献。文献筛选遵循严格标准：必须是设有对照组和处理组的野外控制实验，且重复数不少于3；实验地点需涵盖主要陆地生态系统（森林、草地、农田，湿地因数据不足未纳入）；若研究包含多次测量，则使用平均值作为一个独立观测样本；研究必须提供平均值、标准偏差/标准误和样本大小等关键数据。最终，从超过5000篇文献中筛选出127项符合条件的研究，构成了包含682个独立观测值的全球数据集。这些数据点主要分布在北美、欧洲和东亚的温带地区。
2. 数据提取与变量计算： 从每项选定研究中，作者提取了以下数据：处理组和对照组的反硝化及厌氧氨氧化速率、实验处理的详细信息（如CO₂升高幅度、氮添加量、增温幅度、降水改变比例）、以及实验点的环境背景数据，包括地理位置（经纬度）、年均温（MAT）、年降水量（MAP）、生态系统类型和土壤理化性质（pH、土壤有机碳SOC、全氮TN、碳氮比C/N、土壤深度）。对于缺失的气候数据，利用WorldClim数据库根据地理位置进行补充。同时，为每个站点计算了De Martonne湿润指数（Wetness Index = MAP / (MAT + 10)），以表征气候干湿状况。
3. 效应量计算与统计分析： 核心分析采用响应比（Response Ratio, RR）的自然对数（lnRR）作为效应量，量化GCFs对氮损失过程的影响大小。计算公式为 lnRR = ln(处理组均值 / 对照组均值)，并计算其方差。随后，使用R软件中的metafor包，采用随机效应模型和逆方差加权法，计算加权平均响应比（lnRR++）及其95%自助法置信区间。若置信区间不包含零，则认为处理效应显著。此外，将效应量转换为百分比变化（(e^(lnRR++) - 1) × 100%）以直观展示影响程度。为评估多个因子间的交互作用，研究基于双因子实验数据（包含对照、A处理、B处理、A+B处理），计算了交互效应项，并根据其置信区间是否包含零判断交互作用是倍增效应、协同效应还是拮抗效应。
4. 敏感性分析： 为了量化氮损失过程对每个GCF变化的标准化响应强度，研究定义了“敏感性”指标。具体为：对CO₂升高的敏感性（Se，每升高100 ppm CO₂的百分比变化）；对氮添加的敏感性（Sn，每增加10 kg N ha⁻¹ yr⁻¹的百分比变化）；对增温的敏感性（Sw，每升高1°C的百分比变化）；对降水增加（Sip）和减少（Sdp）的敏感性（每变化10%的百分比变化）。这允许在不同研究和处理强度间进行标准化比较。
5. 调节因子分析与全球预测： 研究通过Spearman相关分析探究了气候变量（MAT, MAP, 湿润指数）和土壤性质（pH, SOC, TN, C/N）对效应量（响应比）和敏感性的影响。此外，还分析了实验因素（如肥料类型、增温设施、测量方法）的影响。为了在全球尺度上预测反硝化过程对GCFs的敏感性空间格局，研究采用了五种机器学习模型：随机森林（RF）、支持向量机（SVM径向基）、K近邻（KNN）、逐步回归（LeapSeq）和广义线性模型（GLMnet）。模型输入变量为气候因子和土壤属性。使用10折交叉验证评估模型性能，选择表现最佳的模型（根据均方根误差RMSE、决定系数R²和平均绝对误差MAE）来绘制全球敏感性分布图。全球气候和土壤数据分别来源于WorldClim和联合国粮农组织的和谐世界土壤数据库（HWSD）。
四、 主要研究结果
1. 单个及多个GCFs对氮损失过程的影响： 综合分析表明，多个GCFs共同作用对反硝化的增强效应（平均增加69.10%）显著强于单个因子（平均增加37.64%）或两个因子组合（平均增加31.80%）。在单个因子中，氮添加和增温能显著刺激反硝化过程，而CO₂升高和降水改变的单独效应在全局尺度上不显著。在两个因子组合中，CO₂升高+氮添加（EN）以及氮添加+增温（NW）对反硝化有显著正向效应，而氮添加+降水减少（ND）则表现出负效应。分析未发现普遍的显著协同或拮抗效应，表明多因子作用更多表现为倍增效应。对于厌氧氨氧化，由于数据有限，仅发现其在农田生态系统中对氮添加有显著的正响应。
2. 生态系统特异性响应： 不同生态系统对GCFs的响应存在显著差异。农田生态系统是对全球变化响应最敏感的生态系统，其反硝化过程受GCFs影响最大。具体而言，氮添加能显著促进农田的反硝化，但对森林和草地的效应不显著；增温能显著促进农田和森林的反硝化，但对草地影响不显著。森林生态系统对CO₂升高的响应（平均增加22.86%）虽为正，但未达到统计显著水平。降水减少对农田和草地的反硝化敏感性有显著负影响，但对森林无显著影响，这归因于森林冠层和土壤更强的保水能力缓冲了干旱压力。
3. 敏感性分析结果： 反硝化过程对氮添加和增温表现出普遍的正面敏感性。其中，对氮添加的敏感性在草地最高（11.75% / 10 kg N ha⁻¹ yr⁻¹），农田次之（6.64%），森林最低（2.43%），但仅在农田中达到统计显著。对增温的敏感性平均为每升温1°C增加30.77%，且在农田和森林中较高。对CO₂升高的敏感性整体为正但不显著。厌氧氨氧化对氮添加也表现出正面敏感性（平均5.20% / 10 kg N ha⁻¹ yr⁻¹）。
4. 影响氮损失响应的关键因子： Spearman相关分析表明，气候条件和土壤性质是调控GCFs对反硝化效应的重要因子。例如，氮添加对反硝化的促进效应随湿润指数升高而减弱，表明在干燥/温暖气候下，氮添加对反硝化的刺激作用更强；而增温对反硝化的促进效应则随湿润指数升高而增强，说明增温的影响受水分条件主导。土壤性质方面，反硝化响应随土壤深度增加而增强，在碱性土壤中的响应高于酸性和中性土壤，并且随土壤C/N比升高而减弱。实验因素如肥料类型（钙铵硝酸盐、NPK复合肥、尿素能显著刺激反硝化）和测量方法也影响观测到的效应大小。
5. 全球空间格局预测： 基于机器学习模型的预测图显示，反硝化对CO₂升高和氮添加的敏感性存在明显的空间异质性。例如，反硝化对氮添加的敏感性在非洲和澳大利亚部分地区较高。这些预测结果与数据集中观察到的敏感性范围基本一致，但模型揭示了更细致的空间变异模式。
这些结果层层递进：首先确认了多因子作用的强化效应，然后揭示了这种效应因生态系统类型而异，并量化了不同生态系统的敏感性差异，最后通过环境因子分析和空间预测，解释了差异背后的驱动机制，并勾勒出全球风险格局，共同支撑了研究的核心结论。
五、 研究结论与意义
本研究得出核心结论：多种全球变化因子共同作用会显著加剧陆地生态系统，特别是农田的土壤氮素气态损失。 这主要归因于反硝化和厌氧氨氧化过程的增强。其中，氮添加和增温是关键的驱动因子，而多个因子同时存在时，其效应往往强于单个因子。生态系统的响应高度依赖于其类型和当地的气候土壤条件，农田因其频繁的人为氮输入、较低的土壤C/N比和扰动管理而成为风险最高的生态系统。
本研究的科学价值在于：1）首次在全球尺度上系统量化并比较了单个及多个GCFs对关键氮损失过程的综合影响，强调了多因子实验和综合评估的重要性，挑战了仅基于单因子实验进行外推的可靠性。2）明确了不同陆地生态系统（森林、草地、农田）对GCFs的响应差异及其主导环境驱动因子（如气候湿润度、土壤C/N比），为发展更精确的、考虑生态系统异质性的全球氮循环模型提供了关键参数和机制理解。3）通过敏感性分析和全球预测，识别了氮损失的热点区域（如某些农田区），为全球变化背景下氮管理的优先区划定提供了科学依据。
在应用价值方面，研究结果对制定可持续的农业氮管理策略、减少活性氮损失和温室气体排放具有重要指导意义。例如，在气候变化和氮沉降加剧的背景下，农田需要更精细化的氮肥管理措施，以平衡作物需求和环境风险。
六、 研究亮点
七、 其他有价值内容
研究也坦诚指出了当前认知的不确定性：1）关于厌氧氨氧化以及反硝化对降水改变和多个（三因子及以上）GCFs响应的研究数据仍然有限，未来需要更多此类实验。2）本研究未考虑硝化、氨挥发等其他氮损失途径，未来需要更全面的评估。3）现有实验数据在地理分布上不均，多集中在温带地区，缺乏热带、非洲、南美等代表性区域的数据，这限制了全球模式的普适性认识。因此，作者呼吁未来应在全球不同区域，特别是数据空白区，开展设计严谨的多因子长期实验，以完善我们对全球变化下陆地氮循环响应的理解和预测能力。