理解河湾处生物地球化学过程的内在机制，对于在河流建设中确定河道弯曲度以提升河流自净能力具有重要意义。河湾处受弯曲度深度调控的复杂水流环境造就了多样化的生境，使得生物地球化学过程呈现出显著的空间异质性，同时也给预测模型的开发带来了挑战。本研究通过室内实验，首次从功能基因和酶的角度出发，探究了河流微生物群落对河道弯曲度响应并进而影响氮去除过程的内在机制。研究发现，河道弯曲度通过引发环境异质性（p < 0.05）来影响氮去除过程，而这种环境异质性主要受控于河湾处的水动力学特征。这种环境异质性为驱动不同氮转化过程的微生物类群创造了适宜的生境，从而促进了执行不同氮转化功能（如 narG、nirK/S 和 hzo 基因所代表的功能）的微生物类群之间的协同作用（相关基因之间呈显著相关性，p < 0.05）。结构方程模型分析揭示，氮去除速率不仅取决于携带氮转化基因的微生物类群的丰度，还取决于环境因子对基因表达（即氮转化酶的合成）所产生的影响。本研究采用了一种结合物理约束与神经网络的混合模型（即物理信息神经网络，PINN）来对氮去除过程进行预测。该神经网络架构由卷积神经网络（CNN，能够保留更丰富的空间分布信息）与多层感知机（MLP，能够高效捕捉非线性关系）两部分组成。结果显示，该 PINN 模型在训练集上的均方根误差（RMSE）为 0.66，在测试集上的 RMSE 为 0.67，充分验证了利用 PINN 模型预测河湾处氮去除过程的可行性。本研究揭示了河湾处微生物介导的氮去除过程的内在机制。所构建的模型不仅可应用于河流建设中关于河道弯曲度设计的决策制定，亦可为涉及空间分布数据的系统预测研究提供参考依据。