基于室內(nèi)試驗(yàn)的土壤呼吸溫度敏感性影響因素整合分析

王陳里 張利杰 張仲富 崔婉哲 王好才 王 行,4

（1.西南林業(yè)大學(xué)云南省高原濕地保護(hù)修復(fù)與生態(tài)服務(wù)重點(diǎn)實(shí)驗(yàn)室，云南 昆明 650233；2.西南林業(yè)大學(xué)國家高原濕地研究中心/濕地學(xué)院，云南 昆明 650233；3.ITC 國際航天測量與地球化學(xué)學(xué)院，荷蘭 恩斯赫德 7514AE；4.中國科學(xué)院城市環(huán)境研究所，福建 廈門 361021）

全球變暖是目前最受關(guān)注的環(huán)境問題之一，大氣CO2濃度增加對溫室效應(yīng)的貢獻(xiàn)占50%～60%[1]。CO2貫通地球系統(tǒng)的各個(gè)圈層，在各圈層之間不斷交換、轉(zhuǎn)換和循環(huán)并能在大氣中存在上百年，其涉及范圍之廣、程度之大，是其他溫室氣體無法相比的[2]。近年來，全球生態(tài)系統(tǒng)呼吸作用增強(qiáng)，導(dǎo)致陸地生態(tài)系統(tǒng)從“匯”變成“源”，從而使大氣中CO2的含量增加，加劇全球變暖[3]。土壤有機(jī)碳庫作為陸地生態(tài)系統(tǒng)中最大的碳庫，其微小的變化都將對碳匯或碳源的大小和分布產(chǎn)生顯著影響[4]。土壤呼吸是陸地土壤碳庫向大氣釋放CO2的主要途徑[5]，每年由土壤呼吸釋放到大氣中的CO2是化石燃料燃燒釋放的10 倍以上[6]。

土壤呼吸溫度敏感性（Q10）是衡量土壤呼吸強(qiáng)度的一個(gè)重要參數(shù)，它是衡量全球變暖與土壤碳循環(huán)之間反饋強(qiáng)度的重要指標(biāo)，廣泛應(yīng)用于各種碳循環(huán)估算模型中。土壤呼吸Q10在很大程度上決定著全球氣候變化與碳循環(huán)之間的反饋關(guān)系[7]。因此，對土壤呼吸Q10的深刻理解不僅可以揭示陸地生態(tài)系統(tǒng)對氣候變化的響應(yīng)和適應(yīng)，還有助于改進(jìn)全球碳循環(huán)模型。了解土壤呼吸Q10的變化特征和主導(dǎo)影響因素對研究全球變暖有重要參考價(jià)值。然而，由于陸地生態(tài)系統(tǒng)自身的復(fù)雜性，目前有關(guān)土壤呼吸Q10的研究還存在極大的不確定性[8]。Q10在時(shí)間和空間上存在異質(zhì)性，它不僅表現(xiàn)出明顯的季相變化，還會(huì)因?yàn)榄h(huán)境因子的差異而發(fā)生改變。影響Q10的因子很多，包括溫度因子、土壤理化因子、地理氣候因子等。近年來，圍繞土壤呼吸Q10開展了大量研究，結(jié)果表明，土壤呼吸Q10同時(shí)受溫度、水分、季節(jié)性波動(dòng)過程等環(huán)境因素的影響，且不同研究結(jié)果之間存在差異[9]。如Chen 等[10]分析了溫帶、亞熱帶、熱帶等多地的38 組數(shù)據(jù)，發(fā)現(xiàn)土壤呼吸Q10隨著溫度升高而降低。Wang 等[11]通過研究多個(gè)陸地生態(tài)系統(tǒng)的增溫實(shí)驗(yàn)，收集了202 個(gè)土壤數(shù)據(jù)集，發(fā)現(xiàn)土壤呼吸Q10與溫度呈正相關(guān)關(guān)系。一些研究表明，土壤水分的增加會(huì)使土壤呼吸對溫度變化更加敏感[3]。然而，向元彬等[12]的研究表明，土壤水分的增加對土壤呼吸的溫度敏感性有抑制作用。Hanson 等[13]在美國田納西州研究發(fā)現(xiàn)土壤水分的增加并沒有顯著影響土壤呼吸Q10。Craine[14]對北美28 個(gè)地點(diǎn)的土壤呼吸Q10進(jìn)行研究后發(fā)現(xiàn)，有機(jī)質(zhì)越頑固，土壤呼吸Q10越高，而Fierer 等[15]通過培養(yǎng)實(shí)驗(yàn)發(fā)現(xiàn)土壤呼吸Q10和凋落物的質(zhì)量具有明顯負(fù)相關(guān)性。文獻(xiàn)調(diào)查發(fā)現(xiàn)，目前已開展的研究工作主要集中在小尺度范圍內(nèi)，全球尺度上的研究比較少，且不同研究結(jié)論之間差異性較大[16?18]。在評估單因子與Q10值之間的關(guān)系時(shí)，全球尺度的反饋往往比獨(dú)立個(gè)體研究更具有說服力。同時(shí)，土壤呼吸Q10受眾多因子協(xié)同作用，不同因子之間存在較為復(fù)雜的交互關(guān)系，研究環(huán)境因子變化與Q10之間的關(guān)系，以及評估影響Q10的主導(dǎo)因子成為當(dāng)前研究的難點(diǎn)問題。因此，亟需開展整合研究，找到環(huán)境因子與Q10之間較為普適的作用規(guī)律。

近年來，整合分析方法發(fā)展迅速，并在全球變化生態(tài)學(xué)、入侵生態(tài)學(xué)、功能生態(tài)學(xué)等領(lǐng)域中表現(xiàn)出較高的應(yīng)用價(jià)值。當(dāng)前，整合分析方法在國內(nèi)，尤其在土壤呼吸Q10研究中報(bào)道較少[19]。因此，本研究在前人的研究成果上全面搜集了關(guān)于土壤呼吸溫度控制實(shí)驗(yàn)的數(shù)據(jù)，涉及亞洲、歐洲、北美洲、南美洲、南極洲、大洋洲、非洲各地開展的研究。經(jīng)過嚴(yán)格的篩選，獲取溫度、土壤理化、地理氣候等指標(biāo)，建立土壤呼吸Q10數(shù)據(jù)庫。同時(shí)，鑒于本研究的數(shù)據(jù)多維化、解釋變量之間的復(fù)雜的交互作用關(guān)系，本研究采用了線性混合模型來檢驗(yàn)不同環(huán)境因子對Q10影響的顯著性；并采用預(yù)測準(zhǔn)確率高、對異常值寬容度強(qiáng)的隨機(jī)森林回歸模型（RF）進(jìn)行數(shù)據(jù)分析，并給出變量重要性評分（VIM）[20]，以此探究土壤呼吸Q10的主要驅(qū)動(dòng)因子。本研究分為兩部分：1）利用整合分析的方法，收集全球尺度數(shù)據(jù)下的土壤呼吸Q10及對應(yīng)環(huán)境因子數(shù)據(jù)，分別討論不同生態(tài)系統(tǒng)類型Q10值的差異性。2）通過線性混合模型和隨機(jī)森林模型，探究各因子對Q10影響顯著性和變量重要性評分，探索Q10的主導(dǎo)環(huán)境因子。Q10的高低會(huì)直接影響當(dāng)前陸地生態(tài)系統(tǒng)碳排放量的估算，以及人類對未來氣候變化的預(yù)測[21]。影響Q10的關(guān)鍵環(huán)境因子是準(zhǔn)確模擬和預(yù)測全球碳循環(huán)過程的重要參數(shù)，而不同因子對Q10值的影響程度不一。因此，本研究旨在揭示Q10與不同環(huán)境因子之間的關(guān)系以及分析影響Q10的主導(dǎo)環(huán)境因子，為預(yù)測環(huán)境變化與土壤呼吸Q10之間的關(guān)系提供研究方向和理論參考。

1 材料與方法

1.1 數(shù)據(jù)來源

本研究通過Web of Science、中國知網(wǎng)（CNKI）數(shù)據(jù)庫對前人的研究結(jié)果進(jìn)行搜索整理，搜索年限為2006—2019 年。用于搜索的關(guān)鍵詞有：增溫（Warming/Temperature）、室內(nèi)培養(yǎng)（Incubation/Lab/Experimental）、土壤呼吸（Soil respiration/Mineralization）、二氧化碳（CO2/Carbon dioxide）、土壤呼吸溫度敏感性（Q10）以及這些因子的組合。

本研究共搜索得到270 篇文獻(xiàn)，經(jīng)過嚴(yán)格篩選后，共得到土壤呼吸Q10相關(guān)文獻(xiàn)63 篇。篩選標(biāo)準(zhǔn)為：1）本研究的數(shù)據(jù)來源主要分為室內(nèi)增溫培養(yǎng)實(shí)驗(yàn)數(shù)據(jù)和野外地理氣候數(shù)據(jù)。由于野外實(shí)驗(yàn)條件的復(fù)雜性及干擾因素的不確定性，導(dǎo)致研究結(jié)果高度變異，因此選取室內(nèi)增溫培養(yǎng)實(shí)驗(yàn)數(shù)據(jù)。然而，地理氣候因子會(huì)通過長時(shí)間作用于土壤，而對土壤理化特征造成一定影響，因此也收集了野外地理氣候數(shù)據(jù)。2）文獻(xiàn)數(shù)據(jù)必須包括除Q10外的其他環(huán)境指標(biāo)，如溫度因子、土壤理化因子、氣候地理因子等。在符合標(biāo)準(zhǔn)的文獻(xiàn)中，選取出現(xiàn)頻率最高的11 個(gè)環(huán)境因子數(shù)據(jù)，包括3 個(gè)溫度因子數(shù)據(jù)：實(shí)驗(yàn)初始溫度、增溫幅度、增溫時(shí)間；4 個(gè)土壤理化因子數(shù)據(jù)：土壤含水率、土壤氮、土壤有機(jī)質(zhì)、土壤pH 值；4 個(gè)地理氣候因子數(shù)據(jù)：海拔高度（ASL）、年均溫（MAT）、年均降水量（MAP）、緯度（LON）。3）本研究側(cè)重于研究Q10與環(huán)境指標(biāo)之間的關(guān)系。即使多個(gè)研究位于同一地理位置，或同一室內(nèi)培養(yǎng)研究在不同時(shí)間點(diǎn)獲得多組時(shí)間序列，只要其Q10與環(huán)境指標(biāo)數(shù)據(jù)完整，便收集該數(shù)據(jù)。

在提取文獻(xiàn)數(shù)據(jù)過程中，若文獻(xiàn)中研究結(jié)果以表格形式呈現(xiàn)時(shí)，直接記錄；當(dāng)研究結(jié)果以圖片形式呈現(xiàn)時(shí)，使用軟件Get Data Graph Digitizer 2.24 獲取數(shù)據(jù)。本研究共收集1 309 條數(shù)據(jù)。由于隨機(jī)森林模型分析要求獲取完整的環(huán)境因子信息，因此用于該模型構(gòu)建的數(shù)據(jù)為767 條。結(jié)合篩選出的文獻(xiàn)和數(shù)據(jù)，建立土壤呼吸Q10數(shù)據(jù)庫。為展示數(shù)據(jù)分布情況，將收集到的數(shù)據(jù)按溫度因子、土壤理化因子、地理氣候因子分類（表1）。

表1 變量數(shù)據(jù)范圍Table 1 Variable data range

1.2 Q10 的計(jì)算和差異性分析

在進(jìn)行統(tǒng)計(jì)分析之前，使用柯爾莫可洛夫?斯米洛夫檢驗(yàn)（Kolmogorov-Smirnov）來評估數(shù)據(jù)的正態(tài)性，當(dāng)數(shù)據(jù)不呈現(xiàn)正態(tài)分布時(shí)，對數(shù)據(jù)進(jìn)行對數(shù)變換。

采用增溫對土壤呼吸效應(yīng)的反應(yīng)比值Q10作為效應(yīng)值[22]。Q10越大，土壤呼吸對溫度的變化越敏感；Q10越小，土壤呼吸對溫度變化的響應(yīng)越緩慢。對于未直接給出Q10值的研究采用以下計(jì)算公式：

式中：Q10是土壤呼吸溫度敏感性，表示在增溫下的土壤有機(jī)碳平均釋放速率，表示在初始溫度下的有機(jī)碳平均釋放速率。表示增溫后的溫度值，表示初始溫度值。

采用單因素方差分析（ANOVA）對不同生態(tài)系統(tǒng)類型的Q10值進(jìn)行比較。如果差異在0.05 水平上顯著，則采用塔姆黑尼T2 檢驗(yàn)進(jìn)行多重比較，上述分析均在軟件IBM SPSS Statistics 25 中進(jìn)行。

1.3 線性混合模型

運(yùn)用線性混合模型來檢驗(yàn)溫度因子、土壤理化因子和地理氣候因子對土壤呼吸Q10值的影響顯著性。線性混合模型的模型方程為[23]：

式中：為反應(yīng)變量測量值的矩陣向量，為固定效應(yīng)參數(shù)矩陣向量，為固定效應(yīng)自變量的矩陣向量，為隨機(jī)效應(yīng)參數(shù)矩陣向量，為隨機(jī)效應(yīng)自變量的矩陣向量，為隨機(jī)誤差設(shè)計(jì)矩陣向量。

本研究選擇初始溫度、增溫幅度、增溫時(shí)間作為固定效應(yīng)，土壤含水率、土壤氮含量、土壤有機(jī)質(zhì)含量、土壤pH 值、海拔、年均溫、年均降水量、緯度作為隨機(jī)效應(yīng)，采用SPSS Statistics 25 進(jìn)行模型擬合及數(shù)據(jù)分析。

1.4 隨機(jī)森林回歸分析

利用土壤呼吸Q10數(shù)據(jù)庫建立隨機(jī)森林回歸模型。從Q10數(shù)據(jù)庫觀測值中，以75%比25%的比例分成訓(xùn)練樣本數(shù)據(jù)集與檢測樣本數(shù)據(jù)集，訓(xùn)練樣本包含575 組數(shù)據(jù)，檢測樣本包含192 組數(shù)據(jù)。應(yīng)用Bootstrap 法重復(fù)抽取575 個(gè)訓(xùn)練樣本集，然后根據(jù)自助樣本集生成575 個(gè)回歸樹組成隨機(jī)森林，具體過程見圖1。通過皮爾遜相關(guān)系數(shù)（r）和均方誤差（RMSE）來評估模型擬合的總體優(yōu)度。隨機(jī)森林回歸模型以變量重要性評分來評價(jià)各自變量對因變量的影響程度大小。隨機(jī)森林回歸分析采用Python scikit-learn 進(jìn)行，制圖采用軟件Excel 2016 繪制。

圖1 隨機(jī)森林流程圖Fig.1 Random forest regression procedure

2 結(jié)果與分析

2.1 數(shù)據(jù)分布

本研究建立的Q10數(shù)據(jù)庫中，共有63 篇文獻(xiàn)，有的文獻(xiàn)中包含了多個(gè)生態(tài)系統(tǒng)，其中研究森林生態(tài)系統(tǒng)（30 篇）的文獻(xiàn)占比最大；其次是草甸生態(tài)系統(tǒng)（20 篇）和農(nóng)田生態(tài)系統(tǒng)（20 篇）；研究最少的生態(tài)系統(tǒng)類型為濕地（7 篇）、荒漠（4 篇）、極地（3 篇）（圖2a）。本研究數(shù)據(jù)庫中，Q10值的范圍為0.1 到8.27，平均值為1.92。最高的Q10值出現(xiàn)在溫度較低的極地土壤中，最低的Q10值出現(xiàn)在含水率較高的濕地土壤中（圖2b）。不同生態(tài)系統(tǒng)中，Q10的均值大小分別為：森林（1.70）、草甸（1.88）、農(nóng)田（2.79）、濕地（1.53）、荒漠（2.18）、極地（2.02）。方差分析結(jié)果表明，不同生態(tài)系統(tǒng)類型之間的Q10值之間存在顯著差異（P0.01），多重比較結(jié)果顯示農(nóng)田生態(tài)系統(tǒng)的Q10值與森林、濕地、極地生態(tài)系統(tǒng)的Q10值存在顯著差異（P0.01）（圖2c）。

圖2 Q10 數(shù)據(jù)分布和不同生態(tài)系統(tǒng)類型Q10 箱型圖Fig.2 Data distribution of Q10 and different ecosystem types of Q10 box-plot

Q10在不同環(huán)境因子變化下的散點(diǎn)圖顯示，初始溫度、增溫幅度、增溫時(shí)間、土壤含水率、土壤pH 值和海拔數(shù)據(jù)分布較均勻（圖3a、3b、3c、3d、3g、3h）。土壤氮含量、土壤有機(jī)質(zhì)含量和年均降水量數(shù)據(jù)整體向低值區(qū)域偏移（圖3e、3f、3j），而年均溫和緯度數(shù)據(jù)整體向高值區(qū)域偏移（圖3i、3k）。這說明全球研究的數(shù)據(jù)分布中，土壤氮含量和土壤有機(jī)質(zhì)含量較高的地區(qū)研究較少，低緯度、年均溫較低和年均降水量較高的地區(qū)研究較缺乏。

圖3 Q10 在各環(huán)境因子變化下的分布情況Fig.3 The distribution of Q10 under the various environmental factors changing

2.2 線性混合模型擬合結(jié)果

本研究利用線性混合模型，對Q10和環(huán)境因子數(shù)據(jù)的關(guān)系進(jìn)行擬合分析。由表2 可知，固定因子中，初始溫度、增溫幅度、增溫時(shí)間對Q10影響顯著（P0.05），隨機(jī)變量中，土壤含水率、土壤pH 值和年均溫對Q10有顯著影響。其中，初始溫度=8℃時(shí)，其估算值比初始溫度為35℃時(shí)的估算值大0.264 倍，22℃的估算值比35℃估算值大0.246 倍，34℃的估算值比35℃的估算值大0.252 倍，總體來說，隨著初始溫度的增加，Q10呈減小的趨勢。增溫幅度為6℃時(shí)的估計(jì)值相比36℃時(shí)的估計(jì)值小0.214 倍，說明增溫幅度較小時(shí)，Q10較大，增溫幅度較大時(shí)，Q10較小。相對于增溫時(shí)間為400 d 的估計(jì)值來說，增溫7 d的估計(jì)值大0.086 倍，增溫120 d 的估計(jì)值大0.796 倍，增溫360 d 的估計(jì)值小0.266 倍。說明在增溫的過程中，Q10一開始隨時(shí)間的增加出現(xiàn)升高的趨勢，而超過一定時(shí)間后，Q10出現(xiàn)減小趨勢。隨機(jī)變量中，土壤含水率、土壤pH 值和年均溫的估算值均大于零，說明這些因子對Q10的影響為正向影響。

表2 線性混合模型擬合結(jié)果Table 2 The result of the mixed linear model fitting

2.3 隨機(jī)森林回歸分析

通過線性混合模型分析發(fā)現(xiàn)，大多數(shù)環(huán)境因子對Q10的影響顯著，但少部分因子對Q10沒有顯著影響，因此需要通過運(yùn)用隨機(jī)森林模型進(jìn)一步判斷各因子對Q10的貢獻(xiàn)度大小。本研究通過隨機(jī)森林模型對比實(shí)測Q10與預(yù)測Q10，從而評估模型的預(yù)測精度。結(jié)果表明，該模型整體均方根誤差為0.34，皮爾遜相關(guān)系數(shù)為0.75（圖4b）。隨機(jī)森林給出的變量重要性結(jié)果表明，在影響Q10的因子中，初始溫度對Q10影響最顯著，其貢獻(xiàn)度占比為20.6%。溫度因子中，增溫幅度和增溫時(shí)間對Q10的貢獻(xiàn)度分別為12.6%和2.4%。土壤理化因子中，土壤pH 值對Q10變化影響最顯著（19.9%），其次是土壤含水率（11.9%）、土壤有機(jī)質(zhì)含量（7.3%）、土壤氮含量（5.2%）。地理氣候因子中，緯度對Q10的影響最大，相對重要性為8.4%；而海拔（6.5%），年均降水量（2.8%）和年均溫（2.4%）的貢獻(xiàn)度較小（圖4a）。

圖4 變量相對重要性和隨機(jī)森林模型預(yù)測Fig.4 Relative importance of variables and prediction of random forest model

3 結(jié)論與討論

通過全球大尺度數(shù)據(jù)研究，收集了6 個(gè)生態(tài)系統(tǒng)類型的土壤呼吸Q10數(shù)據(jù)，發(fā)現(xiàn)不同生態(tài)系統(tǒng)中的Q10存在顯著差異。盡管前人的研究已經(jīng)體現(xiàn)出了這種差異性[24?26]，但是我們所獲得的數(shù)據(jù)具有更大的空間尺度和更全面的生態(tài)系統(tǒng)類型。本研究的Q10均值（1.92）與Raich 等[27]研究的全球尺度Q10均值（2.40）接近。不同生態(tài)系統(tǒng)類型的土壤呼吸Q10均值有很大的差異，如受人為干擾較大的農(nóng)田生態(tài)系統(tǒng)的Q10均值（2.79）高于受人為干擾較小的森林（1.70）、草甸（1.88）和濕地（1.53）生態(tài)系統(tǒng)的Q10均值。Wang 等[28]的研究也表明，農(nóng)田生態(tài)系統(tǒng)的Q10均值大于濕地生態(tài)系統(tǒng)的Q10均值，這說明人為干擾可能是影響Q10變化的因子之一，由于人類活動(dòng)對土壤的擾動(dòng)作用，土壤中的微生物群落可能會(huì)隨之變化從而影響土壤酶活性，間接調(diào)控了土壤呼吸Q10。而荒漠、極地生態(tài)系統(tǒng)的Q10均值整體偏高，分別為2.18、2.02，這說明脆弱生態(tài)系統(tǒng)及低溫地區(qū)的土壤呼吸對溫度的敏感性較高。因此認(rèn)為，在評估全球土壤呼吸溫度敏感性對氣候變化的反饋時(shí)，應(yīng)著重考慮不同生態(tài)系統(tǒng)類型之間的差異性。

本研究發(fā)現(xiàn)，初始溫度是調(diào)控土壤呼吸溫度敏感性的重要因子，基于室內(nèi)培養(yǎng)增溫實(shí)驗(yàn)數(shù)據(jù)，土壤呼吸Q10隨初始溫度的升高而下降（P0.05），這與前人研究的結(jié)果一致[29?30]。增溫會(huì)導(dǎo)致微生物活性下降，從而限制土壤微生物礦化過程，降低土壤呼吸的溫度敏感性[31?32]。然而，初始溫度的選取沒有明確的選擇標(biāo)準(zhǔn)，從0～30℃范圍不等[33?36]，初始溫度大小的設(shè)定對精確估計(jì)土壤呼吸Q10值的影響機(jī)制尚不清楚，今后應(yīng)重點(diǎn)關(guān)注該項(xiàng)指標(biāo)的研究。Wang 等[28]研究表明，隨著培養(yǎng)時(shí)間的增加，Q10值出現(xiàn)明顯升高的趨勢，我們的研究也驗(yàn)證了這個(gè)規(guī)律。分解活化能越高的土壤有機(jī)碳越難降解，這會(huì)導(dǎo)致土壤呼吸Q10值越高。隨著增溫時(shí)間的增加，不穩(wěn)定的土壤有機(jī)碳對溫度的敏感性較低，其分解完后頑固土壤有機(jī)碳開始分解，因此土壤呼吸Q10值增加，此結(jié)果也支持了CQT 假說（C qualitytemperature hypothesis）。

土壤理化因子中，土壤pH 值的增加會(huì)導(dǎo)致Q10值的上升，隨機(jī)森林回歸分析中，其變量重要性最高（19.9%）。土壤酸堿度的改變對土壤底物有干預(yù)作用，外源碳氮等底物受pH 影響間接調(diào)控了土壤呼吸Q10值[37]。土壤pH 值通過調(diào)節(jié)土壤微環(huán)境，影響了土壤微生物的發(fā)育，有研究發(fā)現(xiàn)土壤酸堿度的改變會(huì)通過影響土壤微生物發(fā)育從而影響土壤酶活性來調(diào)控土壤呼吸Q10[38]。土壤含水率對Q10的變化影響顯著，且相對重要性為11.9%。Qi 等[39]和Yang[40]的研究結(jié)果發(fā)現(xiàn)Q10值隨土壤含水率的升高而線性降低，這與本研究結(jié)果不同。在個(gè)體研究中，土壤含水率取值范圍不同可能導(dǎo)致Q10與土壤含水率的關(guān)系發(fā)生變化。在本研究中，整合分析獲取的土壤含水率范圍（3%～100%）較為廣泛，從而使Q10隨土壤含水率的升高而升高。水分通過影響土壤中的基質(zhì)擴(kuò)散來影響Q10值，土壤呼吸需要一定的氧含量，當(dāng)土壤水分值過高或過低時(shí)，Q10都會(huì)受到影響。當(dāng)含水量低時(shí)，胞外酶和底物移動(dòng)性降低，從而降低微生物與底物接觸的機(jī)會(huì)，影響了土壤呼吸對溫度的響應(yīng)[41?42]。隨機(jī)森林結(jié)果中土壤有機(jī)質(zhì)含量（7.3%）和氮含量（5.2%）對Q10變化的貢獻(xiàn)度相近。土壤氮元素作為陸地生態(tài)系統(tǒng)土壤有機(jī)碳分解的主要控制因子之一，可能與土壤有機(jī)質(zhì)相互作用影響土壤呼吸溫度敏感性[43]。土壤氮主要以有機(jī)態(tài)形式存在，供植物吸收利用的氮素在適宜條件下通過土壤微生物礦化作用轉(zhuǎn)化為無機(jī)氮才被植物吸收[44]。因此，土壤氮含量對土壤呼吸的影響與土壤有機(jī)碳含量密切相關(guān)，導(dǎo)致兩者對Q10變化的貢獻(xiàn)度相近。然而，其交互作用影響機(jī)制尚不清楚，有待進(jìn)一步研究和探索。

在地理氣候因子中，緯度的變量重要性最高（8.4%），但緯度因子對Q10的影響并不顯著。通常，隨著緯度的升高，氣溫越低，這與初始溫度對Q10的影響結(jié)果相一致；但相同緯度的生態(tài)系統(tǒng)差異性較高，使得線性混合模型中緯度對Q10的影響不顯著。年均溫對Q10的影響顯著。年均溫的不同會(huì)導(dǎo)致土壤微生物含量和土壤pH 值差異，從而間接影響土壤呼吸[45]。隨著年均溫的變化，植被組成、土壤微生物和酶的含量等多種因素會(huì)發(fā)生變化，從而影響土壤呼吸對溫度變化的響應(yīng)[46]。本研究收集的數(shù)據(jù)均為室內(nèi)實(shí)驗(yàn)數(shù)據(jù)，因此在一定程度上不能真實(shí)反映地理氣候因子對結(jié)果的影響，然而地理因子（如氣候，地勢等）通過長期作用于土壤本身，間接調(diào)控了Q10的變化。

整合分析研究對于Q10的估計(jì)存在一定程度的不確定性，這種不確定性可能來自不同研究培養(yǎng)方法的差異，如土壤溫度的和濕度的設(shè)定，因此在未來的研究中，應(yīng)充分考慮實(shí)驗(yàn)操作方面的干擾因素。另外，結(jié)合前人的研究結(jié)果發(fā)現(xiàn)，土壤微生物量也是Q10的主要驅(qū)動(dòng)力之一[47?48]，但本研究收集的文獻(xiàn)中關(guān)于土壤微生物量的報(bào)道較少，后續(xù)關(guān)于土壤呼吸溫度敏感性的研究中需著重收集此類生物學(xué)數(shù)據(jù)指標(biāo)，從而更全面的探索Q10的復(fù)雜影響機(jī)制。