根據探針對應的物種信息，選取每個樣品在中相對豐度大于等于1%的物種，生成物種相對豐度分布圖，以便直觀查優勢微生物類群在不同樣品間的相對豐度變化情況。
對所有檢測到的物種相對豐度進行計算，選取在各個樣品中相對豐度大于等于1%的物種，進行物種和樣品兩個層面的聚類。對樣品進行聚類（依據是不同樣品中檢測到的物種的熒光強度相近，即所含菌屬數量越相近，樣品間相似性越高），對聚類后各樣品中不同菌屬所對應的熒光強度相對豐度作heatmap圖，能夠反映出各樣品菌落結構的相似性和差異性。
基于每個樣品檢測到的陽性基因，統計樣品間共有特有基因數目。
熱圖是以顏色梯度來代表數據矩陣中數值的大小并能根據樣品功能基因代謝潛能信息或樣品間功能組成相似性進行聚類的一種圖形展示方式，它可以直觀地將數據值的大小以定義的顏色深淺表示出來。通過顏色的梯度及相似程度來反映數據的相似性和差異性。如對樣品所含功能基因相對代謝潛能進行聚類分析（依據不同樣品中各功能基因的信號強度越相近，即所含功能基因的代謝潛能越相近，樣品間相似性越高），能夠反映出各樣品功能基因結構的相似性和差異性。分析如下圖所示，縱向聚類表示樣品聚類樹；橫向為功能基因聚類樹。聚類采用樣品功能基因類群的相對代謝強度進行。
主成分分析是一種應用方差分解方法，對多維數據進行降維，從而提取出數據中最主要的元素和結構。應用PCA分析，能夠提取出最大程度反映樣品間差異的兩個坐標軸，即主成分1（PC1）和主成分2（PC2），并以百分數的形式體現主成分主要影響程度，從而將多維數據的差異反映在二維坐標圖上，進而揭示復雜數據背景下的簡單規律。如果樣品的群落組成越相似，則它們在PCA圖中的距離越接近。
選取關鍵的或關注的功能類群進行組間差異顯著性檢驗，尋找在樣品間豐度具有顯著差異的基因。橫軸表示各類碳降解基因?？v軸表示標準化信號強度，代表基因相對豐度差異。顯著性檢驗采用雙尾配對t檢驗，星號標示出在增溫區與對照區豐度差異顯著的基因（**p<0.01, *p<0.05）。
用于展現與功能基因構成有密切聯系的主要環境因素及其重要程度。圖a橫縱軸為解釋度最高的兩個維度，坐標名稱中的百分數代表解釋度。環境因素包括土壤濕度（Soil M）、土壤溫度（Soil T）、總初級生產量（GPP）。圖b邊角圓形中百分比代表某一個（或一類）環境因素排除其他因素影響后對功能基因構成差異的解釋度，連線上百分比代表某兩個（或兩類）環境因素的交互作用排除其他影響后的解釋度，中心圓形代表三類環境因素的共同交互作用排除其他影響后的解釋度，而下部方形代表三類環境因素無法解釋的比例。
