Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
            
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
            
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
            
5
\"validation\", \"curation\", \"publication\"], \"email\": 
5
\"validation\", \"curation\", \"publication\"], \"email\": 
            
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
            
7
\"0000-0003-0531-8336\", \"name\": \"Risch\"}, {\"affiliation\": 
7
\"0000-0003-0531-8336\", \"name\": \"Risch\"}, {\"affiliation\": 
            
8
\"Swiss Federal Institute for Forest, Snow and Landscape Research 
8
\"Swiss Federal Institute for Forest, Snow and Landscape Research 
            
9
WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
9
WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
10
\"data_credit\": \"validation\", \"email\": 
10
\"data_credit\": \"validation\", \"email\": 
            
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
            
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}, 
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}, 
            
13
{\"affiliation\": \"WSL\", \"affiliation_02\": \"\", 
13
{\"affiliation\": \"WSL\", \"affiliation_02\": \"\", 
            
14
\"affiliation_03\": \"\", \"data_credit\": \"curation\", \"email\": 
14
\"affiliation_03\": \"\", \"data_credit\": \"curation\", \"email\": 
            
15
\"martin.schuetz@wsl.ch\", \"given_name\": \"Martin\", \"identifier\": 
15
\"martin.schuetz@wsl.ch\", \"given_name\": \"Martin\", \"identifier\": 
            
16
\"\", \"name\": \"Sch\\u00fctz\"}, {\"affiliation\": \"USDA-ARS 
16
\"\", \"name\": \"Sch\\u00fctz\"}, {\"affiliation\": \"USDA-ARS 
            
17
Grassland, Soil, and Water Research Laboratory, Temple, TX, 76502, 
17
Grassland, Soil, and Water Research Laboratory, Temple, TX, 76502, 
            
18
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
18
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 
            
20
\"given_name\": \"Philip A.\", \"identifier\": \"\", \"name\": 
20
\"given_name\": \"Philip A.\", \"identifier\": \"\", \"name\": 
            
21
\"Fay\"}, {\"affiliation\": \"Department of Ecology, Evolution, and 
21
\"Fay\"}, {\"affiliation\": \"Department of Ecology, Evolution, and 
            
22
Behavior, University of Minnesota, St. Paul, MN 55108\", 
22
Behavior, University of Minnesota, St. Paul, MN 55108\", 
            
23
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
23
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
24
\"collection\", \"email\": \"borer@umn.edu\", \"given_name\": 
24
\"collection\", \"email\": \"borer@umn.edu\", \"given_name\": 
            
25
\"Elizabeth T.\", \"identifier\": \"0000-0003-2259-5853\", \"name\": 
25
\"Elizabeth T.\", \"identifier\": \"0000-0003-2259-5853\", \"name\": 
            
26
\"Borer\"}, {\"affiliation\": \"Department of Earth and Environmental 
26
\"Borer\"}, {\"affiliation\": \"Department of Earth and Environmental 
            
27
Sciences, The University of Manchester, Oxford Road, Manchester, M13 
27
Sciences, The University of Manchester, Oxford Road, Manchester, M13 
            
28
9PT, UK\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
28
9PT, UK\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
29
\"data_credit\": \"curation\", \"email\": 
29
\"data_credit\": \"curation\", \"email\": 
            
30
\"arthur.broadbent@manchester.ac.uk\", \"given_name\": \"Arthur A. 
30
\"arthur.broadbent@manchester.ac.uk\", \"given_name\": \"Arthur A. 
            
31
D.\", \"identifier\": \"0000-0002-8438-7163\", \"name\": 
31
D.\", \"identifier\": \"0000-0002-8438-7163\", \"name\": 
            
32
\"Broadbent\"}, {\"affiliation\": \"Centro de Estudos Florestais, 
32
\"Broadbent\"}, {\"affiliation\": \"Centro de Estudos Florestais, 
            
33
Instituto Superior de Agronomia, Universidade de Lisboa, Portugal\", 
33
Instituto Superior de Agronomia, Universidade de Lisboa, Portugal\", 
            
34
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
34
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
35
\"collection\", \"email\": \"mcaldeira@isa.ulisboa.pt\", 
35
\"collection\", \"email\": \"mcaldeira@isa.ulisboa.pt\", 
            
36
\"given_name\": \"Maria C.\", \"identifier\": \"\", \"name\": 
36
\"given_name\": \"Maria C.\", \"identifier\": \"\", \"name\": 
            
37
\"Caldeira\"}, {\"affiliation\": \"Department of Ecology and 
37
\"Caldeira\"}, {\"affiliation\": \"Department of Ecology and 
            
38
Evolutionary Biology, University of Colorado, Boulder, CO, 80309, 
38
Evolutionary Biology, University of Colorado, Boulder, CO, 80309, 
            
39
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
39
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
40
\"data_credit\": \"collection\", \"email\": 
40
\"data_credit\": \"collection\", \"email\": 
            
41
\"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi F.\", 
41
\"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi F.\", 
            
42
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Davies\"}, 
42
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Davies\"}, 
            
43
{\"affiliation\": \"German Centre for Integrative Biodiversity 
43
{\"affiliation\": \"German Centre for Integrative Biodiversity 
            
44
Research (iDiv) Halle-Jena-Leipzig, Deutscher Platz 5e, 04103 Leipzig, 
44
Research (iDiv) Halle-Jena-Leipzig, Deutscher Platz 5e, 04103 Leipzig, 
            
45
Germany\", \"affiliation_02\": \"Institute of Biology, Leipzig 
45
Germany\", \"affiliation_02\": \"Institute of Biology, Leipzig 
            
46
University, Deutscher Platz 5e, 04103 Leipzig, Germany\", 
46
University, Deutscher Platz 5e, 04103 Leipzig, Germany\", 
            
47
\"affiliation_03\": \"\", \"data_credit\": \"validation\", \"email\": 
47
\"affiliation_03\": \"\", \"data_credit\": \"validation\", \"email\": 
            
48
\"nico.eisenhauer@idiv.de\", \"given_name\": \"Nico\", \"identifier\": 
48
\"nico.eisenhauer@idiv.de\", \"given_name\": \"Nico\", \"identifier\": 
            
49
\"0000-0002-0371-6720\", \"name\": \"Eisenhauer\"}, {\"affiliation\": 
49
\"0000-0002-0371-6720\", \"name\": \"Eisenhauer\"}, {\"affiliation\": 
            
50
\"Helmholtz Centre for Environmental Research, UFZ, Leipzig, 
50
\"Helmholtz Centre for Environmental Research, UFZ, Leipzig, 
            
51
Germany\", \"affiliation_02\": \"German Centre for Integrative 
51
Germany\", \"affiliation_02\": \"German Centre for Integrative 
            
52
Biodiversity Research (iDiv) Halle-Jena-Leipzig, Leipzig, Germany\", 
52
Biodiversity Research (iDiv) Halle-Jena-Leipzig, Leipzig, Germany\", 
            
53
\"affiliation_03\": \"Department of Ecology and Genetics, University 
53
\"affiliation_03\": \"Department of Ecology and Genetics, University 
            
54
of Oulu, Finland\", \"email\": \"anu.eskelinen@idiv.de\", 
54
of Oulu, Finland\", \"email\": \"anu.eskelinen@idiv.de\", 
            
55
\"given_name\": \"Anu\", \"identifier\": \"0000-0003-1707-5263\", 
55
\"given_name\": \"Anu\", \"identifier\": \"0000-0003-1707-5263\", 
            
56
\"name\": \"Eskelinen\"}, {\"affiliation\": \"Swiss Federal Institute 
56
\"name\": \"Eskelinen\"}, {\"affiliation\": \"Swiss Federal Institute 
            
57
for Forest, Snow and Landscape Research WSL\", \"affiliation_02\": 
57
for Forest, Snow and Landscape Research WSL\", \"affiliation_02\": 
            
58
\"\", \"affiliation_03\": \"\", \"data_credit\": \"curation\", 
58
\"\", \"affiliation_03\": \"\", \"data_credit\": \"curation\", 
            
59
\"email\": \"frank.hagedorn@wsl.ch\", \"given_name\": \"Frank\", 
59
\"email\": \"frank.hagedorn@wsl.ch\", \"given_name\": \"Frank\", 
            
60
\"identifier\": \"0000-0001-5218-7776\", \"name\": \"Hagedorn\"}, 
60
\"identifier\": \"0000-0001-5218-7776\", \"name\": \"Hagedorn\"}, 
            
61
{\"affiliation\": \"Department of Health & Environmental Sciences, 
61
{\"affiliation\": \"Department of Health & Environmental Sciences, 
            
62
Xi'an Jiaotong Liverpool University\", \"affiliation_02\": \"\", 
62
Xi'an Jiaotong Liverpool University\", \"affiliation_02\": \"\", 
            
63
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
63
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
64
\"joahnnes.knops@xjtlu.edu.cn\", \"given_name\": \"Johannes M. H.\", 
64
\"joahnnes.knops@xjtlu.edu.cn\", \"given_name\": \"Johannes M. H.\", 
            
65
\"identifier\": \"\", \"name\": \"Knops\"}, {\"affiliation\": \"Plants 
65
\"identifier\": \"\", \"name\": \"Knops\"}, {\"affiliation\": \"Plants 
            
66
and Ecosystems (PLECO), University of Antwerp, Belgium\", 
66
and Ecosystems (PLECO), University of Antwerp, Belgium\", 
            
n
n
67
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
68
\"curation\", \"email\": \"lembrechtsjonas@gmail.com\", 
            
69
\"given_name\": \"Jonas J.\", \"identifier\": \"\", \"name\": 
            
70
\"Lembrechts\"}, {\"affiliation\": \"Department of Integrative 
            
71
Biology, University of Guelph, Guelph, Ontario, Canada\", 
            
67
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
72
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
            
n
68
\"\", \"data_credit\": \"curation\", \"email\": 
n
73
\"\", \"data_credit\": \"collection\", \"email\": \"asm@uoguelph.ca\", 
            
69
\"lembrechtsjonas@gmail.com\", \"given_name\": \"Jonas J.\", 
74
\"given_name\": \"Andrew S.\", \"identifier\": \"\", \"name\": 
            
70
\"identifier\": \"\", \"name\": \"Lembrechts\"}]",
75
\"MacDougall\"}]",
            
71
  "author_email": null,
76
  "author_email": null,
            
72
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
77
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
73
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
78
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
74
\"end_date\": \"2016-12-31\"}]",
79
\"end_date\": \"2016-12-31\"}]",
            
75
  "doi": "10.16904/envidat.379",
80
  "doi": "10.16904/envidat.379",
            
76
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
81
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
77
internal competitive grant\", \"institution_url\": \"\"}, 
82
internal competitive grant\", \"institution_url\": \"\"}, 
            
78
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
83
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
79
Science Foundation Research Coordination Network\", 
84
Science Foundation Research Coordination Network\", 
            
80
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
85
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
81
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
86
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
82
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
87
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
83
\"institution\": \"Institute on the Environment\", 
88
\"institution\": \"Institute on the Environment\", 
            
84
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
89
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
85
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
90
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
86
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
91
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
87
\"institution\": \"German Research Foundation\", \"institution_url\": 
92
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
88
\"\"}]",
93
\"\"}]",
            
89
  "groups": [],
94
  "groups": [],
            
90
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
95
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
91
  "isopen": true,
96
  "isopen": true,
            
92
  "language": "en",
97
  "language": "en",
            
93
  "license_id": "odc-odbl",
98
  "license_id": "odc-odbl",
            
94
  "license_title": "ODbL with Database Contents License (DbCL)",
99
  "license_title": "ODbL with Database Contents License (DbCL)",
            
95
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
100
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
96
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
101
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
97
Forest, Snow and Landscape Research WSL\", \"email\": 
102
Forest, Snow and Landscape Research WSL\", \"email\": 
            
98
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
103
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
99
\"\", \"name\": \"Risch\"}",
104
\"\", \"name\": \"Risch\"}",
            
100
  "maintainer_email": null,
105
  "maintainer_email": null,
            
101
  "metadata_created": "2023-02-18T03:38:29.406811",
106
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
102
  "metadata_modified": "2023-02-20T12:46:41.396033",
t
107
  "metadata_modified": "2023-02-20T12:49:30.396079",
            
103
  "name": 
108
  "name": 
            
104
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
109
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
105
  "notes": "This dataset contains all data on which the following 
110
  "notes": "This dataset contains all data on which the following 
            
106
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
111
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
107
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
112
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
108
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
113
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
109
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
114
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
110
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
115
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
111
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
116
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
112
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
117
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
113
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
118
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
114
microbial metabolic quotient across global grasslands. Global Ecology 
119
microbial metabolic quotient across global grasslands. Global Ecology 
            
115
and Biogeography\r\n\r\nPlease cite this paper together with the 
120
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
116
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
121
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
117
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
122
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
118
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
123
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
119
(MBC; mg C kg soil-1), is a key parameter for understanding the 
124
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
120
microbial regulation of the carbon (C) cycle, including soil C 
125
microbial regulation of the carbon (C) cycle, including soil C 
            
121
sequestration. Here, we experimentally tested hypotheses about the 
126
sequestration. Here, we experimentally tested hypotheses about the 
            
122
individual and interactive effects of multiple nutrient addition 
127
individual and interactive effects of multiple nutrient addition 
            
123
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
128
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
124
across 23 sites (5 continents). Our sites encompassed a wide range of 
129
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
125
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
130
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
126
variables affected MMQ the most and how they interacted with our 
131
variables affected MMQ the most and how they interacted with our 
            
127
treatments. Soils were collected in plots with established 
132
treatments. Soils were collected in plots with established 
            
128
experimental treatments. MR was assessed in a five-week laboratory 
133
experimental treatments. MR was assessed in a five-week laboratory 
            
129
incubation without glucose addition, MBC via substrate-induced 
134
incubation without glucose addition, MBC via substrate-induced 
            
130
respiration. MMQ was calculated as MR/MBC and corrected for soil 
135
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
131
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
136
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
132
edaphoclimatic characteristics and treatments interactively affected 
137
edaphoclimatic characteristics and treatments interactively affected 
            
133
MMQsoil. MMQsoil was higher in locations with higher mean annual 
138
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
134
temperature, lower water holding capacity, and soil organic C 
139
temperature, lower water holding capacity, and soil organic C 
            
135
concentration, but did not respond to our treatments across sites as 
140
concentration, but did not respond to our treatments across sites as 
            
136
neither MR nor MBC changed. We attributed this relative homeostasis to 
141
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
137
our treatments to the modulating influence of edaphoclimatic 
142
our treatments to the modulating influence of edaphoclimatic 
            
138
variables. For example, herbivore exclusion, regardless of 
143
variables. For example, herbivore exclusion, regardless of 
            
139
fertilization, led to greater MMQsoil only at sites with lower soil 
144
fertilization, led to greater MMQsoil only at sites with lower soil 
            
140
organic C (<1.7%). Our results pinpoint the main variables related to 
145
organic C (<1.7%). Our results pinpoint the main variables related to 
            
141
MMQsoil across grasslands and emphasize the importance of the local 
146
MMQsoil across grasslands and emphasize the importance of the local 
            
142
edaphoclimatic conditions in controlling the response of the C cycle 
147
edaphoclimatic conditions in controlling the response of the C cycle 
            
143
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
148
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
144
global edaphoclimatic gradients, this work also helps to align the 
149
global edaphoclimatic gradients, this work also helps to align the 
            
145
conflicting results of prior studies. \r\n",
150
conflicting results of prior studies. \r\n",
            
146
  "num_resources": 1,
151
  "num_resources": 1,
            
147
  "num_tags": 7,
152
  "num_tags": 7,
            
148
  "organization": {
153
  "organization": {
            
149
    "approval_status": "approved",
154
    "approval_status": "approved",
            
150
    "created": "2018-04-20T09:51:26.756810",
155
    "created": "2018-04-20T09:51:26.756810",
            
151
    "description": "We are studying the distribution of and 
156
    "description": "We are studying the distribution of and 
            
152
interactions among producers, consumers as well as decomposers and 
157
interactions among producers, consumers as well as decomposers and 
            
153
between these communities and their environment. We focus on food webs 
158
between these communities and their environment. We focus on food webs 
            
154
in real world ecosystems and thus mainly sample our data during 
159
in real world ecosystems and thus mainly sample our data during 
            
155
experimental field campaigns. Data collection under controlled 
160
experimental field campaigns. Data collection under controlled 
            
156
conditions in the greenhouse or experimental garden are, however, 
161
conditions in the greenhouse or experimental garden are, however, 
            
157
common add-ons hereby. We are mainly interested in the functioning of 
162
common add-ons hereby. We are mainly interested in the functioning of 
            
158
natural ecosystems and often conduct research in National Parks around 
163
natural ecosystems and often conduct research in National Parks around 
            
159
the world. Our main study area is, however, the Swiss National Park. 
164
the world. Our main study area is, however, the Swiss National Park. 
            
160
While working on basic research questions, we regularly consider 
165
While working on basic research questions, we regularly consider 
            
161
applied aspects that are related to protecting or conserving 
166
applied aspects that are related to protecting or conserving 
            
162
endangered ecosystems.\r\n\r\nExamples of research question of our 
167
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
163
research group assesses are:\r\n\r\nHow is species loss related to 
168
research group assesses are:\r\n\r\nHow is species loss related to 
            
164
ecosystem processes and functions? Which species or species groups are 
169
ecosystem processes and functions? Which species or species groups are 
            
165
particularly relevant for ecosystem functioning? Which effects are 
170
particularly relevant for ecosystem functioning? Which effects are 
            
166
expected with the loss of such important species groups? How are 
171
expected with the loss of such important species groups? How are 
            
167
aboveground organisms interacting with belowground organisms? Which 
172
aboveground organisms interacting with belowground organisms? Which 
            
168
abiotic and biotic conditions favor diverse ecosystems? Is global 
173
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
169
change (for example eutrophication, habitat fragmentation, climate) a 
174
change (for example eutrophication, habitat fragmentation, climate) a 
            
170
thread for diverse ecosystems? How can diverse ecosystems be 
175
thread for diverse ecosystems? How can diverse ecosystems be 
            
171
protected?",
176
protected?",
            
172
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
177
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
173
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
178
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
174
    "is_organization": true,
179
    "is_organization": true,
            
175
    "name": "plant-animal-interactions",
180
    "name": "plant-animal-interactions",
            
176
    "state": "active",
181
    "state": "active",
            
177
    "title": "Plant-Animal Interactions",
182
    "title": "Plant-Animal Interactions",
            
178
    "type": "organization"
183
    "type": "organization"
            
179
  },
184
  },
            
180
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
185
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
181
  "private": false,
186
  "private": false,
            
182
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
187
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
183
\"EnviDat\"}",
188
\"EnviDat\"}",
            
184
  "publication_state": "pub_pending",
189
  "publication_state": "pub_pending",
            
185
  "related_datasets": "",
190
  "related_datasets": "",
            
186
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
191
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
187
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
192
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
188
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
193
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
189
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
194
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
190
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
195
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
191
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
196
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
192
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
197
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
193
Raul (accepted). Drivers of the microbial metabolic quotient across 
198
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
194
global grasslands. Global Ecology and Biogeography",
199
global grasslands. Global Ecology and Biogeography",
            
195
  "relationships_as_object": [],
200
  "relationships_as_object": [],
            
196
  "relationships_as_subject": [],
201
  "relationships_as_subject": [],
            
197
  "resource_type": "datapaper",
202
  "resource_type": "datapaper",
            
198
  "resource_type_general": "datapaper",
203
  "resource_type_general": "datapaper",
            
199
  "resources": [
204
  "resources": [
            
200
    {
205
    {
            
201
      "cache_last_updated": null,
206
      "cache_last_updated": null,
            
202
      "cache_url": null,
207
      "cache_url": null,
            
203
      "created": "2023-02-18T03:43:03.643074",
208
      "created": "2023-02-18T03:43:03.643074",
            
204
      "description": "Study sites and experimental design\r\nWe 
209
      "description": "Study sites and experimental design\r\nWe 
            
205
collected data from 23 sites that are part of the Nutrient Network 
210
collected data from 23 sites that are part of the Nutrient Network 
            
206
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
211
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
207
mean annual air temperature (MAT) across these sites ranged from -4 to 
212
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
208
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
213
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
209
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
214
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
210
Table S1), hence cover a wide range of climatic conditions under which 
215
Table S1), hence cover a wide range of climatic conditions under which 
            
211
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
216
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
212
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
217
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
213
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
218
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
214
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
219
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
215
\r\nAt each site, the effects of nutrient addition and herbivore 
220
\r\nAt each site, the effects of nutrient addition and herbivore 
            
216
exclusion were tested via a randomized-block design (Borer et al., 
221
exclusion were tested via a randomized-block design (Borer et al., 
            
217
2014). Three blocks with 10 treatment plots each were established at 
222
2014). Three blocks with 10 treatment plots each were established at 
            
218
each site, except for the site at bldr.us (only two blocks). Each of 
223
each site, except for the site at bldr.us (only two blocks). Each of 
            
219
these 10 plots was randomly assigned to a nutrient or fencing 
224
these 10 plots was randomly assigned to a nutrient or fencing 
            
220
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
225
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
221
m subplots. Each subplot was further divided into four 1 x 1 m square 
226
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
222
sampling plots, one of which was set aside for soil sampling (Borer et 
227
sampling plots, one of which was set aside for soil sampling (Borer et 
            
223
al., 2014). Plots were separated by at least 1 m wide walkways. We 
228
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
224
collected soil samples from four different treatments for this study: 
229
collected soil samples from four different treatments for this study: 
            
225
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
230
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
226
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
231
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
227
macro and micronutrients (NPK), and (iv) plots with simultaneous 
232
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
228
fertilizer addition and herbivore exclusion (NPK+Fence). The 
233
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
229
experiments were established at different times in the past, with 
234
experiments were established at different times in the past, with 
            
230
years of treatment different among sites (2 \u2013 9 years since start 
235
years of treatment different among sites (2 \u2013 9 years since start 
            
231
of treatment; Supplementary Table S1). For the nutrient additions, all 
236
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
232
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
237
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
233
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
238
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
234
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
239
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
235
100 g m-2 together with K in the first year of treatments but not 
240
100 g m-2 together with K in the first year of treatments but not 
            
236
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
241
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
237
fencing two plots, one with and one without NPK additions, within each 
242
fencing two plots, one with and one without NPK additions, within each 
            
238
block. The fences excluded all aboveground mammalian herbivores with a 
243
block. The fences excluded all aboveground mammalian herbivores with a 
            
239
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
244
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
240
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
245
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
241
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
246
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
242
ground to exclude burrowing animals. Climbing and subterranean animals 
247
ground to exclude burrowing animals. Climbing and subterranean animals 
            
243
may potentially still access these plots (Borer et al., 2014). For 
248
may potentially still access these plots (Borer et al., 2014). For 
            
244
slight modifications in fence design at a few sites see Supplementary 
249
slight modifications in fence design at a few sites see Supplementary 
            
245
Table S3. Most sites only had wild herbivores, although four sites 
250
Table S3. Most sites only had wild herbivores, although four sites 
            
246
were also grazed by domestic animals (Supplementary Table 
251
were also grazed by domestic animals (Supplementary Table 
            
247
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
252
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
248
microbial biomass, and other soil properties\r\nEach of the 23 sites 
253
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
249
received a package containing identical material from the Swiss 
254
received a package containing identical material from the Swiss 
            
250
Federal Institute for Forest, Snow and Landscape Research WSL, 
255
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
251
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
256
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
252
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
257
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
253
each sampling plot and composited them to measure MR, MBC, and soil 
258
each sampling plot and composited them to measure MR, MBC, and soil 
            
254
chemical properties (see below). An additional sample (5 x 12 cm) was 
259
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
255
collected to assess soil physical properties. This sample remained 
260
collected to assess soil physical properties. This sample remained 
            
256
within a steel sampling core after collection and both ends were 
261
within a steel sampling core after collection and both ends were 
            
257
tightly closed with plastic caps to avoid disturbance. All soils were 
262
tightly closed with plastic caps to avoid disturbance. All soils were 
            
258
shipped cooled to the laboratory at (Location will be disclosed after 
263
shipped cooled to the laboratory at (Location will be disclosed after 
            
259
manuscript acceptance) within a few days after collection. Soils were 
264
manuscript acceptance) within a few days after collection. Soils were 
            
260
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
265
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
261
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
266
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
262
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
267
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
263
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
268
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
264
added to these samples. We adjusted the soil moisture of each sample 
269
added to these samples. We adjusted the soil moisture of each sample 
            
265
to 60% field capacity. We then placed a 15 ml plastic test tube 
270
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
266
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
271
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
267
The test tube was fixed with a plastic rod so that it was not in 
272
The test tube was fixed with a plastic rod so that it was not in 
            
268
contact with the soil sample. The Falcon tubes were then sealed with a 
273
contact with the soil sample. The Falcon tubes were then sealed with a 
            
269
screw cap and placed in an incubator under completely dark conditions 
274
screw cap and placed in an incubator under completely dark conditions 
            
270
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
275
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
271
by the 0.05 M NaOH. For five weeks we measured the decrease in 
276
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
272
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
277
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
273
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
278
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
274
NaOH with fresh solution. We included Falcon tubes without soil 
279
NaOH with fresh solution. We included Falcon tubes without soil 
            
275
samples in each incubation run as blanks to test if tubes were tight 
280
samples in each incubation run as blanks to test if tubes were tight 
            
276
and no CO2 could enter or escape. We calibrated the relationship 
281
and no CO2 could enter or escape. We calibrated the relationship 
            
277
between conductivity reduction and NaOH absorbed as follows: 400 ml 
282
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
278
0.05 M NaOH was placed in a beaker and its conductivity was measured 
283
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
279
with the multimeter. While stirring, air containing CO2 was blown into 
284
with the multimeter. While stirring, air containing CO2 was blown into 
            
280
the solution for approximately one minute, which reacts with NaOH to 
285
the solution for approximately one minute, which reacts with NaOH to 
            
281
form Na2CO3. After this process, conductivity was measured again. We 
286
form Na2CO3. After this process, conductivity was measured again. We 
            
282
then transferred 7.25 ml of the solution into a smaller beaker and 
287
then transferred 7.25 ml of the solution into a smaller beaker and 
            
283
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
288
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
284
solution with 0.05 M HCl to determine the remaining NaOH. We then 
289
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
285
repeated these steps with the remaining solution a total of nine times 
290
repeated these steps with the remaining solution a total of nine times 
            
286
and plotted the conductivities (y-axis) against the NaOH consumed 
291
and plotted the conductivities (y-axis) against the NaOH consumed 
            
287
(x-axis, Supplementary Fig S1). This regression line was used to infer 
292
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
288
the consumption of NaOH from the conductivity reduction in the 
293
the consumption of NaOH from the conductivity reduction in the 
            
289
incubation experiments and to calculate CO2 evolution during 
294
incubation experiments and to calculate CO2 evolution during 
            
290
incubation. In addition, we determined the optimum concentration for 
295
incubation. In addition, we determined the optimum concentration for 
            
291
the NaOH solution in series of preliminary experiments, so that the 
296
the NaOH solution in series of preliminary experiments, so that the 
            
292
concentration was not too high to become insensitive, but also not too 
297
concentration was not too high to become insensitive, but also not too 
            
293
low so that not all NaOH reacts during incubation. We then calculated 
298
low so that not all NaOH reacts during incubation. We then calculated 
            
294
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
299
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
295
the 5 weeks divided by the duration of the entire incubation in 
300
the 5 weeks divided by the duration of the entire incubation in 
            
296
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
301
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
297
measured at the beginning of the experiment by measuring the maximal 
302
measured at the beginning of the experiment by measuring the maximal 
            
298
respiratory response to the addition of glucose solution (4 mg glucose 
303
respiratory response to the addition of glucose solution (4 mg glucose 
            
299
per g soil dry weight dissolved in distilled water; substrate-induced 
304
per g soil dry weight dissolved in distilled water; substrate-induced 
            
300
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
305
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
301
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
306
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
302
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
307
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
303
specifically, substrate-induced respiration was calculated from the 
308
specifically, substrate-induced respiration was calculated from the 
            
304
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
309
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
305
added according to preliminary studies to saturate the catabolic 
310
added according to preliminary studies to saturate the catabolic 
            
306
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
311
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
307
water). The mean of the lowest three readings within the first 10 hrs 
312
water). The mean of the lowest three readings within the first 10 hrs 
            
308
(between the initial peak caused by disturbing the soil and the peak 
313
(between the initial peak caused by disturbing the soil and the peak 
            
309
caused by microbial growth) was taken as maximum initial respiratory 
314
caused by microbial growth) was taken as maximum initial respiratory 
            
310
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
315
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
311
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
316
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
312
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
317
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
313
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
318
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
314
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
319
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
315
soil organic C (Risch et al., 2019). The undisturbed sample was used 
320
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
316
to assess water holding capacity (WHC), bulk density (BD), and soil 
321
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
317
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
322
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
318
the percentage of sand and clay as an indicator of soil texture in 
323
the percentage of sand and clay as an indicator of soil texture in 
            
319
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
324
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
320
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
325
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
321
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
326
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
322
variables were selected as they were found to be drivers of soil 
327
variables were selected as they were found to be drivers of soil 
            
323
nutrient processes across these sites in earlier studies (Risch et 
328
nutrient processes across these sites in earlier studies (Risch et 
            
324
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
329
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
325
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
330
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
326
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
331
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
327
al., 2022), global gridded modelled products of soil bioclimatic 
332
al., 2022), global gridded modelled products of soil bioclimatic 
            
328
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
333
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
329
on CHELSA, ERA5 and in-situ soil temperature 
334
on CHELSA, ERA5 and in-situ soil temperature 
            
330
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
335
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
331
calculated MMQ as MR/MBC. We corrected this measure using the average 
336
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
332
soil temperature of each site (MMQsoil). This temperature correction 
337
soil temperature of each site (MMQsoil). This temperature correction 
            
333
is necessary as incubation temperatures are usually much higher than 
338
is necessary as incubation temperatures are usually much higher than 
            
334
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
339
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
335
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
340
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
336
2017). See Supplementary Fig S2 for comparison of air and soil 
341
2017). See Supplementary Fig S2 for comparison of air and soil 
            
337
temperatures across the 23 sites as well as the incubation 
342
temperatures across the 23 sites as well as the incubation 
            
338
temperature. \r\nSome of the explanatory variables (clay, soil organic 
343
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
339
C, C:N ratio) were skewed and were thus log-transformed prior to 
344
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
340
analyses. All continuous explanatory variables were centred and scaled 
345
analyses. All continuous explanatory variables were centred and scaled 
            
341
to have a mean of zero and variance of one. To avoid collinearity 
346
to have a mean of zero and variance of one. To avoid collinearity 
            
342
between them we filtered them using correlation analysis 
347
between them we filtered them using correlation analysis 
            
343
(Supplementary Fig S3). From the variables that were strongly 
348
(Supplementary Fig S3). From the variables that were strongly 
            
344
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
349
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
345
selected the ones that allowed us to minimize the number of variables 
350
selected the ones that allowed us to minimize the number of variables 
            
346
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
351
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
347
total C concentration, soil sand content and soil bulk density were 
352
total C concentration, soil sand content and soil bulk density were 
            
348
dropped from the dataset. We then assessed how these edaphoclimatic 
353
dropped from the dataset. We then assessed how these edaphoclimatic 
            
349
variables are related to MMQ across our global grasslands.\r\nFor 
354
variables are related to MMQ across our global grasslands.\r\nFor 
            
350
this, we used linear mixed effects models (LMMs) fitted by maximum 
355
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
351
likelihood with the lme function in the nlme package (version 3.1-153) 
356
likelihood with the lme function in the nlme package (version 3.1-153) 
            
352
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
357
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
353
Team, 2019). We used treatment as a fixed effect and plot nested in 
358
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
354
site as random effects to assess treatment differences in MMQsoil, as 
359
site as random effects to assess treatment differences in MMQsoil, as 
            
355
well as MR, and MBC. The number of years since the treatment started 
360
well as MR, and MBC. The number of years since the treatment started 
            
356
was included as a fixed effect in all the initial models but was not 
361
was included as a fixed effect in all the initial models but was not 
            
357
significant and therefore not retained in the models. To assess how 
362
significant and therefore not retained in the models. To assess how 
            
358
differences in MMQsoil were affected by environmental factors (soil, 
363
differences in MMQsoil were affected by environmental factors (soil, 
            
359
climatic properties) we again used LMMs. Soil and climatic properties 
364
climatic properties) we again used LMMs. Soil and climatic properties 
            
360
were included as fixed effects and plot nested in site as random 
365
were included as fixed effects and plot nested in site as random 
            
361
effects. We did not include interactions between environmental 
366
effects. We did not include interactions between environmental 
            
362
variables. We then used the MuMin package (Barton, 2018) (version 
367
variables. We then used the MuMin package (Barton, 2018) (version 
            
363
1.42.1) to select the best models that explained the most variation 
368
1.42.1) to select the best models that explained the most variation 
            
364
based on Akaike\u2019s information criterion (AIC; model.avg 
369
based on Akaike\u2019s information criterion (AIC; model.avg 
            
365
function). We used the corrected AIC (AICc) to account for our small 
370
function). We used the corrected AIC (AICc) to account for our small 
            
366
sample size and selected the top models that fell within 4 AICc units 
371
sample size and selected the top models that fell within 4 AICc units 
            
367
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
372
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
368
We present all our top models rather than model averages. Conditional 
373
We present all our top models rather than model averages. Conditional 
            
369
averages are provided in the Supplementary material. \r\nBased on 
374
averages are provided in the Supplementary material. \r\nBased on 
            
370
findings from analyses described above and the literature, we 
375
findings from analyses described above and the literature, we 
            
371
developed a conceptual model of direct and indirect relationships 
376
developed a conceptual model of direct and indirect relationships 
            
372
between both edaphoclimatic variables and experimental treatments 
377
between both edaphoclimatic variables and experimental treatments 
            
373
(Supplement Figure S4) to obtain a more holistic approach in 
378
(Supplement Figure S4) to obtain a more holistic approach in 
            
374
understanding how these properties affect MMQsoil. We had data from 23 
379
understanding how these properties affect MMQsoil. We had data from 23 
            
375
sites with 272 observations. We tested this model using structural 
380
sites with 272 observations. We tested this model using structural 
            
376
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
381
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
377
2009). We considered those environmental drivers that were included in 
382
2009). We considered those environmental drivers that were included in 
            
378
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
383
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
379
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
384
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
380
Supplementary Figure S4). These factors were allowed to directly 
385
Supplementary Figure S4). These factors were allowed to directly 
            
381
affect MMQsoil, and via their interactions with treatments. In 
386
affect MMQsoil, and via their interactions with treatments. In 
            
382
addition, treatments were allowed to directly affect MMQsoil. 
387
addition, treatments were allowed to directly affect MMQsoil. 
            
383
Treatments were included as dummy variables in the model. We tested 
388
Treatments were included as dummy variables in the model. We tested 
            
384
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
389
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
385
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
390
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
386
structured set of linear models are fitted individually. This approach 
391
structured set of linear models are fitted individually. This approach 
            
387
allowed us to account for the nested experimental design, and overcome 
392
allowed us to account for the nested experimental design, and overcome 
            
388
some of the limitations of standard structural equation models, such 
393
some of the limitations of standard structural equation models, such 
            
389
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
394
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
390
function of the nlme package to model response variables, including 
395
function of the nlme package to model response variables, including 
            
391
site as a random factor. Good fit of the SEM was assumed when 
396
site as a random factor. Good fit of the SEM was assumed when 
            
392
Fisher\u2019s C values were non-significant (p > 0.05). For all 
397
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
393
significant interactions between soil or climate variables and 
398
significant interactions between soil or climate variables and 
            
394
treatments detected in the SEMs, we calculated treatment effect sizes, 
399
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
395
i.e., the differences in MMQsoil between Control and treatments as log 
400
i.e., the differences in MMQsoil between Control and treatments as log 
            
396
response ratios (LRR) and plotted these values against the climate or 
401
response ratios (LRR) and plotted these values against the climate or 
            
397
soil factors. The LRR were defined as log(Control/Treatment), where 
402
soil factors. The LRR were defined as log(Control/Treatment), where 
            
398
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
403
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
399
LRR-climate or soil property relationships were significant we again 
404
LRR-climate or soil property relationships were significant we again 
            
400
used LMMs, in which soil and climatic properties were included as 
405
used LMMs, in which soil and climatic properties were included as 
            
401
fixed effects and plot nested in site as random effects. \r\n",
406
fixed effects and plot nested in site as random effects. \r\n",
            
402
      "doi": "",
407
      "doi": "",
            
403
      "format": ".xlsx",
408
      "format": ".xlsx",
            
404
      "hash": "",
409
      "hash": "",
            
405
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
410
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
406
      "last_modified": "2023-02-18T04:43:07.514444",
411
      "last_modified": "2023-02-18T04:43:07.514444",
            
407
      "metadata_modified": "2023-02-18T03:43:07.860695",
412
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
408
      "mimetype": null,
413
      "mimetype": null,
            
409
      "mimetype_inner": null,
414
      "mimetype_inner": null,
            
410
      "name": "Risch et al. GEB_data.xlsx",
415
      "name": "Risch et al. GEB_data.xlsx",
            
411
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
416
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
412
      "position": 0,
417
      "position": 0,
            
413
      "publication_state": "",
418
      "publication_state": "",
            
414
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
419
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
415
\"kb\"}",
420
\"kb\"}",
            
416
      "resource_type": null,
421
      "resource_type": null,
            
417
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
422
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
418
\"shared_secret\": \"\"}",
423
\"shared_secret\": \"\"}",
            
419
      "size": 110080,
424
      "size": 110080,
            
420
      "state": "active",
425
      "state": "active",
            
421
      "url": 
426
      "url": 
            
422
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
427
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
423
      "url_type": "upload"
428
      "url_type": "upload"
            
424
    }
429
    }
            
425
  ],
430
  ],
            
426
  "spatial": 
431
  "spatial": 
            
427
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
432
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
428
  "spatial_info": "worldwide",
433
  "spatial_info": "worldwide",
            
429
  "state": "active",
434
  "state": "active",
            
430
  "subtitle": "",
435
  "subtitle": "",
            
431
  "tags": [
436
  "tags": [
            
432
    {
437
    {
            
433
      "display_name": "ANTHROPOGENIC MANAGEMENT",
438
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
434
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
439
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
435
      "name": "ANTHROPOGENIC MANAGEMENT",
440
      "name": "ANTHROPOGENIC MANAGEMENT",
            
436
      "state": "active",
441
      "state": "active",
            
437
      "vocabulary_id": null
442
      "vocabulary_id": null
            
438
    },
443
    },
            
439
    {
444
    {
            
440
      "display_name": "CLIMATE",
445
      "display_name": "CLIMATE",
            
441
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
446
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
442
      "name": "CLIMATE",
447
      "name": "CLIMATE",
            
443
      "state": "active",
448
      "state": "active",
            
444
      "vocabulary_id": null
449
      "vocabulary_id": null
            
445
    },
450
    },
            
446
    {
451
    {
            
447
      "display_name": "HERBIVORE EXCLUSION",
452
      "display_name": "HERBIVORE EXCLUSION",
            
448
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
453
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
449
      "name": "HERBIVORE EXCLUSION",
454
      "name": "HERBIVORE EXCLUSION",
            
450
      "state": "active",
455
      "state": "active",
            
451
      "vocabulary_id": null
456
      "vocabulary_id": null
            
452
    },
457
    },
            
453
    {
458
    {
            
454
      "display_name": "MICROBIAL BIOMASS CARBON",
459
      "display_name": "MICROBIAL BIOMASS CARBON",
            
455
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
460
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
456
      "name": "MICROBIAL BIOMASS CARBON",
461
      "name": "MICROBIAL BIOMASS CARBON",
            
457
      "state": "active",
462
      "state": "active",
            
458
      "vocabulary_id": null
463
      "vocabulary_id": null
            
459
    },
464
    },
            
460
    {
465
    {
            
461
      "display_name": "MICROBIAL RESPIRATION",
466
      "display_name": "MICROBIAL RESPIRATION",
            
462
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
467
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
463
      "name": "MICROBIAL RESPIRATION",
468
      "name": "MICROBIAL RESPIRATION",
            
464
      "state": "active",
469
      "state": "active",
            
465
      "vocabulary_id": null
470
      "vocabulary_id": null
            
466
    },
471
    },
            
467
    {
472
    {
            
468
      "display_name": "NUTRIENT ADDITION",
473
      "display_name": "NUTRIENT ADDITION",
            
469
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
474
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
470
      "name": "NUTRIENT ADDITION",
475
      "name": "NUTRIENT ADDITION",
            
471
      "state": "active",
476
      "state": "active",
            
472
      "vocabulary_id": null
477
      "vocabulary_id": null
            
473
    },
478
    },
            
474
    {
479
    {
            
475
      "display_name": "SOIL PROPERTIES",
480
      "display_name": "SOIL PROPERTIES",
            
476
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
481
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
477
      "name": "SOIL PROPERTIES",
482
      "name": "SOIL PROPERTIES",
            
478
      "state": "active",
483
      "state": "active",
            
479
      "vocabulary_id": null
484
      "vocabulary_id": null
            
480
    }
485
    }
            
481
  ],
486
  ],
            
482
  "title": "Drivers of the microbial metabolic quotient across global 
487
  "title": "Drivers of the microbial metabolic quotient across global 
            
483
grasslands",
488
grasslands",
            
484
  "type": "dataset",
489
  "type": "dataset",
            
485
  "url": null,
490
  "url": null,
            
486
  "version": "1.0"
491
  "version": "1.0"
            
487
}
492
}