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\", 
            
67
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
67
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
68
\"curation\", \"email\": \"lembrechtsjonas@gmail.com\", 
68
\"curation\", \"email\": \"lembrechtsjonas@gmail.com\", 
            
69
\"given_name\": \"Jonas J.\", \"identifier\": \"\", \"name\": 
69
\"given_name\": \"Jonas J.\", \"identifier\": \"\", \"name\": 
            
70
\"Lembrechts\"}, {\"affiliation\": \"Department of Integrative 
70
\"Lembrechts\"}, {\"affiliation\": \"Department of Integrative 
            
71
Biology, University of Guelph, Guelph, Ontario, Canada\", 
71
Biology, University of Guelph, Guelph, Ontario, Canada\", 
            
72
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
72
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
73
\"collection\", \"email\": \"asm@uoguelph.ca\", \"given_name\": 
73
\"collection\", \"email\": \"asm@uoguelph.ca\", \"given_name\": 
            
74
\"Andrew S.\", \"identifier\": \"\", \"name\": \"MacDougall\"}, 
74
\"Andrew S.\", \"identifier\": \"\", \"name\": \"MacDougall\"}, 
            
75
{\"affiliation\": \"Department of Plant and Soil Sciences, University 
75
{\"affiliation\": \"Department of Plant and Soil Sciences, University 
            
76
of Kentucky, Lexington, KY 40546-0312 USA\", \"affiliation_02\": \"\", 
76
of Kentucky, Lexington, KY 40546-0312 USA\", \"affiliation_02\": \"\", 
            
77
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
77
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
78
\"rebecca.mcculley@uky.edu\", \"given_name\": \"Rebecca L.\", 
78
\"rebecca.mcculley@uky.edu\", \"given_name\": \"Rebecca L.\", 
            
79
\"identifier\": \"0000-0002-2393-0599\", \"name\": \"McCulley\"}, 
79
\"identifier\": \"0000-0002-2393-0599\", \"name\": \"McCulley\"}, 
            
80
{\"affiliation\": \"Department of Ecology and Evolutionary Biology, 
80
{\"affiliation\": \"Department of Ecology and Evolutionary Biology, 
            
81
University of Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": 
81
University of Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": 
            
82
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
82
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
            
83
\"email\": \"brett.melbourne@colorado.edu\", \"given_name\": \"Brett 
83
\"email\": \"brett.melbourne@colorado.edu\", \"given_name\": \"Brett 
            
84
A.\", \"identifier\": \"\", \"name\": \"Melbourne\"}, 
84
A.\", \"identifier\": \"\", \"name\": \"Melbourne\"}, 
            
85
{\"affiliation\": \"School of Biological Sciences, Monash University, 
85
{\"affiliation\": \"School of Biological Sciences, Monash University, 
            
86
Clayton Campus VIC 3800, Australia\", \"affiliation_02\": \"\", 
86
Clayton Campus VIC 3800, Australia\", \"affiliation_02\": \"\", 
            
87
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
87
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
88
\"joslin.moore@gmail.com\", \"given_name\": \"Joslin L.\", 
88
\"joslin.moore@gmail.com\", \"given_name\": \"Joslin L.\", 
            
89
\"identifier\": \"0000-0001-9809-5092\", \"name\": \"Moore\"}, 
89
\"identifier\": \"0000-0001-9809-5092\", \"name\": \"Moore\"}, 
            
90
{\"affiliation\": \"Hawkesbury Institute for the Environment, Western 
90
{\"affiliation\": \"Hawkesbury Institute for the Environment, Western 
            
91
Sydney University, Locked Bag 1797, Penrith, New South Wales, 2751 
91
Sydney University, Locked Bag 1797, Penrith, New South Wales, 2751 
            
92
Australia\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
92
Australia\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
93
\"data_credit\": \"collection\", \"email\": 
93
\"data_credit\": \"collection\", \"email\": 
            
94
\"s.power@westernsydney.edu.au\", \"given_name\": \"Sally A.\", 
94
\"s.power@westernsydney.edu.au\", \"given_name\": \"Sally A.\", 
            
95
\"identifier\": \"0000-0002-2723-8671\", \"name\": \"Power\"}, 
95
\"identifier\": \"0000-0002-2723-8671\", \"name\": \"Power\"}, 
            
96
{\"affiliation\": \"Dept. of Ecology, Evolution, and Behavior, 
96
{\"affiliation\": \"Dept. of Ecology, Evolution, and Behavior, 
            
97
University of Minnesota, St. Paul, MN 55108\", \"affiliation_02\": 
97
University of Minnesota, St. Paul, MN 55108\", \"affiliation_02\": 
            
98
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
98
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
            
99
\"email\": \"seabloom@umn.edu\", \"given_name\": \"Eric W.\", 
99
\"email\": \"seabloom@umn.edu\", \"given_name\": \"Eric W.\", 
            
100
\"identifier\": \"0000-0001-6780-9259\", \"name\": \"Seabloom\"}, 
100
\"identifier\": \"0000-0001-6780-9259\", \"name\": \"Seabloom\"}, 
            
101
{\"affiliation\": \"University of Florida, Range Cattle Research and 
101
{\"affiliation\": \"University of Florida, Range Cattle Research and 
            
102
Education Center. 3401 Experiment Station. Ona, FL, USA. 33865\", 
102
Education Center. 3401 Experiment Station. Ona, FL, USA. 33865\", 
            
103
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
103
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
104
\"collection\", \"email\": \"mlas@ufl.edu\", \"given_name\": \"Maria 
104
\"collection\", \"email\": \"mlas@ufl.edu\", \"given_name\": \"Maria 
            
105
L.\", \"identifier\": \"0000-0003-2166-3156\", \"name\": 
105
L.\", \"identifier\": \"0000-0003-2166-3156\", \"name\": 
            
106
\"Silveira\"}, {\"affiliation\": \"Department of Ecology and Genetics, 
106
\"Silveira\"}, {\"affiliation\": \"Department of Ecology and Genetics, 
            
107
University of Oulu, 90014 Oulu, Finland\", \"affiliation_02\": \"\", 
107
University of Oulu, 90014 Oulu, Finland\", \"affiliation_02\": \"\", 
            
108
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
108
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
109
\"risto.virtanen@oulu.fi\", \"given_name\": \"Risto\", \"identifier\": 
109
\"risto.virtanen@oulu.fi\", \"given_name\": \"Risto\", \"identifier\": 
            
110
\"0000-0002-8295-8217\", \"name\": \"Virtanen\"}, {\"affiliation\": 
110
\"0000-0002-8295-8217\", \"name\": \"Virtanen\"}, {\"affiliation\": 
            
111
\"IFEVA, Universidad de Buenos Aires, CONICET, Facultad de 
111
\"IFEVA, Universidad de Buenos Aires, CONICET, Facultad de 
            
112
Agronom\\u00eda, Buenos Aires, Argentina\", \"affiliation_02\": \"\", 
112
Agronom\\u00eda, Buenos Aires, Argentina\", \"affiliation_02\": \"\", 
            
n
113
\"affiliation_03\": \"\", \"autocomplete\": \"\", \"data_credit\": 
n
113
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
114
\"collection\", \"email\": \"yahdjian@agro.uba.ar\", \"given_name\": 
114
\"yahdjian@agro.uba.ar\", \"given_name\": \"Laura\", \"identifier\": 
            
115
\"Laura\", \"identifier\": \"0000-0002-9635-1221\", \"name\": 
115
\"0000-0002-9635-1221\", \"name\": \"Yahdjian\"}, {\"affiliation\": 
            
116
\"Yahdjian\"}]",
116
\"Department of Biology, University of C\\u00e1diz, Avenida 
            
117
Rep\\u00fablica \\u00c1rabe s/n, 11510, Puerto Real, Spain\", 
            
118
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
            
119
\"\", \"data_credit\": [\"validation\", \"curation\"], \"email\": 
            
120
\"rochoahueso@gmail.com\", \"given_name\": \"Raul\", \"identifier\": 
            
121
\"\", \"name\": \"Ochoa-Hueso\"}]",
            
117
  "author_email": null,
122
  "author_email": null,
            
118
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
123
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
119
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
124
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
120
\"end_date\": \"2016-12-31\"}]",
125
\"end_date\": \"2016-12-31\"}]",
            
121
  "doi": "10.16904/envidat.379",
126
  "doi": "10.16904/envidat.379",
            
122
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
127
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
123
internal competitive grant\", \"institution_url\": \"\"}, 
128
internal competitive grant\", \"institution_url\": \"\"}, 
            
124
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
129
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
125
Science Foundation Research Coordination Network\", 
130
Science Foundation Research Coordination Network\", 
            
126
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
131
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
127
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
132
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
128
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
133
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
129
\"institution\": \"Institute on the Environment\", 
134
\"institution\": \"Institute on the Environment\", 
            
130
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
135
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
131
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
136
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
132
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
137
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
133
\"institution\": \"German Research Foundation\", \"institution_url\": 
138
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
134
\"\"}]",
139
\"\"}]",
            
135
  "groups": [],
140
  "groups": [],
            
136
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
141
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
137
  "isopen": true,
142
  "isopen": true,
            
138
  "language": "en",
143
  "language": "en",
            
139
  "license_id": "odc-odbl",
144
  "license_id": "odc-odbl",
            
140
  "license_title": "ODbL with Database Contents License (DbCL)",
145
  "license_title": "ODbL with Database Contents License (DbCL)",
            
141
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
146
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
142
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
147
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
143
Forest, Snow and Landscape Research WSL\", \"email\": 
148
Forest, Snow and Landscape Research WSL\", \"email\": 
            
144
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
149
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
145
\"\", \"name\": \"Risch\"}",
150
\"\", \"name\": \"Risch\"}",
            
146
  "maintainer_email": null,
151
  "maintainer_email": null,
            
147
  "metadata_created": "2023-02-18T03:38:29.406811",
152
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
148
  "metadata_modified": "2023-02-20T13:20:40.889830",
t
153
  "metadata_modified": "2023-02-20T13:23:56.027845",
            
149
  "name": 
154
  "name": 
            
150
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
155
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
151
  "notes": "This dataset contains all data on which the following 
156
  "notes": "This dataset contains all data on which the following 
            
152
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
157
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
153
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
158
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
154
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
159
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
155
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
160
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
156
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
161
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
157
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
162
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
158
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
163
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
159
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
164
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
160
microbial metabolic quotient across global grasslands. Global Ecology 
165
microbial metabolic quotient across global grasslands. Global Ecology 
            
161
and Biogeography\r\n\r\nPlease cite this paper together with the 
166
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
162
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
167
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
163
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
168
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
164
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
169
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
165
(MBC; mg C kg soil-1), is a key parameter for understanding the 
170
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
166
microbial regulation of the carbon (C) cycle, including soil C 
171
microbial regulation of the carbon (C) cycle, including soil C 
            
167
sequestration. Here, we experimentally tested hypotheses about the 
172
sequestration. Here, we experimentally tested hypotheses about the 
            
168
individual and interactive effects of multiple nutrient addition 
173
individual and interactive effects of multiple nutrient addition 
            
169
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
174
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
170
across 23 sites (5 continents). Our sites encompassed a wide range of 
175
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
171
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
176
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
172
variables affected MMQ the most and how they interacted with our 
177
variables affected MMQ the most and how they interacted with our 
            
173
treatments. Soils were collected in plots with established 
178
treatments. Soils were collected in plots with established 
            
174
experimental treatments. MR was assessed in a five-week laboratory 
179
experimental treatments. MR was assessed in a five-week laboratory 
            
175
incubation without glucose addition, MBC via substrate-induced 
180
incubation without glucose addition, MBC via substrate-induced 
            
176
respiration. MMQ was calculated as MR/MBC and corrected for soil 
181
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
177
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
182
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
178
edaphoclimatic characteristics and treatments interactively affected 
183
edaphoclimatic characteristics and treatments interactively affected 
            
179
MMQsoil. MMQsoil was higher in locations with higher mean annual 
184
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
180
temperature, lower water holding capacity, and soil organic C 
185
temperature, lower water holding capacity, and soil organic C 
            
181
concentration, but did not respond to our treatments across sites as 
186
concentration, but did not respond to our treatments across sites as 
            
182
neither MR nor MBC changed. We attributed this relative homeostasis to 
187
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
183
our treatments to the modulating influence of edaphoclimatic 
188
our treatments to the modulating influence of edaphoclimatic 
            
184
variables. For example, herbivore exclusion, regardless of 
189
variables. For example, herbivore exclusion, regardless of 
            
185
fertilization, led to greater MMQsoil only at sites with lower soil 
190
fertilization, led to greater MMQsoil only at sites with lower soil 
            
186
organic C (<1.7%). Our results pinpoint the main variables related to 
191
organic C (<1.7%). Our results pinpoint the main variables related to 
            
187
MMQsoil across grasslands and emphasize the importance of the local 
192
MMQsoil across grasslands and emphasize the importance of the local 
            
188
edaphoclimatic conditions in controlling the response of the C cycle 
193
edaphoclimatic conditions in controlling the response of the C cycle 
            
189
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
194
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
190
global edaphoclimatic gradients, this work also helps to align the 
195
global edaphoclimatic gradients, this work also helps to align the 
            
191
conflicting results of prior studies. \r\n",
196
conflicting results of prior studies. \r\n",
            
192
  "num_resources": 1,
197
  "num_resources": 1,
            
193
  "num_tags": 7,
198
  "num_tags": 7,
            
194
  "organization": {
199
  "organization": {
            
195
    "approval_status": "approved",
200
    "approval_status": "approved",
            
196
    "created": "2018-04-20T09:51:26.756810",
201
    "created": "2018-04-20T09:51:26.756810",
            
197
    "description": "We are studying the distribution of and 
202
    "description": "We are studying the distribution of and 
            
198
interactions among producers, consumers as well as decomposers and 
203
interactions among producers, consumers as well as decomposers and 
            
199
between these communities and their environment. We focus on food webs 
204
between these communities and their environment. We focus on food webs 
            
200
in real world ecosystems and thus mainly sample our data during 
205
in real world ecosystems and thus mainly sample our data during 
            
201
experimental field campaigns. Data collection under controlled 
206
experimental field campaigns. Data collection under controlled 
            
202
conditions in the greenhouse or experimental garden are, however, 
207
conditions in the greenhouse or experimental garden are, however, 
            
203
common add-ons hereby. We are mainly interested in the functioning of 
208
common add-ons hereby. We are mainly interested in the functioning of 
            
204
natural ecosystems and often conduct research in National Parks around 
209
natural ecosystems and often conduct research in National Parks around 
            
205
the world. Our main study area is, however, the Swiss National Park. 
210
the world. Our main study area is, however, the Swiss National Park. 
            
206
While working on basic research questions, we regularly consider 
211
While working on basic research questions, we regularly consider 
            
207
applied aspects that are related to protecting or conserving 
212
applied aspects that are related to protecting or conserving 
            
208
endangered ecosystems.\r\n\r\nExamples of research question of our 
213
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
209
research group assesses are:\r\n\r\nHow is species loss related to 
214
research group assesses are:\r\n\r\nHow is species loss related to 
            
210
ecosystem processes and functions? Which species or species groups are 
215
ecosystem processes and functions? Which species or species groups are 
            
211
particularly relevant for ecosystem functioning? Which effects are 
216
particularly relevant for ecosystem functioning? Which effects are 
            
212
expected with the loss of such important species groups? How are 
217
expected with the loss of such important species groups? How are 
            
213
aboveground organisms interacting with belowground organisms? Which 
218
aboveground organisms interacting with belowground organisms? Which 
            
214
abiotic and biotic conditions favor diverse ecosystems? Is global 
219
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
215
change (for example eutrophication, habitat fragmentation, climate) a 
220
change (for example eutrophication, habitat fragmentation, climate) a 
            
216
thread for diverse ecosystems? How can diverse ecosystems be 
221
thread for diverse ecosystems? How can diverse ecosystems be 
            
217
protected?",
222
protected?",
            
218
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
223
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
219
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
224
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
220
    "is_organization": true,
225
    "is_organization": true,
            
221
    "name": "plant-animal-interactions",
226
    "name": "plant-animal-interactions",
            
222
    "state": "active",
227
    "state": "active",
            
223
    "title": "Plant-Animal Interactions",
228
    "title": "Plant-Animal Interactions",
            
224
    "type": "organization"
229
    "type": "organization"
            
225
  },
230
  },
            
226
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
231
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
227
  "private": false,
232
  "private": false,
            
228
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
233
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
229
\"EnviDat\"}",
234
\"EnviDat\"}",
            
230
  "publication_state": "pub_pending",
235
  "publication_state": "pub_pending",
            
231
  "related_datasets": "",
236
  "related_datasets": "",
            
232
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
237
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
233
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
238
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
234
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
239
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
235
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
240
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
236
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
241
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
237
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
242
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
238
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
243
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
239
Raul (accepted). Drivers of the microbial metabolic quotient across 
244
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
240
global grasslands. Global Ecology and Biogeography",
245
global grasslands. Global Ecology and Biogeography",
            
241
  "relationships_as_object": [],
246
  "relationships_as_object": [],
            
242
  "relationships_as_subject": [],
247
  "relationships_as_subject": [],
            
243
  "resource_type": "datapaper",
248
  "resource_type": "datapaper",
            
244
  "resource_type_general": "datapaper",
249
  "resource_type_general": "datapaper",
            
245
  "resources": [
250
  "resources": [
            
246
    {
251
    {
            
247
      "cache_last_updated": null,
252
      "cache_last_updated": null,
            
248
      "cache_url": null,
253
      "cache_url": null,
            
249
      "created": "2023-02-18T03:43:03.643074",
254
      "created": "2023-02-18T03:43:03.643074",
            
250
      "description": "Study sites and experimental design\r\nWe 
255
      "description": "Study sites and experimental design\r\nWe 
            
251
collected data from 23 sites that are part of the Nutrient Network 
256
collected data from 23 sites that are part of the Nutrient Network 
            
252
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
257
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
253
mean annual air temperature (MAT) across these sites ranged from -4 to 
258
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
254
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
259
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
255
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
260
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
256
Table S1), hence cover a wide range of climatic conditions under which 
261
Table S1), hence cover a wide range of climatic conditions under which 
            
257
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
262
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
258
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
263
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
259
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
264
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
260
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
265
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
261
\r\nAt each site, the effects of nutrient addition and herbivore 
266
\r\nAt each site, the effects of nutrient addition and herbivore 
            
262
exclusion were tested via a randomized-block design (Borer et al., 
267
exclusion were tested via a randomized-block design (Borer et al., 
            
263
2014). Three blocks with 10 treatment plots each were established at 
268
2014). Three blocks with 10 treatment plots each were established at 
            
264
each site, except for the site at bldr.us (only two blocks). Each of 
269
each site, except for the site at bldr.us (only two blocks). Each of 
            
265
these 10 plots was randomly assigned to a nutrient or fencing 
270
these 10 plots was randomly assigned to a nutrient or fencing 
            
266
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
271
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
267
m subplots. Each subplot was further divided into four 1 x 1 m square 
272
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
268
sampling plots, one of which was set aside for soil sampling (Borer et 
273
sampling plots, one of which was set aside for soil sampling (Borer et 
            
269
al., 2014). Plots were separated by at least 1 m wide walkways. We 
274
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
270
collected soil samples from four different treatments for this study: 
275
collected soil samples from four different treatments for this study: 
            
271
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
276
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
272
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
277
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
273
macro and micronutrients (NPK), and (iv) plots with simultaneous 
278
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
274
fertilizer addition and herbivore exclusion (NPK+Fence). The 
279
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
275
experiments were established at different times in the past, with 
280
experiments were established at different times in the past, with 
            
276
years of treatment different among sites (2 \u2013 9 years since start 
281
years of treatment different among sites (2 \u2013 9 years since start 
            
277
of treatment; Supplementary Table S1). For the nutrient additions, all 
282
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
278
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
283
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
279
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
284
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
280
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
285
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
281
100 g m-2 together with K in the first year of treatments but not 
286
100 g m-2 together with K in the first year of treatments but not 
            
282
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
287
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
283
fencing two plots, one with and one without NPK additions, within each 
288
fencing two plots, one with and one without NPK additions, within each 
            
284
block. The fences excluded all aboveground mammalian herbivores with a 
289
block. The fences excluded all aboveground mammalian herbivores with a 
            
285
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
290
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
286
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
291
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
287
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
292
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
288
ground to exclude burrowing animals. Climbing and subterranean animals 
293
ground to exclude burrowing animals. Climbing and subterranean animals 
            
289
may potentially still access these plots (Borer et al., 2014). For 
294
may potentially still access these plots (Borer et al., 2014). For 
            
290
slight modifications in fence design at a few sites see Supplementary 
295
slight modifications in fence design at a few sites see Supplementary 
            
291
Table S3. Most sites only had wild herbivores, although four sites 
296
Table S3. Most sites only had wild herbivores, although four sites 
            
292
were also grazed by domestic animals (Supplementary Table 
297
were also grazed by domestic animals (Supplementary Table 
            
293
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
298
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
294
microbial biomass, and other soil properties\r\nEach of the 23 sites 
299
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
295
received a package containing identical material from the Swiss 
300
received a package containing identical material from the Swiss 
            
296
Federal Institute for Forest, Snow and Landscape Research WSL, 
301
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
297
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
302
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
298
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
303
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
299
each sampling plot and composited them to measure MR, MBC, and soil 
304
each sampling plot and composited them to measure MR, MBC, and soil 
            
300
chemical properties (see below). An additional sample (5 x 12 cm) was 
305
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
301
collected to assess soil physical properties. This sample remained 
306
collected to assess soil physical properties. This sample remained 
            
302
within a steel sampling core after collection and both ends were 
307
within a steel sampling core after collection and both ends were 
            
303
tightly closed with plastic caps to avoid disturbance. All soils were 
308
tightly closed with plastic caps to avoid disturbance. All soils were 
            
304
shipped cooled to the laboratory at (Location will be disclosed after 
309
shipped cooled to the laboratory at (Location will be disclosed after 
            
305
manuscript acceptance) within a few days after collection. Soils were 
310
manuscript acceptance) within a few days after collection. Soils were 
            
306
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
311
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
307
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
312
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
308
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
313
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
309
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
314
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
310
added to these samples. We adjusted the soil moisture of each sample 
315
added to these samples. We adjusted the soil moisture of each sample 
            
311
to 60% field capacity. We then placed a 15 ml plastic test tube 
316
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
312
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
317
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
313
The test tube was fixed with a plastic rod so that it was not in 
318
The test tube was fixed with a plastic rod so that it was not in 
            
314
contact with the soil sample. The Falcon tubes were then sealed with a 
319
contact with the soil sample. The Falcon tubes were then sealed with a 
            
315
screw cap and placed in an incubator under completely dark conditions 
320
screw cap and placed in an incubator under completely dark conditions 
            
316
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
321
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
317
by the 0.05 M NaOH. For five weeks we measured the decrease in 
322
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
318
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
323
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
319
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
324
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
320
NaOH with fresh solution. We included Falcon tubes without soil 
325
NaOH with fresh solution. We included Falcon tubes without soil 
            
321
samples in each incubation run as blanks to test if tubes were tight 
326
samples in each incubation run as blanks to test if tubes were tight 
            
322
and no CO2 could enter or escape. We calibrated the relationship 
327
and no CO2 could enter or escape. We calibrated the relationship 
            
323
between conductivity reduction and NaOH absorbed as follows: 400 ml 
328
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
324
0.05 M NaOH was placed in a beaker and its conductivity was measured 
329
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
325
with the multimeter. While stirring, air containing CO2 was blown into 
330
with the multimeter. While stirring, air containing CO2 was blown into 
            
326
the solution for approximately one minute, which reacts with NaOH to 
331
the solution for approximately one minute, which reacts with NaOH to 
            
327
form Na2CO3. After this process, conductivity was measured again. We 
332
form Na2CO3. After this process, conductivity was measured again. We 
            
328
then transferred 7.25 ml of the solution into a smaller beaker and 
333
then transferred 7.25 ml of the solution into a smaller beaker and 
            
329
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
334
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
330
solution with 0.05 M HCl to determine the remaining NaOH. We then 
335
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
331
repeated these steps with the remaining solution a total of nine times 
336
repeated these steps with the remaining solution a total of nine times 
            
332
and plotted the conductivities (y-axis) against the NaOH consumed 
337
and plotted the conductivities (y-axis) against the NaOH consumed 
            
333
(x-axis, Supplementary Fig S1). This regression line was used to infer 
338
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
334
the consumption of NaOH from the conductivity reduction in the 
339
the consumption of NaOH from the conductivity reduction in the 
            
335
incubation experiments and to calculate CO2 evolution during 
340
incubation experiments and to calculate CO2 evolution during 
            
336
incubation. In addition, we determined the optimum concentration for 
341
incubation. In addition, we determined the optimum concentration for 
            
337
the NaOH solution in series of preliminary experiments, so that the 
342
the NaOH solution in series of preliminary experiments, so that the 
            
338
concentration was not too high to become insensitive, but also not too 
343
concentration was not too high to become insensitive, but also not too 
            
339
low so that not all NaOH reacts during incubation. We then calculated 
344
low so that not all NaOH reacts during incubation. We then calculated 
            
340
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
345
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
341
the 5 weeks divided by the duration of the entire incubation in 
346
the 5 weeks divided by the duration of the entire incubation in 
            
342
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
347
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
343
measured at the beginning of the experiment by measuring the maximal 
348
measured at the beginning of the experiment by measuring the maximal 
            
344
respiratory response to the addition of glucose solution (4 mg glucose 
349
respiratory response to the addition of glucose solution (4 mg glucose 
            
345
per g soil dry weight dissolved in distilled water; substrate-induced 
350
per g soil dry weight dissolved in distilled water; substrate-induced 
            
346
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
351
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
347
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
352
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
348
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
353
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
349
specifically, substrate-induced respiration was calculated from the 
354
specifically, substrate-induced respiration was calculated from the 
            
350
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
355
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
351
added according to preliminary studies to saturate the catabolic 
356
added according to preliminary studies to saturate the catabolic 
            
352
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
357
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
353
water). The mean of the lowest three readings within the first 10 hrs 
358
water). The mean of the lowest three readings within the first 10 hrs 
            
354
(between the initial peak caused by disturbing the soil and the peak 
359
(between the initial peak caused by disturbing the soil and the peak 
            
355
caused by microbial growth) was taken as maximum initial respiratory 
360
caused by microbial growth) was taken as maximum initial respiratory 
            
356
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
361
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
357
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
362
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
358
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
363
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
359
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
364
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
360
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
365
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
361
soil organic C (Risch et al., 2019). The undisturbed sample was used 
366
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
362
to assess water holding capacity (WHC), bulk density (BD), and soil 
367
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
363
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
368
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
364
the percentage of sand and clay as an indicator of soil texture in 
369
the percentage of sand and clay as an indicator of soil texture in 
            
365
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
370
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
366
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
371
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
367
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
372
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
368
variables were selected as they were found to be drivers of soil 
373
variables were selected as they were found to be drivers of soil 
            
369
nutrient processes across these sites in earlier studies (Risch et 
374
nutrient processes across these sites in earlier studies (Risch et 
            
370
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
375
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
371
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
376
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
372
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
377
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
373
al., 2022), global gridded modelled products of soil bioclimatic 
378
al., 2022), global gridded modelled products of soil bioclimatic 
            
374
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
379
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
375
on CHELSA, ERA5 and in-situ soil temperature 
380
on CHELSA, ERA5 and in-situ soil temperature 
            
376
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
381
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
377
calculated MMQ as MR/MBC. We corrected this measure using the average 
382
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
378
soil temperature of each site (MMQsoil). This temperature correction 
383
soil temperature of each site (MMQsoil). This temperature correction 
            
379
is necessary as incubation temperatures are usually much higher than 
384
is necessary as incubation temperatures are usually much higher than 
            
380
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
385
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
381
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
386
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
382
2017). See Supplementary Fig S2 for comparison of air and soil 
387
2017). See Supplementary Fig S2 for comparison of air and soil 
            
383
temperatures across the 23 sites as well as the incubation 
388
temperatures across the 23 sites as well as the incubation 
            
384
temperature. \r\nSome of the explanatory variables (clay, soil organic 
389
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
385
C, C:N ratio) were skewed and were thus log-transformed prior to 
390
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
386
analyses. All continuous explanatory variables were centred and scaled 
391
analyses. All continuous explanatory variables were centred and scaled 
            
387
to have a mean of zero and variance of one. To avoid collinearity 
392
to have a mean of zero and variance of one. To avoid collinearity 
            
388
between them we filtered them using correlation analysis 
393
between them we filtered them using correlation analysis 
            
389
(Supplementary Fig S3). From the variables that were strongly 
394
(Supplementary Fig S3). From the variables that were strongly 
            
390
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
395
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
391
selected the ones that allowed us to minimize the number of variables 
396
selected the ones that allowed us to minimize the number of variables 
            
392
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
397
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
393
total C concentration, soil sand content and soil bulk density were 
398
total C concentration, soil sand content and soil bulk density were 
            
394
dropped from the dataset. We then assessed how these edaphoclimatic 
399
dropped from the dataset. We then assessed how these edaphoclimatic 
            
395
variables are related to MMQ across our global grasslands.\r\nFor 
400
variables are related to MMQ across our global grasslands.\r\nFor 
            
396
this, we used linear mixed effects models (LMMs) fitted by maximum 
401
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
397
likelihood with the lme function in the nlme package (version 3.1-153) 
402
likelihood with the lme function in the nlme package (version 3.1-153) 
            
398
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
403
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
399
Team, 2019). We used treatment as a fixed effect and plot nested in 
404
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
400
site as random effects to assess treatment differences in MMQsoil, as 
405
site as random effects to assess treatment differences in MMQsoil, as 
            
401
well as MR, and MBC. The number of years since the treatment started 
406
well as MR, and MBC. The number of years since the treatment started 
            
402
was included as a fixed effect in all the initial models but was not 
407
was included as a fixed effect in all the initial models but was not 
            
403
significant and therefore not retained in the models. To assess how 
408
significant and therefore not retained in the models. To assess how 
            
404
differences in MMQsoil were affected by environmental factors (soil, 
409
differences in MMQsoil were affected by environmental factors (soil, 
            
405
climatic properties) we again used LMMs. Soil and climatic properties 
410
climatic properties) we again used LMMs. Soil and climatic properties 
            
406
were included as fixed effects and plot nested in site as random 
411
were included as fixed effects and plot nested in site as random 
            
407
effects. We did not include interactions between environmental 
412
effects. We did not include interactions between environmental 
            
408
variables. We then used the MuMin package (Barton, 2018) (version 
413
variables. We then used the MuMin package (Barton, 2018) (version 
            
409
1.42.1) to select the best models that explained the most variation 
414
1.42.1) to select the best models that explained the most variation 
            
410
based on Akaike\u2019s information criterion (AIC; model.avg 
415
based on Akaike\u2019s information criterion (AIC; model.avg 
            
411
function). We used the corrected AIC (AICc) to account for our small 
416
function). We used the corrected AIC (AICc) to account for our small 
            
412
sample size and selected the top models that fell within 4 AICc units 
417
sample size and selected the top models that fell within 4 AICc units 
            
413
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
418
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
414
We present all our top models rather than model averages. Conditional 
419
We present all our top models rather than model averages. Conditional 
            
415
averages are provided in the Supplementary material. \r\nBased on 
420
averages are provided in the Supplementary material. \r\nBased on 
            
416
findings from analyses described above and the literature, we 
421
findings from analyses described above and the literature, we 
            
417
developed a conceptual model of direct and indirect relationships 
422
developed a conceptual model of direct and indirect relationships 
            
418
between both edaphoclimatic variables and experimental treatments 
423
between both edaphoclimatic variables and experimental treatments 
            
419
(Supplement Figure S4) to obtain a more holistic approach in 
424
(Supplement Figure S4) to obtain a more holistic approach in 
            
420
understanding how these properties affect MMQsoil. We had data from 23 
425
understanding how these properties affect MMQsoil. We had data from 23 
            
421
sites with 272 observations. We tested this model using structural 
426
sites with 272 observations. We tested this model using structural 
            
422
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
427
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
423
2009). We considered those environmental drivers that were included in 
428
2009). We considered those environmental drivers that were included in 
            
424
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
429
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
425
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
430
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
426
Supplementary Figure S4). These factors were allowed to directly 
431
Supplementary Figure S4). These factors were allowed to directly 
            
427
affect MMQsoil, and via their interactions with treatments. In 
432
affect MMQsoil, and via their interactions with treatments. In 
            
428
addition, treatments were allowed to directly affect MMQsoil. 
433
addition, treatments were allowed to directly affect MMQsoil. 
            
429
Treatments were included as dummy variables in the model. We tested 
434
Treatments were included as dummy variables in the model. We tested 
            
430
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
435
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
431
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
436
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
432
structured set of linear models are fitted individually. This approach 
437
structured set of linear models are fitted individually. This approach 
            
433
allowed us to account for the nested experimental design, and overcome 
438
allowed us to account for the nested experimental design, and overcome 
            
434
some of the limitations of standard structural equation models, such 
439
some of the limitations of standard structural equation models, such 
            
435
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
440
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
436
function of the nlme package to model response variables, including 
441
function of the nlme package to model response variables, including 
            
437
site as a random factor. Good fit of the SEM was assumed when 
442
site as a random factor. Good fit of the SEM was assumed when 
            
438
Fisher\u2019s C values were non-significant (p > 0.05). For all 
443
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
439
significant interactions between soil or climate variables and 
444
significant interactions between soil or climate variables and 
            
440
treatments detected in the SEMs, we calculated treatment effect sizes, 
445
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
441
i.e., the differences in MMQsoil between Control and treatments as log 
446
i.e., the differences in MMQsoil between Control and treatments as log 
            
442
response ratios (LRR) and plotted these values against the climate or 
447
response ratios (LRR) and plotted these values against the climate or 
            
443
soil factors. The LRR were defined as log(Control/Treatment), where 
448
soil factors. The LRR were defined as log(Control/Treatment), where 
            
444
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
449
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
445
LRR-climate or soil property relationships were significant we again 
450
LRR-climate or soil property relationships were significant we again 
            
446
used LMMs, in which soil and climatic properties were included as 
451
used LMMs, in which soil and climatic properties were included as 
            
447
fixed effects and plot nested in site as random effects. \r\n",
452
fixed effects and plot nested in site as random effects. \r\n",
            
448
      "doi": "",
453
      "doi": "",
            
449
      "format": ".xlsx",
454
      "format": ".xlsx",
            
450
      "hash": "",
455
      "hash": "",
            
451
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
456
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
452
      "last_modified": "2023-02-18T04:43:07.514444",
457
      "last_modified": "2023-02-18T04:43:07.514444",
            
453
      "metadata_modified": "2023-02-18T03:43:07.860695",
458
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
454
      "mimetype": null,
459
      "mimetype": null,
            
455
      "mimetype_inner": null,
460
      "mimetype_inner": null,
            
456
      "name": "Risch et al. GEB_data.xlsx",
461
      "name": "Risch et al. GEB_data.xlsx",
            
457
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
462
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
458
      "position": 0,
463
      "position": 0,
            
459
      "publication_state": "",
464
      "publication_state": "",
            
460
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
465
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
461
\"kb\"}",
466
\"kb\"}",
            
462
      "resource_type": null,
467
      "resource_type": null,
            
463
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
468
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
464
\"shared_secret\": \"\"}",
469
\"shared_secret\": \"\"}",
            
465
      "size": 110080,
470
      "size": 110080,
            
466
      "state": "active",
471
      "state": "active",
            
467
      "url": 
472
      "url": 
            
468
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
473
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
469
      "url_type": "upload"
474
      "url_type": "upload"
            
470
    }
475
    }
            
471
  ],
476
  ],
            
472
  "spatial": 
477
  "spatial": 
            
473
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
478
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
474
  "spatial_info": "worldwide",
479
  "spatial_info": "worldwide",
            
475
  "state": "active",
480
  "state": "active",
            
476
  "subtitle": "",
481
  "subtitle": "",
            
477
  "tags": [
482
  "tags": [
            
478
    {
483
    {
            
479
      "display_name": "ANTHROPOGENIC MANAGEMENT",
484
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
480
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
485
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
481
      "name": "ANTHROPOGENIC MANAGEMENT",
486
      "name": "ANTHROPOGENIC MANAGEMENT",
            
482
      "state": "active",
487
      "state": "active",
            
483
      "vocabulary_id": null
488
      "vocabulary_id": null
            
484
    },
489
    },
            
485
    {
490
    {
            
486
      "display_name": "CLIMATE",
491
      "display_name": "CLIMATE",
            
487
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
492
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
488
      "name": "CLIMATE",
493
      "name": "CLIMATE",
            
489
      "state": "active",
494
      "state": "active",
            
490
      "vocabulary_id": null
495
      "vocabulary_id": null
            
491
    },
496
    },
            
492
    {
497
    {
            
493
      "display_name": "HERBIVORE EXCLUSION",
498
      "display_name": "HERBIVORE EXCLUSION",
            
494
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
499
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
495
      "name": "HERBIVORE EXCLUSION",
500
      "name": "HERBIVORE EXCLUSION",
            
496
      "state": "active",
501
      "state": "active",
            
497
      "vocabulary_id": null
502
      "vocabulary_id": null
            
498
    },
503
    },
            
499
    {
504
    {
            
500
      "display_name": "MICROBIAL BIOMASS CARBON",
505
      "display_name": "MICROBIAL BIOMASS CARBON",
            
501
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
506
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
502
      "name": "MICROBIAL BIOMASS CARBON",
507
      "name": "MICROBIAL BIOMASS CARBON",
            
503
      "state": "active",
508
      "state": "active",
            
504
      "vocabulary_id": null
509
      "vocabulary_id": null
            
505
    },
510
    },
            
506
    {
511
    {
            
507
      "display_name": "MICROBIAL RESPIRATION",
512
      "display_name": "MICROBIAL RESPIRATION",
            
508
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
513
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
509
      "name": "MICROBIAL RESPIRATION",
514
      "name": "MICROBIAL RESPIRATION",
            
510
      "state": "active",
515
      "state": "active",
            
511
      "vocabulary_id": null
516
      "vocabulary_id": null
            
512
    },
517
    },
            
513
    {
518
    {
            
514
      "display_name": "NUTRIENT ADDITION",
519
      "display_name": "NUTRIENT ADDITION",
            
515
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
520
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
516
      "name": "NUTRIENT ADDITION",
521
      "name": "NUTRIENT ADDITION",
            
517
      "state": "active",
522
      "state": "active",
            
518
      "vocabulary_id": null
523
      "vocabulary_id": null
            
519
    },
524
    },
            
520
    {
525
    {
            
521
      "display_name": "SOIL PROPERTIES",
526
      "display_name": "SOIL PROPERTIES",
            
522
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
527
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
523
      "name": "SOIL PROPERTIES",
528
      "name": "SOIL PROPERTIES",
            
524
      "state": "active",
529
      "state": "active",
            
525
      "vocabulary_id": null
530
      "vocabulary_id": null
            
526
    }
531
    }
            
527
  ],
532
  ],
            
528
  "title": "Drivers of the microbial metabolic quotient across global 
533
  "title": "Drivers of the microbial metabolic quotient across global 
            
529
grasslands",
534
grasslands",
            
530
  "type": "dataset",
535
  "type": "dataset",
            
531
  "url": null,
536
  "url": null,
            
532
  "version": "1.0"
537
  "version": "1.0"
            
533
}
538
}