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
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
7
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
            
8
Institute for Forest, Snow and Landscape Research WSL\", 
8
Institute for Forest, Snow and Landscape Research WSL\", 
            
n
n
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
10
\"validation\", \"email\": \"stephan.zimmermann@wsl.ch\", 
            
11
\"given_name\": \"Stephan\", \"identifier\": \"0000-0002-7085-0284\", 
            
12
\"name\": \"Zimmermann\"}, {\"affiliation\": \"WSL\", 
            
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
13
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
            
n
10
\"\", \"data_credit\": \"validation\", \"email\": 
n
14
\"\", \"data_credit\": \"curation\", \"email\": 
            
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
15
\"martin.schuetz@wsl.ch\", \"given_name\": \"Martin\", \"identifier\": 
            
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}]",
16
\"\", \"name\": \"Sch\\u00fctz\"}]",
            
13
  "author_email": null,
17
  "author_email": null,
            
14
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
18
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
15
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
19
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
16
\"end_date\": \"2016-12-31\"}]",
20
\"end_date\": \"2016-12-31\"}]",
            
17
  "doi": "10.16904/envidat.379",
21
  "doi": "10.16904/envidat.379",
            
18
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
22
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
19
internal competitive grant\", \"institution_url\": \"\"}, 
23
internal competitive grant\", \"institution_url\": \"\"}, 
            
20
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
24
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
21
Science Foundation Research Coordination Network\", 
25
Science Foundation Research Coordination Network\", 
            
22
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
26
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
23
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
27
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
24
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
28
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
25
\"institution\": \"Institute on the Environment\", 
29
\"institution\": \"Institute on the Environment\", 
            
26
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
30
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
27
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
31
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
28
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
32
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
29
\"institution\": \"German Research Foundation\", \"institution_url\": 
33
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
30
\"\"}]",
34
\"\"}]",
            
31
  "groups": [],
35
  "groups": [],
            
32
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
36
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
33
  "isopen": true,
37
  "isopen": true,
            
34
  "language": "en",
38
  "language": "en",
            
35
  "license_id": "odc-odbl",
39
  "license_id": "odc-odbl",
            
36
  "license_title": "ODbL with Database Contents License (DbCL)",
40
  "license_title": "ODbL with Database Contents License (DbCL)",
            
37
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
41
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
38
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
42
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
39
Forest, Snow and Landscape Research WSL\", \"email\": 
43
Forest, Snow and Landscape Research WSL\", \"email\": 
            
40
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
44
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
41
\"\", \"name\": \"Risch\"}",
45
\"\", \"name\": \"Risch\"}",
            
42
  "maintainer_email": null,
46
  "maintainer_email": null,
            
43
  "metadata_created": "2023-02-18T03:38:29.406811",
47
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
44
  "metadata_modified": "2023-02-20T10:08:18.917762",
t
48
  "metadata_modified": "2023-02-20T10:10:39.922652",
            
45
  "name": 
49
  "name": 
            
46
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
50
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
47
  "notes": "This dataset contains all data on which the following 
51
  "notes": "This dataset contains all data on which the following 
            
48
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
52
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
49
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
53
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
50
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
54
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
51
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
55
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
52
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
56
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
53
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
57
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
54
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
58
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
55
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
59
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
56
microbial metabolic quotient across global grasslands. Global Ecology 
60
microbial metabolic quotient across global grasslands. Global Ecology 
            
57
and Biogeography\r\n\r\nPlease cite this paper together with the 
61
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
58
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
62
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
59
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
63
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
60
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
64
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
61
(MBC; mg C kg soil-1), is a key parameter for understanding the 
65
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
62
microbial regulation of the carbon (C) cycle, including soil C 
66
microbial regulation of the carbon (C) cycle, including soil C 
            
63
sequestration. Here, we experimentally tested hypotheses about the 
67
sequestration. Here, we experimentally tested hypotheses about the 
            
64
individual and interactive effects of multiple nutrient addition 
68
individual and interactive effects of multiple nutrient addition 
            
65
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
69
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
66
across 23 sites (5 continents). Our sites encompassed a wide range of 
70
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
67
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
71
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
68
variables affected MMQ the most and how they interacted with our 
72
variables affected MMQ the most and how they interacted with our 
            
69
treatments. Soils were collected in plots with established 
73
treatments. Soils were collected in plots with established 
            
70
experimental treatments. MR was assessed in a five-week laboratory 
74
experimental treatments. MR was assessed in a five-week laboratory 
            
71
incubation without glucose addition, MBC via substrate-induced 
75
incubation without glucose addition, MBC via substrate-induced 
            
72
respiration. MMQ was calculated as MR/MBC and corrected for soil 
76
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
73
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
77
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
74
edaphoclimatic characteristics and treatments interactively affected 
78
edaphoclimatic characteristics and treatments interactively affected 
            
75
MMQsoil. MMQsoil was higher in locations with higher mean annual 
79
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
76
temperature, lower water holding capacity, and soil organic C 
80
temperature, lower water holding capacity, and soil organic C 
            
77
concentration, but did not respond to our treatments across sites as 
81
concentration, but did not respond to our treatments across sites as 
            
78
neither MR nor MBC changed. We attributed this relative homeostasis to 
82
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
79
our treatments to the modulating influence of edaphoclimatic 
83
our treatments to the modulating influence of edaphoclimatic 
            
80
variables. For example, herbivore exclusion, regardless of 
84
variables. For example, herbivore exclusion, regardless of 
            
81
fertilization, led to greater MMQsoil only at sites with lower soil 
85
fertilization, led to greater MMQsoil only at sites with lower soil 
            
82
organic C (<1.7%). Our results pinpoint the main variables related to 
86
organic C (<1.7%). Our results pinpoint the main variables related to 
            
83
MMQsoil across grasslands and emphasize the importance of the local 
87
MMQsoil across grasslands and emphasize the importance of the local 
            
84
edaphoclimatic conditions in controlling the response of the C cycle 
88
edaphoclimatic conditions in controlling the response of the C cycle 
            
85
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
89
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
86
global edaphoclimatic gradients, this work also helps to align the 
90
global edaphoclimatic gradients, this work also helps to align the 
            
87
conflicting results of prior studies. \r\n",
91
conflicting results of prior studies. \r\n",
            
88
  "num_resources": 1,
92
  "num_resources": 1,
            
89
  "num_tags": 7,
93
  "num_tags": 7,
            
90
  "organization": {
94
  "organization": {
            
91
    "approval_status": "approved",
95
    "approval_status": "approved",
            
92
    "created": "2018-04-20T09:51:26.756810",
96
    "created": "2018-04-20T09:51:26.756810",
            
93
    "description": "We are studying the distribution of and 
97
    "description": "We are studying the distribution of and 
            
94
interactions among producers, consumers as well as decomposers and 
98
interactions among producers, consumers as well as decomposers and 
            
95
between these communities and their environment. We focus on food webs 
99
between these communities and their environment. We focus on food webs 
            
96
in real world ecosystems and thus mainly sample our data during 
100
in real world ecosystems and thus mainly sample our data during 
            
97
experimental field campaigns. Data collection under controlled 
101
experimental field campaigns. Data collection under controlled 
            
98
conditions in the greenhouse or experimental garden are, however, 
102
conditions in the greenhouse or experimental garden are, however, 
            
99
common add-ons hereby. We are mainly interested in the functioning of 
103
common add-ons hereby. We are mainly interested in the functioning of 
            
100
natural ecosystems and often conduct research in National Parks around 
104
natural ecosystems and often conduct research in National Parks around 
            
101
the world. Our main study area is, however, the Swiss National Park. 
105
the world. Our main study area is, however, the Swiss National Park. 
            
102
While working on basic research questions, we regularly consider 
106
While working on basic research questions, we regularly consider 
            
103
applied aspects that are related to protecting or conserving 
107
applied aspects that are related to protecting or conserving 
            
104
endangered ecosystems.\r\n\r\nExamples of research question of our 
108
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
105
research group assesses are:\r\n\r\nHow is species loss related to 
109
research group assesses are:\r\n\r\nHow is species loss related to 
            
106
ecosystem processes and functions? Which species or species groups are 
110
ecosystem processes and functions? Which species or species groups are 
            
107
particularly relevant for ecosystem functioning? Which effects are 
111
particularly relevant for ecosystem functioning? Which effects are 
            
108
expected with the loss of such important species groups? How are 
112
expected with the loss of such important species groups? How are 
            
109
aboveground organisms interacting with belowground organisms? Which 
113
aboveground organisms interacting with belowground organisms? Which 
            
110
abiotic and biotic conditions favor diverse ecosystems? Is global 
114
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
111
change (for example eutrophication, habitat fragmentation, climate) a 
115
change (for example eutrophication, habitat fragmentation, climate) a 
            
112
thread for diverse ecosystems? How can diverse ecosystems be 
116
thread for diverse ecosystems? How can diverse ecosystems be 
            
113
protected?",
117
protected?",
            
114
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
118
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
115
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
119
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
116
    "is_organization": true,
120
    "is_organization": true,
            
117
    "name": "plant-animal-interactions",
121
    "name": "plant-animal-interactions",
            
118
    "state": "active",
122
    "state": "active",
            
119
    "title": "Plant-Animal Interactions",
123
    "title": "Plant-Animal Interactions",
            
120
    "type": "organization"
124
    "type": "organization"
            
121
  },
125
  },
            
122
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
126
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
123
  "private": false,
127
  "private": false,
            
124
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
128
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
125
\"EnviDat\"}",
129
\"EnviDat\"}",
            
126
  "publication_state": "pub_pending",
130
  "publication_state": "pub_pending",
            
127
  "related_datasets": "",
131
  "related_datasets": "",
            
128
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
132
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
129
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
133
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
130
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
134
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
131
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
135
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
132
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
136
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
133
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
137
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
134
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
138
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
135
Raul (accepted). Drivers of the microbial metabolic quotient across 
139
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
136
global grasslands. Global Ecology and Biogeography",
140
global grasslands. Global Ecology and Biogeography",
            
137
  "relationships_as_object": [],
141
  "relationships_as_object": [],
            
138
  "relationships_as_subject": [],
142
  "relationships_as_subject": [],
            
139
  "resource_type": "datapaper",
143
  "resource_type": "datapaper",
            
140
  "resource_type_general": "datapaper",
144
  "resource_type_general": "datapaper",
            
141
  "resources": [
145
  "resources": [
            
142
    {
146
    {
            
143
      "cache_last_updated": null,
147
      "cache_last_updated": null,
            
144
      "cache_url": null,
148
      "cache_url": null,
            
145
      "created": "2023-02-18T03:43:03.643074",
149
      "created": "2023-02-18T03:43:03.643074",
            
146
      "description": "Study sites and experimental design\r\nWe 
150
      "description": "Study sites and experimental design\r\nWe 
            
147
collected data from 23 sites that are part of the Nutrient Network 
151
collected data from 23 sites that are part of the Nutrient Network 
            
148
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
152
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
149
mean annual air temperature (MAT) across these sites ranged from -4 to 
153
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
150
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
154
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
151
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
155
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
152
Table S1), hence cover a wide range of climatic conditions under which 
156
Table S1), hence cover a wide range of climatic conditions under which 
            
153
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
157
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
154
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
158
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
155
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
159
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
156
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
160
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
157
\r\nAt each site, the effects of nutrient addition and herbivore 
161
\r\nAt each site, the effects of nutrient addition and herbivore 
            
158
exclusion were tested via a randomized-block design (Borer et al., 
162
exclusion were tested via a randomized-block design (Borer et al., 
            
159
2014). Three blocks with 10 treatment plots each were established at 
163
2014). Three blocks with 10 treatment plots each were established at 
            
160
each site, except for the site at bldr.us (only two blocks). Each of 
164
each site, except for the site at bldr.us (only two blocks). Each of 
            
161
these 10 plots was randomly assigned to a nutrient or fencing 
165
these 10 plots was randomly assigned to a nutrient or fencing 
            
162
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
166
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
163
m subplots. Each subplot was further divided into four 1 x 1 m square 
167
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
164
sampling plots, one of which was set aside for soil sampling (Borer et 
168
sampling plots, one of which was set aside for soil sampling (Borer et 
            
165
al., 2014). Plots were separated by at least 1 m wide walkways. We 
169
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
166
collected soil samples from four different treatments for this study: 
170
collected soil samples from four different treatments for this study: 
            
167
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
171
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
168
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
172
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
169
macro and micronutrients (NPK), and (iv) plots with simultaneous 
173
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
170
fertilizer addition and herbivore exclusion (NPK+Fence). The 
174
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
171
experiments were established at different times in the past, with 
175
experiments were established at different times in the past, with 
            
172
years of treatment different among sites (2 \u2013 9 years since start 
176
years of treatment different among sites (2 \u2013 9 years since start 
            
173
of treatment; Supplementary Table S1). For the nutrient additions, all 
177
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
174
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
178
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
175
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
179
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
176
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
180
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
177
100 g m-2 together with K in the first year of treatments but not 
181
100 g m-2 together with K in the first year of treatments but not 
            
178
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
182
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
179
fencing two plots, one with and one without NPK additions, within each 
183
fencing two plots, one with and one without NPK additions, within each 
            
180
block. The fences excluded all aboveground mammalian herbivores with a 
184
block. The fences excluded all aboveground mammalian herbivores with a 
            
181
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
185
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
182
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
186
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
183
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
187
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
184
ground to exclude burrowing animals. Climbing and subterranean animals 
188
ground to exclude burrowing animals. Climbing and subterranean animals 
            
185
may potentially still access these plots (Borer et al., 2014). For 
189
may potentially still access these plots (Borer et al., 2014). For 
            
186
slight modifications in fence design at a few sites see Supplementary 
190
slight modifications in fence design at a few sites see Supplementary 
            
187
Table S3. Most sites only had wild herbivores, although four sites 
191
Table S3. Most sites only had wild herbivores, although four sites 
            
188
were also grazed by domestic animals (Supplementary Table 
192
were also grazed by domestic animals (Supplementary Table 
            
189
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
193
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
190
microbial biomass, and other soil properties\r\nEach of the 23 sites 
194
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
191
received a package containing identical material from the Swiss 
195
received a package containing identical material from the Swiss 
            
192
Federal Institute for Forest, Snow and Landscape Research WSL, 
196
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
193
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
197
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
194
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
198
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
195
each sampling plot and composited them to measure MR, MBC, and soil 
199
each sampling plot and composited them to measure MR, MBC, and soil 
            
196
chemical properties (see below). An additional sample (5 x 12 cm) was 
200
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
197
collected to assess soil physical properties. This sample remained 
201
collected to assess soil physical properties. This sample remained 
            
198
within a steel sampling core after collection and both ends were 
202
within a steel sampling core after collection and both ends were 
            
199
tightly closed with plastic caps to avoid disturbance. All soils were 
203
tightly closed with plastic caps to avoid disturbance. All soils were 
            
200
shipped cooled to the laboratory at (Location will be disclosed after 
204
shipped cooled to the laboratory at (Location will be disclosed after 
            
201
manuscript acceptance) within a few days after collection. Soils were 
205
manuscript acceptance) within a few days after collection. Soils were 
            
202
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
206
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
203
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
207
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
204
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
208
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
205
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
209
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
206
added to these samples. We adjusted the soil moisture of each sample 
210
added to these samples. We adjusted the soil moisture of each sample 
            
207
to 60% field capacity. We then placed a 15 ml plastic test tube 
211
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
208
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
212
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
209
The test tube was fixed with a plastic rod so that it was not in 
213
The test tube was fixed with a plastic rod so that it was not in 
            
210
contact with the soil sample. The Falcon tubes were then sealed with a 
214
contact with the soil sample. The Falcon tubes were then sealed with a 
            
211
screw cap and placed in an incubator under completely dark conditions 
215
screw cap and placed in an incubator under completely dark conditions 
            
212
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
216
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
213
by the 0.05 M NaOH. For five weeks we measured the decrease in 
217
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
214
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
218
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
215
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
219
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
216
NaOH with fresh solution. We included Falcon tubes without soil 
220
NaOH with fresh solution. We included Falcon tubes without soil 
            
217
samples in each incubation run as blanks to test if tubes were tight 
221
samples in each incubation run as blanks to test if tubes were tight 
            
218
and no CO2 could enter or escape. We calibrated the relationship 
222
and no CO2 could enter or escape. We calibrated the relationship 
            
219
between conductivity reduction and NaOH absorbed as follows: 400 ml 
223
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
220
0.05 M NaOH was placed in a beaker and its conductivity was measured 
224
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
221
with the multimeter. While stirring, air containing CO2 was blown into 
225
with the multimeter. While stirring, air containing CO2 was blown into 
            
222
the solution for approximately one minute, which reacts with NaOH to 
226
the solution for approximately one minute, which reacts with NaOH to 
            
223
form Na2CO3. After this process, conductivity was measured again. We 
227
form Na2CO3. After this process, conductivity was measured again. We 
            
224
then transferred 7.25 ml of the solution into a smaller beaker and 
228
then transferred 7.25 ml of the solution into a smaller beaker and 
            
225
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
229
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
226
solution with 0.05 M HCl to determine the remaining NaOH. We then 
230
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
227
repeated these steps with the remaining solution a total of nine times 
231
repeated these steps with the remaining solution a total of nine times 
            
228
and plotted the conductivities (y-axis) against the NaOH consumed 
232
and plotted the conductivities (y-axis) against the NaOH consumed 
            
229
(x-axis, Supplementary Fig S1). This regression line was used to infer 
233
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
230
the consumption of NaOH from the conductivity reduction in the 
234
the consumption of NaOH from the conductivity reduction in the 
            
231
incubation experiments and to calculate CO2 evolution during 
235
incubation experiments and to calculate CO2 evolution during 
            
232
incubation. In addition, we determined the optimum concentration for 
236
incubation. In addition, we determined the optimum concentration for 
            
233
the NaOH solution in series of preliminary experiments, so that the 
237
the NaOH solution in series of preliminary experiments, so that the 
            
234
concentration was not too high to become insensitive, but also not too 
238
concentration was not too high to become insensitive, but also not too 
            
235
low so that not all NaOH reacts during incubation. We then calculated 
239
low so that not all NaOH reacts during incubation. We then calculated 
            
236
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
240
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
237
the 5 weeks divided by the duration of the entire incubation in 
241
the 5 weeks divided by the duration of the entire incubation in 
            
238
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
242
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
239
measured at the beginning of the experiment by measuring the maximal 
243
measured at the beginning of the experiment by measuring the maximal 
            
240
respiratory response to the addition of glucose solution (4 mg glucose 
244
respiratory response to the addition of glucose solution (4 mg glucose 
            
241
per g soil dry weight dissolved in distilled water; substrate-induced 
245
per g soil dry weight dissolved in distilled water; substrate-induced 
            
242
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
246
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
243
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
247
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
244
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
248
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
245
specifically, substrate-induced respiration was calculated from the 
249
specifically, substrate-induced respiration was calculated from the 
            
246
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
250
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
247
added according to preliminary studies to saturate the catabolic 
251
added according to preliminary studies to saturate the catabolic 
            
248
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
252
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
249
water). The mean of the lowest three readings within the first 10 hrs 
253
water). The mean of the lowest three readings within the first 10 hrs 
            
250
(between the initial peak caused by disturbing the soil and the peak 
254
(between the initial peak caused by disturbing the soil and the peak 
            
251
caused by microbial growth) was taken as maximum initial respiratory 
255
caused by microbial growth) was taken as maximum initial respiratory 
            
252
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
256
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
253
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
257
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
254
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
258
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
255
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
259
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
256
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
260
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
257
soil organic C (Risch et al., 2019). The undisturbed sample was used 
261
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
258
to assess water holding capacity (WHC), bulk density (BD), and soil 
262
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
259
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
263
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
260
the percentage of sand and clay as an indicator of soil texture in 
264
the percentage of sand and clay as an indicator of soil texture in 
            
261
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
265
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
262
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
266
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
263
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
267
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
264
variables were selected as they were found to be drivers of soil 
268
variables were selected as they were found to be drivers of soil 
            
265
nutrient processes across these sites in earlier studies (Risch et 
269
nutrient processes across these sites in earlier studies (Risch et 
            
266
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
270
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
267
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
271
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
268
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
272
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
269
al., 2022), global gridded modelled products of soil bioclimatic 
273
al., 2022), global gridded modelled products of soil bioclimatic 
            
270
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
274
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
271
on CHELSA, ERA5 and in-situ soil temperature 
275
on CHELSA, ERA5 and in-situ soil temperature 
            
272
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
276
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
273
calculated MMQ as MR/MBC. We corrected this measure using the average 
277
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
274
soil temperature of each site (MMQsoil). This temperature correction 
278
soil temperature of each site (MMQsoil). This temperature correction 
            
275
is necessary as incubation temperatures are usually much higher than 
279
is necessary as incubation temperatures are usually much higher than 
            
276
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
280
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
277
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
281
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
278
2017). See Supplementary Fig S2 for comparison of air and soil 
282
2017). See Supplementary Fig S2 for comparison of air and soil 
            
279
temperatures across the 23 sites as well as the incubation 
283
temperatures across the 23 sites as well as the incubation 
            
280
temperature. \r\nSome of the explanatory variables (clay, soil organic 
284
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
281
C, C:N ratio) were skewed and were thus log-transformed prior to 
285
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
282
analyses. All continuous explanatory variables were centred and scaled 
286
analyses. All continuous explanatory variables were centred and scaled 
            
283
to have a mean of zero and variance of one. To avoid collinearity 
287
to have a mean of zero and variance of one. To avoid collinearity 
            
284
between them we filtered them using correlation analysis 
288
between them we filtered them using correlation analysis 
            
285
(Supplementary Fig S3). From the variables that were strongly 
289
(Supplementary Fig S3). From the variables that were strongly 
            
286
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
290
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
287
selected the ones that allowed us to minimize the number of variables 
291
selected the ones that allowed us to minimize the number of variables 
            
288
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
292
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
289
total C concentration, soil sand content and soil bulk density were 
293
total C concentration, soil sand content and soil bulk density were 
            
290
dropped from the dataset. We then assessed how these edaphoclimatic 
294
dropped from the dataset. We then assessed how these edaphoclimatic 
            
291
variables are related to MMQ across our global grasslands.\r\nFor 
295
variables are related to MMQ across our global grasslands.\r\nFor 
            
292
this, we used linear mixed effects models (LMMs) fitted by maximum 
296
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
293
likelihood with the lme function in the nlme package (version 3.1-153) 
297
likelihood with the lme function in the nlme package (version 3.1-153) 
            
294
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
298
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
295
Team, 2019). We used treatment as a fixed effect and plot nested in 
299
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
296
site as random effects to assess treatment differences in MMQsoil, as 
300
site as random effects to assess treatment differences in MMQsoil, as 
            
297
well as MR, and MBC. The number of years since the treatment started 
301
well as MR, and MBC. The number of years since the treatment started 
            
298
was included as a fixed effect in all the initial models but was not 
302
was included as a fixed effect in all the initial models but was not 
            
299
significant and therefore not retained in the models. To assess how 
303
significant and therefore not retained in the models. To assess how 
            
300
differences in MMQsoil were affected by environmental factors (soil, 
304
differences in MMQsoil were affected by environmental factors (soil, 
            
301
climatic properties) we again used LMMs. Soil and climatic properties 
305
climatic properties) we again used LMMs. Soil and climatic properties 
            
302
were included as fixed effects and plot nested in site as random 
306
were included as fixed effects and plot nested in site as random 
            
303
effects. We did not include interactions between environmental 
307
effects. We did not include interactions between environmental 
            
304
variables. We then used the MuMin package (Barton, 2018) (version 
308
variables. We then used the MuMin package (Barton, 2018) (version 
            
305
1.42.1) to select the best models that explained the most variation 
309
1.42.1) to select the best models that explained the most variation 
            
306
based on Akaike\u2019s information criterion (AIC; model.avg 
310
based on Akaike\u2019s information criterion (AIC; model.avg 
            
307
function). We used the corrected AIC (AICc) to account for our small 
311
function). We used the corrected AIC (AICc) to account for our small 
            
308
sample size and selected the top models that fell within 4 AICc units 
312
sample size and selected the top models that fell within 4 AICc units 
            
309
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
313
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
310
We present all our top models rather than model averages. Conditional 
314
We present all our top models rather than model averages. Conditional 
            
311
averages are provided in the Supplementary material. \r\nBased on 
315
averages are provided in the Supplementary material. \r\nBased on 
            
312
findings from analyses described above and the literature, we 
316
findings from analyses described above and the literature, we 
            
313
developed a conceptual model of direct and indirect relationships 
317
developed a conceptual model of direct and indirect relationships 
            
314
between both edaphoclimatic variables and experimental treatments 
318
between both edaphoclimatic variables and experimental treatments 
            
315
(Supplement Figure S4) to obtain a more holistic approach in 
319
(Supplement Figure S4) to obtain a more holistic approach in 
            
316
understanding how these properties affect MMQsoil. We had data from 23 
320
understanding how these properties affect MMQsoil. We had data from 23 
            
317
sites with 272 observations. We tested this model using structural 
321
sites with 272 observations. We tested this model using structural 
            
318
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
322
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
319
2009). We considered those environmental drivers that were included in 
323
2009). We considered those environmental drivers that were included in 
            
320
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
324
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
321
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
325
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
322
Supplementary Figure S4). These factors were allowed to directly 
326
Supplementary Figure S4). These factors were allowed to directly 
            
323
affect MMQsoil, and via their interactions with treatments. In 
327
affect MMQsoil, and via their interactions with treatments. In 
            
324
addition, treatments were allowed to directly affect MMQsoil. 
328
addition, treatments were allowed to directly affect MMQsoil. 
            
325
Treatments were included as dummy variables in the model. We tested 
329
Treatments were included as dummy variables in the model. We tested 
            
326
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
330
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
327
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
331
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
328
structured set of linear models are fitted individually. This approach 
332
structured set of linear models are fitted individually. This approach 
            
329
allowed us to account for the nested experimental design, and overcome 
333
allowed us to account for the nested experimental design, and overcome 
            
330
some of the limitations of standard structural equation models, such 
334
some of the limitations of standard structural equation models, such 
            
331
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
335
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
332
function of the nlme package to model response variables, including 
336
function of the nlme package to model response variables, including 
            
333
site as a random factor. Good fit of the SEM was assumed when 
337
site as a random factor. Good fit of the SEM was assumed when 
            
334
Fisher\u2019s C values were non-significant (p > 0.05). For all 
338
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
335
significant interactions between soil or climate variables and 
339
significant interactions between soil or climate variables and 
            
336
treatments detected in the SEMs, we calculated treatment effect sizes, 
340
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
337
i.e., the differences in MMQsoil between Control and treatments as log 
341
i.e., the differences in MMQsoil between Control and treatments as log 
            
338
response ratios (LRR) and plotted these values against the climate or 
342
response ratios (LRR) and plotted these values against the climate or 
            
339
soil factors. The LRR were defined as log(Control/Treatment), where 
343
soil factors. The LRR were defined as log(Control/Treatment), where 
            
340
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
344
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
341
LRR-climate or soil property relationships were significant we again 
345
LRR-climate or soil property relationships were significant we again 
            
342
used LMMs, in which soil and climatic properties were included as 
346
used LMMs, in which soil and climatic properties were included as 
            
343
fixed effects and plot nested in site as random effects. \r\n",
347
fixed effects and plot nested in site as random effects. \r\n",
            
344
      "doi": "",
348
      "doi": "",
            
345
      "format": ".xlsx",
349
      "format": ".xlsx",
            
346
      "hash": "",
350
      "hash": "",
            
347
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
351
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
348
      "last_modified": "2023-02-18T04:43:07.514444",
352
      "last_modified": "2023-02-18T04:43:07.514444",
            
349
      "metadata_modified": "2023-02-18T03:43:07.860695",
353
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
350
      "mimetype": null,
354
      "mimetype": null,
            
351
      "mimetype_inner": null,
355
      "mimetype_inner": null,
            
352
      "name": "Risch et al. GEB_data.xlsx",
356
      "name": "Risch et al. GEB_data.xlsx",
            
353
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
357
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
354
      "position": 0,
358
      "position": 0,
            
355
      "publication_state": "",
359
      "publication_state": "",
            
356
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
360
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
357
\"kb\"}",
361
\"kb\"}",
            
358
      "resource_type": null,
362
      "resource_type": null,
            
359
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
363
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
360
\"shared_secret\": \"\"}",
364
\"shared_secret\": \"\"}",
            
361
      "size": 110080,
365
      "size": 110080,
            
362
      "state": "active",
366
      "state": "active",
            
363
      "url": 
367
      "url": 
            
364
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
368
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
365
      "url_type": "upload"
369
      "url_type": "upload"
            
366
    }
370
    }
            
367
  ],
371
  ],
            
368
  "spatial": 
372
  "spatial": 
            
369
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
373
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
370
  "spatial_info": "worldwide",
374
  "spatial_info": "worldwide",
            
371
  "state": "active",
375
  "state": "active",
            
372
  "subtitle": "",
376
  "subtitle": "",
            
373
  "tags": [
377
  "tags": [
            
374
    {
378
    {
            
375
      "display_name": "ANTHROPOGENIC MANAGEMENT",
379
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
376
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
380
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
377
      "name": "ANTHROPOGENIC MANAGEMENT",
381
      "name": "ANTHROPOGENIC MANAGEMENT",
            
378
      "state": "active",
382
      "state": "active",
            
379
      "vocabulary_id": null
383
      "vocabulary_id": null
            
380
    },
384
    },
            
381
    {
385
    {
            
382
      "display_name": "CLIMATE",
386
      "display_name": "CLIMATE",
            
383
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
387
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
384
      "name": "CLIMATE",
388
      "name": "CLIMATE",
            
385
      "state": "active",
389
      "state": "active",
            
386
      "vocabulary_id": null
390
      "vocabulary_id": null
            
387
    },
391
    },
            
388
    {
392
    {
            
389
      "display_name": "HERBIVORE EXCLUSION",
393
      "display_name": "HERBIVORE EXCLUSION",
            
390
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
394
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
391
      "name": "HERBIVORE EXCLUSION",
395
      "name": "HERBIVORE EXCLUSION",
            
392
      "state": "active",
396
      "state": "active",
            
393
      "vocabulary_id": null
397
      "vocabulary_id": null
            
394
    },
398
    },
            
395
    {
399
    {
            
396
      "display_name": "MICROBIAL BIOMASS CARBON",
400
      "display_name": "MICROBIAL BIOMASS CARBON",
            
397
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
401
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
398
      "name": "MICROBIAL BIOMASS CARBON",
402
      "name": "MICROBIAL BIOMASS CARBON",
            
399
      "state": "active",
403
      "state": "active",
            
400
      "vocabulary_id": null
404
      "vocabulary_id": null
            
401
    },
405
    },
            
402
    {
406
    {
            
403
      "display_name": "MICROBIAL RESPIRATION",
407
      "display_name": "MICROBIAL RESPIRATION",
            
404
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
408
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
405
      "name": "MICROBIAL RESPIRATION",
409
      "name": "MICROBIAL RESPIRATION",
            
406
      "state": "active",
410
      "state": "active",
            
407
      "vocabulary_id": null
411
      "vocabulary_id": null
            
408
    },
412
    },
            
409
    {
413
    {
            
410
      "display_name": "NUTRIENT ADDITION",
414
      "display_name": "NUTRIENT ADDITION",
            
411
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
415
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
412
      "name": "NUTRIENT ADDITION",
416
      "name": "NUTRIENT ADDITION",
            
413
      "state": "active",
417
      "state": "active",
            
414
      "vocabulary_id": null
418
      "vocabulary_id": null
            
415
    },
419
    },
            
416
    {
420
    {
            
417
      "display_name": "SOIL PROPERTIES",
421
      "display_name": "SOIL PROPERTIES",
            
418
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
422
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
419
      "name": "SOIL PROPERTIES",
423
      "name": "SOIL PROPERTIES",
            
420
      "state": "active",
424
      "state": "active",
            
421
      "vocabulary_id": null
425
      "vocabulary_id": null
            
422
    }
426
    }
            
423
  ],
427
  ],
            
424
  "title": "Drivers of the microbial metabolic quotient across global 
428
  "title": "Drivers of the microbial metabolic quotient across global 
            
425
grasslands",
429
grasslands",
            
426
  "type": "dataset",
430
  "type": "dataset",
            
427
  "url": null,
431
  "url": null,
            
428
  "version": "1.0"
432
  "version": "1.0"
            
429
}
433
}