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.\", 
            
n
89
\"identifier\": \"0000-0001-9809-5092\", \"name\": \"Moore\"}]",
n
89
\"identifier\": \"0000-0001-9809-5092\", \"name\": \"Moore\"}, 
            
90
{\"affiliation\": \"Hawkesbury Institute for the Environment, Western 
            
91
Sydney University, Locked Bag 1797, Penrith, New South Wales, 2751 
            
92
Australia\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
93
\"data_credit\": \"collection\", \"email\": 
            
94
\"s.power@westernsydney.edu.au\", \"given_name\": \"Sally A.\", 
            
95
\"identifier\": \"0000-0002-2723-8671\", \"name\": \"Power\"}]",
            
90
  "author_email": null,
96
  "author_email": null,
            
91
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
97
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
92
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
98
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
93
\"end_date\": \"2016-12-31\"}]",
99
\"end_date\": \"2016-12-31\"}]",
            
94
  "doi": "10.16904/envidat.379",
100
  "doi": "10.16904/envidat.379",
            
95
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
101
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
96
internal competitive grant\", \"institution_url\": \"\"}, 
102
internal competitive grant\", \"institution_url\": \"\"}, 
            
97
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
103
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
98
Science Foundation Research Coordination Network\", 
104
Science Foundation Research Coordination Network\", 
            
99
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
105
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
100
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
106
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
101
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
107
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
102
\"institution\": \"Institute on the Environment\", 
108
\"institution\": \"Institute on the Environment\", 
            
103
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
109
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
104
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
110
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
105
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
111
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
106
\"institution\": \"German Research Foundation\", \"institution_url\": 
112
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
107
\"\"}]",
113
\"\"}]",
            
108
  "groups": [],
114
  "groups": [],
            
109
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
115
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
110
  "isopen": true,
116
  "isopen": true,
            
111
  "language": "en",
117
  "language": "en",
            
112
  "license_id": "odc-odbl",
118
  "license_id": "odc-odbl",
            
113
  "license_title": "ODbL with Database Contents License (DbCL)",
119
  "license_title": "ODbL with Database Contents License (DbCL)",
            
114
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
120
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
115
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
121
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
116
Forest, Snow and Landscape Research WSL\", \"email\": 
122
Forest, Snow and Landscape Research WSL\", \"email\": 
            
117
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
123
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
118
\"\", \"name\": \"Risch\"}",
124
\"\", \"name\": \"Risch\"}",
            
119
  "maintainer_email": null,
125
  "maintainer_email": null,
            
120
  "metadata_created": "2023-02-18T03:38:29.406811",
126
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
121
  "metadata_modified": "2023-02-20T13:02:23.350645",
t
127
  "metadata_modified": "2023-02-20T13:05:54.984015",
            
122
  "name": 
128
  "name": 
            
123
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
129
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
124
  "notes": "This dataset contains all data on which the following 
130
  "notes": "This dataset contains all data on which the following 
            
125
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
131
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
126
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
132
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
127
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
133
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
128
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
134
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
129
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
135
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
130
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
136
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
131
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
137
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
132
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
138
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
133
microbial metabolic quotient across global grasslands. Global Ecology 
139
microbial metabolic quotient across global grasslands. Global Ecology 
            
134
and Biogeography\r\n\r\nPlease cite this paper together with the 
140
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
135
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
141
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
136
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
142
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
137
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
143
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
138
(MBC; mg C kg soil-1), is a key parameter for understanding the 
144
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
139
microbial regulation of the carbon (C) cycle, including soil C 
145
microbial regulation of the carbon (C) cycle, including soil C 
            
140
sequestration. Here, we experimentally tested hypotheses about the 
146
sequestration. Here, we experimentally tested hypotheses about the 
            
141
individual and interactive effects of multiple nutrient addition 
147
individual and interactive effects of multiple nutrient addition 
            
142
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
148
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
143
across 23 sites (5 continents). Our sites encompassed a wide range of 
149
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
144
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
150
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
145
variables affected MMQ the most and how they interacted with our 
151
variables affected MMQ the most and how they interacted with our 
            
146
treatments. Soils were collected in plots with established 
152
treatments. Soils were collected in plots with established 
            
147
experimental treatments. MR was assessed in a five-week laboratory 
153
experimental treatments. MR was assessed in a five-week laboratory 
            
148
incubation without glucose addition, MBC via substrate-induced 
154
incubation without glucose addition, MBC via substrate-induced 
            
149
respiration. MMQ was calculated as MR/MBC and corrected for soil 
155
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
150
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
156
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
151
edaphoclimatic characteristics and treatments interactively affected 
157
edaphoclimatic characteristics and treatments interactively affected 
            
152
MMQsoil. MMQsoil was higher in locations with higher mean annual 
158
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
153
temperature, lower water holding capacity, and soil organic C 
159
temperature, lower water holding capacity, and soil organic C 
            
154
concentration, but did not respond to our treatments across sites as 
160
concentration, but did not respond to our treatments across sites as 
            
155
neither MR nor MBC changed. We attributed this relative homeostasis to 
161
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
156
our treatments to the modulating influence of edaphoclimatic 
162
our treatments to the modulating influence of edaphoclimatic 
            
157
variables. For example, herbivore exclusion, regardless of 
163
variables. For example, herbivore exclusion, regardless of 
            
158
fertilization, led to greater MMQsoil only at sites with lower soil 
164
fertilization, led to greater MMQsoil only at sites with lower soil 
            
159
organic C (<1.7%). Our results pinpoint the main variables related to 
165
organic C (<1.7%). Our results pinpoint the main variables related to 
            
160
MMQsoil across grasslands and emphasize the importance of the local 
166
MMQsoil across grasslands and emphasize the importance of the local 
            
161
edaphoclimatic conditions in controlling the response of the C cycle 
167
edaphoclimatic conditions in controlling the response of the C cycle 
            
162
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
168
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
163
global edaphoclimatic gradients, this work also helps to align the 
169
global edaphoclimatic gradients, this work also helps to align the 
            
164
conflicting results of prior studies. \r\n",
170
conflicting results of prior studies. \r\n",
            
165
  "num_resources": 1,
171
  "num_resources": 1,
            
166
  "num_tags": 7,
172
  "num_tags": 7,
            
167
  "organization": {
173
  "organization": {
            
168
    "approval_status": "approved",
174
    "approval_status": "approved",
            
169
    "created": "2018-04-20T09:51:26.756810",
175
    "created": "2018-04-20T09:51:26.756810",
            
170
    "description": "We are studying the distribution of and 
176
    "description": "We are studying the distribution of and 
            
171
interactions among producers, consumers as well as decomposers and 
177
interactions among producers, consumers as well as decomposers and 
            
172
between these communities and their environment. We focus on food webs 
178
between these communities and their environment. We focus on food webs 
            
173
in real world ecosystems and thus mainly sample our data during 
179
in real world ecosystems and thus mainly sample our data during 
            
174
experimental field campaigns. Data collection under controlled 
180
experimental field campaigns. Data collection under controlled 
            
175
conditions in the greenhouse or experimental garden are, however, 
181
conditions in the greenhouse or experimental garden are, however, 
            
176
common add-ons hereby. We are mainly interested in the functioning of 
182
common add-ons hereby. We are mainly interested in the functioning of 
            
177
natural ecosystems and often conduct research in National Parks around 
183
natural ecosystems and often conduct research in National Parks around 
            
178
the world. Our main study area is, however, the Swiss National Park. 
184
the world. Our main study area is, however, the Swiss National Park. 
            
179
While working on basic research questions, we regularly consider 
185
While working on basic research questions, we regularly consider 
            
180
applied aspects that are related to protecting or conserving 
186
applied aspects that are related to protecting or conserving 
            
181
endangered ecosystems.\r\n\r\nExamples of research question of our 
187
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
182
research group assesses are:\r\n\r\nHow is species loss related to 
188
research group assesses are:\r\n\r\nHow is species loss related to 
            
183
ecosystem processes and functions? Which species or species groups are 
189
ecosystem processes and functions? Which species or species groups are 
            
184
particularly relevant for ecosystem functioning? Which effects are 
190
particularly relevant for ecosystem functioning? Which effects are 
            
185
expected with the loss of such important species groups? How are 
191
expected with the loss of such important species groups? How are 
            
186
aboveground organisms interacting with belowground organisms? Which 
192
aboveground organisms interacting with belowground organisms? Which 
            
187
abiotic and biotic conditions favor diverse ecosystems? Is global 
193
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
188
change (for example eutrophication, habitat fragmentation, climate) a 
194
change (for example eutrophication, habitat fragmentation, climate) a 
            
189
thread for diverse ecosystems? How can diverse ecosystems be 
195
thread for diverse ecosystems? How can diverse ecosystems be 
            
190
protected?",
196
protected?",
            
191
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
197
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
192
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
198
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
193
    "is_organization": true,
199
    "is_organization": true,
            
194
    "name": "plant-animal-interactions",
200
    "name": "plant-animal-interactions",
            
195
    "state": "active",
201
    "state": "active",
            
196
    "title": "Plant-Animal Interactions",
202
    "title": "Plant-Animal Interactions",
            
197
    "type": "organization"
203
    "type": "organization"
            
198
  },
204
  },
            
199
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
205
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
200
  "private": false,
206
  "private": false,
            
201
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
207
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
202
\"EnviDat\"}",
208
\"EnviDat\"}",
            
203
  "publication_state": "pub_pending",
209
  "publication_state": "pub_pending",
            
204
  "related_datasets": "",
210
  "related_datasets": "",
            
205
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
211
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
206
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
212
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
207
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
213
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
208
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
214
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
209
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
215
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
210
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
216
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
211
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
217
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
212
Raul (accepted). Drivers of the microbial metabolic quotient across 
218
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
213
global grasslands. Global Ecology and Biogeography",
219
global grasslands. Global Ecology and Biogeography",
            
214
  "relationships_as_object": [],
220
  "relationships_as_object": [],
            
215
  "relationships_as_subject": [],
221
  "relationships_as_subject": [],
            
216
  "resource_type": "datapaper",
222
  "resource_type": "datapaper",
            
217
  "resource_type_general": "datapaper",
223
  "resource_type_general": "datapaper",
            
218
  "resources": [
224
  "resources": [
            
219
    {
225
    {
            
220
      "cache_last_updated": null,
226
      "cache_last_updated": null,
            
221
      "cache_url": null,
227
      "cache_url": null,
            
222
      "created": "2023-02-18T03:43:03.643074",
228
      "created": "2023-02-18T03:43:03.643074",
            
223
      "description": "Study sites and experimental design\r\nWe 
229
      "description": "Study sites and experimental design\r\nWe 
            
224
collected data from 23 sites that are part of the Nutrient Network 
230
collected data from 23 sites that are part of the Nutrient Network 
            
225
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
231
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
226
mean annual air temperature (MAT) across these sites ranged from -4 to 
232
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
227
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
233
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
228
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
234
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
229
Table S1), hence cover a wide range of climatic conditions under which 
235
Table S1), hence cover a wide range of climatic conditions under which 
            
230
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
236
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
231
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
237
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
232
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
238
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
233
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
239
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
234
\r\nAt each site, the effects of nutrient addition and herbivore 
240
\r\nAt each site, the effects of nutrient addition and herbivore 
            
235
exclusion were tested via a randomized-block design (Borer et al., 
241
exclusion were tested via a randomized-block design (Borer et al., 
            
236
2014). Three blocks with 10 treatment plots each were established at 
242
2014). Three blocks with 10 treatment plots each were established at 
            
237
each site, except for the site at bldr.us (only two blocks). Each of 
243
each site, except for the site at bldr.us (only two blocks). Each of 
            
238
these 10 plots was randomly assigned to a nutrient or fencing 
244
these 10 plots was randomly assigned to a nutrient or fencing 
            
239
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
245
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
240
m subplots. Each subplot was further divided into four 1 x 1 m square 
246
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
241
sampling plots, one of which was set aside for soil sampling (Borer et 
247
sampling plots, one of which was set aside for soil sampling (Borer et 
            
242
al., 2014). Plots were separated by at least 1 m wide walkways. We 
248
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
243
collected soil samples from four different treatments for this study: 
249
collected soil samples from four different treatments for this study: 
            
244
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
250
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
245
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
251
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
246
macro and micronutrients (NPK), and (iv) plots with simultaneous 
252
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
247
fertilizer addition and herbivore exclusion (NPK+Fence). The 
253
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
248
experiments were established at different times in the past, with 
254
experiments were established at different times in the past, with 
            
249
years of treatment different among sites (2 \u2013 9 years since start 
255
years of treatment different among sites (2 \u2013 9 years since start 
            
250
of treatment; Supplementary Table S1). For the nutrient additions, all 
256
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
251
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
257
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
252
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
258
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
253
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
259
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
254
100 g m-2 together with K in the first year of treatments but not 
260
100 g m-2 together with K in the first year of treatments but not 
            
255
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
261
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
256
fencing two plots, one with and one without NPK additions, within each 
262
fencing two plots, one with and one without NPK additions, within each 
            
257
block. The fences excluded all aboveground mammalian herbivores with a 
263
block. The fences excluded all aboveground mammalian herbivores with a 
            
258
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
264
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
259
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
265
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
260
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
266
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
261
ground to exclude burrowing animals. Climbing and subterranean animals 
267
ground to exclude burrowing animals. Climbing and subterranean animals 
            
262
may potentially still access these plots (Borer et al., 2014). For 
268
may potentially still access these plots (Borer et al., 2014). For 
            
263
slight modifications in fence design at a few sites see Supplementary 
269
slight modifications in fence design at a few sites see Supplementary 
            
264
Table S3. Most sites only had wild herbivores, although four sites 
270
Table S3. Most sites only had wild herbivores, although four sites 
            
265
were also grazed by domestic animals (Supplementary Table 
271
were also grazed by domestic animals (Supplementary Table 
            
266
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
272
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
267
microbial biomass, and other soil properties\r\nEach of the 23 sites 
273
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
268
received a package containing identical material from the Swiss 
274
received a package containing identical material from the Swiss 
            
269
Federal Institute for Forest, Snow and Landscape Research WSL, 
275
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
270
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
276
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
271
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
277
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
272
each sampling plot and composited them to measure MR, MBC, and soil 
278
each sampling plot and composited them to measure MR, MBC, and soil 
            
273
chemical properties (see below). An additional sample (5 x 12 cm) was 
279
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
274
collected to assess soil physical properties. This sample remained 
280
collected to assess soil physical properties. This sample remained 
            
275
within a steel sampling core after collection and both ends were 
281
within a steel sampling core after collection and both ends were 
            
276
tightly closed with plastic caps to avoid disturbance. All soils were 
282
tightly closed with plastic caps to avoid disturbance. All soils were 
            
277
shipped cooled to the laboratory at (Location will be disclosed after 
283
shipped cooled to the laboratory at (Location will be disclosed after 
            
278
manuscript acceptance) within a few days after collection. Soils were 
284
manuscript acceptance) within a few days after collection. Soils were 
            
279
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
285
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
280
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
286
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
281
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
287
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
282
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
288
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
283
added to these samples. We adjusted the soil moisture of each sample 
289
added to these samples. We adjusted the soil moisture of each sample 
            
284
to 60% field capacity. We then placed a 15 ml plastic test tube 
290
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
285
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
291
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
286
The test tube was fixed with a plastic rod so that it was not in 
292
The test tube was fixed with a plastic rod so that it was not in 
            
287
contact with the soil sample. The Falcon tubes were then sealed with a 
293
contact with the soil sample. The Falcon tubes were then sealed with a 
            
288
screw cap and placed in an incubator under completely dark conditions 
294
screw cap and placed in an incubator under completely dark conditions 
            
289
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
295
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
290
by the 0.05 M NaOH. For five weeks we measured the decrease in 
296
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
291
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
297
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
292
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
298
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
293
NaOH with fresh solution. We included Falcon tubes without soil 
299
NaOH with fresh solution. We included Falcon tubes without soil 
            
294
samples in each incubation run as blanks to test if tubes were tight 
300
samples in each incubation run as blanks to test if tubes were tight 
            
295
and no CO2 could enter or escape. We calibrated the relationship 
301
and no CO2 could enter or escape. We calibrated the relationship 
            
296
between conductivity reduction and NaOH absorbed as follows: 400 ml 
302
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
297
0.05 M NaOH was placed in a beaker and its conductivity was measured 
303
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
298
with the multimeter. While stirring, air containing CO2 was blown into 
304
with the multimeter. While stirring, air containing CO2 was blown into 
            
299
the solution for approximately one minute, which reacts with NaOH to 
305
the solution for approximately one minute, which reacts with NaOH to 
            
300
form Na2CO3. After this process, conductivity was measured again. We 
306
form Na2CO3. After this process, conductivity was measured again. We 
            
301
then transferred 7.25 ml of the solution into a smaller beaker and 
307
then transferred 7.25 ml of the solution into a smaller beaker and 
            
302
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
308
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
303
solution with 0.05 M HCl to determine the remaining NaOH. We then 
309
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
304
repeated these steps with the remaining solution a total of nine times 
310
repeated these steps with the remaining solution a total of nine times 
            
305
and plotted the conductivities (y-axis) against the NaOH consumed 
311
and plotted the conductivities (y-axis) against the NaOH consumed 
            
306
(x-axis, Supplementary Fig S1). This regression line was used to infer 
312
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
307
the consumption of NaOH from the conductivity reduction in the 
313
the consumption of NaOH from the conductivity reduction in the 
            
308
incubation experiments and to calculate CO2 evolution during 
314
incubation experiments and to calculate CO2 evolution during 
            
309
incubation. In addition, we determined the optimum concentration for 
315
incubation. In addition, we determined the optimum concentration for 
            
310
the NaOH solution in series of preliminary experiments, so that the 
316
the NaOH solution in series of preliminary experiments, so that the 
            
311
concentration was not too high to become insensitive, but also not too 
317
concentration was not too high to become insensitive, but also not too 
            
312
low so that not all NaOH reacts during incubation. We then calculated 
318
low so that not all NaOH reacts during incubation. We then calculated 
            
313
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
319
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
314
the 5 weeks divided by the duration of the entire incubation in 
320
the 5 weeks divided by the duration of the entire incubation in 
            
315
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
321
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
316
measured at the beginning of the experiment by measuring the maximal 
322
measured at the beginning of the experiment by measuring the maximal 
            
317
respiratory response to the addition of glucose solution (4 mg glucose 
323
respiratory response to the addition of glucose solution (4 mg glucose 
            
318
per g soil dry weight dissolved in distilled water; substrate-induced 
324
per g soil dry weight dissolved in distilled water; substrate-induced 
            
319
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
325
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
320
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
326
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
321
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
327
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
322
specifically, substrate-induced respiration was calculated from the 
328
specifically, substrate-induced respiration was calculated from the 
            
323
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
329
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
324
added according to preliminary studies to saturate the catabolic 
330
added according to preliminary studies to saturate the catabolic 
            
325
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
331
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
326
water). The mean of the lowest three readings within the first 10 hrs 
332
water). The mean of the lowest three readings within the first 10 hrs 
            
327
(between the initial peak caused by disturbing the soil and the peak 
333
(between the initial peak caused by disturbing the soil and the peak 
            
328
caused by microbial growth) was taken as maximum initial respiratory 
334
caused by microbial growth) was taken as maximum initial respiratory 
            
329
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
335
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
330
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
336
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
331
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
337
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
332
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
338
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
333
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
339
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
334
soil organic C (Risch et al., 2019). The undisturbed sample was used 
340
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
335
to assess water holding capacity (WHC), bulk density (BD), and soil 
341
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
336
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
342
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
337
the percentage of sand and clay as an indicator of soil texture in 
343
the percentage of sand and clay as an indicator of soil texture in 
            
338
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
344
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
339
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
345
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
340
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
346
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
341
variables were selected as they were found to be drivers of soil 
347
variables were selected as they were found to be drivers of soil 
            
342
nutrient processes across these sites in earlier studies (Risch et 
348
nutrient processes across these sites in earlier studies (Risch et 
            
343
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
349
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
344
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
350
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
345
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
351
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
346
al., 2022), global gridded modelled products of soil bioclimatic 
352
al., 2022), global gridded modelled products of soil bioclimatic 
            
347
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
353
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
348
on CHELSA, ERA5 and in-situ soil temperature 
354
on CHELSA, ERA5 and in-situ soil temperature 
            
349
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
355
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
350
calculated MMQ as MR/MBC. We corrected this measure using the average 
356
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
351
soil temperature of each site (MMQsoil). This temperature correction 
357
soil temperature of each site (MMQsoil). This temperature correction 
            
352
is necessary as incubation temperatures are usually much higher than 
358
is necessary as incubation temperatures are usually much higher than 
            
353
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
359
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
354
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
360
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
355
2017). See Supplementary Fig S2 for comparison of air and soil 
361
2017). See Supplementary Fig S2 for comparison of air and soil 
            
356
temperatures across the 23 sites as well as the incubation 
362
temperatures across the 23 sites as well as the incubation 
            
357
temperature. \r\nSome of the explanatory variables (clay, soil organic 
363
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
358
C, C:N ratio) were skewed and were thus log-transformed prior to 
364
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
359
analyses. All continuous explanatory variables were centred and scaled 
365
analyses. All continuous explanatory variables were centred and scaled 
            
360
to have a mean of zero and variance of one. To avoid collinearity 
366
to have a mean of zero and variance of one. To avoid collinearity 
            
361
between them we filtered them using correlation analysis 
367
between them we filtered them using correlation analysis 
            
362
(Supplementary Fig S3). From the variables that were strongly 
368
(Supplementary Fig S3). From the variables that were strongly 
            
363
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
369
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
364
selected the ones that allowed us to minimize the number of variables 
370
selected the ones that allowed us to minimize the number of variables 
            
365
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
371
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
366
total C concentration, soil sand content and soil bulk density were 
372
total C concentration, soil sand content and soil bulk density were 
            
367
dropped from the dataset. We then assessed how these edaphoclimatic 
373
dropped from the dataset. We then assessed how these edaphoclimatic 
            
368
variables are related to MMQ across our global grasslands.\r\nFor 
374
variables are related to MMQ across our global grasslands.\r\nFor 
            
369
this, we used linear mixed effects models (LMMs) fitted by maximum 
375
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
370
likelihood with the lme function in the nlme package (version 3.1-153) 
376
likelihood with the lme function in the nlme package (version 3.1-153) 
            
371
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
377
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
372
Team, 2019). We used treatment as a fixed effect and plot nested in 
378
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
373
site as random effects to assess treatment differences in MMQsoil, as 
379
site as random effects to assess treatment differences in MMQsoil, as 
            
374
well as MR, and MBC. The number of years since the treatment started 
380
well as MR, and MBC. The number of years since the treatment started 
            
375
was included as a fixed effect in all the initial models but was not 
381
was included as a fixed effect in all the initial models but was not 
            
376
significant and therefore not retained in the models. To assess how 
382
significant and therefore not retained in the models. To assess how 
            
377
differences in MMQsoil were affected by environmental factors (soil, 
383
differences in MMQsoil were affected by environmental factors (soil, 
            
378
climatic properties) we again used LMMs. Soil and climatic properties 
384
climatic properties) we again used LMMs. Soil and climatic properties 
            
379
were included as fixed effects and plot nested in site as random 
385
were included as fixed effects and plot nested in site as random 
            
380
effects. We did not include interactions between environmental 
386
effects. We did not include interactions between environmental 
            
381
variables. We then used the MuMin package (Barton, 2018) (version 
387
variables. We then used the MuMin package (Barton, 2018) (version 
            
382
1.42.1) to select the best models that explained the most variation 
388
1.42.1) to select the best models that explained the most variation 
            
383
based on Akaike\u2019s information criterion (AIC; model.avg 
389
based on Akaike\u2019s information criterion (AIC; model.avg 
            
384
function). We used the corrected AIC (AICc) to account for our small 
390
function). We used the corrected AIC (AICc) to account for our small 
            
385
sample size and selected the top models that fell within 4 AICc units 
391
sample size and selected the top models that fell within 4 AICc units 
            
386
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
392
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
387
We present all our top models rather than model averages. Conditional 
393
We present all our top models rather than model averages. Conditional 
            
388
averages are provided in the Supplementary material. \r\nBased on 
394
averages are provided in the Supplementary material. \r\nBased on 
            
389
findings from analyses described above and the literature, we 
395
findings from analyses described above and the literature, we 
            
390
developed a conceptual model of direct and indirect relationships 
396
developed a conceptual model of direct and indirect relationships 
            
391
between both edaphoclimatic variables and experimental treatments 
397
between both edaphoclimatic variables and experimental treatments 
            
392
(Supplement Figure S4) to obtain a more holistic approach in 
398
(Supplement Figure S4) to obtain a more holistic approach in 
            
393
understanding how these properties affect MMQsoil. We had data from 23 
399
understanding how these properties affect MMQsoil. We had data from 23 
            
394
sites with 272 observations. We tested this model using structural 
400
sites with 272 observations. We tested this model using structural 
            
395
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
401
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
396
2009). We considered those environmental drivers that were included in 
402
2009). We considered those environmental drivers that were included in 
            
397
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
403
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
398
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
404
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
399
Supplementary Figure S4). These factors were allowed to directly 
405
Supplementary Figure S4). These factors were allowed to directly 
            
400
affect MMQsoil, and via their interactions with treatments. In 
406
affect MMQsoil, and via their interactions with treatments. In 
            
401
addition, treatments were allowed to directly affect MMQsoil. 
407
addition, treatments were allowed to directly affect MMQsoil. 
            
402
Treatments were included as dummy variables in the model. We tested 
408
Treatments were included as dummy variables in the model. We tested 
            
403
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
409
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
404
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
410
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
405
structured set of linear models are fitted individually. This approach 
411
structured set of linear models are fitted individually. This approach 
            
406
allowed us to account for the nested experimental design, and overcome 
412
allowed us to account for the nested experimental design, and overcome 
            
407
some of the limitations of standard structural equation models, such 
413
some of the limitations of standard structural equation models, such 
            
408
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
414
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
409
function of the nlme package to model response variables, including 
415
function of the nlme package to model response variables, including 
            
410
site as a random factor. Good fit of the SEM was assumed when 
416
site as a random factor. Good fit of the SEM was assumed when 
            
411
Fisher\u2019s C values were non-significant (p > 0.05). For all 
417
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
412
significant interactions between soil or climate variables and 
418
significant interactions between soil or climate variables and 
            
413
treatments detected in the SEMs, we calculated treatment effect sizes, 
419
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
414
i.e., the differences in MMQsoil between Control and treatments as log 
420
i.e., the differences in MMQsoil between Control and treatments as log 
            
415
response ratios (LRR) and plotted these values against the climate or 
421
response ratios (LRR) and plotted these values against the climate or 
            
416
soil factors. The LRR were defined as log(Control/Treatment), where 
422
soil factors. The LRR were defined as log(Control/Treatment), where 
            
417
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
423
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
418
LRR-climate or soil property relationships were significant we again 
424
LRR-climate or soil property relationships were significant we again 
            
419
used LMMs, in which soil and climatic properties were included as 
425
used LMMs, in which soil and climatic properties were included as 
            
420
fixed effects and plot nested in site as random effects. \r\n",
426
fixed effects and plot nested in site as random effects. \r\n",
            
421
      "doi": "",
427
      "doi": "",
            
422
      "format": ".xlsx",
428
      "format": ".xlsx",
            
423
      "hash": "",
429
      "hash": "",
            
424
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
430
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
425
      "last_modified": "2023-02-18T04:43:07.514444",
431
      "last_modified": "2023-02-18T04:43:07.514444",
            
426
      "metadata_modified": "2023-02-18T03:43:07.860695",
432
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
427
      "mimetype": null,
433
      "mimetype": null,
            
428
      "mimetype_inner": null,
434
      "mimetype_inner": null,
            
429
      "name": "Risch et al. GEB_data.xlsx",
435
      "name": "Risch et al. GEB_data.xlsx",
            
430
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
436
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
431
      "position": 0,
437
      "position": 0,
            
432
      "publication_state": "",
438
      "publication_state": "",
            
433
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
439
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
434
\"kb\"}",
440
\"kb\"}",
            
435
      "resource_type": null,
441
      "resource_type": null,
            
436
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
442
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
437
\"shared_secret\": \"\"}",
443
\"shared_secret\": \"\"}",
            
438
      "size": 110080,
444
      "size": 110080,
            
439
      "state": "active",
445
      "state": "active",
            
440
      "url": 
446
      "url": 
            
441
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
447
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
442
      "url_type": "upload"
448
      "url_type": "upload"
            
443
    }
449
    }
            
444
  ],
450
  ],
            
445
  "spatial": 
451
  "spatial": 
            
446
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
452
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
447
  "spatial_info": "worldwide",
453
  "spatial_info": "worldwide",
            
448
  "state": "active",
454
  "state": "active",
            
449
  "subtitle": "",
455
  "subtitle": "",
            
450
  "tags": [
456
  "tags": [
            
451
    {
457
    {
            
452
      "display_name": "ANTHROPOGENIC MANAGEMENT",
458
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
453
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
459
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
454
      "name": "ANTHROPOGENIC MANAGEMENT",
460
      "name": "ANTHROPOGENIC MANAGEMENT",
            
455
      "state": "active",
461
      "state": "active",
            
456
      "vocabulary_id": null
462
      "vocabulary_id": null
            
457
    },
463
    },
            
458
    {
464
    {
            
459
      "display_name": "CLIMATE",
465
      "display_name": "CLIMATE",
            
460
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
466
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
461
      "name": "CLIMATE",
467
      "name": "CLIMATE",
            
462
      "state": "active",
468
      "state": "active",
            
463
      "vocabulary_id": null
469
      "vocabulary_id": null
            
464
    },
470
    },
            
465
    {
471
    {
            
466
      "display_name": "HERBIVORE EXCLUSION",
472
      "display_name": "HERBIVORE EXCLUSION",
            
467
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
473
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
468
      "name": "HERBIVORE EXCLUSION",
474
      "name": "HERBIVORE EXCLUSION",
            
469
      "state": "active",
475
      "state": "active",
            
470
      "vocabulary_id": null
476
      "vocabulary_id": null
            
471
    },
477
    },
            
472
    {
478
    {
            
473
      "display_name": "MICROBIAL BIOMASS CARBON",
479
      "display_name": "MICROBIAL BIOMASS CARBON",
            
474
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
480
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
475
      "name": "MICROBIAL BIOMASS CARBON",
481
      "name": "MICROBIAL BIOMASS CARBON",
            
476
      "state": "active",
482
      "state": "active",
            
477
      "vocabulary_id": null
483
      "vocabulary_id": null
            
478
    },
484
    },
            
479
    {
485
    {
            
480
      "display_name": "MICROBIAL RESPIRATION",
486
      "display_name": "MICROBIAL RESPIRATION",
            
481
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
487
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
482
      "name": "MICROBIAL RESPIRATION",
488
      "name": "MICROBIAL RESPIRATION",
            
483
      "state": "active",
489
      "state": "active",
            
484
      "vocabulary_id": null
490
      "vocabulary_id": null
            
485
    },
491
    },
            
486
    {
492
    {
            
487
      "display_name": "NUTRIENT ADDITION",
493
      "display_name": "NUTRIENT ADDITION",
            
488
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
494
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
489
      "name": "NUTRIENT ADDITION",
495
      "name": "NUTRIENT ADDITION",
            
490
      "state": "active",
496
      "state": "active",
            
491
      "vocabulary_id": null
497
      "vocabulary_id": null
            
492
    },
498
    },
            
493
    {
499
    {
            
494
      "display_name": "SOIL PROPERTIES",
500
      "display_name": "SOIL PROPERTIES",
            
495
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
501
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
496
      "name": "SOIL PROPERTIES",
502
      "name": "SOIL PROPERTIES",
            
497
      "state": "active",
503
      "state": "active",
            
498
      "vocabulary_id": null
504
      "vocabulary_id": null
            
499
    }
505
    }
            
500
  ],
506
  ],
            
501
  "title": "Drivers of the microbial metabolic quotient across global 
507
  "title": "Drivers of the microbial metabolic quotient across global 
            
502
grasslands",
508
grasslands",
            
503
  "type": "dataset",
509
  "type": "dataset",
            
504
  "url": null,
510
  "url": null,
            
505
  "version": "1.0"
511
  "version": "1.0"
            
506
}
512
}