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.\", 
            
n
n
65
\"identifier\": \"\", \"name\": \"Knops\"}, {\"affiliation\": \"Plants 
            
66
and Ecosystems (PLECO), University of Antwerp, Belgium\", 
            
67
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
            
68
\"\", \"data_credit\": \"curation\", \"email\": 
            
69
\"lembrechtsjonas@gmail.com\", \"given_name\": \"Jonas J.\", 
            
65
\"identifier\": \"\", \"name\": \"Knops\"}]",
70
\"identifier\": \"\", \"name\": \"Lembrechts\"}]",
            
66
  "author_email": null,
71
  "author_email": null,
            
67
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
72
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
68
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
73
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
69
\"end_date\": \"2016-12-31\"}]",
74
\"end_date\": \"2016-12-31\"}]",
            
70
  "doi": "10.16904/envidat.379",
75
  "doi": "10.16904/envidat.379",
            
71
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
76
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
72
internal competitive grant\", \"institution_url\": \"\"}, 
77
internal competitive grant\", \"institution_url\": \"\"}, 
            
73
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
78
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
74
Science Foundation Research Coordination Network\", 
79
Science Foundation Research Coordination Network\", 
            
75
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
80
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
76
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
81
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
77
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
82
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
78
\"institution\": \"Institute on the Environment\", 
83
\"institution\": \"Institute on the Environment\", 
            
79
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
84
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
80
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
85
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
81
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
86
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
82
\"institution\": \"German Research Foundation\", \"institution_url\": 
87
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
83
\"\"}]",
88
\"\"}]",
            
84
  "groups": [],
89
  "groups": [],
            
85
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
90
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
86
  "isopen": true,
91
  "isopen": true,
            
87
  "language": "en",
92
  "language": "en",
            
88
  "license_id": "odc-odbl",
93
  "license_id": "odc-odbl",
            
89
  "license_title": "ODbL with Database Contents License (DbCL)",
94
  "license_title": "ODbL with Database Contents License (DbCL)",
            
90
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
95
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
91
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
96
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
92
Forest, Snow and Landscape Research WSL\", \"email\": 
97
Forest, Snow and Landscape Research WSL\", \"email\": 
            
93
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
98
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
94
\"\", \"name\": \"Risch\"}",
99
\"\", \"name\": \"Risch\"}",
            
95
  "maintainer_email": null,
100
  "maintainer_email": null,
            
96
  "metadata_created": "2023-02-18T03:38:29.406811",
101
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
97
  "metadata_modified": "2023-02-20T12:12:38.491180",
t
102
  "metadata_modified": "2023-02-20T12:46:41.396033",
            
98
  "name": 
103
  "name": 
            
99
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
104
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
100
  "notes": "This dataset contains all data on which the following 
105
  "notes": "This dataset contains all data on which the following 
            
101
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
106
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
102
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
107
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
103
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
108
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
104
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
109
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
105
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
110
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
106
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
111
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
107
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
112
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
108
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
113
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
109
microbial metabolic quotient across global grasslands. Global Ecology 
114
microbial metabolic quotient across global grasslands. Global Ecology 
            
110
and Biogeography\r\n\r\nPlease cite this paper together with the 
115
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
111
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
116
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
112
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
117
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
113
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
118
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
114
(MBC; mg C kg soil-1), is a key parameter for understanding the 
119
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
115
microbial regulation of the carbon (C) cycle, including soil C 
120
microbial regulation of the carbon (C) cycle, including soil C 
            
116
sequestration. Here, we experimentally tested hypotheses about the 
121
sequestration. Here, we experimentally tested hypotheses about the 
            
117
individual and interactive effects of multiple nutrient addition 
122
individual and interactive effects of multiple nutrient addition 
            
118
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
123
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
119
across 23 sites (5 continents). Our sites encompassed a wide range of 
124
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
120
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
125
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
121
variables affected MMQ the most and how they interacted with our 
126
variables affected MMQ the most and how they interacted with our 
            
122
treatments. Soils were collected in plots with established 
127
treatments. Soils were collected in plots with established 
            
123
experimental treatments. MR was assessed in a five-week laboratory 
128
experimental treatments. MR was assessed in a five-week laboratory 
            
124
incubation without glucose addition, MBC via substrate-induced 
129
incubation without glucose addition, MBC via substrate-induced 
            
125
respiration. MMQ was calculated as MR/MBC and corrected for soil 
130
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
126
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
131
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
127
edaphoclimatic characteristics and treatments interactively affected 
132
edaphoclimatic characteristics and treatments interactively affected 
            
128
MMQsoil. MMQsoil was higher in locations with higher mean annual 
133
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
129
temperature, lower water holding capacity, and soil organic C 
134
temperature, lower water holding capacity, and soil organic C 
            
130
concentration, but did not respond to our treatments across sites as 
135
concentration, but did not respond to our treatments across sites as 
            
131
neither MR nor MBC changed. We attributed this relative homeostasis to 
136
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
132
our treatments to the modulating influence of edaphoclimatic 
137
our treatments to the modulating influence of edaphoclimatic 
            
133
variables. For example, herbivore exclusion, regardless of 
138
variables. For example, herbivore exclusion, regardless of 
            
134
fertilization, led to greater MMQsoil only at sites with lower soil 
139
fertilization, led to greater MMQsoil only at sites with lower soil 
            
135
organic C (<1.7%). Our results pinpoint the main variables related to 
140
organic C (<1.7%). Our results pinpoint the main variables related to 
            
136
MMQsoil across grasslands and emphasize the importance of the local 
141
MMQsoil across grasslands and emphasize the importance of the local 
            
137
edaphoclimatic conditions in controlling the response of the C cycle 
142
edaphoclimatic conditions in controlling the response of the C cycle 
            
138
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
143
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
139
global edaphoclimatic gradients, this work also helps to align the 
144
global edaphoclimatic gradients, this work also helps to align the 
            
140
conflicting results of prior studies. \r\n",
145
conflicting results of prior studies. \r\n",
            
141
  "num_resources": 1,
146
  "num_resources": 1,
            
142
  "num_tags": 7,
147
  "num_tags": 7,
            
143
  "organization": {
148
  "organization": {
            
144
    "approval_status": "approved",
149
    "approval_status": "approved",
            
145
    "created": "2018-04-20T09:51:26.756810",
150
    "created": "2018-04-20T09:51:26.756810",
            
146
    "description": "We are studying the distribution of and 
151
    "description": "We are studying the distribution of and 
            
147
interactions among producers, consumers as well as decomposers and 
152
interactions among producers, consumers as well as decomposers and 
            
148
between these communities and their environment. We focus on food webs 
153
between these communities and their environment. We focus on food webs 
            
149
in real world ecosystems and thus mainly sample our data during 
154
in real world ecosystems and thus mainly sample our data during 
            
150
experimental field campaigns. Data collection under controlled 
155
experimental field campaigns. Data collection under controlled 
            
151
conditions in the greenhouse or experimental garden are, however, 
156
conditions in the greenhouse or experimental garden are, however, 
            
152
common add-ons hereby. We are mainly interested in the functioning of 
157
common add-ons hereby. We are mainly interested in the functioning of 
            
153
natural ecosystems and often conduct research in National Parks around 
158
natural ecosystems and often conduct research in National Parks around 
            
154
the world. Our main study area is, however, the Swiss National Park. 
159
the world. Our main study area is, however, the Swiss National Park. 
            
155
While working on basic research questions, we regularly consider 
160
While working on basic research questions, we regularly consider 
            
156
applied aspects that are related to protecting or conserving 
161
applied aspects that are related to protecting or conserving 
            
157
endangered ecosystems.\r\n\r\nExamples of research question of our 
162
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
158
research group assesses are:\r\n\r\nHow is species loss related to 
163
research group assesses are:\r\n\r\nHow is species loss related to 
            
159
ecosystem processes and functions? Which species or species groups are 
164
ecosystem processes and functions? Which species or species groups are 
            
160
particularly relevant for ecosystem functioning? Which effects are 
165
particularly relevant for ecosystem functioning? Which effects are 
            
161
expected with the loss of such important species groups? How are 
166
expected with the loss of such important species groups? How are 
            
162
aboveground organisms interacting with belowground organisms? Which 
167
aboveground organisms interacting with belowground organisms? Which 
            
163
abiotic and biotic conditions favor diverse ecosystems? Is global 
168
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
164
change (for example eutrophication, habitat fragmentation, climate) a 
169
change (for example eutrophication, habitat fragmentation, climate) a 
            
165
thread for diverse ecosystems? How can diverse ecosystems be 
170
thread for diverse ecosystems? How can diverse ecosystems be 
            
166
protected?",
171
protected?",
            
167
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
172
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
168
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
173
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
169
    "is_organization": true,
174
    "is_organization": true,
            
170
    "name": "plant-animal-interactions",
175
    "name": "plant-animal-interactions",
            
171
    "state": "active",
176
    "state": "active",
            
172
    "title": "Plant-Animal Interactions",
177
    "title": "Plant-Animal Interactions",
            
173
    "type": "organization"
178
    "type": "organization"
            
174
  },
179
  },
            
175
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
180
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
176
  "private": false,
181
  "private": false,
            
177
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
182
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
178
\"EnviDat\"}",
183
\"EnviDat\"}",
            
179
  "publication_state": "pub_pending",
184
  "publication_state": "pub_pending",
            
180
  "related_datasets": "",
185
  "related_datasets": "",
            
181
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
186
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
182
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
187
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
183
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
188
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
184
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
189
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
185
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
190
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
186
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
191
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
187
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
192
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
188
Raul (accepted). Drivers of the microbial metabolic quotient across 
193
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
189
global grasslands. Global Ecology and Biogeography",
194
global grasslands. Global Ecology and Biogeography",
            
190
  "relationships_as_object": [],
195
  "relationships_as_object": [],
            
191
  "relationships_as_subject": [],
196
  "relationships_as_subject": [],
            
192
  "resource_type": "datapaper",
197
  "resource_type": "datapaper",
            
193
  "resource_type_general": "datapaper",
198
  "resource_type_general": "datapaper",
            
194
  "resources": [
199
  "resources": [
            
195
    {
200
    {
            
196
      "cache_last_updated": null,
201
      "cache_last_updated": null,
            
197
      "cache_url": null,
202
      "cache_url": null,
            
198
      "created": "2023-02-18T03:43:03.643074",
203
      "created": "2023-02-18T03:43:03.643074",
            
199
      "description": "Study sites and experimental design\r\nWe 
204
      "description": "Study sites and experimental design\r\nWe 
            
200
collected data from 23 sites that are part of the Nutrient Network 
205
collected data from 23 sites that are part of the Nutrient Network 
            
201
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
206
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
202
mean annual air temperature (MAT) across these sites ranged from -4 to 
207
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
203
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
208
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
204
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
209
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
205
Table S1), hence cover a wide range of climatic conditions under which 
210
Table S1), hence cover a wide range of climatic conditions under which 
            
206
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
211
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
207
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
212
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
208
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
213
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
209
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
214
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
210
\r\nAt each site, the effects of nutrient addition and herbivore 
215
\r\nAt each site, the effects of nutrient addition and herbivore 
            
211
exclusion were tested via a randomized-block design (Borer et al., 
216
exclusion were tested via a randomized-block design (Borer et al., 
            
212
2014). Three blocks with 10 treatment plots each were established at 
217
2014). Three blocks with 10 treatment plots each were established at 
            
213
each site, except for the site at bldr.us (only two blocks). Each of 
218
each site, except for the site at bldr.us (only two blocks). Each of 
            
214
these 10 plots was randomly assigned to a nutrient or fencing 
219
these 10 plots was randomly assigned to a nutrient or fencing 
            
215
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
220
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
216
m subplots. Each subplot was further divided into four 1 x 1 m square 
221
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
217
sampling plots, one of which was set aside for soil sampling (Borer et 
222
sampling plots, one of which was set aside for soil sampling (Borer et 
            
218
al., 2014). Plots were separated by at least 1 m wide walkways. We 
223
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
219
collected soil samples from four different treatments for this study: 
224
collected soil samples from four different treatments for this study: 
            
220
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
225
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
221
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
226
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
222
macro and micronutrients (NPK), and (iv) plots with simultaneous 
227
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
223
fertilizer addition and herbivore exclusion (NPK+Fence). The 
228
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
224
experiments were established at different times in the past, with 
229
experiments were established at different times in the past, with 
            
225
years of treatment different among sites (2 \u2013 9 years since start 
230
years of treatment different among sites (2 \u2013 9 years since start 
            
226
of treatment; Supplementary Table S1). For the nutrient additions, all 
231
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
227
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
232
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
228
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
233
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
229
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
234
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
230
100 g m-2 together with K in the first year of treatments but not 
235
100 g m-2 together with K in the first year of treatments but not 
            
231
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
236
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
232
fencing two plots, one with and one without NPK additions, within each 
237
fencing two plots, one with and one without NPK additions, within each 
            
233
block. The fences excluded all aboveground mammalian herbivores with a 
238
block. The fences excluded all aboveground mammalian herbivores with a 
            
234
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
239
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
235
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
240
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
236
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
241
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
237
ground to exclude burrowing animals. Climbing and subterranean animals 
242
ground to exclude burrowing animals. Climbing and subterranean animals 
            
238
may potentially still access these plots (Borer et al., 2014). For 
243
may potentially still access these plots (Borer et al., 2014). For 
            
239
slight modifications in fence design at a few sites see Supplementary 
244
slight modifications in fence design at a few sites see Supplementary 
            
240
Table S3. Most sites only had wild herbivores, although four sites 
245
Table S3. Most sites only had wild herbivores, although four sites 
            
241
were also grazed by domestic animals (Supplementary Table 
246
were also grazed by domestic animals (Supplementary Table 
            
242
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
247
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
243
microbial biomass, and other soil properties\r\nEach of the 23 sites 
248
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
244
received a package containing identical material from the Swiss 
249
received a package containing identical material from the Swiss 
            
245
Federal Institute for Forest, Snow and Landscape Research WSL, 
250
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
246
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
251
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
247
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
252
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
248
each sampling plot and composited them to measure MR, MBC, and soil 
253
each sampling plot and composited them to measure MR, MBC, and soil 
            
249
chemical properties (see below). An additional sample (5 x 12 cm) was 
254
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
250
collected to assess soil physical properties. This sample remained 
255
collected to assess soil physical properties. This sample remained 
            
251
within a steel sampling core after collection and both ends were 
256
within a steel sampling core after collection and both ends were 
            
252
tightly closed with plastic caps to avoid disturbance. All soils were 
257
tightly closed with plastic caps to avoid disturbance. All soils were 
            
253
shipped cooled to the laboratory at (Location will be disclosed after 
258
shipped cooled to the laboratory at (Location will be disclosed after 
            
254
manuscript acceptance) within a few days after collection. Soils were 
259
manuscript acceptance) within a few days after collection. Soils were 
            
255
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
260
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
256
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
261
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
257
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
262
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
258
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
263
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
259
added to these samples. We adjusted the soil moisture of each sample 
264
added to these samples. We adjusted the soil moisture of each sample 
            
260
to 60% field capacity. We then placed a 15 ml plastic test tube 
265
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
261
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
266
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
262
The test tube was fixed with a plastic rod so that it was not in 
267
The test tube was fixed with a plastic rod so that it was not in 
            
263
contact with the soil sample. The Falcon tubes were then sealed with a 
268
contact with the soil sample. The Falcon tubes were then sealed with a 
            
264
screw cap and placed in an incubator under completely dark conditions 
269
screw cap and placed in an incubator under completely dark conditions 
            
265
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
270
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
266
by the 0.05 M NaOH. For five weeks we measured the decrease in 
271
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
267
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
272
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
268
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
273
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
269
NaOH with fresh solution. We included Falcon tubes without soil 
274
NaOH with fresh solution. We included Falcon tubes without soil 
            
270
samples in each incubation run as blanks to test if tubes were tight 
275
samples in each incubation run as blanks to test if tubes were tight 
            
271
and no CO2 could enter or escape. We calibrated the relationship 
276
and no CO2 could enter or escape. We calibrated the relationship 
            
272
between conductivity reduction and NaOH absorbed as follows: 400 ml 
277
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
273
0.05 M NaOH was placed in a beaker and its conductivity was measured 
278
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
274
with the multimeter. While stirring, air containing CO2 was blown into 
279
with the multimeter. While stirring, air containing CO2 was blown into 
            
275
the solution for approximately one minute, which reacts with NaOH to 
280
the solution for approximately one minute, which reacts with NaOH to 
            
276
form Na2CO3. After this process, conductivity was measured again. We 
281
form Na2CO3. After this process, conductivity was measured again. We 
            
277
then transferred 7.25 ml of the solution into a smaller beaker and 
282
then transferred 7.25 ml of the solution into a smaller beaker and 
            
278
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
283
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
279
solution with 0.05 M HCl to determine the remaining NaOH. We then 
284
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
280
repeated these steps with the remaining solution a total of nine times 
285
repeated these steps with the remaining solution a total of nine times 
            
281
and plotted the conductivities (y-axis) against the NaOH consumed 
286
and plotted the conductivities (y-axis) against the NaOH consumed 
            
282
(x-axis, Supplementary Fig S1). This regression line was used to infer 
287
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
283
the consumption of NaOH from the conductivity reduction in the 
288
the consumption of NaOH from the conductivity reduction in the 
            
284
incubation experiments and to calculate CO2 evolution during 
289
incubation experiments and to calculate CO2 evolution during 
            
285
incubation. In addition, we determined the optimum concentration for 
290
incubation. In addition, we determined the optimum concentration for 
            
286
the NaOH solution in series of preliminary experiments, so that the 
291
the NaOH solution in series of preliminary experiments, so that the 
            
287
concentration was not too high to become insensitive, but also not too 
292
concentration was not too high to become insensitive, but also not too 
            
288
low so that not all NaOH reacts during incubation. We then calculated 
293
low so that not all NaOH reacts during incubation. We then calculated 
            
289
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
294
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
290
the 5 weeks divided by the duration of the entire incubation in 
295
the 5 weeks divided by the duration of the entire incubation in 
            
291
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
296
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
292
measured at the beginning of the experiment by measuring the maximal 
297
measured at the beginning of the experiment by measuring the maximal 
            
293
respiratory response to the addition of glucose solution (4 mg glucose 
298
respiratory response to the addition of glucose solution (4 mg glucose 
            
294
per g soil dry weight dissolved in distilled water; substrate-induced 
299
per g soil dry weight dissolved in distilled water; substrate-induced 
            
295
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
300
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
296
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
301
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
297
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
302
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
298
specifically, substrate-induced respiration was calculated from the 
303
specifically, substrate-induced respiration was calculated from the 
            
299
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
304
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
300
added according to preliminary studies to saturate the catabolic 
305
added according to preliminary studies to saturate the catabolic 
            
301
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
306
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
302
water). The mean of the lowest three readings within the first 10 hrs 
307
water). The mean of the lowest three readings within the first 10 hrs 
            
303
(between the initial peak caused by disturbing the soil and the peak 
308
(between the initial peak caused by disturbing the soil and the peak 
            
304
caused by microbial growth) was taken as maximum initial respiratory 
309
caused by microbial growth) was taken as maximum initial respiratory 
            
305
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
310
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
306
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
311
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
307
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
312
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
308
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
313
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
309
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
314
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
310
soil organic C (Risch et al., 2019). The undisturbed sample was used 
315
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
311
to assess water holding capacity (WHC), bulk density (BD), and soil 
316
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
312
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
317
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
313
the percentage of sand and clay as an indicator of soil texture in 
318
the percentage of sand and clay as an indicator of soil texture in 
            
314
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
319
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
315
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
320
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
316
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
321
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
317
variables were selected as they were found to be drivers of soil 
322
variables were selected as they were found to be drivers of soil 
            
318
nutrient processes across these sites in earlier studies (Risch et 
323
nutrient processes across these sites in earlier studies (Risch et 
            
319
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
324
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
320
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
325
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
321
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
326
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
322
al., 2022), global gridded modelled products of soil bioclimatic 
327
al., 2022), global gridded modelled products of soil bioclimatic 
            
323
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
328
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
324
on CHELSA, ERA5 and in-situ soil temperature 
329
on CHELSA, ERA5 and in-situ soil temperature 
            
325
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
330
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
326
calculated MMQ as MR/MBC. We corrected this measure using the average 
331
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
327
soil temperature of each site (MMQsoil). This temperature correction 
332
soil temperature of each site (MMQsoil). This temperature correction 
            
328
is necessary as incubation temperatures are usually much higher than 
333
is necessary as incubation temperatures are usually much higher than 
            
329
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
334
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
330
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
335
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
331
2017). See Supplementary Fig S2 for comparison of air and soil 
336
2017). See Supplementary Fig S2 for comparison of air and soil 
            
332
temperatures across the 23 sites as well as the incubation 
337
temperatures across the 23 sites as well as the incubation 
            
333
temperature. \r\nSome of the explanatory variables (clay, soil organic 
338
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
334
C, C:N ratio) were skewed and were thus log-transformed prior to 
339
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
335
analyses. All continuous explanatory variables were centred and scaled 
340
analyses. All continuous explanatory variables were centred and scaled 
            
336
to have a mean of zero and variance of one. To avoid collinearity 
341
to have a mean of zero and variance of one. To avoid collinearity 
            
337
between them we filtered them using correlation analysis 
342
between them we filtered them using correlation analysis 
            
338
(Supplementary Fig S3). From the variables that were strongly 
343
(Supplementary Fig S3). From the variables that were strongly 
            
339
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
344
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
340
selected the ones that allowed us to minimize the number of variables 
345
selected the ones that allowed us to minimize the number of variables 
            
341
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
346
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
342
total C concentration, soil sand content and soil bulk density were 
347
total C concentration, soil sand content and soil bulk density were 
            
343
dropped from the dataset. We then assessed how these edaphoclimatic 
348
dropped from the dataset. We then assessed how these edaphoclimatic 
            
344
variables are related to MMQ across our global grasslands.\r\nFor 
349
variables are related to MMQ across our global grasslands.\r\nFor 
            
345
this, we used linear mixed effects models (LMMs) fitted by maximum 
350
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
346
likelihood with the lme function in the nlme package (version 3.1-153) 
351
likelihood with the lme function in the nlme package (version 3.1-153) 
            
347
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
352
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
348
Team, 2019). We used treatment as a fixed effect and plot nested in 
353
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
349
site as random effects to assess treatment differences in MMQsoil, as 
354
site as random effects to assess treatment differences in MMQsoil, as 
            
350
well as MR, and MBC. The number of years since the treatment started 
355
well as MR, and MBC. The number of years since the treatment started 
            
351
was included as a fixed effect in all the initial models but was not 
356
was included as a fixed effect in all the initial models but was not 
            
352
significant and therefore not retained in the models. To assess how 
357
significant and therefore not retained in the models. To assess how 
            
353
differences in MMQsoil were affected by environmental factors (soil, 
358
differences in MMQsoil were affected by environmental factors (soil, 
            
354
climatic properties) we again used LMMs. Soil and climatic properties 
359
climatic properties) we again used LMMs. Soil and climatic properties 
            
355
were included as fixed effects and plot nested in site as random 
360
were included as fixed effects and plot nested in site as random 
            
356
effects. We did not include interactions between environmental 
361
effects. We did not include interactions between environmental 
            
357
variables. We then used the MuMin package (Barton, 2018) (version 
362
variables. We then used the MuMin package (Barton, 2018) (version 
            
358
1.42.1) to select the best models that explained the most variation 
363
1.42.1) to select the best models that explained the most variation 
            
359
based on Akaike\u2019s information criterion (AIC; model.avg 
364
based on Akaike\u2019s information criterion (AIC; model.avg 
            
360
function). We used the corrected AIC (AICc) to account for our small 
365
function). We used the corrected AIC (AICc) to account for our small 
            
361
sample size and selected the top models that fell within 4 AICc units 
366
sample size and selected the top models that fell within 4 AICc units 
            
362
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
367
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
363
We present all our top models rather than model averages. Conditional 
368
We present all our top models rather than model averages. Conditional 
            
364
averages are provided in the Supplementary material. \r\nBased on 
369
averages are provided in the Supplementary material. \r\nBased on 
            
365
findings from analyses described above and the literature, we 
370
findings from analyses described above and the literature, we 
            
366
developed a conceptual model of direct and indirect relationships 
371
developed a conceptual model of direct and indirect relationships 
            
367
between both edaphoclimatic variables and experimental treatments 
372
between both edaphoclimatic variables and experimental treatments 
            
368
(Supplement Figure S4) to obtain a more holistic approach in 
373
(Supplement Figure S4) to obtain a more holistic approach in 
            
369
understanding how these properties affect MMQsoil. We had data from 23 
374
understanding how these properties affect MMQsoil. We had data from 23 
            
370
sites with 272 observations. We tested this model using structural 
375
sites with 272 observations. We tested this model using structural 
            
371
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
376
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
372
2009). We considered those environmental drivers that were included in 
377
2009). We considered those environmental drivers that were included in 
            
373
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
378
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
374
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
379
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
375
Supplementary Figure S4). These factors were allowed to directly 
380
Supplementary Figure S4). These factors were allowed to directly 
            
376
affect MMQsoil, and via their interactions with treatments. In 
381
affect MMQsoil, and via their interactions with treatments. In 
            
377
addition, treatments were allowed to directly affect MMQsoil. 
382
addition, treatments were allowed to directly affect MMQsoil. 
            
378
Treatments were included as dummy variables in the model. We tested 
383
Treatments were included as dummy variables in the model. We tested 
            
379
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
384
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
380
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
385
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
381
structured set of linear models are fitted individually. This approach 
386
structured set of linear models are fitted individually. This approach 
            
382
allowed us to account for the nested experimental design, and overcome 
387
allowed us to account for the nested experimental design, and overcome 
            
383
some of the limitations of standard structural equation models, such 
388
some of the limitations of standard structural equation models, such 
            
384
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
389
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
385
function of the nlme package to model response variables, including 
390
function of the nlme package to model response variables, including 
            
386
site as a random factor. Good fit of the SEM was assumed when 
391
site as a random factor. Good fit of the SEM was assumed when 
            
387
Fisher\u2019s C values were non-significant (p > 0.05). For all 
392
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
388
significant interactions between soil or climate variables and 
393
significant interactions between soil or climate variables and 
            
389
treatments detected in the SEMs, we calculated treatment effect sizes, 
394
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
390
i.e., the differences in MMQsoil between Control and treatments as log 
395
i.e., the differences in MMQsoil between Control and treatments as log 
            
391
response ratios (LRR) and plotted these values against the climate or 
396
response ratios (LRR) and plotted these values against the climate or 
            
392
soil factors. The LRR were defined as log(Control/Treatment), where 
397
soil factors. The LRR were defined as log(Control/Treatment), where 
            
393
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
398
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
394
LRR-climate or soil property relationships were significant we again 
399
LRR-climate or soil property relationships were significant we again 
            
395
used LMMs, in which soil and climatic properties were included as 
400
used LMMs, in which soil and climatic properties were included as 
            
396
fixed effects and plot nested in site as random effects. \r\n",
401
fixed effects and plot nested in site as random effects. \r\n",
            
397
      "doi": "",
402
      "doi": "",
            
398
      "format": ".xlsx",
403
      "format": ".xlsx",
            
399
      "hash": "",
404
      "hash": "",
            
400
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
405
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
401
      "last_modified": "2023-02-18T04:43:07.514444",
406
      "last_modified": "2023-02-18T04:43:07.514444",
            
402
      "metadata_modified": "2023-02-18T03:43:07.860695",
407
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
403
      "mimetype": null,
408
      "mimetype": null,
            
404
      "mimetype_inner": null,
409
      "mimetype_inner": null,
            
405
      "name": "Risch et al. GEB_data.xlsx",
410
      "name": "Risch et al. GEB_data.xlsx",
            
406
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
411
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
407
      "position": 0,
412
      "position": 0,
            
408
      "publication_state": "",
413
      "publication_state": "",
            
409
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
414
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
410
\"kb\"}",
415
\"kb\"}",
            
411
      "resource_type": null,
416
      "resource_type": null,
            
412
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
417
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
413
\"shared_secret\": \"\"}",
418
\"shared_secret\": \"\"}",
            
414
      "size": 110080,
419
      "size": 110080,
            
415
      "state": "active",
420
      "state": "active",
            
416
      "url": 
421
      "url": 
            
417
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
422
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
418
      "url_type": "upload"
423
      "url_type": "upload"
            
419
    }
424
    }
            
420
  ],
425
  ],
            
421
  "spatial": 
426
  "spatial": 
            
422
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
427
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
423
  "spatial_info": "worldwide",
428
  "spatial_info": "worldwide",
            
424
  "state": "active",
429
  "state": "active",
            
425
  "subtitle": "",
430
  "subtitle": "",
            
426
  "tags": [
431
  "tags": [
            
427
    {
432
    {
            
428
      "display_name": "ANTHROPOGENIC MANAGEMENT",
433
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
429
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
434
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
430
      "name": "ANTHROPOGENIC MANAGEMENT",
435
      "name": "ANTHROPOGENIC MANAGEMENT",
            
431
      "state": "active",
436
      "state": "active",
            
432
      "vocabulary_id": null
437
      "vocabulary_id": null
            
433
    },
438
    },
            
434
    {
439
    {
            
435
      "display_name": "CLIMATE",
440
      "display_name": "CLIMATE",
            
436
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
441
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
437
      "name": "CLIMATE",
442
      "name": "CLIMATE",
            
438
      "state": "active",
443
      "state": "active",
            
439
      "vocabulary_id": null
444
      "vocabulary_id": null
            
440
    },
445
    },
            
441
    {
446
    {
            
442
      "display_name": "HERBIVORE EXCLUSION",
447
      "display_name": "HERBIVORE EXCLUSION",
            
443
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
448
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
444
      "name": "HERBIVORE EXCLUSION",
449
      "name": "HERBIVORE EXCLUSION",
            
445
      "state": "active",
450
      "state": "active",
            
446
      "vocabulary_id": null
451
      "vocabulary_id": null
            
447
    },
452
    },
            
448
    {
453
    {
            
449
      "display_name": "MICROBIAL BIOMASS CARBON",
454
      "display_name": "MICROBIAL BIOMASS CARBON",
            
450
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
455
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
451
      "name": "MICROBIAL BIOMASS CARBON",
456
      "name": "MICROBIAL BIOMASS CARBON",
            
452
      "state": "active",
457
      "state": "active",
            
453
      "vocabulary_id": null
458
      "vocabulary_id": null
            
454
    },
459
    },
            
455
    {
460
    {
            
456
      "display_name": "MICROBIAL RESPIRATION",
461
      "display_name": "MICROBIAL RESPIRATION",
            
457
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
462
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
458
      "name": "MICROBIAL RESPIRATION",
463
      "name": "MICROBIAL RESPIRATION",
            
459
      "state": "active",
464
      "state": "active",
            
460
      "vocabulary_id": null
465
      "vocabulary_id": null
            
461
    },
466
    },
            
462
    {
467
    {
            
463
      "display_name": "NUTRIENT ADDITION",
468
      "display_name": "NUTRIENT ADDITION",
            
464
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
469
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
465
      "name": "NUTRIENT ADDITION",
470
      "name": "NUTRIENT ADDITION",
            
466
      "state": "active",
471
      "state": "active",
            
467
      "vocabulary_id": null
472
      "vocabulary_id": null
            
468
    },
473
    },
            
469
    {
474
    {
            
470
      "display_name": "SOIL PROPERTIES",
475
      "display_name": "SOIL PROPERTIES",
            
471
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
476
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
472
      "name": "SOIL PROPERTIES",
477
      "name": "SOIL PROPERTIES",
            
473
      "state": "active",
478
      "state": "active",
            
474
      "vocabulary_id": null
479
      "vocabulary_id": null
            
475
    }
480
    }
            
476
  ],
481
  ],
            
477
  "title": "Drivers of the microbial metabolic quotient across global 
482
  "title": "Drivers of the microbial metabolic quotient across global 
            
478
grasslands",
483
grasslands",
            
479
  "type": "dataset",
484
  "type": "dataset",
            
480
  "url": null,
485
  "url": null,
            
481
  "version": "1.0"
486
  "version": "1.0"
            
482
}
487
}