Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
            
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
            
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
            
5
\"validation\", \"curation\", \"publication\"], \"email\": 
5
\"validation\", \"curation\", \"publication\"], \"email\": 
            
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
            
7
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
7
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
            
8
Institute for Forest, Snow and Landscape Research WSL\", 
8
Institute for Forest, Snow and Landscape Research WSL\", 
            
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
n
10
[\"collection\", \"validation\"], \"email\": 
n
10
\"validation\", \"email\": \"stephan.zimmermann@wsl.ch\", 
            
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
11
\"given_name\": \"Stephan\", \"identifier\": \"0000-0002-7085-0284\", 
            
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}, 
12
\"name\": \"Zimmermann\"}, {\"affiliation\": \"WSL\", 
            
13
{\"affiliation\": \"WSL\", \"affiliation_02\": \"\", 

            
14
\"affiliation_03\": \"\", \"data_credit\": \"curation\", \"email\": 

            
15
\"martin.schuetz@wsl.ch\", \"given_name\": \"Martin\", \"identifier\": 

            
16
\"\", \"name\": \"Sch\\u00fctz\"}, {\"affiliation\": \"USDA-ARS 

            
17
Grassland, Soil, and Water Research Laboratory, Temple, TX, 76502, 

            
18
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
13
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 
14
\"curation\", \"email\": \"martin.schuetz@wsl.ch\", \"given_name\": 
            
20
\"given_name\": \"Philip A.\", \"identifier\": 
15
\"Martin\", \"identifier\": \"\", \"name\": \"Sch\\u00fctz\"}, 
            
21
\"0000-0003-2259-5853\", \"name\": \"Fay\"}, {\"affiliation\": 
16
{\"affiliation\": \"USDA-ARS Grassland, Soil, and Water Research 
            
22
\"Department of Ecology, Evolution, and Behavior, University of 
17
Laboratory, Temple, TX, 76502, USA\", \"affiliation_02\": \"\", 
            
23
Minnesota, St. Paul, MN 55108\", \"affiliation_02\": \"\", 

            
24
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
18
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
n
n
19
\"philip.fay@usda.gov\", \"given_name\": \"Philip A.\", 
            
20
\"identifier\": \"0000-0003-2259-5853\", \"name\": \"Fay\"}, 
            
21
{\"affiliation\": \"Department of Ecology, Evolution, and Behavior, 
            
22
University of Minnesota, St. Paul, MN 55108\", \"affiliation_02\": 
            
23
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
            
25
\"borer@umn.edu\", \"given_name\": \"Elizabeth T.\", \"identifier\": 
24
\"email\": \"borer@umn.edu\", \"given_name\": \"Elizabeth T.\", 
            
26
\"0000-0002-8438-7163\", \"name\": \"Borer\"}, {\"affiliation\": 
25
\"identifier\": \"0000-0002-8438-7163\", \"name\": \"Borer\"}, 
            
27
\"Department of Earth and Environmental Sciences, The University of 
26
{\"affiliation\": \"Department of Earth and Environmental Sciences, 
            
28
Manchester, Oxford Road, Manchester, M13 9PT, UK\", 
27
The University of Manchester, Oxford Road, Manchester, M13 9PT, UK\", 
            
29
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
28
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
30
\"curation\", \"email\": \"arthur.broadbent@manchester.ac.uk\", 
29
\"curation\", \"email\": \"arthur.broadbent@manchester.ac.uk\", 
            
31
\"given_name\": \"Arthur A. D.\", \"identifier\": 
30
\"given_name\": \"Arthur A. D.\", \"identifier\": 
            
32
\"0000-0002-8438-7163\", \"name\": \"Broadbent\"}, {\"affiliation\": 
31
\"0000-0002-8438-7163\", \"name\": \"Broadbent\"}, {\"affiliation\": 
            
33
\"Centro de Estudos Florestais, Instituto Superior de Agronomia, 
32
\"Centro de Estudos Florestais, Instituto Superior de Agronomia, 
            
34
Universidade de Lisboa, Portugal\", \"affiliation_02\": \"\", 
33
Universidade de Lisboa, Portugal\", \"affiliation_02\": \"\", 
            
35
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
34
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
36
\"mcaldeira@isa.ulisboa.pt\", \"given_name\": \"Maria C.\", 
35
\"mcaldeira@isa.ulisboa.pt\", \"given_name\": \"Maria C.\", 
            
37
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Caldeira\"}, 
36
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Caldeira\"}, 
            
38
{\"affiliation\": \"Department of Ecology and Evolutionary Biology, 
37
{\"affiliation\": \"Department of Ecology and Evolutionary Biology, 
            
39
University of Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": 
38
University of Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": 
            
40
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
39
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
            
41
\"email\": \"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi 
40
\"email\": \"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi 
            
42
F.\", \"identifier\": \"0000-0002-0371-6720\", \"name\": \"Davies\"}, 
41
F.\", \"identifier\": \"0000-0002-0371-6720\", \"name\": \"Davies\"}, 
            
43
{\"affiliation\": \"German Centre for Integrative Biodiversity 
42
{\"affiliation\": \"German Centre for Integrative Biodiversity 
            
44
Research (iDiv) Halle-Jena-Leipzig, Deutscher Platz 5e, 04103 Leipzig, 
43
Research (iDiv) Halle-Jena-Leipzig, Deutscher Platz 5e, 04103 Leipzig, 
            
45
Germany\", \"affiliation_02\": \"Institute of Biology, Leipzig 
44
Germany\", \"affiliation_02\": \"Institute of Biology, Leipzig 
            
46
University, Deutscher Platz 5e, 04103 Leipzig, Germany\", 
45
University, Deutscher Platz 5e, 04103 Leipzig, Germany\", 
            
47
\"affiliation_03\": \"\", \"autocomplete\": \"\", \"data_credit\": 
46
\"affiliation_03\": \"\", \"autocomplete\": \"\", \"data_credit\": 
            
48
\"validation\", \"email\": \"nico.eisenhauer@idiv.de\", 
47
\"validation\", \"email\": \"nico.eisenhauer@idiv.de\", 
            
49
\"given_name\": \"Nico\", \"identifier\": \"0000-0003-1707-5263\", 
48
\"given_name\": \"Nico\", \"identifier\": \"0000-0003-1707-5263\", 
            
n
50
\"name\": \"Eisenhauer\"}]",
n
49
\"name\": \"Eisenhauer\"}, {\"affiliation\": \"Helmholtz Centre for 
            
50
Environmental Research, UFZ, Leipzig, Germany\", \"affiliation_02\": 
            
51
\"German Centre for Integrative Biodiversity Research (iDiv) 
            
52
Halle-Jena-Leipzig, Leipzig, Germany\", \"affiliation_03\": 
            
53
\"Department of Ecology and Genetics, University of Oulu, Finland\", 
            
54
\"email\": \"anu.eskelinen@idiv.de\", \"given_name\": \"Anu\", 
            
55
\"identifier\": \"0000-0003-1707-5263\", \"name\": \"Eskelinen\"}]",
            
51
  "author_email": null,
56
  "author_email": null,
            
52
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
57
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
53
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
58
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
54
\"end_date\": \"2016-12-31\"}]",
59
\"end_date\": \"2016-12-31\"}]",
            
55
  "doi": "10.16904/envidat.379",
60
  "doi": "10.16904/envidat.379",
            
56
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
61
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
57
internal competitive grant\", \"institution_url\": \"\"}, 
62
internal competitive grant\", \"institution_url\": \"\"}, 
            
58
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
63
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
59
Science Foundation Research Coordination Network\", 
64
Science Foundation Research Coordination Network\", 
            
60
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
65
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
61
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
66
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
62
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
67
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
63
\"institution\": \"Institute on the Environment\", 
68
\"institution\": \"Institute on the Environment\", 
            
64
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
69
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
65
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
70
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
66
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
71
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
67
\"institution\": \"German Research Foundation\", \"institution_url\": 
72
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
68
\"\"}]",
73
\"\"}]",
            
69
  "groups": [],
74
  "groups": [],
            
70
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
75
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
71
  "isopen": true,
76
  "isopen": true,
            
72
  "language": "en",
77
  "language": "en",
            
73
  "license_id": "odc-odbl",
78
  "license_id": "odc-odbl",
            
74
  "license_title": "ODbL with Database Contents License (DbCL)",
79
  "license_title": "ODbL with Database Contents License (DbCL)",
            
75
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
80
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
76
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
81
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
77
Forest, Snow and Landscape Research WSL\", \"email\": 
82
Forest, Snow and Landscape Research WSL\", \"email\": 
            
78
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
83
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
79
\"\", \"name\": \"Risch\"}",
84
\"\", \"name\": \"Risch\"}",
            
80
  "maintainer_email": null,
85
  "maintainer_email": null,
            
81
  "metadata_created": "2023-02-18T03:38:29.406811",
86
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
82
  "metadata_modified": "2023-02-20T10:45:01.977832",
t
87
  "metadata_modified": "2023-02-20T11:28:53.569705",
            
83
  "name": 
88
  "name": 
            
84
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
89
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
85
  "notes": "This dataset contains all data on which the following 
90
  "notes": "This dataset contains all data on which the following 
            
86
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
91
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
87
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
92
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
88
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
93
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
89
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
94
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
90
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
95
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
91
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
96
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
92
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
97
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
93
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
98
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
94
microbial metabolic quotient across global grasslands. Global Ecology 
99
microbial metabolic quotient across global grasslands. Global Ecology 
            
95
and Biogeography\r\n\r\nPlease cite this paper together with the 
100
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
96
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
101
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
97
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
102
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
98
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
103
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
99
(MBC; mg C kg soil-1), is a key parameter for understanding the 
104
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
100
microbial regulation of the carbon (C) cycle, including soil C 
105
microbial regulation of the carbon (C) cycle, including soil C 
            
101
sequestration. Here, we experimentally tested hypotheses about the 
106
sequestration. Here, we experimentally tested hypotheses about the 
            
102
individual and interactive effects of multiple nutrient addition 
107
individual and interactive effects of multiple nutrient addition 
            
103
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
108
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
104
across 23 sites (5 continents). Our sites encompassed a wide range of 
109
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
105
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
110
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
106
variables affected MMQ the most and how they interacted with our 
111
variables affected MMQ the most and how they interacted with our 
            
107
treatments. Soils were collected in plots with established 
112
treatments. Soils were collected in plots with established 
            
108
experimental treatments. MR was assessed in a five-week laboratory 
113
experimental treatments. MR was assessed in a five-week laboratory 
            
109
incubation without glucose addition, MBC via substrate-induced 
114
incubation without glucose addition, MBC via substrate-induced 
            
110
respiration. MMQ was calculated as MR/MBC and corrected for soil 
115
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
111
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
116
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
112
edaphoclimatic characteristics and treatments interactively affected 
117
edaphoclimatic characteristics and treatments interactively affected 
            
113
MMQsoil. MMQsoil was higher in locations with higher mean annual 
118
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
114
temperature, lower water holding capacity, and soil organic C 
119
temperature, lower water holding capacity, and soil organic C 
            
115
concentration, but did not respond to our treatments across sites as 
120
concentration, but did not respond to our treatments across sites as 
            
116
neither MR nor MBC changed. We attributed this relative homeostasis to 
121
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
117
our treatments to the modulating influence of edaphoclimatic 
122
our treatments to the modulating influence of edaphoclimatic 
            
118
variables. For example, herbivore exclusion, regardless of 
123
variables. For example, herbivore exclusion, regardless of 
            
119
fertilization, led to greater MMQsoil only at sites with lower soil 
124
fertilization, led to greater MMQsoil only at sites with lower soil 
            
120
organic C (<1.7%). Our results pinpoint the main variables related to 
125
organic C (<1.7%). Our results pinpoint the main variables related to 
            
121
MMQsoil across grasslands and emphasize the importance of the local 
126
MMQsoil across grasslands and emphasize the importance of the local 
            
122
edaphoclimatic conditions in controlling the response of the C cycle 
127
edaphoclimatic conditions in controlling the response of the C cycle 
            
123
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
128
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
124
global edaphoclimatic gradients, this work also helps to align the 
129
global edaphoclimatic gradients, this work also helps to align the 
            
125
conflicting results of prior studies. \r\n",
130
conflicting results of prior studies. \r\n",
            
126
  "num_resources": 1,
131
  "num_resources": 1,
            
127
  "num_tags": 7,
132
  "num_tags": 7,
            
128
  "organization": {
133
  "organization": {
            
129
    "approval_status": "approved",
134
    "approval_status": "approved",
            
130
    "created": "2018-04-20T09:51:26.756810",
135
    "created": "2018-04-20T09:51:26.756810",
            
131
    "description": "We are studying the distribution of and 
136
    "description": "We are studying the distribution of and 
            
132
interactions among producers, consumers as well as decomposers and 
137
interactions among producers, consumers as well as decomposers and 
            
133
between these communities and their environment. We focus on food webs 
138
between these communities and their environment. We focus on food webs 
            
134
in real world ecosystems and thus mainly sample our data during 
139
in real world ecosystems and thus mainly sample our data during 
            
135
experimental field campaigns. Data collection under controlled 
140
experimental field campaigns. Data collection under controlled 
            
136
conditions in the greenhouse or experimental garden are, however, 
141
conditions in the greenhouse or experimental garden are, however, 
            
137
common add-ons hereby. We are mainly interested in the functioning of 
142
common add-ons hereby. We are mainly interested in the functioning of 
            
138
natural ecosystems and often conduct research in National Parks around 
143
natural ecosystems and often conduct research in National Parks around 
            
139
the world. Our main study area is, however, the Swiss National Park. 
144
the world. Our main study area is, however, the Swiss National Park. 
            
140
While working on basic research questions, we regularly consider 
145
While working on basic research questions, we regularly consider 
            
141
applied aspects that are related to protecting or conserving 
146
applied aspects that are related to protecting or conserving 
            
142
endangered ecosystems.\r\n\r\nExamples of research question of our 
147
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
143
research group assesses are:\r\n\r\nHow is species loss related to 
148
research group assesses are:\r\n\r\nHow is species loss related to 
            
144
ecosystem processes and functions? Which species or species groups are 
149
ecosystem processes and functions? Which species or species groups are 
            
145
particularly relevant for ecosystem functioning? Which effects are 
150
particularly relevant for ecosystem functioning? Which effects are 
            
146
expected with the loss of such important species groups? How are 
151
expected with the loss of such important species groups? How are 
            
147
aboveground organisms interacting with belowground organisms? Which 
152
aboveground organisms interacting with belowground organisms? Which 
            
148
abiotic and biotic conditions favor diverse ecosystems? Is global 
153
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
149
change (for example eutrophication, habitat fragmentation, climate) a 
154
change (for example eutrophication, habitat fragmentation, climate) a 
            
150
thread for diverse ecosystems? How can diverse ecosystems be 
155
thread for diverse ecosystems? How can diverse ecosystems be 
            
151
protected?",
156
protected?",
            
152
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
157
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
153
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
158
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
154
    "is_organization": true,
159
    "is_organization": true,
            
155
    "name": "plant-animal-interactions",
160
    "name": "plant-animal-interactions",
            
156
    "state": "active",
161
    "state": "active",
            
157
    "title": "Plant-Animal Interactions",
162
    "title": "Plant-Animal Interactions",
            
158
    "type": "organization"
163
    "type": "organization"
            
159
  },
164
  },
            
160
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
165
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
161
  "private": false,
166
  "private": false,
            
162
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
167
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
163
\"EnviDat\"}",
168
\"EnviDat\"}",
            
164
  "publication_state": "pub_pending",
169
  "publication_state": "pub_pending",
            
165
  "related_datasets": "",
170
  "related_datasets": "",
            
166
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
171
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
167
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
172
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
168
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
173
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
169
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
174
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
170
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
175
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
171
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
176
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
172
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
177
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
173
Raul (accepted). Drivers of the microbial metabolic quotient across 
178
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
174
global grasslands. Global Ecology and Biogeography",
179
global grasslands. Global Ecology and Biogeography",
            
175
  "relationships_as_object": [],
180
  "relationships_as_object": [],
            
176
  "relationships_as_subject": [],
181
  "relationships_as_subject": [],
            
177
  "resource_type": "datapaper",
182
  "resource_type": "datapaper",
            
178
  "resource_type_general": "datapaper",
183
  "resource_type_general": "datapaper",
            
179
  "resources": [
184
  "resources": [
            
180
    {
185
    {
            
181
      "cache_last_updated": null,
186
      "cache_last_updated": null,
            
182
      "cache_url": null,
187
      "cache_url": null,
            
183
      "created": "2023-02-18T03:43:03.643074",
188
      "created": "2023-02-18T03:43:03.643074",
            
184
      "description": "Study sites and experimental design\r\nWe 
189
      "description": "Study sites and experimental design\r\nWe 
            
185
collected data from 23 sites that are part of the Nutrient Network 
190
collected data from 23 sites that are part of the Nutrient Network 
            
186
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
191
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
187
mean annual air temperature (MAT) across these sites ranged from -4 to 
192
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
188
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
193
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
189
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
194
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
190
Table S1), hence cover a wide range of climatic conditions under which 
195
Table S1), hence cover a wide range of climatic conditions under which 
            
191
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
196
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
192
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
197
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
193
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
198
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
194
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
199
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
195
\r\nAt each site, the effects of nutrient addition and herbivore 
200
\r\nAt each site, the effects of nutrient addition and herbivore 
            
196
exclusion were tested via a randomized-block design (Borer et al., 
201
exclusion were tested via a randomized-block design (Borer et al., 
            
197
2014). Three blocks with 10 treatment plots each were established at 
202
2014). Three blocks with 10 treatment plots each were established at 
            
198
each site, except for the site at bldr.us (only two blocks). Each of 
203
each site, except for the site at bldr.us (only two blocks). Each of 
            
199
these 10 plots was randomly assigned to a nutrient or fencing 
204
these 10 plots was randomly assigned to a nutrient or fencing 
            
200
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
205
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
201
m subplots. Each subplot was further divided into four 1 x 1 m square 
206
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
202
sampling plots, one of which was set aside for soil sampling (Borer et 
207
sampling plots, one of which was set aside for soil sampling (Borer et 
            
203
al., 2014). Plots were separated by at least 1 m wide walkways. We 
208
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
204
collected soil samples from four different treatments for this study: 
209
collected soil samples from four different treatments for this study: 
            
205
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
210
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
206
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
211
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
207
macro and micronutrients (NPK), and (iv) plots with simultaneous 
212
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
208
fertilizer addition and herbivore exclusion (NPK+Fence). The 
213
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
209
experiments were established at different times in the past, with 
214
experiments were established at different times in the past, with 
            
210
years of treatment different among sites (2 \u2013 9 years since start 
215
years of treatment different among sites (2 \u2013 9 years since start 
            
211
of treatment; Supplementary Table S1). For the nutrient additions, all 
216
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
212
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
217
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
213
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
218
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
214
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
219
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
215
100 g m-2 together with K in the first year of treatments but not 
220
100 g m-2 together with K in the first year of treatments but not 
            
216
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
221
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
217
fencing two plots, one with and one without NPK additions, within each 
222
fencing two plots, one with and one without NPK additions, within each 
            
218
block. The fences excluded all aboveground mammalian herbivores with a 
223
block. The fences excluded all aboveground mammalian herbivores with a 
            
219
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
224
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
220
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
225
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
221
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
226
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
222
ground to exclude burrowing animals. Climbing and subterranean animals 
227
ground to exclude burrowing animals. Climbing and subterranean animals 
            
223
may potentially still access these plots (Borer et al., 2014). For 
228
may potentially still access these plots (Borer et al., 2014). For 
            
224
slight modifications in fence design at a few sites see Supplementary 
229
slight modifications in fence design at a few sites see Supplementary 
            
225
Table S3. Most sites only had wild herbivores, although four sites 
230
Table S3. Most sites only had wild herbivores, although four sites 
            
226
were also grazed by domestic animals (Supplementary Table 
231
were also grazed by domestic animals (Supplementary Table 
            
227
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
232
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
228
microbial biomass, and other soil properties\r\nEach of the 23 sites 
233
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
229
received a package containing identical material from the Swiss 
234
received a package containing identical material from the Swiss 
            
230
Federal Institute for Forest, Snow and Landscape Research WSL, 
235
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
231
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
236
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
232
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
237
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
233
each sampling plot and composited them to measure MR, MBC, and soil 
238
each sampling plot and composited them to measure MR, MBC, and soil 
            
234
chemical properties (see below). An additional sample (5 x 12 cm) was 
239
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
235
collected to assess soil physical properties. This sample remained 
240
collected to assess soil physical properties. This sample remained 
            
236
within a steel sampling core after collection and both ends were 
241
within a steel sampling core after collection and both ends were 
            
237
tightly closed with plastic caps to avoid disturbance. All soils were 
242
tightly closed with plastic caps to avoid disturbance. All soils were 
            
238
shipped cooled to the laboratory at (Location will be disclosed after 
243
shipped cooled to the laboratory at (Location will be disclosed after 
            
239
manuscript acceptance) within a few days after collection. Soils were 
244
manuscript acceptance) within a few days after collection. Soils were 
            
240
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
245
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
241
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
246
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
242
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
247
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
243
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
248
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
244
added to these samples. We adjusted the soil moisture of each sample 
249
added to these samples. We adjusted the soil moisture of each sample 
            
245
to 60% field capacity. We then placed a 15 ml plastic test tube 
250
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
246
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
251
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
247
The test tube was fixed with a plastic rod so that it was not in 
252
The test tube was fixed with a plastic rod so that it was not in 
            
248
contact with the soil sample. The Falcon tubes were then sealed with a 
253
contact with the soil sample. The Falcon tubes were then sealed with a 
            
249
screw cap and placed in an incubator under completely dark conditions 
254
screw cap and placed in an incubator under completely dark conditions 
            
250
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
255
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
251
by the 0.05 M NaOH. For five weeks we measured the decrease in 
256
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
252
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
257
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
253
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
258
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
254
NaOH with fresh solution. We included Falcon tubes without soil 
259
NaOH with fresh solution. We included Falcon tubes without soil 
            
255
samples in each incubation run as blanks to test if tubes were tight 
260
samples in each incubation run as blanks to test if tubes were tight 
            
256
and no CO2 could enter or escape. We calibrated the relationship 
261
and no CO2 could enter or escape. We calibrated the relationship 
            
257
between conductivity reduction and NaOH absorbed as follows: 400 ml 
262
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
258
0.05 M NaOH was placed in a beaker and its conductivity was measured 
263
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
259
with the multimeter. While stirring, air containing CO2 was blown into 
264
with the multimeter. While stirring, air containing CO2 was blown into 
            
260
the solution for approximately one minute, which reacts with NaOH to 
265
the solution for approximately one minute, which reacts with NaOH to 
            
261
form Na2CO3. After this process, conductivity was measured again. We 
266
form Na2CO3. After this process, conductivity was measured again. We 
            
262
then transferred 7.25 ml of the solution into a smaller beaker and 
267
then transferred 7.25 ml of the solution into a smaller beaker and 
            
263
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
268
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
264
solution with 0.05 M HCl to determine the remaining NaOH. We then 
269
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
265
repeated these steps with the remaining solution a total of nine times 
270
repeated these steps with the remaining solution a total of nine times 
            
266
and plotted the conductivities (y-axis) against the NaOH consumed 
271
and plotted the conductivities (y-axis) against the NaOH consumed 
            
267
(x-axis, Supplementary Fig S1). This regression line was used to infer 
272
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
268
the consumption of NaOH from the conductivity reduction in the 
273
the consumption of NaOH from the conductivity reduction in the 
            
269
incubation experiments and to calculate CO2 evolution during 
274
incubation experiments and to calculate CO2 evolution during 
            
270
incubation. In addition, we determined the optimum concentration for 
275
incubation. In addition, we determined the optimum concentration for 
            
271
the NaOH solution in series of preliminary experiments, so that the 
276
the NaOH solution in series of preliminary experiments, so that the 
            
272
concentration was not too high to become insensitive, but also not too 
277
concentration was not too high to become insensitive, but also not too 
            
273
low so that not all NaOH reacts during incubation. We then calculated 
278
low so that not all NaOH reacts during incubation. We then calculated 
            
274
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
279
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
275
the 5 weeks divided by the duration of the entire incubation in 
280
the 5 weeks divided by the duration of the entire incubation in 
            
276
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
281
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
277
measured at the beginning of the experiment by measuring the maximal 
282
measured at the beginning of the experiment by measuring the maximal 
            
278
respiratory response to the addition of glucose solution (4 mg glucose 
283
respiratory response to the addition of glucose solution (4 mg glucose 
            
279
per g soil dry weight dissolved in distilled water; substrate-induced 
284
per g soil dry weight dissolved in distilled water; substrate-induced 
            
280
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
285
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
281
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
286
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
282
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
287
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
283
specifically, substrate-induced respiration was calculated from the 
288
specifically, substrate-induced respiration was calculated from the 
            
284
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
289
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
285
added according to preliminary studies to saturate the catabolic 
290
added according to preliminary studies to saturate the catabolic 
            
286
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
291
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
287
water). The mean of the lowest three readings within the first 10 hrs 
292
water). The mean of the lowest three readings within the first 10 hrs 
            
288
(between the initial peak caused by disturbing the soil and the peak 
293
(between the initial peak caused by disturbing the soil and the peak 
            
289
caused by microbial growth) was taken as maximum initial respiratory 
294
caused by microbial growth) was taken as maximum initial respiratory 
            
290
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
295
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
291
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
296
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
292
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
297
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
293
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
298
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
294
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
299
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
295
soil organic C (Risch et al., 2019). The undisturbed sample was used 
300
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
296
to assess water holding capacity (WHC), bulk density (BD), and soil 
301
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
297
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
302
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
298
the percentage of sand and clay as an indicator of soil texture in 
303
the percentage of sand and clay as an indicator of soil texture in 
            
299
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
304
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
300
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
305
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
301
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
306
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
302
variables were selected as they were found to be drivers of soil 
307
variables were selected as they were found to be drivers of soil 
            
303
nutrient processes across these sites in earlier studies (Risch et 
308
nutrient processes across these sites in earlier studies (Risch et 
            
304
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
309
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
305
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
310
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
306
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
311
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
307
al., 2022), global gridded modelled products of soil bioclimatic 
312
al., 2022), global gridded modelled products of soil bioclimatic 
            
308
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
313
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
309
on CHELSA, ERA5 and in-situ soil temperature 
314
on CHELSA, ERA5 and in-situ soil temperature 
            
310
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
315
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
311
calculated MMQ as MR/MBC. We corrected this measure using the average 
316
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
312
soil temperature of each site (MMQsoil). This temperature correction 
317
soil temperature of each site (MMQsoil). This temperature correction 
            
313
is necessary as incubation temperatures are usually much higher than 
318
is necessary as incubation temperatures are usually much higher than 
            
314
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
319
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
315
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
320
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
316
2017). See Supplementary Fig S2 for comparison of air and soil 
321
2017). See Supplementary Fig S2 for comparison of air and soil 
            
317
temperatures across the 23 sites as well as the incubation 
322
temperatures across the 23 sites as well as the incubation 
            
318
temperature. \r\nSome of the explanatory variables (clay, soil organic 
323
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
319
C, C:N ratio) were skewed and were thus log-transformed prior to 
324
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
320
analyses. All continuous explanatory variables were centred and scaled 
325
analyses. All continuous explanatory variables were centred and scaled 
            
321
to have a mean of zero and variance of one. To avoid collinearity 
326
to have a mean of zero and variance of one. To avoid collinearity 
            
322
between them we filtered them using correlation analysis 
327
between them we filtered them using correlation analysis 
            
323
(Supplementary Fig S3). From the variables that were strongly 
328
(Supplementary Fig S3). From the variables that were strongly 
            
324
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
329
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
325
selected the ones that allowed us to minimize the number of variables 
330
selected the ones that allowed us to minimize the number of variables 
            
326
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
331
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
327
total C concentration, soil sand content and soil bulk density were 
332
total C concentration, soil sand content and soil bulk density were 
            
328
dropped from the dataset. We then assessed how these edaphoclimatic 
333
dropped from the dataset. We then assessed how these edaphoclimatic 
            
329
variables are related to MMQ across our global grasslands.\r\nFor 
334
variables are related to MMQ across our global grasslands.\r\nFor 
            
330
this, we used linear mixed effects models (LMMs) fitted by maximum 
335
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
331
likelihood with the lme function in the nlme package (version 3.1-153) 
336
likelihood with the lme function in the nlme package (version 3.1-153) 
            
332
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
337
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
333
Team, 2019). We used treatment as a fixed effect and plot nested in 
338
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
334
site as random effects to assess treatment differences in MMQsoil, as 
339
site as random effects to assess treatment differences in MMQsoil, as 
            
335
well as MR, and MBC. The number of years since the treatment started 
340
well as MR, and MBC. The number of years since the treatment started 
            
336
was included as a fixed effect in all the initial models but was not 
341
was included as a fixed effect in all the initial models but was not 
            
337
significant and therefore not retained in the models. To assess how 
342
significant and therefore not retained in the models. To assess how 
            
338
differences in MMQsoil were affected by environmental factors (soil, 
343
differences in MMQsoil were affected by environmental factors (soil, 
            
339
climatic properties) we again used LMMs. Soil and climatic properties 
344
climatic properties) we again used LMMs. Soil and climatic properties 
            
340
were included as fixed effects and plot nested in site as random 
345
were included as fixed effects and plot nested in site as random 
            
341
effects. We did not include interactions between environmental 
346
effects. We did not include interactions between environmental 
            
342
variables. We then used the MuMin package (Barton, 2018) (version 
347
variables. We then used the MuMin package (Barton, 2018) (version 
            
343
1.42.1) to select the best models that explained the most variation 
348
1.42.1) to select the best models that explained the most variation 
            
344
based on Akaike\u2019s information criterion (AIC; model.avg 
349
based on Akaike\u2019s information criterion (AIC; model.avg 
            
345
function). We used the corrected AIC (AICc) to account for our small 
350
function). We used the corrected AIC (AICc) to account for our small 
            
346
sample size and selected the top models that fell within 4 AICc units 
351
sample size and selected the top models that fell within 4 AICc units 
            
347
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
352
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
348
We present all our top models rather than model averages. Conditional 
353
We present all our top models rather than model averages. Conditional 
            
349
averages are provided in the Supplementary material. \r\nBased on 
354
averages are provided in the Supplementary material. \r\nBased on 
            
350
findings from analyses described above and the literature, we 
355
findings from analyses described above and the literature, we 
            
351
developed a conceptual model of direct and indirect relationships 
356
developed a conceptual model of direct and indirect relationships 
            
352
between both edaphoclimatic variables and experimental treatments 
357
between both edaphoclimatic variables and experimental treatments 
            
353
(Supplement Figure S4) to obtain a more holistic approach in 
358
(Supplement Figure S4) to obtain a more holistic approach in 
            
354
understanding how these properties affect MMQsoil. We had data from 23 
359
understanding how these properties affect MMQsoil. We had data from 23 
            
355
sites with 272 observations. We tested this model using structural 
360
sites with 272 observations. We tested this model using structural 
            
356
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
361
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
357
2009). We considered those environmental drivers that were included in 
362
2009). We considered those environmental drivers that were included in 
            
358
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
363
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
359
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
364
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
360
Supplementary Figure S4). These factors were allowed to directly 
365
Supplementary Figure S4). These factors were allowed to directly 
            
361
affect MMQsoil, and via their interactions with treatments. In 
366
affect MMQsoil, and via their interactions with treatments. In 
            
362
addition, treatments were allowed to directly affect MMQsoil. 
367
addition, treatments were allowed to directly affect MMQsoil. 
            
363
Treatments were included as dummy variables in the model. We tested 
368
Treatments were included as dummy variables in the model. We tested 
            
364
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
369
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
365
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
370
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
366
structured set of linear models are fitted individually. This approach 
371
structured set of linear models are fitted individually. This approach 
            
367
allowed us to account for the nested experimental design, and overcome 
372
allowed us to account for the nested experimental design, and overcome 
            
368
some of the limitations of standard structural equation models, such 
373
some of the limitations of standard structural equation models, such 
            
369
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
374
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
370
function of the nlme package to model response variables, including 
375
function of the nlme package to model response variables, including 
            
371
site as a random factor. Good fit of the SEM was assumed when 
376
site as a random factor. Good fit of the SEM was assumed when 
            
372
Fisher\u2019s C values were non-significant (p > 0.05). For all 
377
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
373
significant interactions between soil or climate variables and 
378
significant interactions between soil or climate variables and 
            
374
treatments detected in the SEMs, we calculated treatment effect sizes, 
379
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
375
i.e., the differences in MMQsoil between Control and treatments as log 
380
i.e., the differences in MMQsoil between Control and treatments as log 
            
376
response ratios (LRR) and plotted these values against the climate or 
381
response ratios (LRR) and plotted these values against the climate or 
            
377
soil factors. The LRR were defined as log(Control/Treatment), where 
382
soil factors. The LRR were defined as log(Control/Treatment), where 
            
378
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
383
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
379
LRR-climate or soil property relationships were significant we again 
384
LRR-climate or soil property relationships were significant we again 
            
380
used LMMs, in which soil and climatic properties were included as 
385
used LMMs, in which soil and climatic properties were included as 
            
381
fixed effects and plot nested in site as random effects. \r\n",
386
fixed effects and plot nested in site as random effects. \r\n",
            
382
      "doi": "",
387
      "doi": "",
            
383
      "format": ".xlsx",
388
      "format": ".xlsx",
            
384
      "hash": "",
389
      "hash": "",
            
385
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
390
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
386
      "last_modified": "2023-02-18T04:43:07.514444",
391
      "last_modified": "2023-02-18T04:43:07.514444",
            
387
      "metadata_modified": "2023-02-18T03:43:07.860695",
392
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
388
      "mimetype": null,
393
      "mimetype": null,
            
389
      "mimetype_inner": null,
394
      "mimetype_inner": null,
            
390
      "name": "Risch et al. GEB_data.xlsx",
395
      "name": "Risch et al. GEB_data.xlsx",
            
391
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
396
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
392
      "position": 0,
397
      "position": 0,
            
393
      "publication_state": "",
398
      "publication_state": "",
            
394
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
399
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
395
\"kb\"}",
400
\"kb\"}",
            
396
      "resource_type": null,
401
      "resource_type": null,
            
397
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
402
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
398
\"shared_secret\": \"\"}",
403
\"shared_secret\": \"\"}",
            
399
      "size": 110080,
404
      "size": 110080,
            
400
      "state": "active",
405
      "state": "active",
            
401
      "url": 
406
      "url": 
            
402
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
407
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
403
      "url_type": "upload"
408
      "url_type": "upload"
            
404
    }
409
    }
            
405
  ],
410
  ],
            
406
  "spatial": 
411
  "spatial": 
            
407
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
412
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
408
  "spatial_info": "worldwide",
413
  "spatial_info": "worldwide",
            
409
  "state": "active",
414
  "state": "active",
            
410
  "subtitle": "",
415
  "subtitle": "",
            
411
  "tags": [
416
  "tags": [
            
412
    {
417
    {
            
413
      "display_name": "ANTHROPOGENIC MANAGEMENT",
418
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
414
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
419
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
415
      "name": "ANTHROPOGENIC MANAGEMENT",
420
      "name": "ANTHROPOGENIC MANAGEMENT",
            
416
      "state": "active",
421
      "state": "active",
            
417
      "vocabulary_id": null
422
      "vocabulary_id": null
            
418
    },
423
    },
            
419
    {
424
    {
            
420
      "display_name": "CLIMATE",
425
      "display_name": "CLIMATE",
            
421
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
426
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
422
      "name": "CLIMATE",
427
      "name": "CLIMATE",
            
423
      "state": "active",
428
      "state": "active",
            
424
      "vocabulary_id": null
429
      "vocabulary_id": null
            
425
    },
430
    },
            
426
    {
431
    {
            
427
      "display_name": "HERBIVORE EXCLUSION",
432
      "display_name": "HERBIVORE EXCLUSION",
            
428
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
433
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
429
      "name": "HERBIVORE EXCLUSION",
434
      "name": "HERBIVORE EXCLUSION",
            
430
      "state": "active",
435
      "state": "active",
            
431
      "vocabulary_id": null
436
      "vocabulary_id": null
            
432
    },
437
    },
            
433
    {
438
    {
            
434
      "display_name": "MICROBIAL BIOMASS CARBON",
439
      "display_name": "MICROBIAL BIOMASS CARBON",
            
435
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
440
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
436
      "name": "MICROBIAL BIOMASS CARBON",
441
      "name": "MICROBIAL BIOMASS CARBON",
            
437
      "state": "active",
442
      "state": "active",
            
438
      "vocabulary_id": null
443
      "vocabulary_id": null
            
439
    },
444
    },
            
440
    {
445
    {
            
441
      "display_name": "MICROBIAL RESPIRATION",
446
      "display_name": "MICROBIAL RESPIRATION",
            
442
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
447
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
443
      "name": "MICROBIAL RESPIRATION",
448
      "name": "MICROBIAL RESPIRATION",
            
444
      "state": "active",
449
      "state": "active",
            
445
      "vocabulary_id": null
450
      "vocabulary_id": null
            
446
    },
451
    },
            
447
    {
452
    {
            
448
      "display_name": "NUTRIENT ADDITION",
453
      "display_name": "NUTRIENT ADDITION",
            
449
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
454
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
450
      "name": "NUTRIENT ADDITION",
455
      "name": "NUTRIENT ADDITION",
            
451
      "state": "active",
456
      "state": "active",
            
452
      "vocabulary_id": null
457
      "vocabulary_id": null
            
453
    },
458
    },
            
454
    {
459
    {
            
455
      "display_name": "SOIL PROPERTIES",
460
      "display_name": "SOIL PROPERTIES",
            
456
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
461
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
457
      "name": "SOIL PROPERTIES",
462
      "name": "SOIL PROPERTIES",
            
458
      "state": "active",
463
      "state": "active",
            
459
      "vocabulary_id": null
464
      "vocabulary_id": null
            
460
    }
465
    }
            
461
  ],
466
  ],
            
462
  "title": "Drivers of the microbial metabolic quotient across global 
467
  "title": "Drivers of the microbial metabolic quotient across global 
            
463
grasslands",
468
grasslands",
            
464
  "type": "dataset",
469
  "type": "dataset",
            
465
  "url": null,
470
  "url": null,
            
466
  "version": "1.0"
471
  "version": "1.0"
            
467
}
472
}