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\": 
            
n
7
\"\", \"name\": \"Risch\"}]",
n
7
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
            
8
Institute for Forest, Snow and Landscape Research WSL\", 
            
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
            
10
\"\", \"data_credit\": \"validation\", \"email\": 
            
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
            
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}]",
            
8
  "author_email": null,
13
  "author_email": null,
            
9
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
14
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
10
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
15
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
11
\"end_date\": \"2016-12-31\"}]",
16
\"end_date\": \"2016-12-31\"}]",
            
12
  "doi": "10.16904/envidat.379",
17
  "doi": "10.16904/envidat.379",
            
13
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
18
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
14
internal competitive grant\", \"institution_url\": \"\"}, 
19
internal competitive grant\", \"institution_url\": \"\"}, 
            
15
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
20
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
16
Science Foundation Research Coordination Network\", 
21
Science Foundation Research Coordination Network\", 
            
17
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
22
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
18
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
23
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
19
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
24
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
20
\"institution\": \"Institute on the Environment\", 
25
\"institution\": \"Institute on the Environment\", 
            
21
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
26
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
22
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
27
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
23
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
28
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
24
\"institution\": \"German Research Foundation\", \"institution_url\": 
29
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
25
\"\"}]",
30
\"\"}]",
            
26
  "groups": [],
31
  "groups": [],
            
27
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
32
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
28
  "isopen": true,
33
  "isopen": true,
            
29
  "language": "en",
34
  "language": "en",
            
30
  "license_id": "odc-odbl",
35
  "license_id": "odc-odbl",
            
31
  "license_title": "ODbL with Database Contents License (DbCL)",
36
  "license_title": "ODbL with Database Contents License (DbCL)",
            
32
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
37
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
33
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
38
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
34
Forest, Snow and Landscape Research WSL\", \"email\": 
39
Forest, Snow and Landscape Research WSL\", \"email\": 
            
35
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
40
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
36
\"\", \"name\": \"Risch\"}",
41
\"\", \"name\": \"Risch\"}",
            
37
  "maintainer_email": null,
42
  "maintainer_email": null,
            
38
  "metadata_created": "2023-02-18T03:38:29.406811",
43
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
39
  "metadata_modified": "2023-02-18T04:54:43.151766",
t
44
  "metadata_modified": "2023-02-20T10:08:18.917762",
            
40
  "name": 
45
  "name": 
            
41
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
46
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
42
  "notes": "This dataset contains all data on which the following 
47
  "notes": "This dataset contains all data on which the following 
            
43
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
48
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
44
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
49
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
45
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
50
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
46
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
51
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
47
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
52
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
48
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
53
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
49
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
54
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
50
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
55
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
51
microbial metabolic quotient across global grasslands. Global Ecology 
56
microbial metabolic quotient across global grasslands. Global Ecology 
            
52
and Biogeography\r\n\r\nPlease cite this paper together with the 
57
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
53
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
58
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
54
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
59
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
55
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
60
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
56
(MBC; mg C kg soil-1), is a key parameter for understanding the 
61
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
57
microbial regulation of the carbon (C) cycle, including soil C 
62
microbial regulation of the carbon (C) cycle, including soil C 
            
58
sequestration. Here, we experimentally tested hypotheses about the 
63
sequestration. Here, we experimentally tested hypotheses about the 
            
59
individual and interactive effects of multiple nutrient addition 
64
individual and interactive effects of multiple nutrient addition 
            
60
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
65
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
61
across 23 sites (5 continents). Our sites encompassed a wide range of 
66
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
62
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
67
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
63
variables affected MMQ the most and how they interacted with our 
68
variables affected MMQ the most and how they interacted with our 
            
64
treatments. Soils were collected in plots with established 
69
treatments. Soils were collected in plots with established 
            
65
experimental treatments. MR was assessed in a five-week laboratory 
70
experimental treatments. MR was assessed in a five-week laboratory 
            
66
incubation without glucose addition, MBC via substrate-induced 
71
incubation without glucose addition, MBC via substrate-induced 
            
67
respiration. MMQ was calculated as MR/MBC and corrected for soil 
72
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
68
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
73
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
69
edaphoclimatic characteristics and treatments interactively affected 
74
edaphoclimatic characteristics and treatments interactively affected 
            
70
MMQsoil. MMQsoil was higher in locations with higher mean annual 
75
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
71
temperature, lower water holding capacity, and soil organic C 
76
temperature, lower water holding capacity, and soil organic C 
            
72
concentration, but did not respond to our treatments across sites as 
77
concentration, but did not respond to our treatments across sites as 
            
73
neither MR nor MBC changed. We attributed this relative homeostasis to 
78
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
74
our treatments to the modulating influence of edaphoclimatic 
79
our treatments to the modulating influence of edaphoclimatic 
            
75
variables. For example, herbivore exclusion, regardless of 
80
variables. For example, herbivore exclusion, regardless of 
            
76
fertilization, led to greater MMQsoil only at sites with lower soil 
81
fertilization, led to greater MMQsoil only at sites with lower soil 
            
77
organic C (<1.7%). Our results pinpoint the main variables related to 
82
organic C (<1.7%). Our results pinpoint the main variables related to 
            
78
MMQsoil across grasslands and emphasize the importance of the local 
83
MMQsoil across grasslands and emphasize the importance of the local 
            
79
edaphoclimatic conditions in controlling the response of the C cycle 
84
edaphoclimatic conditions in controlling the response of the C cycle 
            
80
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
85
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
81
global edaphoclimatic gradients, this work also helps to align the 
86
global edaphoclimatic gradients, this work also helps to align the 
            
82
conflicting results of prior studies. \r\n",
87
conflicting results of prior studies. \r\n",
            
83
  "num_resources": 1,
88
  "num_resources": 1,
            
84
  "num_tags": 7,
89
  "num_tags": 7,
            
85
  "organization": {
90
  "organization": {
            
86
    "approval_status": "approved",
91
    "approval_status": "approved",
            
87
    "created": "2018-04-20T09:51:26.756810",
92
    "created": "2018-04-20T09:51:26.756810",
            
88
    "description": "We are studying the distribution of and 
93
    "description": "We are studying the distribution of and 
            
89
interactions among producers, consumers as well as decomposers and 
94
interactions among producers, consumers as well as decomposers and 
            
90
between these communities and their environment. We focus on food webs 
95
between these communities and their environment. We focus on food webs 
            
91
in real world ecosystems and thus mainly sample our data during 
96
in real world ecosystems and thus mainly sample our data during 
            
92
experimental field campaigns. Data collection under controlled 
97
experimental field campaigns. Data collection under controlled 
            
93
conditions in the greenhouse or experimental garden are, however, 
98
conditions in the greenhouse or experimental garden are, however, 
            
94
common add-ons hereby. We are mainly interested in the functioning of 
99
common add-ons hereby. We are mainly interested in the functioning of 
            
95
natural ecosystems and often conduct research in National Parks around 
100
natural ecosystems and often conduct research in National Parks around 
            
96
the world. Our main study area is, however, the Swiss National Park. 
101
the world. Our main study area is, however, the Swiss National Park. 
            
97
While working on basic research questions, we regularly consider 
102
While working on basic research questions, we regularly consider 
            
98
applied aspects that are related to protecting or conserving 
103
applied aspects that are related to protecting or conserving 
            
99
endangered ecosystems.\r\n\r\nExamples of research question of our 
104
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
100
research group assesses are:\r\n\r\nHow is species loss related to 
105
research group assesses are:\r\n\r\nHow is species loss related to 
            
101
ecosystem processes and functions? Which species or species groups are 
106
ecosystem processes and functions? Which species or species groups are 
            
102
particularly relevant for ecosystem functioning? Which effects are 
107
particularly relevant for ecosystem functioning? Which effects are 
            
103
expected with the loss of such important species groups? How are 
108
expected with the loss of such important species groups? How are 
            
104
aboveground organisms interacting with belowground organisms? Which 
109
aboveground organisms interacting with belowground organisms? Which 
            
105
abiotic and biotic conditions favor diverse ecosystems? Is global 
110
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
106
change (for example eutrophication, habitat fragmentation, climate) a 
111
change (for example eutrophication, habitat fragmentation, climate) a 
            
107
thread for diverse ecosystems? How can diverse ecosystems be 
112
thread for diverse ecosystems? How can diverse ecosystems be 
            
108
protected?",
113
protected?",
            
109
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
114
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
110
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
115
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
111
    "is_organization": true,
116
    "is_organization": true,
            
112
    "name": "plant-animal-interactions",
117
    "name": "plant-animal-interactions",
            
113
    "state": "active",
118
    "state": "active",
            
114
    "title": "Plant-Animal Interactions",
119
    "title": "Plant-Animal Interactions",
            
115
    "type": "organization"
120
    "type": "organization"
            
116
  },
121
  },
            
117
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
122
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
118
  "private": false,
123
  "private": false,
            
119
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
124
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
120
\"EnviDat\"}",
125
\"EnviDat\"}",
            
121
  "publication_state": "pub_pending",
126
  "publication_state": "pub_pending",
            
122
  "related_datasets": "",
127
  "related_datasets": "",
            
123
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
128
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
124
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
129
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
125
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
130
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
126
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
131
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
127
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
132
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
128
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
133
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
129
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
134
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
130
Raul (accepted). Drivers of the microbial metabolic quotient across 
135
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
131
global grasslands. Global Ecology and Biogeography",
136
global grasslands. Global Ecology and Biogeography",
            
132
  "relationships_as_object": [],
137
  "relationships_as_object": [],
            
133
  "relationships_as_subject": [],
138
  "relationships_as_subject": [],
            
134
  "resource_type": "datapaper",
139
  "resource_type": "datapaper",
            
135
  "resource_type_general": "datapaper",
140
  "resource_type_general": "datapaper",
            
136
  "resources": [
141
  "resources": [
            
137
    {
142
    {
            
138
      "cache_last_updated": null,
143
      "cache_last_updated": null,
            
139
      "cache_url": null,
144
      "cache_url": null,
            
140
      "created": "2023-02-18T03:43:03.643074",
145
      "created": "2023-02-18T03:43:03.643074",
            
141
      "description": "Study sites and experimental design\r\nWe 
146
      "description": "Study sites and experimental design\r\nWe 
            
142
collected data from 23 sites that are part of the Nutrient Network 
147
collected data from 23 sites that are part of the Nutrient Network 
            
143
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
148
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
144
mean annual air temperature (MAT) across these sites ranged from -4 to 
149
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
145
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
150
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
146
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
151
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
147
Table S1), hence cover a wide range of climatic conditions under which 
152
Table S1), hence cover a wide range of climatic conditions under which 
            
148
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
153
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
149
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
154
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
150
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
155
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
151
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
156
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
152
\r\nAt each site, the effects of nutrient addition and herbivore 
157
\r\nAt each site, the effects of nutrient addition and herbivore 
            
153
exclusion were tested via a randomized-block design (Borer et al., 
158
exclusion were tested via a randomized-block design (Borer et al., 
            
154
2014). Three blocks with 10 treatment plots each were established at 
159
2014). Three blocks with 10 treatment plots each were established at 
            
155
each site, except for the site at bldr.us (only two blocks). Each of 
160
each site, except for the site at bldr.us (only two blocks). Each of 
            
156
these 10 plots was randomly assigned to a nutrient or fencing 
161
these 10 plots was randomly assigned to a nutrient or fencing 
            
157
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
162
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
158
m subplots. Each subplot was further divided into four 1 x 1 m square 
163
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
159
sampling plots, one of which was set aside for soil sampling (Borer et 
164
sampling plots, one of which was set aside for soil sampling (Borer et 
            
160
al., 2014). Plots were separated by at least 1 m wide walkways. We 
165
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
161
collected soil samples from four different treatments for this study: 
166
collected soil samples from four different treatments for this study: 
            
162
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
167
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
163
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
168
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
164
macro and micronutrients (NPK), and (iv) plots with simultaneous 
169
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
165
fertilizer addition and herbivore exclusion (NPK+Fence). The 
170
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
166
experiments were established at different times in the past, with 
171
experiments were established at different times in the past, with 
            
167
years of treatment different among sites (2 \u2013 9 years since start 
172
years of treatment different among sites (2 \u2013 9 years since start 
            
168
of treatment; Supplementary Table S1). For the nutrient additions, all 
173
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
169
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
174
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
170
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
175
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
171
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
176
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
172
100 g m-2 together with K in the first year of treatments but not 
177
100 g m-2 together with K in the first year of treatments but not 
            
173
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
178
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
174
fencing two plots, one with and one without NPK additions, within each 
179
fencing two plots, one with and one without NPK additions, within each 
            
175
block. The fences excluded all aboveground mammalian herbivores with a 
180
block. The fences excluded all aboveground mammalian herbivores with a 
            
176
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
181
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
177
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
182
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
178
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
183
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
179
ground to exclude burrowing animals. Climbing and subterranean animals 
184
ground to exclude burrowing animals. Climbing and subterranean animals 
            
180
may potentially still access these plots (Borer et al., 2014). For 
185
may potentially still access these plots (Borer et al., 2014). For 
            
181
slight modifications in fence design at a few sites see Supplementary 
186
slight modifications in fence design at a few sites see Supplementary 
            
182
Table S3. Most sites only had wild herbivores, although four sites 
187
Table S3. Most sites only had wild herbivores, although four sites 
            
183
were also grazed by domestic animals (Supplementary Table 
188
were also grazed by domestic animals (Supplementary Table 
            
184
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
189
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
185
microbial biomass, and other soil properties\r\nEach of the 23 sites 
190
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
186
received a package containing identical material from the Swiss 
191
received a package containing identical material from the Swiss 
            
187
Federal Institute for Forest, Snow and Landscape Research WSL, 
192
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
188
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
193
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
189
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
194
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
190
each sampling plot and composited them to measure MR, MBC, and soil 
195
each sampling plot and composited them to measure MR, MBC, and soil 
            
191
chemical properties (see below). An additional sample (5 x 12 cm) was 
196
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
192
collected to assess soil physical properties. This sample remained 
197
collected to assess soil physical properties. This sample remained 
            
193
within a steel sampling core after collection and both ends were 
198
within a steel sampling core after collection and both ends were 
            
194
tightly closed with plastic caps to avoid disturbance. All soils were 
199
tightly closed with plastic caps to avoid disturbance. All soils were 
            
195
shipped cooled to the laboratory at (Location will be disclosed after 
200
shipped cooled to the laboratory at (Location will be disclosed after 
            
196
manuscript acceptance) within a few days after collection. Soils were 
201
manuscript acceptance) within a few days after collection. Soils were 
            
197
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
202
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
198
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
203
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
199
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
204
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
200
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
205
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
201
added to these samples. We adjusted the soil moisture of each sample 
206
added to these samples. We adjusted the soil moisture of each sample 
            
202
to 60% field capacity. We then placed a 15 ml plastic test tube 
207
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
203
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
208
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
204
The test tube was fixed with a plastic rod so that it was not in 
209
The test tube was fixed with a plastic rod so that it was not in 
            
205
contact with the soil sample. The Falcon tubes were then sealed with a 
210
contact with the soil sample. The Falcon tubes were then sealed with a 
            
206
screw cap and placed in an incubator under completely dark conditions 
211
screw cap and placed in an incubator under completely dark conditions 
            
207
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
212
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
208
by the 0.05 M NaOH. For five weeks we measured the decrease in 
213
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
209
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
214
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
210
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
215
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
211
NaOH with fresh solution. We included Falcon tubes without soil 
216
NaOH with fresh solution. We included Falcon tubes without soil 
            
212
samples in each incubation run as blanks to test if tubes were tight 
217
samples in each incubation run as blanks to test if tubes were tight 
            
213
and no CO2 could enter or escape. We calibrated the relationship 
218
and no CO2 could enter or escape. We calibrated the relationship 
            
214
between conductivity reduction and NaOH absorbed as follows: 400 ml 
219
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
215
0.05 M NaOH was placed in a beaker and its conductivity was measured 
220
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
216
with the multimeter. While stirring, air containing CO2 was blown into 
221
with the multimeter. While stirring, air containing CO2 was blown into 
            
217
the solution for approximately one minute, which reacts with NaOH to 
222
the solution for approximately one minute, which reacts with NaOH to 
            
218
form Na2CO3. After this process, conductivity was measured again. We 
223
form Na2CO3. After this process, conductivity was measured again. We 
            
219
then transferred 7.25 ml of the solution into a smaller beaker and 
224
then transferred 7.25 ml of the solution into a smaller beaker and 
            
220
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
225
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
221
solution with 0.05 M HCl to determine the remaining NaOH. We then 
226
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
222
repeated these steps with the remaining solution a total of nine times 
227
repeated these steps with the remaining solution a total of nine times 
            
223
and plotted the conductivities (y-axis) against the NaOH consumed 
228
and plotted the conductivities (y-axis) against the NaOH consumed 
            
224
(x-axis, Supplementary Fig S1). This regression line was used to infer 
229
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
225
the consumption of NaOH from the conductivity reduction in the 
230
the consumption of NaOH from the conductivity reduction in the 
            
226
incubation experiments and to calculate CO2 evolution during 
231
incubation experiments and to calculate CO2 evolution during 
            
227
incubation. In addition, we determined the optimum concentration for 
232
incubation. In addition, we determined the optimum concentration for 
            
228
the NaOH solution in series of preliminary experiments, so that the 
233
the NaOH solution in series of preliminary experiments, so that the 
            
229
concentration was not too high to become insensitive, but also not too 
234
concentration was not too high to become insensitive, but also not too 
            
230
low so that not all NaOH reacts during incubation. We then calculated 
235
low so that not all NaOH reacts during incubation. We then calculated 
            
231
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
236
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
232
the 5 weeks divided by the duration of the entire incubation in 
237
the 5 weeks divided by the duration of the entire incubation in 
            
233
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
238
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
234
measured at the beginning of the experiment by measuring the maximal 
239
measured at the beginning of the experiment by measuring the maximal 
            
235
respiratory response to the addition of glucose solution (4 mg glucose 
240
respiratory response to the addition of glucose solution (4 mg glucose 
            
236
per g soil dry weight dissolved in distilled water; substrate-induced 
241
per g soil dry weight dissolved in distilled water; substrate-induced 
            
237
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
242
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
238
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
243
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
239
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
244
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
240
specifically, substrate-induced respiration was calculated from the 
245
specifically, substrate-induced respiration was calculated from the 
            
241
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
246
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
242
added according to preliminary studies to saturate the catabolic 
247
added according to preliminary studies to saturate the catabolic 
            
243
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
248
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
244
water). The mean of the lowest three readings within the first 10 hrs 
249
water). The mean of the lowest three readings within the first 10 hrs 
            
245
(between the initial peak caused by disturbing the soil and the peak 
250
(between the initial peak caused by disturbing the soil and the peak 
            
246
caused by microbial growth) was taken as maximum initial respiratory 
251
caused by microbial growth) was taken as maximum initial respiratory 
            
247
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
252
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
248
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
253
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
249
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
254
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
250
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
255
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
251
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
256
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
252
soil organic C (Risch et al., 2019). The undisturbed sample was used 
257
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
253
to assess water holding capacity (WHC), bulk density (BD), and soil 
258
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
254
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
259
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
255
the percentage of sand and clay as an indicator of soil texture in 
260
the percentage of sand and clay as an indicator of soil texture in 
            
256
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
261
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
257
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
262
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
258
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
263
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
259
variables were selected as they were found to be drivers of soil 
264
variables were selected as they were found to be drivers of soil 
            
260
nutrient processes across these sites in earlier studies (Risch et 
265
nutrient processes across these sites in earlier studies (Risch et 
            
261
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
266
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
262
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
267
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
263
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
268
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
264
al., 2022), global gridded modelled products of soil bioclimatic 
269
al., 2022), global gridded modelled products of soil bioclimatic 
            
265
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
270
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
266
on CHELSA, ERA5 and in-situ soil temperature 
271
on CHELSA, ERA5 and in-situ soil temperature 
            
267
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
272
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
268
calculated MMQ as MR/MBC. We corrected this measure using the average 
273
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
269
soil temperature of each site (MMQsoil). This temperature correction 
274
soil temperature of each site (MMQsoil). This temperature correction 
            
270
is necessary as incubation temperatures are usually much higher than 
275
is necessary as incubation temperatures are usually much higher than 
            
271
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
276
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
272
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
277
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
273
2017). See Supplementary Fig S2 for comparison of air and soil 
278
2017). See Supplementary Fig S2 for comparison of air and soil 
            
274
temperatures across the 23 sites as well as the incubation 
279
temperatures across the 23 sites as well as the incubation 
            
275
temperature. \r\nSome of the explanatory variables (clay, soil organic 
280
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
276
C, C:N ratio) were skewed and were thus log-transformed prior to 
281
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
277
analyses. All continuous explanatory variables were centred and scaled 
282
analyses. All continuous explanatory variables were centred and scaled 
            
278
to have a mean of zero and variance of one. To avoid collinearity 
283
to have a mean of zero and variance of one. To avoid collinearity 
            
279
between them we filtered them using correlation analysis 
284
between them we filtered them using correlation analysis 
            
280
(Supplementary Fig S3). From the variables that were strongly 
285
(Supplementary Fig S3). From the variables that were strongly 
            
281
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
286
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
282
selected the ones that allowed us to minimize the number of variables 
287
selected the ones that allowed us to minimize the number of variables 
            
283
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
288
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
284
total C concentration, soil sand content and soil bulk density were 
289
total C concentration, soil sand content and soil bulk density were 
            
285
dropped from the dataset. We then assessed how these edaphoclimatic 
290
dropped from the dataset. We then assessed how these edaphoclimatic 
            
286
variables are related to MMQ across our global grasslands.\r\nFor 
291
variables are related to MMQ across our global grasslands.\r\nFor 
            
287
this, we used linear mixed effects models (LMMs) fitted by maximum 
292
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
288
likelihood with the lme function in the nlme package (version 3.1-153) 
293
likelihood with the lme function in the nlme package (version 3.1-153) 
            
289
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
294
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
290
Team, 2019). We used treatment as a fixed effect and plot nested in 
295
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
291
site as random effects to assess treatment differences in MMQsoil, as 
296
site as random effects to assess treatment differences in MMQsoil, as 
            
292
well as MR, and MBC. The number of years since the treatment started 
297
well as MR, and MBC. The number of years since the treatment started 
            
293
was included as a fixed effect in all the initial models but was not 
298
was included as a fixed effect in all the initial models but was not 
            
294
significant and therefore not retained in the models. To assess how 
299
significant and therefore not retained in the models. To assess how 
            
295
differences in MMQsoil were affected by environmental factors (soil, 
300
differences in MMQsoil were affected by environmental factors (soil, 
            
296
climatic properties) we again used LMMs. Soil and climatic properties 
301
climatic properties) we again used LMMs. Soil and climatic properties 
            
297
were included as fixed effects and plot nested in site as random 
302
were included as fixed effects and plot nested in site as random 
            
298
effects. We did not include interactions between environmental 
303
effects. We did not include interactions between environmental 
            
299
variables. We then used the MuMin package (Barton, 2018) (version 
304
variables. We then used the MuMin package (Barton, 2018) (version 
            
300
1.42.1) to select the best models that explained the most variation 
305
1.42.1) to select the best models that explained the most variation 
            
301
based on Akaike\u2019s information criterion (AIC; model.avg 
306
based on Akaike\u2019s information criterion (AIC; model.avg 
            
302
function). We used the corrected AIC (AICc) to account for our small 
307
function). We used the corrected AIC (AICc) to account for our small 
            
303
sample size and selected the top models that fell within 4 AICc units 
308
sample size and selected the top models that fell within 4 AICc units 
            
304
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
309
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
305
We present all our top models rather than model averages. Conditional 
310
We present all our top models rather than model averages. Conditional 
            
306
averages are provided in the Supplementary material. \r\nBased on 
311
averages are provided in the Supplementary material. \r\nBased on 
            
307
findings from analyses described above and the literature, we 
312
findings from analyses described above and the literature, we 
            
308
developed a conceptual model of direct and indirect relationships 
313
developed a conceptual model of direct and indirect relationships 
            
309
between both edaphoclimatic variables and experimental treatments 
314
between both edaphoclimatic variables and experimental treatments 
            
310
(Supplement Figure S4) to obtain a more holistic approach in 
315
(Supplement Figure S4) to obtain a more holistic approach in 
            
311
understanding how these properties affect MMQsoil. We had data from 23 
316
understanding how these properties affect MMQsoil. We had data from 23 
            
312
sites with 272 observations. We tested this model using structural 
317
sites with 272 observations. We tested this model using structural 
            
313
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
318
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
314
2009). We considered those environmental drivers that were included in 
319
2009). We considered those environmental drivers that were included in 
            
315
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
320
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
316
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
321
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
317
Supplementary Figure S4). These factors were allowed to directly 
322
Supplementary Figure S4). These factors were allowed to directly 
            
318
affect MMQsoil, and via their interactions with treatments. In 
323
affect MMQsoil, and via their interactions with treatments. In 
            
319
addition, treatments were allowed to directly affect MMQsoil. 
324
addition, treatments were allowed to directly affect MMQsoil. 
            
320
Treatments were included as dummy variables in the model. We tested 
325
Treatments were included as dummy variables in the model. We tested 
            
321
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
326
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
322
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
327
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
323
structured set of linear models are fitted individually. This approach 
328
structured set of linear models are fitted individually. This approach 
            
324
allowed us to account for the nested experimental design, and overcome 
329
allowed us to account for the nested experimental design, and overcome 
            
325
some of the limitations of standard structural equation models, such 
330
some of the limitations of standard structural equation models, such 
            
326
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
331
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
327
function of the nlme package to model response variables, including 
332
function of the nlme package to model response variables, including 
            
328
site as a random factor. Good fit of the SEM was assumed when 
333
site as a random factor. Good fit of the SEM was assumed when 
            
329
Fisher\u2019s C values were non-significant (p > 0.05). For all 
334
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
330
significant interactions between soil or climate variables and 
335
significant interactions between soil or climate variables and 
            
331
treatments detected in the SEMs, we calculated treatment effect sizes, 
336
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
332
i.e., the differences in MMQsoil between Control and treatments as log 
337
i.e., the differences in MMQsoil between Control and treatments as log 
            
333
response ratios (LRR) and plotted these values against the climate or 
338
response ratios (LRR) and plotted these values against the climate or 
            
334
soil factors. The LRR were defined as log(Control/Treatment), where 
339
soil factors. The LRR were defined as log(Control/Treatment), where 
            
335
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
340
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
336
LRR-climate or soil property relationships were significant we again 
341
LRR-climate or soil property relationships were significant we again 
            
337
used LMMs, in which soil and climatic properties were included as 
342
used LMMs, in which soil and climatic properties were included as 
            
338
fixed effects and plot nested in site as random effects. \r\n",
343
fixed effects and plot nested in site as random effects. \r\n",
            
339
      "doi": "",
344
      "doi": "",
            
340
      "format": ".xlsx",
345
      "format": ".xlsx",
            
341
      "hash": "",
346
      "hash": "",
            
342
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
347
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
343
      "last_modified": "2023-02-18T04:43:07.514444",
348
      "last_modified": "2023-02-18T04:43:07.514444",
            
344
      "metadata_modified": "2023-02-18T03:43:07.860695",
349
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
345
      "mimetype": null,
350
      "mimetype": null,
            
346
      "mimetype_inner": null,
351
      "mimetype_inner": null,
            
347
      "name": "Risch et al. GEB_data.xlsx",
352
      "name": "Risch et al. GEB_data.xlsx",
            
348
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
353
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
349
      "position": 0,
354
      "position": 0,
            
350
      "publication_state": "",
355
      "publication_state": "",
            
351
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
356
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
352
\"kb\"}",
357
\"kb\"}",
            
353
      "resource_type": null,
358
      "resource_type": null,
            
354
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
359
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
355
\"shared_secret\": \"\"}",
360
\"shared_secret\": \"\"}",
            
356
      "size": 110080,
361
      "size": 110080,
            
357
      "state": "active",
362
      "state": "active",
            
358
      "url": 
363
      "url": 
            
359
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
364
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
360
      "url_type": "upload"
365
      "url_type": "upload"
            
361
    }
366
    }
            
362
  ],
367
  ],
            
363
  "spatial": 
368
  "spatial": 
            
364
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
369
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
365
  "spatial_info": "worldwide",
370
  "spatial_info": "worldwide",
            
366
  "state": "active",
371
  "state": "active",
            
367
  "subtitle": "",
372
  "subtitle": "",
            
368
  "tags": [
373
  "tags": [
            
369
    {
374
    {
            
370
      "display_name": "ANTHROPOGENIC MANAGEMENT",
375
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
371
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
376
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
372
      "name": "ANTHROPOGENIC MANAGEMENT",
377
      "name": "ANTHROPOGENIC MANAGEMENT",
            
373
      "state": "active",
378
      "state": "active",
            
374
      "vocabulary_id": null
379
      "vocabulary_id": null
            
375
    },
380
    },
            
376
    {
381
    {
            
377
      "display_name": "CLIMATE",
382
      "display_name": "CLIMATE",
            
378
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
383
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
379
      "name": "CLIMATE",
384
      "name": "CLIMATE",
            
380
      "state": "active",
385
      "state": "active",
            
381
      "vocabulary_id": null
386
      "vocabulary_id": null
            
382
    },
387
    },
            
383
    {
388
    {
            
384
      "display_name": "HERBIVORE EXCLUSION",
389
      "display_name": "HERBIVORE EXCLUSION",
            
385
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
390
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
386
      "name": "HERBIVORE EXCLUSION",
391
      "name": "HERBIVORE EXCLUSION",
            
387
      "state": "active",
392
      "state": "active",
            
388
      "vocabulary_id": null
393
      "vocabulary_id": null
            
389
    },
394
    },
            
390
    {
395
    {
            
391
      "display_name": "MICROBIAL BIOMASS CARBON",
396
      "display_name": "MICROBIAL BIOMASS CARBON",
            
392
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
397
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
393
      "name": "MICROBIAL BIOMASS CARBON",
398
      "name": "MICROBIAL BIOMASS CARBON",
            
394
      "state": "active",
399
      "state": "active",
            
395
      "vocabulary_id": null
400
      "vocabulary_id": null
            
396
    },
401
    },
            
397
    {
402
    {
            
398
      "display_name": "MICROBIAL RESPIRATION",
403
      "display_name": "MICROBIAL RESPIRATION",
            
399
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
404
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
400
      "name": "MICROBIAL RESPIRATION",
405
      "name": "MICROBIAL RESPIRATION",
            
401
      "state": "active",
406
      "state": "active",
            
402
      "vocabulary_id": null
407
      "vocabulary_id": null
            
403
    },
408
    },
            
404
    {
409
    {
            
405
      "display_name": "NUTRIENT ADDITION",
410
      "display_name": "NUTRIENT ADDITION",
            
406
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
411
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
407
      "name": "NUTRIENT ADDITION",
412
      "name": "NUTRIENT ADDITION",
            
408
      "state": "active",
413
      "state": "active",
            
409
      "vocabulary_id": null
414
      "vocabulary_id": null
            
410
    },
415
    },
            
411
    {
416
    {
            
412
      "display_name": "SOIL PROPERTIES",
417
      "display_name": "SOIL PROPERTIES",
            
413
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
418
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
414
      "name": "SOIL PROPERTIES",
419
      "name": "SOIL PROPERTIES",
            
415
      "state": "active",
420
      "state": "active",
            
416
      "vocabulary_id": null
421
      "vocabulary_id": null
            
417
    }
422
    }
            
418
  ],
423
  ],
            
419
  "title": "Drivers of the microbial metabolic quotient across global 
424
  "title": "Drivers of the microbial metabolic quotient across global 
            
420
grasslands",
425
grasslands",
            
421
  "type": "dataset",
426
  "type": "dataset",
            
422
  "url": null,
427
  "url": null,
            
423
  "version": "1.0"
428
  "version": "1.0"
            
424
}
429
}