Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
            
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
            
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
            
5
\"validation\", \"curation\", \"publication\"], \"email\": 
5
\"validation\", \"curation\", \"publication\"], \"email\": 
            
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
            
7
\"0000-0003-0531-8336\", \"name\": \"Risch\"}, {\"affiliation\": 
7
\"0000-0003-0531-8336\", \"name\": \"Risch\"}, {\"affiliation\": 
            
8
\"Swiss Federal Institute for Forest, Snow and Landscape Research 
8
\"Swiss Federal Institute for Forest, Snow and Landscape Research 
            
9
WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
9
WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
n
10
\"data_credit\": \"validation\", \"email\": 
n
10
\"data_credit\": [\"collection\", \"validation\", \"curation\", 
            
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
11
\"supervision\"], \"email\": \"stephan.zimmermann@wsl.ch\", 
            
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}, 
12
\"given_name\": \"Stephan\", \"identifier\": \"0000-0002-7085-0284\", 
            
13
{\"affiliation\": \"WSL\", \"affiliation_02\": \"\", 
13
\"name\": \"Zimmermann\"}, {\"affiliation\": \"WSL\", 
            
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\": \"\", 

            
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 

            
20
\"given_name\": \"Philip A.\", \"identifier\": \"\", \"name\": 

            
21
\"Fay\"}, {\"affiliation\": \"Department of Ecology, Evolution, and 

            
22
Behavior, University of Minnesota, St. Paul, MN 55108\", 

            
23
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
14
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
n
24
\"collection\", \"email\": \"borer@umn.edu\", \"given_name\": 
n
15
\"curation\", \"email\": \"martin.schuetz@wsl.ch\", \"given_name\": 
            
25
\"Elizabeth T.\", \"identifier\": \"0000-0003-2259-5853\", \"name\": 
16
\"Martin\", \"identifier\": \"\", \"name\": \"Sch\\u00fctz\"}, 
            
26
\"Borer\"}, {\"affiliation\": \"Department of Earth and Environmental 
17
{\"affiliation\": \"USDA-ARS Grassland, Soil, and Water Research 
            
27
Sciences, The University of Manchester, Oxford Road, Manchester, M13 
18
Laboratory, Temple, TX, 76502, USA\", \"affiliation_02\": \"\", 
            
28
9PT, UK\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
19
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
29
\"data_credit\": \"curation\", \"email\": 
20
\"philip.fay@usda.gov\", \"given_name\": \"Philip A.\", 
            
30
\"arthur.broadbent@manchester.ac.uk\", \"given_name\": \"Arthur A. 
21
\"identifier\": \"\", \"name\": \"Fay\"}, {\"affiliation\": 
            
31
D.\", \"identifier\": \"0000-0002-8438-7163\", \"name\": 
22
\"Department of Ecology, Evolution, and Behavior, University of 
            
32
\"Broadbent\"}, {\"affiliation\": \"Centro de Estudos Florestais, 
23
Minnesota, St. Paul, MN 55108\", \"affiliation_02\": \"\", 
            
33
Instituto Superior de Agronomia, Universidade de Lisboa, Portugal\", 
24
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
25
\"borer@umn.edu\", \"given_name\": \"Elizabeth T.\", \"identifier\": 
            
26
\"0000-0003-2259-5853\", \"name\": \"Borer\"}, {\"affiliation\": 
            
27
\"Department of Earth and Environmental Sciences, The University of 
            
28
Manchester, Oxford Road, Manchester, M13 9PT, UK\", 
            
34
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
29
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
n
35
\"collection\", \"email\": \"mcaldeira@isa.ulisboa.pt\", 
n
30
\"collection\", \"email\": \"arthur.broadbent@manchester.ac.uk\", 
            
36
\"given_name\": \"Maria C.\", \"identifier\": \"\", \"name\": 
31
\"given_name\": \"Arthur A. D.\", \"identifier\": 
            
37
\"Caldeira\"}, {\"affiliation\": \"Department of Ecology and 
32
\"0000-0002-8438-7163\", \"name\": \"Broadbent\"}, {\"affiliation\": 
            
38
Evolutionary Biology, University of Colorado, Boulder, CO, 80309, 
33
\"Centro de Estudos Florestais, Instituto Superior de Agronomia, 
            
39
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
34
Universidade de Lisboa, Portugal\", \"affiliation_02\": \"\", 
            
40
\"data_credit\": \"collection\", \"email\": 
35
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
36
\"mcaldeira@isa.ulisboa.pt\", \"given_name\": \"Maria C.\", 
            
37
\"identifier\": \"\", \"name\": \"Caldeira\"}, {\"affiliation\": 
            
38
\"Department of Ecology and Evolutionary Biology, University of 
            
39
Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": \"\", 
            
40
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
41
\"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi F.\", 
41
\"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi F.\", 
            
42
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Davies\"}, 
42
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Davies\"}, 
            
43
{\"affiliation\": \"German Centre for Integrative Biodiversity 
43
{\"affiliation\": \"German Centre for Integrative Biodiversity 
            
44
Research (iDiv) Halle-Jena-Leipzig, Deutscher Platz 5e, 04103 Leipzig, 
44
Research (iDiv) Halle-Jena-Leipzig, Deutscher Platz 5e, 04103 Leipzig, 
            
45
Germany\", \"affiliation_02\": \"Institute of Biology, Leipzig 
45
Germany\", \"affiliation_02\": \"Institute of Biology, Leipzig 
            
46
University, Deutscher Platz 5e, 04103 Leipzig, Germany\", 
46
University, Deutscher Platz 5e, 04103 Leipzig, Germany\", 
            
n
47
\"affiliation_03\": \"\", \"data_credit\": \"validation\", \"email\": 
n
47
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
48
\"nico.eisenhauer@idiv.de\", \"given_name\": \"Nico\", \"identifier\": 
48
\"nico.eisenhauer@idiv.de\", \"given_name\": \"Nico\", \"identifier\": 
            
49
\"0000-0002-0371-6720\", \"name\": \"Eisenhauer\"}, {\"affiliation\": 
49
\"0000-0002-0371-6720\", \"name\": \"Eisenhauer\"}, {\"affiliation\": 
            
50
\"Helmholtz Centre for Environmental Research, UFZ, Leipzig, 
50
\"Helmholtz Centre for Environmental Research, UFZ, Leipzig, 
            
51
Germany\", \"affiliation_02\": \"German Centre for Integrative 
51
Germany\", \"affiliation_02\": \"German Centre for Integrative 
            
52
Biodiversity Research (iDiv) Halle-Jena-Leipzig, Leipzig, Germany\", 
52
Biodiversity Research (iDiv) Halle-Jena-Leipzig, Leipzig, Germany\", 
            
53
\"affiliation_03\": \"Department of Ecology and Genetics, University 
53
\"affiliation_03\": \"Department of Ecology and Genetics, University 
            
n
54
of Oulu, Finland\", \"email\": \"anu.eskelinen@idiv.de\", 
n
54
of Oulu, Finland\", \"data_credit\": \"collection\", \"email\": 
            
55
\"anu.eskelinen@idiv.de\", \"given_name\": \"Anu\", \"identifier\": 
            
56
\"0000-0003-1707-5263\", \"name\": \"Eskelinen\"}, {\"affiliation\": 
            
57
\"Swiss Federal Institute for Forest, Snow and Landscape Research 
            
58
WSL\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
59
\"data_credit\": \"collection\", \"email\": \"frank.hagedorn@wsl.ch\", 
            
55
\"given_name\": \"Anu\", \"identifier\": \"0000-0003-1707-5263\", 
60
\"given_name\": \"Frank\", \"identifier\": \"0000-0001-5218-7776\", 
            
56
\"name\": \"Eskelinen\"}, {\"affiliation\": \"Swiss Federal Institute 
61
\"name\": \"Hagedorn\"}, {\"affiliation\": \"Department of Health & 
            
57
for Forest, Snow and Landscape Research WSL\", \"affiliation_02\": 
62
Environmental Sciences, Xi'an Jiaotong Liverpool University\", 
            
58
\"\", \"affiliation_03\": \"\", \"data_credit\": \"curation\", 

            
59
\"email\": \"frank.hagedorn@wsl.ch\", \"given_name\": \"Frank\", 

            
60
\"identifier\": \"0000-0001-5218-7776\", \"name\": \"Hagedorn\"}, 

            
61
{\"affiliation\": \"Department of Health & Environmental Sciences, 

            
62
Xi'an Jiaotong Liverpool University\", \"affiliation_02\": \"\", 

            
63
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 

            
64
\"joahnnes.knops@xjtlu.edu.cn\", \"given_name\": \"Johannes M. H.\", 

            
65
\"identifier\": \"\", \"name\": \"Knops\"}, {\"affiliation\": \"Plants 

            
66
and Ecosystems (PLECO), University of Antwerp, Belgium\", 

            
67
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
63
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
n
68
\"curation\", \"email\": \"lembrechtsjonas@gmail.com\", 
n
64
\"collection\", \"email\": \"joahnnes.knops@xjtlu.edu.cn\", 
            
69
\"given_name\": \"Jonas J.\", \"identifier\": \"\", \"name\": 
65
\"given_name\": \"Johannes M. H.\", \"identifier\": \"\", \"name\": 
            
70
\"Lembrechts\"}, {\"affiliation\": \"Department of Integrative 
66
\"Knops\"}, {\"affiliation\": \"Plants and Ecosystems (PLECO), 
            
71
Biology, University of Guelph, Guelph, Ontario, Canada\", 
67
University of Antwerp, Belgium\", \"affiliation_02\": \"\", 
            
68
\"affiliation_03\": \"\", \"data_credit\": \"validation\", \"email\": 
            
69
\"lembrechtsjonas@gmail.com\", \"given_name\": \"Jonas J.\", 
            
70
\"identifier\": \"\", \"name\": \"Lembrechts\"}, {\"affiliation\": 
            
71
\"Department of Integrative Biology, University of Guelph, Guelph, 
            
72
Ontario, Canada\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
73
\"data_credit\": \"collection\", \"email\": \"asm@uoguelph.ca\", 
            
74
\"given_name\": \"Andrew S.\", \"identifier\": \"\", \"name\": 
            
75
\"MacDougall\"}, {\"affiliation\": \"Department of Plant and Soil 
            
76
Sciences, University of Kentucky, Lexington, KY 40546-0312 USA\", 
            
72
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
77
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
n
73
\"collection\", \"email\": \"asm@uoguelph.ca\", \"given_name\": 
n
78
\"collection\", \"email\": \"rebecca.mcculley@uky.edu\", 
            
74
\"Andrew S.\", \"identifier\": \"\", \"name\": \"MacDougall\"}, 
79
\"given_name\": \"Rebecca L.\", \"identifier\": 
            
75
{\"affiliation\": \"Department of Plant and Soil Sciences, University 
80
\"0000-0002-2393-0599\", \"name\": \"McCulley\"}, {\"affiliation\": 
            
76
of Kentucky, Lexington, KY 40546-0312 USA\", \"affiliation_02\": \"\", 

            
77
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 

            
78
\"rebecca.mcculley@uky.edu\", \"given_name\": \"Rebecca L.\", 

            
79
\"identifier\": \"0000-0002-2393-0599\", \"name\": \"McCulley\"}, 

            
80
{\"affiliation\": \"Department of Ecology and Evolutionary Biology, 
81
\"Department of Ecology and Evolutionary Biology, University of 
            
81
University of Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": 
82
Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": \"\", 
            
82
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
83
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
83
\"email\": \"brett.melbourne@colorado.edu\", \"given_name\": \"Brett 
84
\"brett.melbourne@colorado.edu\", \"given_name\": \"Brett A.\", 
            
84
A.\", \"identifier\": \"\", \"name\": \"Melbourne\"}, 
85
\"identifier\": \"\", \"name\": \"Melbourne\"}, {\"affiliation\": 
            
85
{\"affiliation\": \"School of Biological Sciences, Monash University, 
86
\"School of Biological Sciences, Monash University, Clayton Campus VIC 
            
86
Clayton Campus VIC 3800, Australia\", \"affiliation_02\": \"\", 
87
3800, Australia\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
87
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
88
\"data_credit\": \"collection\", \"email\": 
            
88
\"joslin.moore@gmail.com\", \"given_name\": \"Joslin L.\", 
89
\"joslin.moore@gmail.com\", \"given_name\": \"Joslin L.\", 
            
89
\"identifier\": \"0000-0001-9809-5092\", \"name\": \"Moore\"}, 
90
\"identifier\": \"0000-0001-9809-5092\", \"name\": \"Moore\"}, 
            
90
{\"affiliation\": \"Hawkesbury Institute for the Environment, Western 
91
{\"affiliation\": \"Hawkesbury Institute for the Environment, Western 
            
91
Sydney University, Locked Bag 1797, Penrith, New South Wales, 2751 
92
Sydney University, Locked Bag 1797, Penrith, New South Wales, 2751 
            
92
Australia\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
93
Australia\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
93
\"data_credit\": \"collection\", \"email\": 
94
\"data_credit\": \"collection\", \"email\": 
            
94
\"s.power@westernsydney.edu.au\", \"given_name\": \"Sally A.\", 
95
\"s.power@westernsydney.edu.au\", \"given_name\": \"Sally A.\", 
            
95
\"identifier\": \"0000-0002-2723-8671\", \"name\": \"Power\"}, 
96
\"identifier\": \"0000-0002-2723-8671\", \"name\": \"Power\"}, 
            
96
{\"affiliation\": \"Dept. of Ecology, Evolution, and Behavior, 
97
{\"affiliation\": \"Dept. of Ecology, Evolution, and Behavior, 
            
97
University of Minnesota, St. Paul, MN 55108\", \"affiliation_02\": 
98
University of Minnesota, St. Paul, MN 55108\", \"affiliation_02\": 
            
98
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
99
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
            
99
\"email\": \"seabloom@umn.edu\", \"given_name\": \"Eric W.\", 
100
\"email\": \"seabloom@umn.edu\", \"given_name\": \"Eric W.\", 
            
100
\"identifier\": \"0000-0001-6780-9259\", \"name\": \"Seabloom\"}, 
101
\"identifier\": \"0000-0001-6780-9259\", \"name\": \"Seabloom\"}, 
            
101
{\"affiliation\": \"University of Florida, Range Cattle Research and 
102
{\"affiliation\": \"University of Florida, Range Cattle Research and 
            
102
Education Center. 3401 Experiment Station. Ona, FL, USA. 33865\", 
103
Education Center. 3401 Experiment Station. Ona, FL, USA. 33865\", 
            
103
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
104
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
104
\"collection\", \"email\": \"mlas@ufl.edu\", \"given_name\": \"Maria 
105
\"collection\", \"email\": \"mlas@ufl.edu\", \"given_name\": \"Maria 
            
105
L.\", \"identifier\": \"0000-0003-2166-3156\", \"name\": 
106
L.\", \"identifier\": \"0000-0003-2166-3156\", \"name\": 
            
106
\"Silveira\"}, {\"affiliation\": \"Department of Ecology and Genetics, 
107
\"Silveira\"}, {\"affiliation\": \"Department of Ecology and Genetics, 
            
107
University of Oulu, 90014 Oulu, Finland\", \"affiliation_02\": \"\", 
108
University of Oulu, 90014 Oulu, Finland\", \"affiliation_02\": \"\", 
            
108
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
109
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
109
\"risto.virtanen@oulu.fi\", \"given_name\": \"Risto\", \"identifier\": 
110
\"risto.virtanen@oulu.fi\", \"given_name\": \"Risto\", \"identifier\": 
            
110
\"0000-0002-8295-8217\", \"name\": \"Virtanen\"}, {\"affiliation\": 
111
\"0000-0002-8295-8217\", \"name\": \"Virtanen\"}, {\"affiliation\": 
            
111
\"IFEVA, Universidad de Buenos Aires, CONICET, Facultad de 
112
\"IFEVA, Universidad de Buenos Aires, CONICET, Facultad de 
            
112
Agronom\\u00eda, Buenos Aires, Argentina\", \"affiliation_02\": \"\", 
113
Agronom\\u00eda, Buenos Aires, Argentina\", \"affiliation_02\": \"\", 
            
113
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
114
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
114
\"yahdjian@agro.uba.ar\", \"given_name\": \"Laura\", \"identifier\": 
115
\"yahdjian@agro.uba.ar\", \"given_name\": \"Laura\", \"identifier\": 
            
115
\"0000-0002-9635-1221\", \"name\": \"Yahdjian\"}, {\"affiliation\": 
116
\"0000-0002-9635-1221\", \"name\": \"Yahdjian\"}, {\"affiliation\": 
            
116
\"Department of Biology, University of C\\u00e1diz, Avenida 
117
\"Department of Biology, University of C\\u00e1diz, Avenida 
            
117
Rep\\u00fablica \\u00c1rabe s/n, 11510, Puerto Real, Spain\", 
118
Rep\\u00fablica \\u00c1rabe s/n, 11510, Puerto Real, Spain\", 
            
n
118
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
n
119
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
119
\"\", \"data_credit\": [\"validation\", \"curation\"], \"email\": 
120
[\"validation\", \"curation\", \"publication\"], \"email\": 
            
120
\"rochoahueso@gmail.com\", \"given_name\": \"Raul\", \"identifier\": 
121
\"rochoahueso@gmail.com\", \"given_name\": \"Raul\", \"identifier\": 
            
121
\"\", \"name\": \"Ochoa-Hueso\"}]",
122
\"\", \"name\": \"Ochoa-Hueso\"}]",
            
122
  "author_email": null,
123
  "author_email": null,
            
123
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
124
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
124
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
125
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
125
\"end_date\": \"2016-12-31\"}]",
126
\"end_date\": \"2016-12-31\"}]",
            
126
  "doi": "10.16904/envidat.379",
127
  "doi": "10.16904/envidat.379",
            
127
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
128
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
128
internal competitive grant\", \"institution_url\": \"\"}, 
129
internal competitive grant\", \"institution_url\": \"\"}, 
            
129
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
130
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
130
Science Foundation Research Coordination Network\", 
131
Science Foundation Research Coordination Network\", 
            
131
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
132
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
132
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
133
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
133
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
134
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
134
\"institution\": \"Institute on the Environment\", 
135
\"institution\": \"Institute on the Environment\", 
            
135
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
136
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
136
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
137
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
137
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
138
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
138
\"institution\": \"German Research Foundation\", \"institution_url\": 
139
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
139
\"\"}]",
140
\"\"}]",
            
140
  "groups": [],
141
  "groups": [],
            
141
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
142
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
142
  "isopen": true,
143
  "isopen": true,
            
143
  "language": "en",
144
  "language": "en",
            
144
  "license_id": "odc-odbl",
145
  "license_id": "odc-odbl",
            
145
  "license_title": "ODbL with Database Contents License (DbCL)",
146
  "license_title": "ODbL with Database Contents License (DbCL)",
            
146
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
147
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
147
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
148
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
148
Forest, Snow and Landscape Research WSL\", \"email\": 
149
Forest, Snow and Landscape Research WSL\", \"email\": 
            
149
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
150
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
150
\"\", \"name\": \"Risch\"}",
151
\"\", \"name\": \"Risch\"}",
            
151
  "maintainer_email": null,
152
  "maintainer_email": null,
            
152
  "metadata_created": "2023-02-18T03:38:29.406811",
153
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
153
  "metadata_modified": "2023-02-20T13:23:56.027845",
t
154
  "metadata_modified": "2023-02-21T05:05:05.607965",
            
154
  "name": 
155
  "name": 
            
155
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
156
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
156
  "notes": "This dataset contains all data on which the following 
157
  "notes": "This dataset contains all data on which the following 
            
157
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
158
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
158
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
159
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
159
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
160
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
160
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
161
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
161
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
162
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
162
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
163
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
163
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
164
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
164
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
165
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
165
microbial metabolic quotient across global grasslands. Global Ecology 
166
microbial metabolic quotient across global grasslands. Global Ecology 
            
166
and Biogeography\r\n\r\nPlease cite this paper together with the 
167
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
167
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
168
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
168
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
169
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
169
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
170
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
170
(MBC; mg C kg soil-1), is a key parameter for understanding the 
171
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
171
microbial regulation of the carbon (C) cycle, including soil C 
172
microbial regulation of the carbon (C) cycle, including soil C 
            
172
sequestration. Here, we experimentally tested hypotheses about the 
173
sequestration. Here, we experimentally tested hypotheses about the 
            
173
individual and interactive effects of multiple nutrient addition 
174
individual and interactive effects of multiple nutrient addition 
            
174
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
175
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
175
across 23 sites (5 continents). Our sites encompassed a wide range of 
176
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
176
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
177
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
177
variables affected MMQ the most and how they interacted with our 
178
variables affected MMQ the most and how they interacted with our 
            
178
treatments. Soils were collected in plots with established 
179
treatments. Soils were collected in plots with established 
            
179
experimental treatments. MR was assessed in a five-week laboratory 
180
experimental treatments. MR was assessed in a five-week laboratory 
            
180
incubation without glucose addition, MBC via substrate-induced 
181
incubation without glucose addition, MBC via substrate-induced 
            
181
respiration. MMQ was calculated as MR/MBC and corrected for soil 
182
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
182
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
183
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
183
edaphoclimatic characteristics and treatments interactively affected 
184
edaphoclimatic characteristics and treatments interactively affected 
            
184
MMQsoil. MMQsoil was higher in locations with higher mean annual 
185
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
185
temperature, lower water holding capacity, and soil organic C 
186
temperature, lower water holding capacity, and soil organic C 
            
186
concentration, but did not respond to our treatments across sites as 
187
concentration, but did not respond to our treatments across sites as 
            
187
neither MR nor MBC changed. We attributed this relative homeostasis to 
188
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
188
our treatments to the modulating influence of edaphoclimatic 
189
our treatments to the modulating influence of edaphoclimatic 
            
189
variables. For example, herbivore exclusion, regardless of 
190
variables. For example, herbivore exclusion, regardless of 
            
190
fertilization, led to greater MMQsoil only at sites with lower soil 
191
fertilization, led to greater MMQsoil only at sites with lower soil 
            
191
organic C (<1.7%). Our results pinpoint the main variables related to 
192
organic C (<1.7%). Our results pinpoint the main variables related to 
            
192
MMQsoil across grasslands and emphasize the importance of the local 
193
MMQsoil across grasslands and emphasize the importance of the local 
            
193
edaphoclimatic conditions in controlling the response of the C cycle 
194
edaphoclimatic conditions in controlling the response of the C cycle 
            
194
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
195
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
195
global edaphoclimatic gradients, this work also helps to align the 
196
global edaphoclimatic gradients, this work also helps to align the 
            
196
conflicting results of prior studies. \r\n",
197
conflicting results of prior studies. \r\n",
            
197
  "num_resources": 1,
198
  "num_resources": 1,
            
198
  "num_tags": 7,
199
  "num_tags": 7,
            
199
  "organization": {
200
  "organization": {
            
200
    "approval_status": "approved",
201
    "approval_status": "approved",
            
201
    "created": "2018-04-20T09:51:26.756810",
202
    "created": "2018-04-20T09:51:26.756810",
            
202
    "description": "We are studying the distribution of and 
203
    "description": "We are studying the distribution of and 
            
203
interactions among producers, consumers as well as decomposers and 
204
interactions among producers, consumers as well as decomposers and 
            
204
between these communities and their environment. We focus on food webs 
205
between these communities and their environment. We focus on food webs 
            
205
in real world ecosystems and thus mainly sample our data during 
206
in real world ecosystems and thus mainly sample our data during 
            
206
experimental field campaigns. Data collection under controlled 
207
experimental field campaigns. Data collection under controlled 
            
207
conditions in the greenhouse or experimental garden are, however, 
208
conditions in the greenhouse or experimental garden are, however, 
            
208
common add-ons hereby. We are mainly interested in the functioning of 
209
common add-ons hereby. We are mainly interested in the functioning of 
            
209
natural ecosystems and often conduct research in National Parks around 
210
natural ecosystems and often conduct research in National Parks around 
            
210
the world. Our main study area is, however, the Swiss National Park. 
211
the world. Our main study area is, however, the Swiss National Park. 
            
211
While working on basic research questions, we regularly consider 
212
While working on basic research questions, we regularly consider 
            
212
applied aspects that are related to protecting or conserving 
213
applied aspects that are related to protecting or conserving 
            
213
endangered ecosystems.\r\n\r\nExamples of research question of our 
214
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
214
research group assesses are:\r\n\r\nHow is species loss related to 
215
research group assesses are:\r\n\r\nHow is species loss related to 
            
215
ecosystem processes and functions? Which species or species groups are 
216
ecosystem processes and functions? Which species or species groups are 
            
216
particularly relevant for ecosystem functioning? Which effects are 
217
particularly relevant for ecosystem functioning? Which effects are 
            
217
expected with the loss of such important species groups? How are 
218
expected with the loss of such important species groups? How are 
            
218
aboveground organisms interacting with belowground organisms? Which 
219
aboveground organisms interacting with belowground organisms? Which 
            
219
abiotic and biotic conditions favor diverse ecosystems? Is global 
220
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
220
change (for example eutrophication, habitat fragmentation, climate) a 
221
change (for example eutrophication, habitat fragmentation, climate) a 
            
221
thread for diverse ecosystems? How can diverse ecosystems be 
222
thread for diverse ecosystems? How can diverse ecosystems be 
            
222
protected?",
223
protected?",
            
223
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
224
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
224
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
225
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
225
    "is_organization": true,
226
    "is_organization": true,
            
226
    "name": "plant-animal-interactions",
227
    "name": "plant-animal-interactions",
            
227
    "state": "active",
228
    "state": "active",
            
228
    "title": "Plant-Animal Interactions",
229
    "title": "Plant-Animal Interactions",
            
229
    "type": "organization"
230
    "type": "organization"
            
230
  },
231
  },
            
231
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
232
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
232
  "private": false,
233
  "private": false,
            
233
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
234
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
234
\"EnviDat\"}",
235
\"EnviDat\"}",
            
235
  "publication_state": "pub_pending",
236
  "publication_state": "pub_pending",
            
236
  "related_datasets": "",
237
  "related_datasets": "",
            
237
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
238
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
238
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
239
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
239
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
240
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
240
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
241
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
241
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
242
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
242
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
243
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
243
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
244
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
244
Raul (accepted). Drivers of the microbial metabolic quotient across 
245
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
245
global grasslands. Global Ecology and Biogeography",
246
global grasslands. Global Ecology and Biogeography",
            
246
  "relationships_as_object": [],
247
  "relationships_as_object": [],
            
247
  "relationships_as_subject": [],
248
  "relationships_as_subject": [],
            
248
  "resource_type": "datapaper",
249
  "resource_type": "datapaper",
            
249
  "resource_type_general": "datapaper",
250
  "resource_type_general": "datapaper",
            
250
  "resources": [
251
  "resources": [
            
251
    {
252
    {
            
252
      "cache_last_updated": null,
253
      "cache_last_updated": null,
            
253
      "cache_url": null,
254
      "cache_url": null,
            
254
      "created": "2023-02-18T03:43:03.643074",
255
      "created": "2023-02-18T03:43:03.643074",
            
255
      "description": "Study sites and experimental design\r\nWe 
256
      "description": "Study sites and experimental design\r\nWe 
            
256
collected data from 23 sites that are part of the Nutrient Network 
257
collected data from 23 sites that are part of the Nutrient Network 
            
257
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
258
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
258
mean annual air temperature (MAT) across these sites ranged from -4 to 
259
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
259
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
260
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
260
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
261
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
261
Table S1), hence cover a wide range of climatic conditions under which 
262
Table S1), hence cover a wide range of climatic conditions under which 
            
262
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
263
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
263
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
264
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
264
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
265
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
265
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
266
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
266
\r\nAt each site, the effects of nutrient addition and herbivore 
267
\r\nAt each site, the effects of nutrient addition and herbivore 
            
267
exclusion were tested via a randomized-block design (Borer et al., 
268
exclusion were tested via a randomized-block design (Borer et al., 
            
268
2014). Three blocks with 10 treatment plots each were established at 
269
2014). Three blocks with 10 treatment plots each were established at 
            
269
each site, except for the site at bldr.us (only two blocks). Each of 
270
each site, except for the site at bldr.us (only two blocks). Each of 
            
270
these 10 plots was randomly assigned to a nutrient or fencing 
271
these 10 plots was randomly assigned to a nutrient or fencing 
            
271
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
272
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
272
m subplots. Each subplot was further divided into four 1 x 1 m square 
273
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
273
sampling plots, one of which was set aside for soil sampling (Borer et 
274
sampling plots, one of which was set aside for soil sampling (Borer et 
            
274
al., 2014). Plots were separated by at least 1 m wide walkways. We 
275
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
275
collected soil samples from four different treatments for this study: 
276
collected soil samples from four different treatments for this study: 
            
276
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
277
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
277
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
278
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
278
macro and micronutrients (NPK), and (iv) plots with simultaneous 
279
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
279
fertilizer addition and herbivore exclusion (NPK+Fence). The 
280
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
280
experiments were established at different times in the past, with 
281
experiments were established at different times in the past, with 
            
281
years of treatment different among sites (2 \u2013 9 years since start 
282
years of treatment different among sites (2 \u2013 9 years since start 
            
282
of treatment; Supplementary Table S1). For the nutrient additions, all 
283
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
283
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
284
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
284
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
285
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
285
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
286
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
286
100 g m-2 together with K in the first year of treatments but not 
287
100 g m-2 together with K in the first year of treatments but not 
            
287
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
288
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
288
fencing two plots, one with and one without NPK additions, within each 
289
fencing two plots, one with and one without NPK additions, within each 
            
289
block. The fences excluded all aboveground mammalian herbivores with a 
290
block. The fences excluded all aboveground mammalian herbivores with a 
            
290
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
291
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
291
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
292
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
292
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
293
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
293
ground to exclude burrowing animals. Climbing and subterranean animals 
294
ground to exclude burrowing animals. Climbing and subterranean animals 
            
294
may potentially still access these plots (Borer et al., 2014). For 
295
may potentially still access these plots (Borer et al., 2014). For 
            
295
slight modifications in fence design at a few sites see Supplementary 
296
slight modifications in fence design at a few sites see Supplementary 
            
296
Table S3. Most sites only had wild herbivores, although four sites 
297
Table S3. Most sites only had wild herbivores, although four sites 
            
297
were also grazed by domestic animals (Supplementary Table 
298
were also grazed by domestic animals (Supplementary Table 
            
298
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
299
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
299
microbial biomass, and other soil properties\r\nEach of the 23 sites 
300
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
300
received a package containing identical material from the Swiss 
301
received a package containing identical material from the Swiss 
            
301
Federal Institute for Forest, Snow and Landscape Research WSL, 
302
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
302
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
303
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
303
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
304
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
304
each sampling plot and composited them to measure MR, MBC, and soil 
305
each sampling plot and composited them to measure MR, MBC, and soil 
            
305
chemical properties (see below). An additional sample (5 x 12 cm) was 
306
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
306
collected to assess soil physical properties. This sample remained 
307
collected to assess soil physical properties. This sample remained 
            
307
within a steel sampling core after collection and both ends were 
308
within a steel sampling core after collection and both ends were 
            
308
tightly closed with plastic caps to avoid disturbance. All soils were 
309
tightly closed with plastic caps to avoid disturbance. All soils were 
            
309
shipped cooled to the laboratory at (Location will be disclosed after 
310
shipped cooled to the laboratory at (Location will be disclosed after 
            
310
manuscript acceptance) within a few days after collection. Soils were 
311
manuscript acceptance) within a few days after collection. Soils were 
            
311
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
312
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
312
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
313
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
313
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
314
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
314
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
315
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
315
added to these samples. We adjusted the soil moisture of each sample 
316
added to these samples. We adjusted the soil moisture of each sample 
            
316
to 60% field capacity. We then placed a 15 ml plastic test tube 
317
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
317
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
318
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
318
The test tube was fixed with a plastic rod so that it was not in 
319
The test tube was fixed with a plastic rod so that it was not in 
            
319
contact with the soil sample. The Falcon tubes were then sealed with a 
320
contact with the soil sample. The Falcon tubes were then sealed with a 
            
320
screw cap and placed in an incubator under completely dark conditions 
321
screw cap and placed in an incubator under completely dark conditions 
            
321
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
322
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
322
by the 0.05 M NaOH. For five weeks we measured the decrease in 
323
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
323
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
324
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
324
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
325
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
325
NaOH with fresh solution. We included Falcon tubes without soil 
326
NaOH with fresh solution. We included Falcon tubes without soil 
            
326
samples in each incubation run as blanks to test if tubes were tight 
327
samples in each incubation run as blanks to test if tubes were tight 
            
327
and no CO2 could enter or escape. We calibrated the relationship 
328
and no CO2 could enter or escape. We calibrated the relationship 
            
328
between conductivity reduction and NaOH absorbed as follows: 400 ml 
329
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
329
0.05 M NaOH was placed in a beaker and its conductivity was measured 
330
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
330
with the multimeter. While stirring, air containing CO2 was blown into 
331
with the multimeter. While stirring, air containing CO2 was blown into 
            
331
the solution for approximately one minute, which reacts with NaOH to 
332
the solution for approximately one minute, which reacts with NaOH to 
            
332
form Na2CO3. After this process, conductivity was measured again. We 
333
form Na2CO3. After this process, conductivity was measured again. We 
            
333
then transferred 7.25 ml of the solution into a smaller beaker and 
334
then transferred 7.25 ml of the solution into a smaller beaker and 
            
334
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
335
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
335
solution with 0.05 M HCl to determine the remaining NaOH. We then 
336
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
336
repeated these steps with the remaining solution a total of nine times 
337
repeated these steps with the remaining solution a total of nine times 
            
337
and plotted the conductivities (y-axis) against the NaOH consumed 
338
and plotted the conductivities (y-axis) against the NaOH consumed 
            
338
(x-axis, Supplementary Fig S1). This regression line was used to infer 
339
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
339
the consumption of NaOH from the conductivity reduction in the 
340
the consumption of NaOH from the conductivity reduction in the 
            
340
incubation experiments and to calculate CO2 evolution during 
341
incubation experiments and to calculate CO2 evolution during 
            
341
incubation. In addition, we determined the optimum concentration for 
342
incubation. In addition, we determined the optimum concentration for 
            
342
the NaOH solution in series of preliminary experiments, so that the 
343
the NaOH solution in series of preliminary experiments, so that the 
            
343
concentration was not too high to become insensitive, but also not too 
344
concentration was not too high to become insensitive, but also not too 
            
344
low so that not all NaOH reacts during incubation. We then calculated 
345
low so that not all NaOH reacts during incubation. We then calculated 
            
345
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
346
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
346
the 5 weeks divided by the duration of the entire incubation in 
347
the 5 weeks divided by the duration of the entire incubation in 
            
347
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
348
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
348
measured at the beginning of the experiment by measuring the maximal 
349
measured at the beginning of the experiment by measuring the maximal 
            
349
respiratory response to the addition of glucose solution (4 mg glucose 
350
respiratory response to the addition of glucose solution (4 mg glucose 
            
350
per g soil dry weight dissolved in distilled water; substrate-induced 
351
per g soil dry weight dissolved in distilled water; substrate-induced 
            
351
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
352
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
352
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
353
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
353
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
354
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
354
specifically, substrate-induced respiration was calculated from the 
355
specifically, substrate-induced respiration was calculated from the 
            
355
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
356
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
356
added according to preliminary studies to saturate the catabolic 
357
added according to preliminary studies to saturate the catabolic 
            
357
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
358
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
358
water). The mean of the lowest three readings within the first 10 hrs 
359
water). The mean of the lowest three readings within the first 10 hrs 
            
359
(between the initial peak caused by disturbing the soil and the peak 
360
(between the initial peak caused by disturbing the soil and the peak 
            
360
caused by microbial growth) was taken as maximum initial respiratory 
361
caused by microbial growth) was taken as maximum initial respiratory 
            
361
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
362
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
362
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
363
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
363
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
364
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
364
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
365
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
365
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
366
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
366
soil organic C (Risch et al., 2019). The undisturbed sample was used 
367
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
367
to assess water holding capacity (WHC), bulk density (BD), and soil 
368
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
368
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
369
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
369
the percentage of sand and clay as an indicator of soil texture in 
370
the percentage of sand and clay as an indicator of soil texture in 
            
370
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
371
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
371
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
372
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
372
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
373
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
373
variables were selected as they were found to be drivers of soil 
374
variables were selected as they were found to be drivers of soil 
            
374
nutrient processes across these sites in earlier studies (Risch et 
375
nutrient processes across these sites in earlier studies (Risch et 
            
375
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
376
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
376
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
377
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
377
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
378
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
378
al., 2022), global gridded modelled products of soil bioclimatic 
379
al., 2022), global gridded modelled products of soil bioclimatic 
            
379
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
380
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
380
on CHELSA, ERA5 and in-situ soil temperature 
381
on CHELSA, ERA5 and in-situ soil temperature 
            
381
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
382
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
382
calculated MMQ as MR/MBC. We corrected this measure using the average 
383
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
383
soil temperature of each site (MMQsoil). This temperature correction 
384
soil temperature of each site (MMQsoil). This temperature correction 
            
384
is necessary as incubation temperatures are usually much higher than 
385
is necessary as incubation temperatures are usually much higher than 
            
385
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
386
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
386
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
387
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
387
2017). See Supplementary Fig S2 for comparison of air and soil 
388
2017). See Supplementary Fig S2 for comparison of air and soil 
            
388
temperatures across the 23 sites as well as the incubation 
389
temperatures across the 23 sites as well as the incubation 
            
389
temperature. \r\nSome of the explanatory variables (clay, soil organic 
390
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
390
C, C:N ratio) were skewed and were thus log-transformed prior to 
391
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
391
analyses. All continuous explanatory variables were centred and scaled 
392
analyses. All continuous explanatory variables were centred and scaled 
            
392
to have a mean of zero and variance of one. To avoid collinearity 
393
to have a mean of zero and variance of one. To avoid collinearity 
            
393
between them we filtered them using correlation analysis 
394
between them we filtered them using correlation analysis 
            
394
(Supplementary Fig S3). From the variables that were strongly 
395
(Supplementary Fig S3). From the variables that were strongly 
            
395
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
396
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
396
selected the ones that allowed us to minimize the number of variables 
397
selected the ones that allowed us to minimize the number of variables 
            
397
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
398
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
398
total C concentration, soil sand content and soil bulk density were 
399
total C concentration, soil sand content and soil bulk density were 
            
399
dropped from the dataset. We then assessed how these edaphoclimatic 
400
dropped from the dataset. We then assessed how these edaphoclimatic 
            
400
variables are related to MMQ across our global grasslands.\r\nFor 
401
variables are related to MMQ across our global grasslands.\r\nFor 
            
401
this, we used linear mixed effects models (LMMs) fitted by maximum 
402
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
402
likelihood with the lme function in the nlme package (version 3.1-153) 
403
likelihood with the lme function in the nlme package (version 3.1-153) 
            
403
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
404
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
404
Team, 2019). We used treatment as a fixed effect and plot nested in 
405
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
405
site as random effects to assess treatment differences in MMQsoil, as 
406
site as random effects to assess treatment differences in MMQsoil, as 
            
406
well as MR, and MBC. The number of years since the treatment started 
407
well as MR, and MBC. The number of years since the treatment started 
            
407
was included as a fixed effect in all the initial models but was not 
408
was included as a fixed effect in all the initial models but was not 
            
408
significant and therefore not retained in the models. To assess how 
409
significant and therefore not retained in the models. To assess how 
            
409
differences in MMQsoil were affected by environmental factors (soil, 
410
differences in MMQsoil were affected by environmental factors (soil, 
            
410
climatic properties) we again used LMMs. Soil and climatic properties 
411
climatic properties) we again used LMMs. Soil and climatic properties 
            
411
were included as fixed effects and plot nested in site as random 
412
were included as fixed effects and plot nested in site as random 
            
412
effects. We did not include interactions between environmental 
413
effects. We did not include interactions between environmental 
            
413
variables. We then used the MuMin package (Barton, 2018) (version 
414
variables. We then used the MuMin package (Barton, 2018) (version 
            
414
1.42.1) to select the best models that explained the most variation 
415
1.42.1) to select the best models that explained the most variation 
            
415
based on Akaike\u2019s information criterion (AIC; model.avg 
416
based on Akaike\u2019s information criterion (AIC; model.avg 
            
416
function). We used the corrected AIC (AICc) to account for our small 
417
function). We used the corrected AIC (AICc) to account for our small 
            
417
sample size and selected the top models that fell within 4 AICc units 
418
sample size and selected the top models that fell within 4 AICc units 
            
418
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
419
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
419
We present all our top models rather than model averages. Conditional 
420
We present all our top models rather than model averages. Conditional 
            
420
averages are provided in the Supplementary material. \r\nBased on 
421
averages are provided in the Supplementary material. \r\nBased on 
            
421
findings from analyses described above and the literature, we 
422
findings from analyses described above and the literature, we 
            
422
developed a conceptual model of direct and indirect relationships 
423
developed a conceptual model of direct and indirect relationships 
            
423
between both edaphoclimatic variables and experimental treatments 
424
between both edaphoclimatic variables and experimental treatments 
            
424
(Supplement Figure S4) to obtain a more holistic approach in 
425
(Supplement Figure S4) to obtain a more holistic approach in 
            
425
understanding how these properties affect MMQsoil. We had data from 23 
426
understanding how these properties affect MMQsoil. We had data from 23 
            
426
sites with 272 observations. We tested this model using structural 
427
sites with 272 observations. We tested this model using structural 
            
427
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
428
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
428
2009). We considered those environmental drivers that were included in 
429
2009). We considered those environmental drivers that were included in 
            
429
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
430
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
430
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
431
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
431
Supplementary Figure S4). These factors were allowed to directly 
432
Supplementary Figure S4). These factors were allowed to directly 
            
432
affect MMQsoil, and via their interactions with treatments. In 
433
affect MMQsoil, and via their interactions with treatments. In 
            
433
addition, treatments were allowed to directly affect MMQsoil. 
434
addition, treatments were allowed to directly affect MMQsoil. 
            
434
Treatments were included as dummy variables in the model. We tested 
435
Treatments were included as dummy variables in the model. We tested 
            
435
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
436
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
436
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
437
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
437
structured set of linear models are fitted individually. This approach 
438
structured set of linear models are fitted individually. This approach 
            
438
allowed us to account for the nested experimental design, and overcome 
439
allowed us to account for the nested experimental design, and overcome 
            
439
some of the limitations of standard structural equation models, such 
440
some of the limitations of standard structural equation models, such 
            
440
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
441
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
441
function of the nlme package to model response variables, including 
442
function of the nlme package to model response variables, including 
            
442
site as a random factor. Good fit of the SEM was assumed when 
443
site as a random factor. Good fit of the SEM was assumed when 
            
443
Fisher\u2019s C values were non-significant (p > 0.05). For all 
444
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
444
significant interactions between soil or climate variables and 
445
significant interactions between soil or climate variables and 
            
445
treatments detected in the SEMs, we calculated treatment effect sizes, 
446
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
446
i.e., the differences in MMQsoil between Control and treatments as log 
447
i.e., the differences in MMQsoil between Control and treatments as log 
            
447
response ratios (LRR) and plotted these values against the climate or 
448
response ratios (LRR) and plotted these values against the climate or 
            
448
soil factors. The LRR were defined as log(Control/Treatment), where 
449
soil factors. The LRR were defined as log(Control/Treatment), where 
            
449
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
450
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
450
LRR-climate or soil property relationships were significant we again 
451
LRR-climate or soil property relationships were significant we again 
            
451
used LMMs, in which soil and climatic properties were included as 
452
used LMMs, in which soil and climatic properties were included as 
            
452
fixed effects and plot nested in site as random effects. \r\n",
453
fixed effects and plot nested in site as random effects. \r\n",
            
453
      "doi": "",
454
      "doi": "",
            
454
      "format": ".xlsx",
455
      "format": ".xlsx",
            
455
      "hash": "",
456
      "hash": "",
            
456
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
457
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
457
      "last_modified": "2023-02-18T04:43:07.514444",
458
      "last_modified": "2023-02-18T04:43:07.514444",
            
458
      "metadata_modified": "2023-02-18T03:43:07.860695",
459
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
459
      "mimetype": null,
460
      "mimetype": null,
            
460
      "mimetype_inner": null,
461
      "mimetype_inner": null,
            
461
      "name": "Risch et al. GEB_data.xlsx",
462
      "name": "Risch et al. GEB_data.xlsx",
            
462
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
463
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
463
      "position": 0,
464
      "position": 0,
            
464
      "publication_state": "",
465
      "publication_state": "",
            
465
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
466
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
466
\"kb\"}",
467
\"kb\"}",
            
467
      "resource_type": null,
468
      "resource_type": null,
            
468
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
469
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
469
\"shared_secret\": \"\"}",
470
\"shared_secret\": \"\"}",
            
470
      "size": 110080,
471
      "size": 110080,
            
471
      "state": "active",
472
      "state": "active",
            
472
      "url": 
473
      "url": 
            
473
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
474
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
474
      "url_type": "upload"
475
      "url_type": "upload"
            
475
    }
476
    }
            
476
  ],
477
  ],
            
477
  "spatial": 
478
  "spatial": 
            
478
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
479
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
479
  "spatial_info": "worldwide",
480
  "spatial_info": "worldwide",
            
480
  "state": "active",
481
  "state": "active",
            
481
  "subtitle": "",
482
  "subtitle": "",
            
482
  "tags": [
483
  "tags": [
            
483
    {
484
    {
            
484
      "display_name": "ANTHROPOGENIC MANAGEMENT",
485
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
485
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
486
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
486
      "name": "ANTHROPOGENIC MANAGEMENT",
487
      "name": "ANTHROPOGENIC MANAGEMENT",
            
487
      "state": "active",
488
      "state": "active",
            
488
      "vocabulary_id": null
489
      "vocabulary_id": null
            
489
    },
490
    },
            
490
    {
491
    {
            
491
      "display_name": "CLIMATE",
492
      "display_name": "CLIMATE",
            
492
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
493
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
493
      "name": "CLIMATE",
494
      "name": "CLIMATE",
            
494
      "state": "active",
495
      "state": "active",
            
495
      "vocabulary_id": null
496
      "vocabulary_id": null
            
496
    },
497
    },
            
497
    {
498
    {
            
498
      "display_name": "HERBIVORE EXCLUSION",
499
      "display_name": "HERBIVORE EXCLUSION",
            
499
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
500
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
500
      "name": "HERBIVORE EXCLUSION",
501
      "name": "HERBIVORE EXCLUSION",
            
501
      "state": "active",
502
      "state": "active",
            
502
      "vocabulary_id": null
503
      "vocabulary_id": null
            
503
    },
504
    },
            
504
    {
505
    {
            
505
      "display_name": "MICROBIAL BIOMASS CARBON",
506
      "display_name": "MICROBIAL BIOMASS CARBON",
            
506
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
507
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
507
      "name": "MICROBIAL BIOMASS CARBON",
508
      "name": "MICROBIAL BIOMASS CARBON",
            
508
      "state": "active",
509
      "state": "active",
            
509
      "vocabulary_id": null
510
      "vocabulary_id": null
            
510
    },
511
    },
            
511
    {
512
    {
            
512
      "display_name": "MICROBIAL RESPIRATION",
513
      "display_name": "MICROBIAL RESPIRATION",
            
513
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
514
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
514
      "name": "MICROBIAL RESPIRATION",
515
      "name": "MICROBIAL RESPIRATION",
            
515
      "state": "active",
516
      "state": "active",
            
516
      "vocabulary_id": null
517
      "vocabulary_id": null
            
517
    },
518
    },
            
518
    {
519
    {
            
519
      "display_name": "NUTRIENT ADDITION",
520
      "display_name": "NUTRIENT ADDITION",
            
520
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
521
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
521
      "name": "NUTRIENT ADDITION",
522
      "name": "NUTRIENT ADDITION",
            
522
      "state": "active",
523
      "state": "active",
            
523
      "vocabulary_id": null
524
      "vocabulary_id": null
            
524
    },
525
    },
            
525
    {
526
    {
            
526
      "display_name": "SOIL PROPERTIES",
527
      "display_name": "SOIL PROPERTIES",
            
527
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
528
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
528
      "name": "SOIL PROPERTIES",
529
      "name": "SOIL PROPERTIES",
            
529
      "state": "active",
530
      "state": "active",
            
530
      "vocabulary_id": null
531
      "vocabulary_id": null
            
531
    }
532
    }
            
532
  ],
533
  ],
            
533
  "title": "Drivers of the microbial metabolic quotient across global 
534
  "title": "Drivers of the microbial metabolic quotient across global 
            
534
grasslands",
535
grasslands",
            
535
  "type": "dataset",
536
  "type": "dataset",
            
536
  "url": null,
537
  "url": null,
            
537
  "version": "1.0"
538
  "version": "1.0"
            
538
}
539
}