Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
            
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
            
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
            
5
\"validation\", \"curation\", \"publication\"], \"email\": 
5
\"validation\", \"curation\", \"publication\"], \"email\": 
            
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
            
7
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
7
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
            
8
Institute for Forest, Snow and Landscape Research WSL\", 
8
Institute for Forest, Snow and Landscape Research WSL\", 
            
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
10
[\"collection\", \"validation\"], \"email\": 
10
[\"collection\", \"validation\"], \"email\": 
            
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
            
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}, 
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}, 
            
13
{\"affiliation\": \"WSL\", \"affiliation_02\": \"\", 
13
{\"affiliation\": \"WSL\", \"affiliation_02\": \"\", 
            
14
\"affiliation_03\": \"\", \"data_credit\": \"curation\", \"email\": 
14
\"affiliation_03\": \"\", \"data_credit\": \"curation\", \"email\": 
            
15
\"martin.schuetz@wsl.ch\", \"given_name\": \"Martin\", \"identifier\": 
15
\"martin.schuetz@wsl.ch\", \"given_name\": \"Martin\", \"identifier\": 
            
16
\"\", \"name\": \"Sch\\u00fctz\"}, {\"affiliation\": \"USDA-ARS 
16
\"\", \"name\": \"Sch\\u00fctz\"}, {\"affiliation\": \"USDA-ARS 
            
17
Grassland, Soil, and Water Research Laboratory, Temple, TX, 76502, 
17
Grassland, Soil, and Water Research Laboratory, Temple, TX, 76502, 
            
18
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
18
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 
            
20
\"given_name\": \"Philip A.\", \"identifier\": 
20
\"given_name\": \"Philip A.\", \"identifier\": 
            
21
\"0000-0003-2259-5853\", \"name\": \"Fay\"}, {\"affiliation\": 
21
\"0000-0003-2259-5853\", \"name\": \"Fay\"}, {\"affiliation\": 
            
22
\"Department of Ecology, Evolution, and Behavior, University of 
22
\"Department of Ecology, Evolution, and Behavior, University of 
            
23
Minnesota, St. Paul, MN 55108\", \"affiliation_02\": \"\", 
23
Minnesota, St. Paul, MN 55108\", \"affiliation_02\": \"\", 
            
24
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
24
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
25
\"borer@umn.edu\", \"given_name\": \"Elizabeth T.\", \"identifier\": 
25
\"borer@umn.edu\", \"given_name\": \"Elizabeth T.\", \"identifier\": 
            
26
\"0000-0002-8438-7163\", \"name\": \"Borer\"}, {\"affiliation\": 
26
\"0000-0002-8438-7163\", \"name\": \"Borer\"}, {\"affiliation\": 
            
27
\"Department of Earth and Environmental Sciences, The University of 
27
\"Department of Earth and Environmental Sciences, The University of 
            
28
Manchester, Oxford Road, Manchester, M13 9PT, UK\", 
28
Manchester, Oxford Road, Manchester, M13 9PT, UK\", 
            
29
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
29
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
30
\"curation\", \"email\": \"arthur.broadbent@manchester.ac.uk\", 
30
\"curation\", \"email\": \"arthur.broadbent@manchester.ac.uk\", 
            
31
\"given_name\": \"Arthur A. D.\", \"identifier\": 
31
\"given_name\": \"Arthur A. D.\", \"identifier\": 
            
32
\"0000-0002-8438-7163\", \"name\": \"Broadbent\"}, {\"affiliation\": 
32
\"0000-0002-8438-7163\", \"name\": \"Broadbent\"}, {\"affiliation\": 
            
33
\"Centro de Estudos Florestais, Instituto Superior de Agronomia, 
33
\"Centro de Estudos Florestais, Instituto Superior de Agronomia, 
            
34
Universidade de Lisboa, Portugal\", \"affiliation_02\": \"\", 
34
Universidade de Lisboa, Portugal\", \"affiliation_02\": \"\", 
            
n
35
\"affiliation_03\": \"\", \"autocomplete\": \"\", \"data_credit\": 
n
35
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
36
\"collection\", \"email\": \"mcaldeira@isa.ulisboa.pt\", 
36
\"mcaldeira@isa.ulisboa.pt\", \"given_name\": \"Maria C.\", 
            
37
\"given_name\": \"Maria C.\", \"identifier\": \"0000-0001-7716-3359\", 
37
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Caldeira\"}, 
            
38
\"name\": \"Caldeira\"}]",
38
{\"affiliation\": \"Department of Ecology and Evolutionary Biology, 
            
39
University of Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": 
            
40
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
            
41
\"email\": \"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi 
            
42
F.\", \"identifier\": \"0000-0002-0371-6720\", \"name\": 
            
43
\"Davies\"}]",
            
39
  "author_email": null,
44
  "author_email": null,
            
40
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
45
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
41
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
46
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
42
\"end_date\": \"2016-12-31\"}]",
47
\"end_date\": \"2016-12-31\"}]",
            
43
  "doi": "10.16904/envidat.379",
48
  "doi": "10.16904/envidat.379",
            
44
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
49
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
45
internal competitive grant\", \"institution_url\": \"\"}, 
50
internal competitive grant\", \"institution_url\": \"\"}, 
            
46
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
51
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
47
Science Foundation Research Coordination Network\", 
52
Science Foundation Research Coordination Network\", 
            
48
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
53
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
49
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
54
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
50
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
55
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
51
\"institution\": \"Institute on the Environment\", 
56
\"institution\": \"Institute on the Environment\", 
            
52
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
57
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
53
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
58
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
54
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
59
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
55
\"institution\": \"German Research Foundation\", \"institution_url\": 
60
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
56
\"\"}]",
61
\"\"}]",
            
57
  "groups": [],
62
  "groups": [],
            
58
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
63
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
59
  "isopen": true,
64
  "isopen": true,
            
60
  "language": "en",
65
  "language": "en",
            
61
  "license_id": "odc-odbl",
66
  "license_id": "odc-odbl",
            
62
  "license_title": "ODbL with Database Contents License (DbCL)",
67
  "license_title": "ODbL with Database Contents License (DbCL)",
            
63
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
68
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
64
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
69
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
65
Forest, Snow and Landscape Research WSL\", \"email\": 
70
Forest, Snow and Landscape Research WSL\", \"email\": 
            
66
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
71
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
67
\"\", \"name\": \"Risch\"}",
72
\"\", \"name\": \"Risch\"}",
            
68
  "maintainer_email": null,
73
  "maintainer_email": null,
            
69
  "metadata_created": "2023-02-18T03:38:29.406811",
74
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
70
  "metadata_modified": "2023-02-20T10:25:24.720820",
t
75
  "metadata_modified": "2023-02-20T10:38:33.955286",
            
71
  "name": 
76
  "name": 
            
72
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
77
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
73
  "notes": "This dataset contains all data on which the following 
78
  "notes": "This dataset contains all data on which the following 
            
74
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
79
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
75
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
80
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
76
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
81
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
77
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
82
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
78
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
83
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
79
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
84
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
80
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
85
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
81
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
86
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
82
microbial metabolic quotient across global grasslands. Global Ecology 
87
microbial metabolic quotient across global grasslands. Global Ecology 
            
83
and Biogeography\r\n\r\nPlease cite this paper together with the 
88
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
84
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
89
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
85
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
90
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
86
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
91
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
87
(MBC; mg C kg soil-1), is a key parameter for understanding the 
92
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
88
microbial regulation of the carbon (C) cycle, including soil C 
93
microbial regulation of the carbon (C) cycle, including soil C 
            
89
sequestration. Here, we experimentally tested hypotheses about the 
94
sequestration. Here, we experimentally tested hypotheses about the 
            
90
individual and interactive effects of multiple nutrient addition 
95
individual and interactive effects of multiple nutrient addition 
            
91
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
96
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
92
across 23 sites (5 continents). Our sites encompassed a wide range of 
97
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
93
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
98
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
94
variables affected MMQ the most and how they interacted with our 
99
variables affected MMQ the most and how they interacted with our 
            
95
treatments. Soils were collected in plots with established 
100
treatments. Soils were collected in plots with established 
            
96
experimental treatments. MR was assessed in a five-week laboratory 
101
experimental treatments. MR was assessed in a five-week laboratory 
            
97
incubation without glucose addition, MBC via substrate-induced 
102
incubation without glucose addition, MBC via substrate-induced 
            
98
respiration. MMQ was calculated as MR/MBC and corrected for soil 
103
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
99
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
104
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
100
edaphoclimatic characteristics and treatments interactively affected 
105
edaphoclimatic characteristics and treatments interactively affected 
            
101
MMQsoil. MMQsoil was higher in locations with higher mean annual 
106
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
102
temperature, lower water holding capacity, and soil organic C 
107
temperature, lower water holding capacity, and soil organic C 
            
103
concentration, but did not respond to our treatments across sites as 
108
concentration, but did not respond to our treatments across sites as 
            
104
neither MR nor MBC changed. We attributed this relative homeostasis to 
109
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
105
our treatments to the modulating influence of edaphoclimatic 
110
our treatments to the modulating influence of edaphoclimatic 
            
106
variables. For example, herbivore exclusion, regardless of 
111
variables. For example, herbivore exclusion, regardless of 
            
107
fertilization, led to greater MMQsoil only at sites with lower soil 
112
fertilization, led to greater MMQsoil only at sites with lower soil 
            
108
organic C (<1.7%). Our results pinpoint the main variables related to 
113
organic C (<1.7%). Our results pinpoint the main variables related to 
            
109
MMQsoil across grasslands and emphasize the importance of the local 
114
MMQsoil across grasslands and emphasize the importance of the local 
            
110
edaphoclimatic conditions in controlling the response of the C cycle 
115
edaphoclimatic conditions in controlling the response of the C cycle 
            
111
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
116
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
112
global edaphoclimatic gradients, this work also helps to align the 
117
global edaphoclimatic gradients, this work also helps to align the 
            
113
conflicting results of prior studies. \r\n",
118
conflicting results of prior studies. \r\n",
            
114
  "num_resources": 1,
119
  "num_resources": 1,
            
115
  "num_tags": 7,
120
  "num_tags": 7,
            
116
  "organization": {
121
  "organization": {
            
117
    "approval_status": "approved",
122
    "approval_status": "approved",
            
118
    "created": "2018-04-20T09:51:26.756810",
123
    "created": "2018-04-20T09:51:26.756810",
            
119
    "description": "We are studying the distribution of and 
124
    "description": "We are studying the distribution of and 
            
120
interactions among producers, consumers as well as decomposers and 
125
interactions among producers, consumers as well as decomposers and 
            
121
between these communities and their environment. We focus on food webs 
126
between these communities and their environment. We focus on food webs 
            
122
in real world ecosystems and thus mainly sample our data during 
127
in real world ecosystems and thus mainly sample our data during 
            
123
experimental field campaigns. Data collection under controlled 
128
experimental field campaigns. Data collection under controlled 
            
124
conditions in the greenhouse or experimental garden are, however, 
129
conditions in the greenhouse or experimental garden are, however, 
            
125
common add-ons hereby. We are mainly interested in the functioning of 
130
common add-ons hereby. We are mainly interested in the functioning of 
            
126
natural ecosystems and often conduct research in National Parks around 
131
natural ecosystems and often conduct research in National Parks around 
            
127
the world. Our main study area is, however, the Swiss National Park. 
132
the world. Our main study area is, however, the Swiss National Park. 
            
128
While working on basic research questions, we regularly consider 
133
While working on basic research questions, we regularly consider 
            
129
applied aspects that are related to protecting or conserving 
134
applied aspects that are related to protecting or conserving 
            
130
endangered ecosystems.\r\n\r\nExamples of research question of our 
135
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
131
research group assesses are:\r\n\r\nHow is species loss related to 
136
research group assesses are:\r\n\r\nHow is species loss related to 
            
132
ecosystem processes and functions? Which species or species groups are 
137
ecosystem processes and functions? Which species or species groups are 
            
133
particularly relevant for ecosystem functioning? Which effects are 
138
particularly relevant for ecosystem functioning? Which effects are 
            
134
expected with the loss of such important species groups? How are 
139
expected with the loss of such important species groups? How are 
            
135
aboveground organisms interacting with belowground organisms? Which 
140
aboveground organisms interacting with belowground organisms? Which 
            
136
abiotic and biotic conditions favor diverse ecosystems? Is global 
141
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
137
change (for example eutrophication, habitat fragmentation, climate) a 
142
change (for example eutrophication, habitat fragmentation, climate) a 
            
138
thread for diverse ecosystems? How can diverse ecosystems be 
143
thread for diverse ecosystems? How can diverse ecosystems be 
            
139
protected?",
144
protected?",
            
140
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
145
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
141
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
146
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
142
    "is_organization": true,
147
    "is_organization": true,
            
143
    "name": "plant-animal-interactions",
148
    "name": "plant-animal-interactions",
            
144
    "state": "active",
149
    "state": "active",
            
145
    "title": "Plant-Animal Interactions",
150
    "title": "Plant-Animal Interactions",
            
146
    "type": "organization"
151
    "type": "organization"
            
147
  },
152
  },
            
148
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
153
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
149
  "private": false,
154
  "private": false,
            
150
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
155
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
151
\"EnviDat\"}",
156
\"EnviDat\"}",
            
152
  "publication_state": "pub_pending",
157
  "publication_state": "pub_pending",
            
153
  "related_datasets": "",
158
  "related_datasets": "",
            
154
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
159
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
155
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
160
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
156
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
161
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
157
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
162
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
158
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
163
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
159
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
164
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
160
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
165
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
161
Raul (accepted). Drivers of the microbial metabolic quotient across 
166
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
162
global grasslands. Global Ecology and Biogeography",
167
global grasslands. Global Ecology and Biogeography",
            
163
  "relationships_as_object": [],
168
  "relationships_as_object": [],
            
164
  "relationships_as_subject": [],
169
  "relationships_as_subject": [],
            
165
  "resource_type": "datapaper",
170
  "resource_type": "datapaper",
            
166
  "resource_type_general": "datapaper",
171
  "resource_type_general": "datapaper",
            
167
  "resources": [
172
  "resources": [
            
168
    {
173
    {
            
169
      "cache_last_updated": null,
174
      "cache_last_updated": null,
            
170
      "cache_url": null,
175
      "cache_url": null,
            
171
      "created": "2023-02-18T03:43:03.643074",
176
      "created": "2023-02-18T03:43:03.643074",
            
172
      "description": "Study sites and experimental design\r\nWe 
177
      "description": "Study sites and experimental design\r\nWe 
            
173
collected data from 23 sites that are part of the Nutrient Network 
178
collected data from 23 sites that are part of the Nutrient Network 
            
174
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
179
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
175
mean annual air temperature (MAT) across these sites ranged from -4 to 
180
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
176
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
181
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
177
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
182
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
178
Table S1), hence cover a wide range of climatic conditions under which 
183
Table S1), hence cover a wide range of climatic conditions under which 
            
179
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
184
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
180
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
185
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
181
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
186
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
182
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
187
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
183
\r\nAt each site, the effects of nutrient addition and herbivore 
188
\r\nAt each site, the effects of nutrient addition and herbivore 
            
184
exclusion were tested via a randomized-block design (Borer et al., 
189
exclusion were tested via a randomized-block design (Borer et al., 
            
185
2014). Three blocks with 10 treatment plots each were established at 
190
2014). Three blocks with 10 treatment plots each were established at 
            
186
each site, except for the site at bldr.us (only two blocks). Each of 
191
each site, except for the site at bldr.us (only two blocks). Each of 
            
187
these 10 plots was randomly assigned to a nutrient or fencing 
192
these 10 plots was randomly assigned to a nutrient or fencing 
            
188
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
193
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
189
m subplots. Each subplot was further divided into four 1 x 1 m square 
194
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
190
sampling plots, one of which was set aside for soil sampling (Borer et 
195
sampling plots, one of which was set aside for soil sampling (Borer et 
            
191
al., 2014). Plots were separated by at least 1 m wide walkways. We 
196
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
192
collected soil samples from four different treatments for this study: 
197
collected soil samples from four different treatments for this study: 
            
193
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
198
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
194
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
199
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
195
macro and micronutrients (NPK), and (iv) plots with simultaneous 
200
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
196
fertilizer addition and herbivore exclusion (NPK+Fence). The 
201
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
197
experiments were established at different times in the past, with 
202
experiments were established at different times in the past, with 
            
198
years of treatment different among sites (2 \u2013 9 years since start 
203
years of treatment different among sites (2 \u2013 9 years since start 
            
199
of treatment; Supplementary Table S1). For the nutrient additions, all 
204
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
200
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
205
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
201
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
206
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
202
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
207
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
203
100 g m-2 together with K in the first year of treatments but not 
208
100 g m-2 together with K in the first year of treatments but not 
            
204
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
209
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
205
fencing two plots, one with and one without NPK additions, within each 
210
fencing two plots, one with and one without NPK additions, within each 
            
206
block. The fences excluded all aboveground mammalian herbivores with a 
211
block. The fences excluded all aboveground mammalian herbivores with a 
            
207
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
212
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
208
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
213
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
209
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
214
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
210
ground to exclude burrowing animals. Climbing and subterranean animals 
215
ground to exclude burrowing animals. Climbing and subterranean animals 
            
211
may potentially still access these plots (Borer et al., 2014). For 
216
may potentially still access these plots (Borer et al., 2014). For 
            
212
slight modifications in fence design at a few sites see Supplementary 
217
slight modifications in fence design at a few sites see Supplementary 
            
213
Table S3. Most sites only had wild herbivores, although four sites 
218
Table S3. Most sites only had wild herbivores, although four sites 
            
214
were also grazed by domestic animals (Supplementary Table 
219
were also grazed by domestic animals (Supplementary Table 
            
215
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
220
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
216
microbial biomass, and other soil properties\r\nEach of the 23 sites 
221
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
217
received a package containing identical material from the Swiss 
222
received a package containing identical material from the Swiss 
            
218
Federal Institute for Forest, Snow and Landscape Research WSL, 
223
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
219
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
224
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
220
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
225
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
221
each sampling plot and composited them to measure MR, MBC, and soil 
226
each sampling plot and composited them to measure MR, MBC, and soil 
            
222
chemical properties (see below). An additional sample (5 x 12 cm) was 
227
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
223
collected to assess soil physical properties. This sample remained 
228
collected to assess soil physical properties. This sample remained 
            
224
within a steel sampling core after collection and both ends were 
229
within a steel sampling core after collection and both ends were 
            
225
tightly closed with plastic caps to avoid disturbance. All soils were 
230
tightly closed with plastic caps to avoid disturbance. All soils were 
            
226
shipped cooled to the laboratory at (Location will be disclosed after 
231
shipped cooled to the laboratory at (Location will be disclosed after 
            
227
manuscript acceptance) within a few days after collection. Soils were 
232
manuscript acceptance) within a few days after collection. Soils were 
            
228
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
233
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
229
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
234
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
230
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
235
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
231
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
236
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
232
added to these samples. We adjusted the soil moisture of each sample 
237
added to these samples. We adjusted the soil moisture of each sample 
            
233
to 60% field capacity. We then placed a 15 ml plastic test tube 
238
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
234
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
239
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
235
The test tube was fixed with a plastic rod so that it was not in 
240
The test tube was fixed with a plastic rod so that it was not in 
            
236
contact with the soil sample. The Falcon tubes were then sealed with a 
241
contact with the soil sample. The Falcon tubes were then sealed with a 
            
237
screw cap and placed in an incubator under completely dark conditions 
242
screw cap and placed in an incubator under completely dark conditions 
            
238
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
243
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
239
by the 0.05 M NaOH. For five weeks we measured the decrease in 
244
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
240
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
245
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
241
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
246
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
242
NaOH with fresh solution. We included Falcon tubes without soil 
247
NaOH with fresh solution. We included Falcon tubes without soil 
            
243
samples in each incubation run as blanks to test if tubes were tight 
248
samples in each incubation run as blanks to test if tubes were tight 
            
244
and no CO2 could enter or escape. We calibrated the relationship 
249
and no CO2 could enter or escape. We calibrated the relationship 
            
245
between conductivity reduction and NaOH absorbed as follows: 400 ml 
250
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
246
0.05 M NaOH was placed in a beaker and its conductivity was measured 
251
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
247
with the multimeter. While stirring, air containing CO2 was blown into 
252
with the multimeter. While stirring, air containing CO2 was blown into 
            
248
the solution for approximately one minute, which reacts with NaOH to 
253
the solution for approximately one minute, which reacts with NaOH to 
            
249
form Na2CO3. After this process, conductivity was measured again. We 
254
form Na2CO3. After this process, conductivity was measured again. We 
            
250
then transferred 7.25 ml of the solution into a smaller beaker and 
255
then transferred 7.25 ml of the solution into a smaller beaker and 
            
251
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
256
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
252
solution with 0.05 M HCl to determine the remaining NaOH. We then 
257
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
253
repeated these steps with the remaining solution a total of nine times 
258
repeated these steps with the remaining solution a total of nine times 
            
254
and plotted the conductivities (y-axis) against the NaOH consumed 
259
and plotted the conductivities (y-axis) against the NaOH consumed 
            
255
(x-axis, Supplementary Fig S1). This regression line was used to infer 
260
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
256
the consumption of NaOH from the conductivity reduction in the 
261
the consumption of NaOH from the conductivity reduction in the 
            
257
incubation experiments and to calculate CO2 evolution during 
262
incubation experiments and to calculate CO2 evolution during 
            
258
incubation. In addition, we determined the optimum concentration for 
263
incubation. In addition, we determined the optimum concentration for 
            
259
the NaOH solution in series of preliminary experiments, so that the 
264
the NaOH solution in series of preliminary experiments, so that the 
            
260
concentration was not too high to become insensitive, but also not too 
265
concentration was not too high to become insensitive, but also not too 
            
261
low so that not all NaOH reacts during incubation. We then calculated 
266
low so that not all NaOH reacts during incubation. We then calculated 
            
262
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
267
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
263
the 5 weeks divided by the duration of the entire incubation in 
268
the 5 weeks divided by the duration of the entire incubation in 
            
264
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
269
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
265
measured at the beginning of the experiment by measuring the maximal 
270
measured at the beginning of the experiment by measuring the maximal 
            
266
respiratory response to the addition of glucose solution (4 mg glucose 
271
respiratory response to the addition of glucose solution (4 mg glucose 
            
267
per g soil dry weight dissolved in distilled water; substrate-induced 
272
per g soil dry weight dissolved in distilled water; substrate-induced 
            
268
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
273
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
269
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
274
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
270
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
275
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
271
specifically, substrate-induced respiration was calculated from the 
276
specifically, substrate-induced respiration was calculated from the 
            
272
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
277
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
273
added according to preliminary studies to saturate the catabolic 
278
added according to preliminary studies to saturate the catabolic 
            
274
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
279
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
275
water). The mean of the lowest three readings within the first 10 hrs 
280
water). The mean of the lowest three readings within the first 10 hrs 
            
276
(between the initial peak caused by disturbing the soil and the peak 
281
(between the initial peak caused by disturbing the soil and the peak 
            
277
caused by microbial growth) was taken as maximum initial respiratory 
282
caused by microbial growth) was taken as maximum initial respiratory 
            
278
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
283
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
279
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
284
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
280
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
285
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
281
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
286
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
282
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
287
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
283
soil organic C (Risch et al., 2019). The undisturbed sample was used 
288
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
284
to assess water holding capacity (WHC), bulk density (BD), and soil 
289
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
285
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
290
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
286
the percentage of sand and clay as an indicator of soil texture in 
291
the percentage of sand and clay as an indicator of soil texture in 
            
287
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
292
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
288
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
293
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
289
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
294
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
290
variables were selected as they were found to be drivers of soil 
295
variables were selected as they were found to be drivers of soil 
            
291
nutrient processes across these sites in earlier studies (Risch et 
296
nutrient processes across these sites in earlier studies (Risch et 
            
292
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
297
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
293
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
298
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
294
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
299
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
295
al., 2022), global gridded modelled products of soil bioclimatic 
300
al., 2022), global gridded modelled products of soil bioclimatic 
            
296
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
301
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
297
on CHELSA, ERA5 and in-situ soil temperature 
302
on CHELSA, ERA5 and in-situ soil temperature 
            
298
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
303
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
299
calculated MMQ as MR/MBC. We corrected this measure using the average 
304
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
300
soil temperature of each site (MMQsoil). This temperature correction 
305
soil temperature of each site (MMQsoil). This temperature correction 
            
301
is necessary as incubation temperatures are usually much higher than 
306
is necessary as incubation temperatures are usually much higher than 
            
302
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
307
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
303
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
308
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
304
2017). See Supplementary Fig S2 for comparison of air and soil 
309
2017). See Supplementary Fig S2 for comparison of air and soil 
            
305
temperatures across the 23 sites as well as the incubation 
310
temperatures across the 23 sites as well as the incubation 
            
306
temperature. \r\nSome of the explanatory variables (clay, soil organic 
311
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
307
C, C:N ratio) were skewed and were thus log-transformed prior to 
312
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
308
analyses. All continuous explanatory variables were centred and scaled 
313
analyses. All continuous explanatory variables were centred and scaled 
            
309
to have a mean of zero and variance of one. To avoid collinearity 
314
to have a mean of zero and variance of one. To avoid collinearity 
            
310
between them we filtered them using correlation analysis 
315
between them we filtered them using correlation analysis 
            
311
(Supplementary Fig S3). From the variables that were strongly 
316
(Supplementary Fig S3). From the variables that were strongly 
            
312
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
317
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
313
selected the ones that allowed us to minimize the number of variables 
318
selected the ones that allowed us to minimize the number of variables 
            
314
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
319
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
315
total C concentration, soil sand content and soil bulk density were 
320
total C concentration, soil sand content and soil bulk density were 
            
316
dropped from the dataset. We then assessed how these edaphoclimatic 
321
dropped from the dataset. We then assessed how these edaphoclimatic 
            
317
variables are related to MMQ across our global grasslands.\r\nFor 
322
variables are related to MMQ across our global grasslands.\r\nFor 
            
318
this, we used linear mixed effects models (LMMs) fitted by maximum 
323
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
319
likelihood with the lme function in the nlme package (version 3.1-153) 
324
likelihood with the lme function in the nlme package (version 3.1-153) 
            
320
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
325
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
321
Team, 2019). We used treatment as a fixed effect and plot nested in 
326
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
322
site as random effects to assess treatment differences in MMQsoil, as 
327
site as random effects to assess treatment differences in MMQsoil, as 
            
323
well as MR, and MBC. The number of years since the treatment started 
328
well as MR, and MBC. The number of years since the treatment started 
            
324
was included as a fixed effect in all the initial models but was not 
329
was included as a fixed effect in all the initial models but was not 
            
325
significant and therefore not retained in the models. To assess how 
330
significant and therefore not retained in the models. To assess how 
            
326
differences in MMQsoil were affected by environmental factors (soil, 
331
differences in MMQsoil were affected by environmental factors (soil, 
            
327
climatic properties) we again used LMMs. Soil and climatic properties 
332
climatic properties) we again used LMMs. Soil and climatic properties 
            
328
were included as fixed effects and plot nested in site as random 
333
were included as fixed effects and plot nested in site as random 
            
329
effects. We did not include interactions between environmental 
334
effects. We did not include interactions between environmental 
            
330
variables. We then used the MuMin package (Barton, 2018) (version 
335
variables. We then used the MuMin package (Barton, 2018) (version 
            
331
1.42.1) to select the best models that explained the most variation 
336
1.42.1) to select the best models that explained the most variation 
            
332
based on Akaike\u2019s information criterion (AIC; model.avg 
337
based on Akaike\u2019s information criterion (AIC; model.avg 
            
333
function). We used the corrected AIC (AICc) to account for our small 
338
function). We used the corrected AIC (AICc) to account for our small 
            
334
sample size and selected the top models that fell within 4 AICc units 
339
sample size and selected the top models that fell within 4 AICc units 
            
335
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
340
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
336
We present all our top models rather than model averages. Conditional 
341
We present all our top models rather than model averages. Conditional 
            
337
averages are provided in the Supplementary material. \r\nBased on 
342
averages are provided in the Supplementary material. \r\nBased on 
            
338
findings from analyses described above and the literature, we 
343
findings from analyses described above and the literature, we 
            
339
developed a conceptual model of direct and indirect relationships 
344
developed a conceptual model of direct and indirect relationships 
            
340
between both edaphoclimatic variables and experimental treatments 
345
between both edaphoclimatic variables and experimental treatments 
            
341
(Supplement Figure S4) to obtain a more holistic approach in 
346
(Supplement Figure S4) to obtain a more holistic approach in 
            
342
understanding how these properties affect MMQsoil. We had data from 23 
347
understanding how these properties affect MMQsoil. We had data from 23 
            
343
sites with 272 observations. We tested this model using structural 
348
sites with 272 observations. We tested this model using structural 
            
344
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
349
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
345
2009). We considered those environmental drivers that were included in 
350
2009). We considered those environmental drivers that were included in 
            
346
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
351
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
347
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
352
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
348
Supplementary Figure S4). These factors were allowed to directly 
353
Supplementary Figure S4). These factors were allowed to directly 
            
349
affect MMQsoil, and via their interactions with treatments. In 
354
affect MMQsoil, and via their interactions with treatments. In 
            
350
addition, treatments were allowed to directly affect MMQsoil. 
355
addition, treatments were allowed to directly affect MMQsoil. 
            
351
Treatments were included as dummy variables in the model. We tested 
356
Treatments were included as dummy variables in the model. We tested 
            
352
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
357
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
353
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
358
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
354
structured set of linear models are fitted individually. This approach 
359
structured set of linear models are fitted individually. This approach 
            
355
allowed us to account for the nested experimental design, and overcome 
360
allowed us to account for the nested experimental design, and overcome 
            
356
some of the limitations of standard structural equation models, such 
361
some of the limitations of standard structural equation models, such 
            
357
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
362
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
358
function of the nlme package to model response variables, including 
363
function of the nlme package to model response variables, including 
            
359
site as a random factor. Good fit of the SEM was assumed when 
364
site as a random factor. Good fit of the SEM was assumed when 
            
360
Fisher\u2019s C values were non-significant (p > 0.05). For all 
365
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
361
significant interactions between soil or climate variables and 
366
significant interactions between soil or climate variables and 
            
362
treatments detected in the SEMs, we calculated treatment effect sizes, 
367
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
363
i.e., the differences in MMQsoil between Control and treatments as log 
368
i.e., the differences in MMQsoil between Control and treatments as log 
            
364
response ratios (LRR) and plotted these values against the climate or 
369
response ratios (LRR) and plotted these values against the climate or 
            
365
soil factors. The LRR were defined as log(Control/Treatment), where 
370
soil factors. The LRR were defined as log(Control/Treatment), where 
            
366
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
371
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
367
LRR-climate or soil property relationships were significant we again 
372
LRR-climate or soil property relationships were significant we again 
            
368
used LMMs, in which soil and climatic properties were included as 
373
used LMMs, in which soil and climatic properties were included as 
            
369
fixed effects and plot nested in site as random effects. \r\n",
374
fixed effects and plot nested in site as random effects. \r\n",
            
370
      "doi": "",
375
      "doi": "",
            
371
      "format": ".xlsx",
376
      "format": ".xlsx",
            
372
      "hash": "",
377
      "hash": "",
            
373
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
378
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
374
      "last_modified": "2023-02-18T04:43:07.514444",
379
      "last_modified": "2023-02-18T04:43:07.514444",
            
375
      "metadata_modified": "2023-02-18T03:43:07.860695",
380
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
376
      "mimetype": null,
381
      "mimetype": null,
            
377
      "mimetype_inner": null,
382
      "mimetype_inner": null,
            
378
      "name": "Risch et al. GEB_data.xlsx",
383
      "name": "Risch et al. GEB_data.xlsx",
            
379
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
384
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
380
      "position": 0,
385
      "position": 0,
            
381
      "publication_state": "",
386
      "publication_state": "",
            
382
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
387
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
383
\"kb\"}",
388
\"kb\"}",
            
384
      "resource_type": null,
389
      "resource_type": null,
            
385
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
390
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
386
\"shared_secret\": \"\"}",
391
\"shared_secret\": \"\"}",
            
387
      "size": 110080,
392
      "size": 110080,
            
388
      "state": "active",
393
      "state": "active",
            
389
      "url": 
394
      "url": 
            
390
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
395
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
391
      "url_type": "upload"
396
      "url_type": "upload"
            
392
    }
397
    }
            
393
  ],
398
  ],
            
394
  "spatial": 
399
  "spatial": 
            
395
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
400
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
396
  "spatial_info": "worldwide",
401
  "spatial_info": "worldwide",
            
397
  "state": "active",
402
  "state": "active",
            
398
  "subtitle": "",
403
  "subtitle": "",
            
399
  "tags": [
404
  "tags": [
            
400
    {
405
    {
            
401
      "display_name": "ANTHROPOGENIC MANAGEMENT",
406
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
402
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
407
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
403
      "name": "ANTHROPOGENIC MANAGEMENT",
408
      "name": "ANTHROPOGENIC MANAGEMENT",
            
404
      "state": "active",
409
      "state": "active",
            
405
      "vocabulary_id": null
410
      "vocabulary_id": null
            
406
    },
411
    },
            
407
    {
412
    {
            
408
      "display_name": "CLIMATE",
413
      "display_name": "CLIMATE",
            
409
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
414
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
410
      "name": "CLIMATE",
415
      "name": "CLIMATE",
            
411
      "state": "active",
416
      "state": "active",
            
412
      "vocabulary_id": null
417
      "vocabulary_id": null
            
413
    },
418
    },
            
414
    {
419
    {
            
415
      "display_name": "HERBIVORE EXCLUSION",
420
      "display_name": "HERBIVORE EXCLUSION",
            
416
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
421
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
417
      "name": "HERBIVORE EXCLUSION",
422
      "name": "HERBIVORE EXCLUSION",
            
418
      "state": "active",
423
      "state": "active",
            
419
      "vocabulary_id": null
424
      "vocabulary_id": null
            
420
    },
425
    },
            
421
    {
426
    {
            
422
      "display_name": "MICROBIAL BIOMASS CARBON",
427
      "display_name": "MICROBIAL BIOMASS CARBON",
            
423
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
428
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
424
      "name": "MICROBIAL BIOMASS CARBON",
429
      "name": "MICROBIAL BIOMASS CARBON",
            
425
      "state": "active",
430
      "state": "active",
            
426
      "vocabulary_id": null
431
      "vocabulary_id": null
            
427
    },
432
    },
            
428
    {
433
    {
            
429
      "display_name": "MICROBIAL RESPIRATION",
434
      "display_name": "MICROBIAL RESPIRATION",
            
430
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
435
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
431
      "name": "MICROBIAL RESPIRATION",
436
      "name": "MICROBIAL RESPIRATION",
            
432
      "state": "active",
437
      "state": "active",
            
433
      "vocabulary_id": null
438
      "vocabulary_id": null
            
434
    },
439
    },
            
435
    {
440
    {
            
436
      "display_name": "NUTRIENT ADDITION",
441
      "display_name": "NUTRIENT ADDITION",
            
437
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
442
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
438
      "name": "NUTRIENT ADDITION",
443
      "name": "NUTRIENT ADDITION",
            
439
      "state": "active",
444
      "state": "active",
            
440
      "vocabulary_id": null
445
      "vocabulary_id": null
            
441
    },
446
    },
            
442
    {
447
    {
            
443
      "display_name": "SOIL PROPERTIES",
448
      "display_name": "SOIL PROPERTIES",
            
444
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
449
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
445
      "name": "SOIL PROPERTIES",
450
      "name": "SOIL PROPERTIES",
            
446
      "state": "active",
451
      "state": "active",
            
447
      "vocabulary_id": null
452
      "vocabulary_id": null
            
448
    }
453
    }
            
449
  ],
454
  ],
            
450
  "title": "Drivers of the microbial metabolic quotient across global 
455
  "title": "Drivers of the microbial metabolic quotient across global 
            
451
grasslands",
456
grasslands",
            
452
  "type": "dataset",
457
  "type": "dataset",
            
453
  "url": null,
458
  "url": null,
            
454
  "version": "1.0"
459
  "version": "1.0"
            
455
}
460
}