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\", 
            
n
29
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"autocomplete\": 
n
29
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
30
\"\", \"data_credit\": \"curation\", \"email\": 
30
\"curation\", \"email\": \"arthur.broadbent@manchester.ac.uk\", 
            
31
\"arthur.broadbent@manchester.ac.uk\", \"given_name\": \"Arthur A. 
31
\"given_name\": \"Arthur A. D.\", \"identifier\": 
            
32
D.\", \"identifier\": \"0000-0002-8438-7163\", \"name\": 
32
\"0000-0002-8438-7163\", \"name\": \"Broadbent\"}, {\"affiliation\": 
            
33
\"Broadbent\"}]",
33
\"Centro de Estudos Florestais, Instituto Superior de Agronomia, 
            
34
Universidade de Lisboa, Portugal\", \"affiliation_02\": \"\", 
            
35
\"affiliation_03\": \"\", \"autocomplete\": \"\", \"data_credit\": 
            
36
\"collection\", \"email\": \"mcaldeira@isa.ulisboa.pt\", 
            
37
\"given_name\": \"Maria C.\", \"identifier\": \"0000-0001-7716-3359\", 
            
38
\"name\": \"Caldeira\"}]",
            
34
  "author_email": null,
39
  "author_email": null,
            
35
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
40
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
36
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
41
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
37
\"end_date\": \"2016-12-31\"}]",
42
\"end_date\": \"2016-12-31\"}]",
            
38
  "doi": "10.16904/envidat.379",
43
  "doi": "10.16904/envidat.379",
            
39
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
44
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
40
internal competitive grant\", \"institution_url\": \"\"}, 
45
internal competitive grant\", \"institution_url\": \"\"}, 
            
41
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
46
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
42
Science Foundation Research Coordination Network\", 
47
Science Foundation Research Coordination Network\", 
            
43
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
48
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
44
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
49
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
45
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
50
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
46
\"institution\": \"Institute on the Environment\", 
51
\"institution\": \"Institute on the Environment\", 
            
47
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
52
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
48
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
53
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
49
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
54
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
50
\"institution\": \"German Research Foundation\", \"institution_url\": 
55
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
51
\"\"}]",
56
\"\"}]",
            
52
  "groups": [],
57
  "groups": [],
            
53
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
58
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
54
  "isopen": true,
59
  "isopen": true,
            
55
  "language": "en",
60
  "language": "en",
            
56
  "license_id": "odc-odbl",
61
  "license_id": "odc-odbl",
            
57
  "license_title": "ODbL with Database Contents License (DbCL)",
62
  "license_title": "ODbL with Database Contents License (DbCL)",
            
58
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
63
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
59
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
64
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
60
Forest, Snow and Landscape Research WSL\", \"email\": 
65
Forest, Snow and Landscape Research WSL\", \"email\": 
            
61
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
66
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
62
\"\", \"name\": \"Risch\"}",
67
\"\", \"name\": \"Risch\"}",
            
63
  "maintainer_email": null,
68
  "maintainer_email": null,
            
64
  "metadata_created": "2023-02-18T03:38:29.406811",
69
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
65
  "metadata_modified": "2023-02-20T10:18:27.980101",
t
70
  "metadata_modified": "2023-02-20T10:25:24.720820",
            
66
  "name": 
71
  "name": 
            
67
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
72
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
68
  "notes": "This dataset contains all data on which the following 
73
  "notes": "This dataset contains all data on which the following 
            
69
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
74
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
70
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
75
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
71
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
76
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
72
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
77
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
73
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
78
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
74
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
79
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
75
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
80
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
76
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
81
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
77
microbial metabolic quotient across global grasslands. Global Ecology 
82
microbial metabolic quotient across global grasslands. Global Ecology 
            
78
and Biogeography\r\n\r\nPlease cite this paper together with the 
83
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
79
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
84
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
80
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
85
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
81
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
86
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
82
(MBC; mg C kg soil-1), is a key parameter for understanding the 
87
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
83
microbial regulation of the carbon (C) cycle, including soil C 
88
microbial regulation of the carbon (C) cycle, including soil C 
            
84
sequestration. Here, we experimentally tested hypotheses about the 
89
sequestration. Here, we experimentally tested hypotheses about the 
            
85
individual and interactive effects of multiple nutrient addition 
90
individual and interactive effects of multiple nutrient addition 
            
86
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
91
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
87
across 23 sites (5 continents). Our sites encompassed a wide range of 
92
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
88
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
93
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
89
variables affected MMQ the most and how they interacted with our 
94
variables affected MMQ the most and how they interacted with our 
            
90
treatments. Soils were collected in plots with established 
95
treatments. Soils were collected in plots with established 
            
91
experimental treatments. MR was assessed in a five-week laboratory 
96
experimental treatments. MR was assessed in a five-week laboratory 
            
92
incubation without glucose addition, MBC via substrate-induced 
97
incubation without glucose addition, MBC via substrate-induced 
            
93
respiration. MMQ was calculated as MR/MBC and corrected for soil 
98
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
94
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
99
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
95
edaphoclimatic characteristics and treatments interactively affected 
100
edaphoclimatic characteristics and treatments interactively affected 
            
96
MMQsoil. MMQsoil was higher in locations with higher mean annual 
101
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
97
temperature, lower water holding capacity, and soil organic C 
102
temperature, lower water holding capacity, and soil organic C 
            
98
concentration, but did not respond to our treatments across sites as 
103
concentration, but did not respond to our treatments across sites as 
            
99
neither MR nor MBC changed. We attributed this relative homeostasis to 
104
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
100
our treatments to the modulating influence of edaphoclimatic 
105
our treatments to the modulating influence of edaphoclimatic 
            
101
variables. For example, herbivore exclusion, regardless of 
106
variables. For example, herbivore exclusion, regardless of 
            
102
fertilization, led to greater MMQsoil only at sites with lower soil 
107
fertilization, led to greater MMQsoil only at sites with lower soil 
            
103
organic C (<1.7%). Our results pinpoint the main variables related to 
108
organic C (<1.7%). Our results pinpoint the main variables related to 
            
104
MMQsoil across grasslands and emphasize the importance of the local 
109
MMQsoil across grasslands and emphasize the importance of the local 
            
105
edaphoclimatic conditions in controlling the response of the C cycle 
110
edaphoclimatic conditions in controlling the response of the C cycle 
            
106
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
111
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
107
global edaphoclimatic gradients, this work also helps to align the 
112
global edaphoclimatic gradients, this work also helps to align the 
            
108
conflicting results of prior studies. \r\n",
113
conflicting results of prior studies. \r\n",
            
109
  "num_resources": 1,
114
  "num_resources": 1,
            
110
  "num_tags": 7,
115
  "num_tags": 7,
            
111
  "organization": {
116
  "organization": {
            
112
    "approval_status": "approved",
117
    "approval_status": "approved",
            
113
    "created": "2018-04-20T09:51:26.756810",
118
    "created": "2018-04-20T09:51:26.756810",
            
114
    "description": "We are studying the distribution of and 
119
    "description": "We are studying the distribution of and 
            
115
interactions among producers, consumers as well as decomposers and 
120
interactions among producers, consumers as well as decomposers and 
            
116
between these communities and their environment. We focus on food webs 
121
between these communities and their environment. We focus on food webs 
            
117
in real world ecosystems and thus mainly sample our data during 
122
in real world ecosystems and thus mainly sample our data during 
            
118
experimental field campaigns. Data collection under controlled 
123
experimental field campaigns. Data collection under controlled 
            
119
conditions in the greenhouse or experimental garden are, however, 
124
conditions in the greenhouse or experimental garden are, however, 
            
120
common add-ons hereby. We are mainly interested in the functioning of 
125
common add-ons hereby. We are mainly interested in the functioning of 
            
121
natural ecosystems and often conduct research in National Parks around 
126
natural ecosystems and often conduct research in National Parks around 
            
122
the world. Our main study area is, however, the Swiss National Park. 
127
the world. Our main study area is, however, the Swiss National Park. 
            
123
While working on basic research questions, we regularly consider 
128
While working on basic research questions, we regularly consider 
            
124
applied aspects that are related to protecting or conserving 
129
applied aspects that are related to protecting or conserving 
            
125
endangered ecosystems.\r\n\r\nExamples of research question of our 
130
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
126
research group assesses are:\r\n\r\nHow is species loss related to 
131
research group assesses are:\r\n\r\nHow is species loss related to 
            
127
ecosystem processes and functions? Which species or species groups are 
132
ecosystem processes and functions? Which species or species groups are 
            
128
particularly relevant for ecosystem functioning? Which effects are 
133
particularly relevant for ecosystem functioning? Which effects are 
            
129
expected with the loss of such important species groups? How are 
134
expected with the loss of such important species groups? How are 
            
130
aboveground organisms interacting with belowground organisms? Which 
135
aboveground organisms interacting with belowground organisms? Which 
            
131
abiotic and biotic conditions favor diverse ecosystems? Is global 
136
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
132
change (for example eutrophication, habitat fragmentation, climate) a 
137
change (for example eutrophication, habitat fragmentation, climate) a 
            
133
thread for diverse ecosystems? How can diverse ecosystems be 
138
thread for diverse ecosystems? How can diverse ecosystems be 
            
134
protected?",
139
protected?",
            
135
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
140
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
136
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
141
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
137
    "is_organization": true,
142
    "is_organization": true,
            
138
    "name": "plant-animal-interactions",
143
    "name": "plant-animal-interactions",
            
139
    "state": "active",
144
    "state": "active",
            
140
    "title": "Plant-Animal Interactions",
145
    "title": "Plant-Animal Interactions",
            
141
    "type": "organization"
146
    "type": "organization"
            
142
  },
147
  },
            
143
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
148
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
144
  "private": false,
149
  "private": false,
            
145
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
150
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
146
\"EnviDat\"}",
151
\"EnviDat\"}",
            
147
  "publication_state": "pub_pending",
152
  "publication_state": "pub_pending",
            
148
  "related_datasets": "",
153
  "related_datasets": "",
            
149
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
154
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
150
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
155
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
151
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
156
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
152
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
157
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
153
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
158
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
154
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
159
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
155
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
160
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
156
Raul (accepted). Drivers of the microbial metabolic quotient across 
161
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
157
global grasslands. Global Ecology and Biogeography",
162
global grasslands. Global Ecology and Biogeography",
            
158
  "relationships_as_object": [],
163
  "relationships_as_object": [],
            
159
  "relationships_as_subject": [],
164
  "relationships_as_subject": [],
            
160
  "resource_type": "datapaper",
165
  "resource_type": "datapaper",
            
161
  "resource_type_general": "datapaper",
166
  "resource_type_general": "datapaper",
            
162
  "resources": [
167
  "resources": [
            
163
    {
168
    {
            
164
      "cache_last_updated": null,
169
      "cache_last_updated": null,
            
165
      "cache_url": null,
170
      "cache_url": null,
            
166
      "created": "2023-02-18T03:43:03.643074",
171
      "created": "2023-02-18T03:43:03.643074",
            
167
      "description": "Study sites and experimental design\r\nWe 
172
      "description": "Study sites and experimental design\r\nWe 
            
168
collected data from 23 sites that are part of the Nutrient Network 
173
collected data from 23 sites that are part of the Nutrient Network 
            
169
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
174
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
170
mean annual air temperature (MAT) across these sites ranged from -4 to 
175
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
171
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
176
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
172
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
177
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
173
Table S1), hence cover a wide range of climatic conditions under which 
178
Table S1), hence cover a wide range of climatic conditions under which 
            
174
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
179
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
175
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
180
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
176
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
181
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
177
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
182
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
178
\r\nAt each site, the effects of nutrient addition and herbivore 
183
\r\nAt each site, the effects of nutrient addition and herbivore 
            
179
exclusion were tested via a randomized-block design (Borer et al., 
184
exclusion were tested via a randomized-block design (Borer et al., 
            
180
2014). Three blocks with 10 treatment plots each were established at 
185
2014). Three blocks with 10 treatment plots each were established at 
            
181
each site, except for the site at bldr.us (only two blocks). Each of 
186
each site, except for the site at bldr.us (only two blocks). Each of 
            
182
these 10 plots was randomly assigned to a nutrient or fencing 
187
these 10 plots was randomly assigned to a nutrient or fencing 
            
183
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
188
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
184
m subplots. Each subplot was further divided into four 1 x 1 m square 
189
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
185
sampling plots, one of which was set aside for soil sampling (Borer et 
190
sampling plots, one of which was set aside for soil sampling (Borer et 
            
186
al., 2014). Plots were separated by at least 1 m wide walkways. We 
191
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
187
collected soil samples from four different treatments for this study: 
192
collected soil samples from four different treatments for this study: 
            
188
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
193
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
189
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
194
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
190
macro and micronutrients (NPK), and (iv) plots with simultaneous 
195
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
191
fertilizer addition and herbivore exclusion (NPK+Fence). The 
196
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
192
experiments were established at different times in the past, with 
197
experiments were established at different times in the past, with 
            
193
years of treatment different among sites (2 \u2013 9 years since start 
198
years of treatment different among sites (2 \u2013 9 years since start 
            
194
of treatment; Supplementary Table S1). For the nutrient additions, all 
199
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
195
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
200
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
196
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
201
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
197
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
202
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
198
100 g m-2 together with K in the first year of treatments but not 
203
100 g m-2 together with K in the first year of treatments but not 
            
199
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
204
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
200
fencing two plots, one with and one without NPK additions, within each 
205
fencing two plots, one with and one without NPK additions, within each 
            
201
block. The fences excluded all aboveground mammalian herbivores with a 
206
block. The fences excluded all aboveground mammalian herbivores with a 
            
202
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
207
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
203
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
208
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
204
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
209
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
205
ground to exclude burrowing animals. Climbing and subterranean animals 
210
ground to exclude burrowing animals. Climbing and subterranean animals 
            
206
may potentially still access these plots (Borer et al., 2014). For 
211
may potentially still access these plots (Borer et al., 2014). For 
            
207
slight modifications in fence design at a few sites see Supplementary 
212
slight modifications in fence design at a few sites see Supplementary 
            
208
Table S3. Most sites only had wild herbivores, although four sites 
213
Table S3. Most sites only had wild herbivores, although four sites 
            
209
were also grazed by domestic animals (Supplementary Table 
214
were also grazed by domestic animals (Supplementary Table 
            
210
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
215
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
211
microbial biomass, and other soil properties\r\nEach of the 23 sites 
216
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
212
received a package containing identical material from the Swiss 
217
received a package containing identical material from the Swiss 
            
213
Federal Institute for Forest, Snow and Landscape Research WSL, 
218
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
214
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
219
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
215
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
220
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
216
each sampling plot and composited them to measure MR, MBC, and soil 
221
each sampling plot and composited them to measure MR, MBC, and soil 
            
217
chemical properties (see below). An additional sample (5 x 12 cm) was 
222
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
218
collected to assess soil physical properties. This sample remained 
223
collected to assess soil physical properties. This sample remained 
            
219
within a steel sampling core after collection and both ends were 
224
within a steel sampling core after collection and both ends were 
            
220
tightly closed with plastic caps to avoid disturbance. All soils were 
225
tightly closed with plastic caps to avoid disturbance. All soils were 
            
221
shipped cooled to the laboratory at (Location will be disclosed after 
226
shipped cooled to the laboratory at (Location will be disclosed after 
            
222
manuscript acceptance) within a few days after collection. Soils were 
227
manuscript acceptance) within a few days after collection. Soils were 
            
223
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
228
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
224
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
229
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
225
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
230
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
226
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
231
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
227
added to these samples. We adjusted the soil moisture of each sample 
232
added to these samples. We adjusted the soil moisture of each sample 
            
228
to 60% field capacity. We then placed a 15 ml plastic test tube 
233
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
229
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
234
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
230
The test tube was fixed with a plastic rod so that it was not in 
235
The test tube was fixed with a plastic rod so that it was not in 
            
231
contact with the soil sample. The Falcon tubes were then sealed with a 
236
contact with the soil sample. The Falcon tubes were then sealed with a 
            
232
screw cap and placed in an incubator under completely dark conditions 
237
screw cap and placed in an incubator under completely dark conditions 
            
233
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
238
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
234
by the 0.05 M NaOH. For five weeks we measured the decrease in 
239
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
235
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
240
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
236
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
241
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
237
NaOH with fresh solution. We included Falcon tubes without soil 
242
NaOH with fresh solution. We included Falcon tubes without soil 
            
238
samples in each incubation run as blanks to test if tubes were tight 
243
samples in each incubation run as blanks to test if tubes were tight 
            
239
and no CO2 could enter or escape. We calibrated the relationship 
244
and no CO2 could enter or escape. We calibrated the relationship 
            
240
between conductivity reduction and NaOH absorbed as follows: 400 ml 
245
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
241
0.05 M NaOH was placed in a beaker and its conductivity was measured 
246
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
242
with the multimeter. While stirring, air containing CO2 was blown into 
247
with the multimeter. While stirring, air containing CO2 was blown into 
            
243
the solution for approximately one minute, which reacts with NaOH to 
248
the solution for approximately one minute, which reacts with NaOH to 
            
244
form Na2CO3. After this process, conductivity was measured again. We 
249
form Na2CO3. After this process, conductivity was measured again. We 
            
245
then transferred 7.25 ml of the solution into a smaller beaker and 
250
then transferred 7.25 ml of the solution into a smaller beaker and 
            
246
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
251
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
247
solution with 0.05 M HCl to determine the remaining NaOH. We then 
252
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
248
repeated these steps with the remaining solution a total of nine times 
253
repeated these steps with the remaining solution a total of nine times 
            
249
and plotted the conductivities (y-axis) against the NaOH consumed 
254
and plotted the conductivities (y-axis) against the NaOH consumed 
            
250
(x-axis, Supplementary Fig S1). This regression line was used to infer 
255
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
251
the consumption of NaOH from the conductivity reduction in the 
256
the consumption of NaOH from the conductivity reduction in the 
            
252
incubation experiments and to calculate CO2 evolution during 
257
incubation experiments and to calculate CO2 evolution during 
            
253
incubation. In addition, we determined the optimum concentration for 
258
incubation. In addition, we determined the optimum concentration for 
            
254
the NaOH solution in series of preliminary experiments, so that the 
259
the NaOH solution in series of preliminary experiments, so that the 
            
255
concentration was not too high to become insensitive, but also not too 
260
concentration was not too high to become insensitive, but also not too 
            
256
low so that not all NaOH reacts during incubation. We then calculated 
261
low so that not all NaOH reacts during incubation. We then calculated 
            
257
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
262
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
258
the 5 weeks divided by the duration of the entire incubation in 
263
the 5 weeks divided by the duration of the entire incubation in 
            
259
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
264
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
260
measured at the beginning of the experiment by measuring the maximal 
265
measured at the beginning of the experiment by measuring the maximal 
            
261
respiratory response to the addition of glucose solution (4 mg glucose 
266
respiratory response to the addition of glucose solution (4 mg glucose 
            
262
per g soil dry weight dissolved in distilled water; substrate-induced 
267
per g soil dry weight dissolved in distilled water; substrate-induced 
            
263
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
268
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
264
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
269
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
265
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
270
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
266
specifically, substrate-induced respiration was calculated from the 
271
specifically, substrate-induced respiration was calculated from the 
            
267
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
272
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
268
added according to preliminary studies to saturate the catabolic 
273
added according to preliminary studies to saturate the catabolic 
            
269
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
274
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
270
water). The mean of the lowest three readings within the first 10 hrs 
275
water). The mean of the lowest three readings within the first 10 hrs 
            
271
(between the initial peak caused by disturbing the soil and the peak 
276
(between the initial peak caused by disturbing the soil and the peak 
            
272
caused by microbial growth) was taken as maximum initial respiratory 
277
caused by microbial growth) was taken as maximum initial respiratory 
            
273
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
278
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
274
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
279
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
275
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
280
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
276
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
281
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
277
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
282
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
278
soil organic C (Risch et al., 2019). The undisturbed sample was used 
283
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
279
to assess water holding capacity (WHC), bulk density (BD), and soil 
284
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
280
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
285
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
281
the percentage of sand and clay as an indicator of soil texture in 
286
the percentage of sand and clay as an indicator of soil texture in 
            
282
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
287
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
283
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
288
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
284
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
289
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
285
variables were selected as they were found to be drivers of soil 
290
variables were selected as they were found to be drivers of soil 
            
286
nutrient processes across these sites in earlier studies (Risch et 
291
nutrient processes across these sites in earlier studies (Risch et 
            
287
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
292
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
288
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
293
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
289
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
294
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
290
al., 2022), global gridded modelled products of soil bioclimatic 
295
al., 2022), global gridded modelled products of soil bioclimatic 
            
291
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
296
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
292
on CHELSA, ERA5 and in-situ soil temperature 
297
on CHELSA, ERA5 and in-situ soil temperature 
            
293
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
298
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
294
calculated MMQ as MR/MBC. We corrected this measure using the average 
299
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
295
soil temperature of each site (MMQsoil). This temperature correction 
300
soil temperature of each site (MMQsoil). This temperature correction 
            
296
is necessary as incubation temperatures are usually much higher than 
301
is necessary as incubation temperatures are usually much higher than 
            
297
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
302
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
298
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
303
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
299
2017). See Supplementary Fig S2 for comparison of air and soil 
304
2017). See Supplementary Fig S2 for comparison of air and soil 
            
300
temperatures across the 23 sites as well as the incubation 
305
temperatures across the 23 sites as well as the incubation 
            
301
temperature. \r\nSome of the explanatory variables (clay, soil organic 
306
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
302
C, C:N ratio) were skewed and were thus log-transformed prior to 
307
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
303
analyses. All continuous explanatory variables were centred and scaled 
308
analyses. All continuous explanatory variables were centred and scaled 
            
304
to have a mean of zero and variance of one. To avoid collinearity 
309
to have a mean of zero and variance of one. To avoid collinearity 
            
305
between them we filtered them using correlation analysis 
310
between them we filtered them using correlation analysis 
            
306
(Supplementary Fig S3). From the variables that were strongly 
311
(Supplementary Fig S3). From the variables that were strongly 
            
307
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
312
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
308
selected the ones that allowed us to minimize the number of variables 
313
selected the ones that allowed us to minimize the number of variables 
            
309
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
314
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
310
total C concentration, soil sand content and soil bulk density were 
315
total C concentration, soil sand content and soil bulk density were 
            
311
dropped from the dataset. We then assessed how these edaphoclimatic 
316
dropped from the dataset. We then assessed how these edaphoclimatic 
            
312
variables are related to MMQ across our global grasslands.\r\nFor 
317
variables are related to MMQ across our global grasslands.\r\nFor 
            
313
this, we used linear mixed effects models (LMMs) fitted by maximum 
318
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
314
likelihood with the lme function in the nlme package (version 3.1-153) 
319
likelihood with the lme function in the nlme package (version 3.1-153) 
            
315
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
320
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
316
Team, 2019). We used treatment as a fixed effect and plot nested in 
321
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
317
site as random effects to assess treatment differences in MMQsoil, as 
322
site as random effects to assess treatment differences in MMQsoil, as 
            
318
well as MR, and MBC. The number of years since the treatment started 
323
well as MR, and MBC. The number of years since the treatment started 
            
319
was included as a fixed effect in all the initial models but was not 
324
was included as a fixed effect in all the initial models but was not 
            
320
significant and therefore not retained in the models. To assess how 
325
significant and therefore not retained in the models. To assess how 
            
321
differences in MMQsoil were affected by environmental factors (soil, 
326
differences in MMQsoil were affected by environmental factors (soil, 
            
322
climatic properties) we again used LMMs. Soil and climatic properties 
327
climatic properties) we again used LMMs. Soil and climatic properties 
            
323
were included as fixed effects and plot nested in site as random 
328
were included as fixed effects and plot nested in site as random 
            
324
effects. We did not include interactions between environmental 
329
effects. We did not include interactions between environmental 
            
325
variables. We then used the MuMin package (Barton, 2018) (version 
330
variables. We then used the MuMin package (Barton, 2018) (version 
            
326
1.42.1) to select the best models that explained the most variation 
331
1.42.1) to select the best models that explained the most variation 
            
327
based on Akaike\u2019s information criterion (AIC; model.avg 
332
based on Akaike\u2019s information criterion (AIC; model.avg 
            
328
function). We used the corrected AIC (AICc) to account for our small 
333
function). We used the corrected AIC (AICc) to account for our small 
            
329
sample size and selected the top models that fell within 4 AICc units 
334
sample size and selected the top models that fell within 4 AICc units 
            
330
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
335
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
331
We present all our top models rather than model averages. Conditional 
336
We present all our top models rather than model averages. Conditional 
            
332
averages are provided in the Supplementary material. \r\nBased on 
337
averages are provided in the Supplementary material. \r\nBased on 
            
333
findings from analyses described above and the literature, we 
338
findings from analyses described above and the literature, we 
            
334
developed a conceptual model of direct and indirect relationships 
339
developed a conceptual model of direct and indirect relationships 
            
335
between both edaphoclimatic variables and experimental treatments 
340
between both edaphoclimatic variables and experimental treatments 
            
336
(Supplement Figure S4) to obtain a more holistic approach in 
341
(Supplement Figure S4) to obtain a more holistic approach in 
            
337
understanding how these properties affect MMQsoil. We had data from 23 
342
understanding how these properties affect MMQsoil. We had data from 23 
            
338
sites with 272 observations. We tested this model using structural 
343
sites with 272 observations. We tested this model using structural 
            
339
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
344
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
340
2009). We considered those environmental drivers that were included in 
345
2009). We considered those environmental drivers that were included in 
            
341
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
346
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
342
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
347
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
343
Supplementary Figure S4). These factors were allowed to directly 
348
Supplementary Figure S4). These factors were allowed to directly 
            
344
affect MMQsoil, and via their interactions with treatments. In 
349
affect MMQsoil, and via their interactions with treatments. In 
            
345
addition, treatments were allowed to directly affect MMQsoil. 
350
addition, treatments were allowed to directly affect MMQsoil. 
            
346
Treatments were included as dummy variables in the model. We tested 
351
Treatments were included as dummy variables in the model. We tested 
            
347
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
352
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
348
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
353
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
349
structured set of linear models are fitted individually. This approach 
354
structured set of linear models are fitted individually. This approach 
            
350
allowed us to account for the nested experimental design, and overcome 
355
allowed us to account for the nested experimental design, and overcome 
            
351
some of the limitations of standard structural equation models, such 
356
some of the limitations of standard structural equation models, such 
            
352
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
357
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
353
function of the nlme package to model response variables, including 
358
function of the nlme package to model response variables, including 
            
354
site as a random factor. Good fit of the SEM was assumed when 
359
site as a random factor. Good fit of the SEM was assumed when 
            
355
Fisher\u2019s C values were non-significant (p > 0.05). For all 
360
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
356
significant interactions between soil or climate variables and 
361
significant interactions between soil or climate variables and 
            
357
treatments detected in the SEMs, we calculated treatment effect sizes, 
362
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
358
i.e., the differences in MMQsoil between Control and treatments as log 
363
i.e., the differences in MMQsoil between Control and treatments as log 
            
359
response ratios (LRR) and plotted these values against the climate or 
364
response ratios (LRR) and plotted these values against the climate or 
            
360
soil factors. The LRR were defined as log(Control/Treatment), where 
365
soil factors. The LRR were defined as log(Control/Treatment), where 
            
361
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
366
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
362
LRR-climate or soil property relationships were significant we again 
367
LRR-climate or soil property relationships were significant we again 
            
363
used LMMs, in which soil and climatic properties were included as 
368
used LMMs, in which soil and climatic properties were included as 
            
364
fixed effects and plot nested in site as random effects. \r\n",
369
fixed effects and plot nested in site as random effects. \r\n",
            
365
      "doi": "",
370
      "doi": "",
            
366
      "format": ".xlsx",
371
      "format": ".xlsx",
            
367
      "hash": "",
372
      "hash": "",
            
368
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
373
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
369
      "last_modified": "2023-02-18T04:43:07.514444",
374
      "last_modified": "2023-02-18T04:43:07.514444",
            
370
      "metadata_modified": "2023-02-18T03:43:07.860695",
375
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
371
      "mimetype": null,
376
      "mimetype": null,
            
372
      "mimetype_inner": null,
377
      "mimetype_inner": null,
            
373
      "name": "Risch et al. GEB_data.xlsx",
378
      "name": "Risch et al. GEB_data.xlsx",
            
374
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
379
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
375
      "position": 0,
380
      "position": 0,
            
376
      "publication_state": "",
381
      "publication_state": "",
            
377
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
382
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
378
\"kb\"}",
383
\"kb\"}",
            
379
      "resource_type": null,
384
      "resource_type": null,
            
380
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
385
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
381
\"shared_secret\": \"\"}",
386
\"shared_secret\": \"\"}",
            
382
      "size": 110080,
387
      "size": 110080,
            
383
      "state": "active",
388
      "state": "active",
            
384
      "url": 
389
      "url": 
            
385
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
390
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
386
      "url_type": "upload"
391
      "url_type": "upload"
            
387
    }
392
    }
            
388
  ],
393
  ],
            
389
  "spatial": 
394
  "spatial": 
            
390
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
395
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
391
  "spatial_info": "worldwide",
396
  "spatial_info": "worldwide",
            
392
  "state": "active",
397
  "state": "active",
            
393
  "subtitle": "",
398
  "subtitle": "",
            
394
  "tags": [
399
  "tags": [
            
395
    {
400
    {
            
396
      "display_name": "ANTHROPOGENIC MANAGEMENT",
401
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
397
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
402
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
398
      "name": "ANTHROPOGENIC MANAGEMENT",
403
      "name": "ANTHROPOGENIC MANAGEMENT",
            
399
      "state": "active",
404
      "state": "active",
            
400
      "vocabulary_id": null
405
      "vocabulary_id": null
            
401
    },
406
    },
            
402
    {
407
    {
            
403
      "display_name": "CLIMATE",
408
      "display_name": "CLIMATE",
            
404
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
409
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
405
      "name": "CLIMATE",
410
      "name": "CLIMATE",
            
406
      "state": "active",
411
      "state": "active",
            
407
      "vocabulary_id": null
412
      "vocabulary_id": null
            
408
    },
413
    },
            
409
    {
414
    {
            
410
      "display_name": "HERBIVORE EXCLUSION",
415
      "display_name": "HERBIVORE EXCLUSION",
            
411
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
416
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
412
      "name": "HERBIVORE EXCLUSION",
417
      "name": "HERBIVORE EXCLUSION",
            
413
      "state": "active",
418
      "state": "active",
            
414
      "vocabulary_id": null
419
      "vocabulary_id": null
            
415
    },
420
    },
            
416
    {
421
    {
            
417
      "display_name": "MICROBIAL BIOMASS CARBON",
422
      "display_name": "MICROBIAL BIOMASS CARBON",
            
418
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
423
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
419
      "name": "MICROBIAL BIOMASS CARBON",
424
      "name": "MICROBIAL BIOMASS CARBON",
            
420
      "state": "active",
425
      "state": "active",
            
421
      "vocabulary_id": null
426
      "vocabulary_id": null
            
422
    },
427
    },
            
423
    {
428
    {
            
424
      "display_name": "MICROBIAL RESPIRATION",
429
      "display_name": "MICROBIAL RESPIRATION",
            
425
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
430
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
426
      "name": "MICROBIAL RESPIRATION",
431
      "name": "MICROBIAL RESPIRATION",
            
427
      "state": "active",
432
      "state": "active",
            
428
      "vocabulary_id": null
433
      "vocabulary_id": null
            
429
    },
434
    },
            
430
    {
435
    {
            
431
      "display_name": "NUTRIENT ADDITION",
436
      "display_name": "NUTRIENT ADDITION",
            
432
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
437
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
433
      "name": "NUTRIENT ADDITION",
438
      "name": "NUTRIENT ADDITION",
            
434
      "state": "active",
439
      "state": "active",
            
435
      "vocabulary_id": null
440
      "vocabulary_id": null
            
436
    },
441
    },
            
437
    {
442
    {
            
438
      "display_name": "SOIL PROPERTIES",
443
      "display_name": "SOIL PROPERTIES",
            
439
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
444
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
440
      "name": "SOIL PROPERTIES",
445
      "name": "SOIL PROPERTIES",
            
441
      "state": "active",
446
      "state": "active",
            
442
      "vocabulary_id": null
447
      "vocabulary_id": null
            
443
    }
448
    }
            
444
  ],
449
  ],
            
445
  "title": "Drivers of the microbial metabolic quotient across global 
450
  "title": "Drivers of the microbial metabolic quotient across global 
            
446
grasslands",
451
grasslands",
            
447
  "type": "dataset",
452
  "type": "dataset",
            
448
  "url": null,
453
  "url": null,
            
449
  "version": "1.0"
454
  "version": "1.0"
            
450
}
455
}