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\"}]",
7
\"\", \"name\": \"Risch\"}]",
            
8
  "author_email": null,
8
  "author_email": null,
            
9
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
9
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
10
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
10
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
11
\"end_date\": \"2016-12-31\"}]",
11
\"end_date\": \"2016-12-31\"}]",
            
12
  "doi": "10.16904/envidat.379",
12
  "doi": "10.16904/envidat.379",
            
13
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
13
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
14
internal competitive grant\", \"institution_url\": \"\"}, 
14
internal competitive grant\", \"institution_url\": \"\"}, 
            
15
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
15
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
16
Science Foundation Research Coordination Network\", 
16
Science Foundation Research Coordination Network\", 
            
17
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
17
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
18
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
18
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
19
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
19
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
20
\"institution\": \"Institute on the Environment\", 
20
\"institution\": \"Institute on the Environment\", 
            
21
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
21
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
22
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
22
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
23
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
23
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
24
\"institution\": \"German Research Foundation\", \"institution_url\": 
24
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
25
\"\"}]",
25
\"\"}]",
            
26
  "groups": [],
26
  "groups": [],
            
27
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
27
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
28
  "isopen": true,
28
  "isopen": true,
            
29
  "language": "en",
29
  "language": "en",
            
30
  "license_id": "odc-odbl",
30
  "license_id": "odc-odbl",
            
31
  "license_title": "ODbL with Database Contents License (DbCL)",
31
  "license_title": "ODbL with Database Contents License (DbCL)",
            
32
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
32
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
33
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
33
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
34
Forest, Snow and Landscape Research WSL\", \"email\": 
34
Forest, Snow and Landscape Research WSL\", \"email\": 
            
35
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
35
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
36
\"\", \"name\": \"Risch\"}",
36
\"\", \"name\": \"Risch\"}",
            
37
  "maintainer_email": null,
37
  "maintainer_email": null,
            
38
  "metadata_created": "2023-02-18T03:38:29.406811",
38
  "metadata_created": "2023-02-18T03:38:29.406811",
            
n
39
  "metadata_modified": "2023-02-18T03:43:08.266873",
n
39
  "metadata_modified": "2023-02-18T04:54:43.151766",
            
40
  "name": 
40
  "name": 
            
41
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
41
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
42
  "notes": "This dataset contains all data on which the following 
42
  "notes": "This dataset contains all data on which the following 
            
43
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
43
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
n
44
C., Zimmermann, Stefan, Moser, Martin, Borer, Elizabeth T., Broadbent, 
n
44
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
45
Arthur A.D., Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, 
45
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
46
Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
46
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
47
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
47
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
48
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
48
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
49
W., Siebert, Julia, Silveira, Maria L., Virtanen, Risto, Yahdjian, 
49
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
50
Laura, Ochoa-Hueso, Raul (accepted). Drivers of the microbial 
50
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
51
metabolic quotient across global grasslands. Global Ecology and 
51
microbial metabolic quotient across global grasslands. Global Ecology 
            
52
Biogeography\r\n\r\nPlease cite this paper together with the citation 
52
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
53
for the datafile.\r\n\r\nThe microbial metabolic quotient (MMQ; mg 
53
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
54
CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 respired 
54
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
55
(MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C (MBC; mg 
55
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
56
C kg soil-1), is a key parameter for understanding the microbial 
56
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
57
regulation of the carbon (C) cycle, including soil C sequestration. 
57
microbial regulation of the carbon (C) cycle, including soil C 
            
58
Here, we experimentally tested hypotheses about the individual and 
58
sequestration. Here, we experimentally tested hypotheses about the 
            
59
interactive effects of multiple nutrient addition (NPK+micronutrients) 
59
individual and interactive effects of multiple nutrient addition 
            
60
and herbivore exclusion on MR, MBC, and MMQ across 23 sites (5 
60
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
61
continents). Our sites encompassed a wide range of edaphoclimatic 
61
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
62
conditions, thus we assessed which edaphoclimatic variables affected 
62
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
63
MMQ the most and how they interacted with our treatments. Soils were 
63
variables affected MMQ the most and how they interacted with our 
            
64
collected in plots with established experimental treatments. MR was 
64
treatments. Soils were collected in plots with established 
            
65
assessed in a five-week laboratory incubation without glucose 
65
experimental treatments. MR was assessed in a five-week laboratory 
            
66
addition, MBC via substrate-induced respiration. MMQ was calculated as 
66
incubation without glucose addition, MBC via substrate-induced 
            
67
MR/MBC and corrected for soil temperatures (MMQsoil). Using LMMs and 
67
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
68
SEMs, we analysed how edaphoclimatic characteristics and treatments 
68
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
69
interactively affected MMQsoil. MMQsoil was higher in locations with 
69
edaphoclimatic characteristics and treatments interactively affected 
            
70
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
70
higher mean annual temperature, lower water holding capacity, and soil 
71
temperature, lower water holding capacity, and soil organic C 
            
71
organic C concentration, but did not respond to our treatments across 
72
concentration, but did not respond to our treatments across sites as 
            
72
sites as neither MR nor MBC changed. We attributed this relative 
73
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
73
homeostasis to our treatments to the modulating influence of 
74
our treatments to the modulating influence of edaphoclimatic 
            
74
edaphoclimatic variables. For example, herbivore exclusion, regardless 
75
variables. For example, herbivore exclusion, regardless of 
            
75
of fertilization, led to greater MMQsoil only at sites with lower soil 
76
fertilization, led to greater MMQsoil only at sites with lower soil 
            
76
organic C (<1.7%). Our results pinpoint the main variables related to 
77
organic C (<1.7%). Our results pinpoint the main variables related to 
            
77
MMQsoil across grasslands and emphasize the importance of the local 
78
MMQsoil across grasslands and emphasize the importance of the local 
            
78
edaphoclimatic conditions in controlling the response of the C cycle 
79
edaphoclimatic conditions in controlling the response of the C cycle 
            
79
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
80
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
80
global edaphoclimatic gradients, this work also helps to align the 
81
global edaphoclimatic gradients, this work also helps to align the 
            
81
conflicting results of prior studies. \r\n",
82
conflicting results of prior studies. \r\n",
            
82
  "num_resources": 1,
83
  "num_resources": 1,
            
83
  "num_tags": 7,
84
  "num_tags": 7,
            
84
  "organization": {
85
  "organization": {
            
85
    "approval_status": "approved",
86
    "approval_status": "approved",
            
86
    "created": "2018-04-20T09:51:26.756810",
87
    "created": "2018-04-20T09:51:26.756810",
            
87
    "description": "We are studying the distribution of and 
88
    "description": "We are studying the distribution of and 
            
88
interactions among producers, consumers as well as decomposers and 
89
interactions among producers, consumers as well as decomposers and 
            
89
between these communities and their environment. We focus on food webs 
90
between these communities and their environment. We focus on food webs 
            
90
in real world ecosystems and thus mainly sample our data during 
91
in real world ecosystems and thus mainly sample our data during 
            
91
experimental field campaigns. Data collection under controlled 
92
experimental field campaigns. Data collection under controlled 
            
92
conditions in the greenhouse or experimental garden are, however, 
93
conditions in the greenhouse or experimental garden are, however, 
            
93
common add-ons hereby. We are mainly interested in the functioning of 
94
common add-ons hereby. We are mainly interested in the functioning of 
            
94
natural ecosystems and often conduct research in National Parks around 
95
natural ecosystems and often conduct research in National Parks around 
            
95
the world. Our main study area is, however, the Swiss National Park. 
96
the world. Our main study area is, however, the Swiss National Park. 
            
96
While working on basic research questions, we regularly consider 
97
While working on basic research questions, we regularly consider 
            
97
applied aspects that are related to protecting or conserving 
98
applied aspects that are related to protecting or conserving 
            
98
endangered ecosystems.\r\n\r\nExamples of research question of our 
99
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
99
research group assesses are:\r\n\r\nHow is species loss related to 
100
research group assesses are:\r\n\r\nHow is species loss related to 
            
100
ecosystem processes and functions? Which species or species groups are 
101
ecosystem processes and functions? Which species or species groups are 
            
101
particularly relevant for ecosystem functioning? Which effects are 
102
particularly relevant for ecosystem functioning? Which effects are 
            
102
expected with the loss of such important species groups? How are 
103
expected with the loss of such important species groups? How are 
            
103
aboveground organisms interacting with belowground organisms? Which 
104
aboveground organisms interacting with belowground organisms? Which 
            
104
abiotic and biotic conditions favor diverse ecosystems? Is global 
105
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
105
change (for example eutrophication, habitat fragmentation, climate) a 
106
change (for example eutrophication, habitat fragmentation, climate) a 
            
106
thread for diverse ecosystems? How can diverse ecosystems be 
107
thread for diverse ecosystems? How can diverse ecosystems be 
            
107
protected?",
108
protected?",
            
108
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
109
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
109
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
110
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
110
    "is_organization": true,
111
    "is_organization": true,
            
111
    "name": "plant-animal-interactions",
112
    "name": "plant-animal-interactions",
            
112
    "state": "active",
113
    "state": "active",
            
113
    "title": "Plant-Animal Interactions",
114
    "title": "Plant-Animal Interactions",
            
114
    "type": "organization"
115
    "type": "organization"
            
115
  },
116
  },
            
116
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
117
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
117
  "private": false,
118
  "private": false,
            
118
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
119
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
119
\"EnviDat\"}",
120
\"EnviDat\"}",
            
120
  "publication_state": "pub_pending",
121
  "publication_state": "pub_pending",
            
121
  "related_datasets": "",
122
  "related_datasets": "",
            
t
122
  "related_publications": "Risch Anita C., Zimmermann, Stefan, Moser, 
t
123
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
123
Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., Caldeira, Maria 
124
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
124
C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip 
125
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
125
A., Hagedorn, Frank, Knops, Johannes M.H., Lembrechts, Jonas, J., 
126
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
126
MacDougall, Andrew S., McCulley, Rebecca L., Melbourne, Brett A., 
127
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
127
Moore, Joslin L., Power, Sally A., Seabloom, Eric W., Siebert, Julia, 
128
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
128
Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
129
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
129
Raul (accepted). Drivers of the microbial metabolic quotient across 
130
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
130
global grasslands. Global Ecology and Biogeography",
131
global grasslands. Global Ecology and Biogeography",
            
131
  "relationships_as_object": [],
132
  "relationships_as_object": [],
            
132
  "relationships_as_subject": [],
133
  "relationships_as_subject": [],
            
133
  "resource_type": "datapaper",
134
  "resource_type": "datapaper",
            
134
  "resource_type_general": "datapaper",
135
  "resource_type_general": "datapaper",
            
135
  "resources": [
136
  "resources": [
            
136
    {
137
    {
            
137
      "cache_last_updated": null,
138
      "cache_last_updated": null,
            
138
      "cache_url": null,
139
      "cache_url": null,
            
139
      "created": "2023-02-18T03:43:03.643074",
140
      "created": "2023-02-18T03:43:03.643074",
            
140
      "description": "Study sites and experimental design\r\nWe 
141
      "description": "Study sites and experimental design\r\nWe 
            
141
collected data from 23 sites that are part of the Nutrient Network 
142
collected data from 23 sites that are part of the Nutrient Network 
            
142
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
143
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
143
mean annual air temperature (MAT) across these sites ranged from -4 to 
144
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
144
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
145
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
145
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
146
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
146
Table S1), hence cover a wide range of climatic conditions under which 
147
Table S1), hence cover a wide range of climatic conditions under which 
            
147
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
148
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
148
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
149
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
149
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
150
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
150
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
151
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
151
\r\nAt each site, the effects of nutrient addition and herbivore 
152
\r\nAt each site, the effects of nutrient addition and herbivore 
            
152
exclusion were tested via a randomized-block design (Borer et al., 
153
exclusion were tested via a randomized-block design (Borer et al., 
            
153
2014). Three blocks with 10 treatment plots each were established at 
154
2014). Three blocks with 10 treatment plots each were established at 
            
154
each site, except for the site at bldr.us (only two blocks). Each of 
155
each site, except for the site at bldr.us (only two blocks). Each of 
            
155
these 10 plots was randomly assigned to a nutrient or fencing 
156
these 10 plots was randomly assigned to a nutrient or fencing 
            
156
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
157
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
157
m subplots. Each subplot was further divided into four 1 x 1 m square 
158
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
158
sampling plots, one of which was set aside for soil sampling (Borer et 
159
sampling plots, one of which was set aside for soil sampling (Borer et 
            
159
al., 2014). Plots were separated by at least 1 m wide walkways. We 
160
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
160
collected soil samples from four different treatments for this study: 
161
collected soil samples from four different treatments for this study: 
            
161
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
162
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
162
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
163
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
163
macro and micronutrients (NPK), and (iv) plots with simultaneous 
164
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
164
fertilizer addition and herbivore exclusion (NPK+Fence). The 
165
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
165
experiments were established at different times in the past, with 
166
experiments were established at different times in the past, with 
            
166
years of treatment different among sites (2 \u2013 9 years since start 
167
years of treatment different among sites (2 \u2013 9 years since start 
            
167
of treatment; Supplementary Table S1). For the nutrient additions, all 
168
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
168
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
169
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
169
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
170
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
170
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
171
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
171
100 g m-2 together with K in the first year of treatments but not 
172
100 g m-2 together with K in the first year of treatments but not 
            
172
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
173
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
173
fencing two plots, one with and one without NPK additions, within each 
174
fencing two plots, one with and one without NPK additions, within each 
            
174
block. The fences excluded all aboveground mammalian herbivores with a 
175
block. The fences excluded all aboveground mammalian herbivores with a 
            
175
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
176
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
176
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
177
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
177
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
178
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
178
ground to exclude burrowing animals. Climbing and subterranean animals 
179
ground to exclude burrowing animals. Climbing and subterranean animals 
            
179
may potentially still access these plots (Borer et al., 2014). For 
180
may potentially still access these plots (Borer et al., 2014). For 
            
180
slight modifications in fence design at a few sites see Supplementary 
181
slight modifications in fence design at a few sites see Supplementary 
            
181
Table S3. Most sites only had wild herbivores, although four sites 
182
Table S3. Most sites only had wild herbivores, although four sites 
            
182
were also grazed by domestic animals (Supplementary Table 
183
were also grazed by domestic animals (Supplementary Table 
            
183
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
184
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
184
microbial biomass, and other soil properties\r\nEach of the 23 sites 
185
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
185
received a package containing identical material from the Swiss 
186
received a package containing identical material from the Swiss 
            
186
Federal Institute for Forest, Snow and Landscape Research WSL, 
187
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
187
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
188
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
188
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
189
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
189
each sampling plot and composited them to measure MR, MBC, and soil 
190
each sampling plot and composited them to measure MR, MBC, and soil 
            
190
chemical properties (see below). An additional sample (5 x 12 cm) was 
191
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
191
collected to assess soil physical properties. This sample remained 
192
collected to assess soil physical properties. This sample remained 
            
192
within a steel sampling core after collection and both ends were 
193
within a steel sampling core after collection and both ends were 
            
193
tightly closed with plastic caps to avoid disturbance. All soils were 
194
tightly closed with plastic caps to avoid disturbance. All soils were 
            
194
shipped cooled to the laboratory at (Location will be disclosed after 
195
shipped cooled to the laboratory at (Location will be disclosed after 
            
195
manuscript acceptance) within a few days after collection. Soils were 
196
manuscript acceptance) within a few days after collection. Soils were 
            
196
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
197
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
197
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
198
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
198
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
199
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
199
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
200
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
200
added to these samples. We adjusted the soil moisture of each sample 
201
added to these samples. We adjusted the soil moisture of each sample 
            
201
to 60% field capacity. We then placed a 15 ml plastic test tube 
202
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
202
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
203
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
203
The test tube was fixed with a plastic rod so that it was not in 
204
The test tube was fixed with a plastic rod so that it was not in 
            
204
contact with the soil sample. The Falcon tubes were then sealed with a 
205
contact with the soil sample. The Falcon tubes were then sealed with a 
            
205
screw cap and placed in an incubator under completely dark conditions 
206
screw cap and placed in an incubator under completely dark conditions 
            
206
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
207
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
207
by the 0.05 M NaOH. For five weeks we measured the decrease in 
208
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
208
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
209
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
209
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
210
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
210
NaOH with fresh solution. We included Falcon tubes without soil 
211
NaOH with fresh solution. We included Falcon tubes without soil 
            
211
samples in each incubation run as blanks to test if tubes were tight 
212
samples in each incubation run as blanks to test if tubes were tight 
            
212
and no CO2 could enter or escape. We calibrated the relationship 
213
and no CO2 could enter or escape. We calibrated the relationship 
            
213
between conductivity reduction and NaOH absorbed as follows: 400 ml 
214
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
214
0.05 M NaOH was placed in a beaker and its conductivity was measured 
215
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
215
with the multimeter. While stirring, air containing CO2 was blown into 
216
with the multimeter. While stirring, air containing CO2 was blown into 
            
216
the solution for approximately one minute, which reacts with NaOH to 
217
the solution for approximately one minute, which reacts with NaOH to 
            
217
form Na2CO3. After this process, conductivity was measured again. We 
218
form Na2CO3. After this process, conductivity was measured again. We 
            
218
then transferred 7.25 ml of the solution into a smaller beaker and 
219
then transferred 7.25 ml of the solution into a smaller beaker and 
            
219
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
220
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
220
solution with 0.05 M HCl to determine the remaining NaOH. We then 
221
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
221
repeated these steps with the remaining solution a total of nine times 
222
repeated these steps with the remaining solution a total of nine times 
            
222
and plotted the conductivities (y-axis) against the NaOH consumed 
223
and plotted the conductivities (y-axis) against the NaOH consumed 
            
223
(x-axis, Supplementary Fig S1). This regression line was used to infer 
224
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
224
the consumption of NaOH from the conductivity reduction in the 
225
the consumption of NaOH from the conductivity reduction in the 
            
225
incubation experiments and to calculate CO2 evolution during 
226
incubation experiments and to calculate CO2 evolution during 
            
226
incubation. In addition, we determined the optimum concentration for 
227
incubation. In addition, we determined the optimum concentration for 
            
227
the NaOH solution in series of preliminary experiments, so that the 
228
the NaOH solution in series of preliminary experiments, so that the 
            
228
concentration was not too high to become insensitive, but also not too 
229
concentration was not too high to become insensitive, but also not too 
            
229
low so that not all NaOH reacts during incubation. We then calculated 
230
low so that not all NaOH reacts during incubation. We then calculated 
            
230
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
231
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
231
the 5 weeks divided by the duration of the entire incubation in 
232
the 5 weeks divided by the duration of the entire incubation in 
            
232
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
233
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
233
measured at the beginning of the experiment by measuring the maximal 
234
measured at the beginning of the experiment by measuring the maximal 
            
234
respiratory response to the addition of glucose solution (4 mg glucose 
235
respiratory response to the addition of glucose solution (4 mg glucose 
            
235
per g soil dry weight dissolved in distilled water; substrate-induced 
236
per g soil dry weight dissolved in distilled water; substrate-induced 
            
236
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
237
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
237
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
238
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
238
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
239
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
239
specifically, substrate-induced respiration was calculated from the 
240
specifically, substrate-induced respiration was calculated from the 
            
240
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
241
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
241
added according to preliminary studies to saturate the catabolic 
242
added according to preliminary studies to saturate the catabolic 
            
242
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
243
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
243
water). The mean of the lowest three readings within the first 10 hrs 
244
water). The mean of the lowest three readings within the first 10 hrs 
            
244
(between the initial peak caused by disturbing the soil and the peak 
245
(between the initial peak caused by disturbing the soil and the peak 
            
245
caused by microbial growth) was taken as maximum initial respiratory 
246
caused by microbial growth) was taken as maximum initial respiratory 
            
246
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
247
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
247
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
248
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
248
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
249
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
249
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
250
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
250
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
251
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
251
soil organic C (Risch et al., 2019). The undisturbed sample was used 
252
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
252
to assess water holding capacity (WHC), bulk density (BD), and soil 
253
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
253
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
254
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
254
the percentage of sand and clay as an indicator of soil texture in 
255
the percentage of sand and clay as an indicator of soil texture in 
            
255
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
256
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
256
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
257
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
257
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
258
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
258
variables were selected as they were found to be drivers of soil 
259
variables were selected as they were found to be drivers of soil 
            
259
nutrient processes across these sites in earlier studies (Risch et 
260
nutrient processes across these sites in earlier studies (Risch et 
            
260
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
261
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
261
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
262
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
262
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
263
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
263
al., 2022), global gridded modelled products of soil bioclimatic 
264
al., 2022), global gridded modelled products of soil bioclimatic 
            
264
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
265
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
265
on CHELSA, ERA5 and in-situ soil temperature 
266
on CHELSA, ERA5 and in-situ soil temperature 
            
266
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
267
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
267
calculated MMQ as MR/MBC. We corrected this measure using the average 
268
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
268
soil temperature of each site (MMQsoil). This temperature correction 
269
soil temperature of each site (MMQsoil). This temperature correction 
            
269
is necessary as incubation temperatures are usually much higher than 
270
is necessary as incubation temperatures are usually much higher than 
            
270
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
271
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
271
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
272
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
272
2017). See Supplementary Fig S2 for comparison of air and soil 
273
2017). See Supplementary Fig S2 for comparison of air and soil 
            
273
temperatures across the 23 sites as well as the incubation 
274
temperatures across the 23 sites as well as the incubation 
            
274
temperature. \r\nSome of the explanatory variables (clay, soil organic 
275
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
275
C, C:N ratio) were skewed and were thus log-transformed prior to 
276
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
276
analyses. All continuous explanatory variables were centred and scaled 
277
analyses. All continuous explanatory variables were centred and scaled 
            
277
to have a mean of zero and variance of one. To avoid collinearity 
278
to have a mean of zero and variance of one. To avoid collinearity 
            
278
between them we filtered them using correlation analysis 
279
between them we filtered them using correlation analysis 
            
279
(Supplementary Fig S3). From the variables that were strongly 
280
(Supplementary Fig S3). From the variables that were strongly 
            
280
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
281
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
281
selected the ones that allowed us to minimize the number of variables 
282
selected the ones that allowed us to minimize the number of variables 
            
282
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
283
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
283
total C concentration, soil sand content and soil bulk density were 
284
total C concentration, soil sand content and soil bulk density were 
            
284
dropped from the dataset. We then assessed how these edaphoclimatic 
285
dropped from the dataset. We then assessed how these edaphoclimatic 
            
285
variables are related to MMQ across our global grasslands.\r\nFor 
286
variables are related to MMQ across our global grasslands.\r\nFor 
            
286
this, we used linear mixed effects models (LMMs) fitted by maximum 
287
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
287
likelihood with the lme function in the nlme package (version 3.1-153) 
288
likelihood with the lme function in the nlme package (version 3.1-153) 
            
288
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
289
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
289
Team, 2019). We used treatment as a fixed effect and plot nested in 
290
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
290
site as random effects to assess treatment differences in MMQsoil, as 
291
site as random effects to assess treatment differences in MMQsoil, as 
            
291
well as MR, and MBC. The number of years since the treatment started 
292
well as MR, and MBC. The number of years since the treatment started 
            
292
was included as a fixed effect in all the initial models but was not 
293
was included as a fixed effect in all the initial models but was not 
            
293
significant and therefore not retained in the models. To assess how 
294
significant and therefore not retained in the models. To assess how 
            
294
differences in MMQsoil were affected by environmental factors (soil, 
295
differences in MMQsoil were affected by environmental factors (soil, 
            
295
climatic properties) we again used LMMs. Soil and climatic properties 
296
climatic properties) we again used LMMs. Soil and climatic properties 
            
296
were included as fixed effects and plot nested in site as random 
297
were included as fixed effects and plot nested in site as random 
            
297
effects. We did not include interactions between environmental 
298
effects. We did not include interactions between environmental 
            
298
variables. We then used the MuMin package (Barton, 2018) (version 
299
variables. We then used the MuMin package (Barton, 2018) (version 
            
299
1.42.1) to select the best models that explained the most variation 
300
1.42.1) to select the best models that explained the most variation 
            
300
based on Akaike\u2019s information criterion (AIC; model.avg 
301
based on Akaike\u2019s information criterion (AIC; model.avg 
            
301
function). We used the corrected AIC (AICc) to account for our small 
302
function). We used the corrected AIC (AICc) to account for our small 
            
302
sample size and selected the top models that fell within 4 AICc units 
303
sample size and selected the top models that fell within 4 AICc units 
            
303
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
304
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
304
We present all our top models rather than model averages. Conditional 
305
We present all our top models rather than model averages. Conditional 
            
305
averages are provided in the Supplementary material. \r\nBased on 
306
averages are provided in the Supplementary material. \r\nBased on 
            
306
findings from analyses described above and the literature, we 
307
findings from analyses described above and the literature, we 
            
307
developed a conceptual model of direct and indirect relationships 
308
developed a conceptual model of direct and indirect relationships 
            
308
between both edaphoclimatic variables and experimental treatments 
309
between both edaphoclimatic variables and experimental treatments 
            
309
(Supplement Figure S4) to obtain a more holistic approach in 
310
(Supplement Figure S4) to obtain a more holistic approach in 
            
310
understanding how these properties affect MMQsoil. We had data from 23 
311
understanding how these properties affect MMQsoil. We had data from 23 
            
311
sites with 272 observations. We tested this model using structural 
312
sites with 272 observations. We tested this model using structural 
            
312
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
313
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
313
2009). We considered those environmental drivers that were included in 
314
2009). We considered those environmental drivers that were included in 
            
314
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
315
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
315
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
316
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
316
Supplementary Figure S4). These factors were allowed to directly 
317
Supplementary Figure S4). These factors were allowed to directly 
            
317
affect MMQsoil, and via their interactions with treatments. In 
318
affect MMQsoil, and via their interactions with treatments. In 
            
318
addition, treatments were allowed to directly affect MMQsoil. 
319
addition, treatments were allowed to directly affect MMQsoil. 
            
319
Treatments were included as dummy variables in the model. We tested 
320
Treatments were included as dummy variables in the model. We tested 
            
320
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
321
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
321
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
322
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
322
structured set of linear models are fitted individually. This approach 
323
structured set of linear models are fitted individually. This approach 
            
323
allowed us to account for the nested experimental design, and overcome 
324
allowed us to account for the nested experimental design, and overcome 
            
324
some of the limitations of standard structural equation models, such 
325
some of the limitations of standard structural equation models, such 
            
325
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
326
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
326
function of the nlme package to model response variables, including 
327
function of the nlme package to model response variables, including 
            
327
site as a random factor. Good fit of the SEM was assumed when 
328
site as a random factor. Good fit of the SEM was assumed when 
            
328
Fisher\u2019s C values were non-significant (p > 0.05). For all 
329
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
329
significant interactions between soil or climate variables and 
330
significant interactions between soil or climate variables and 
            
330
treatments detected in the SEMs, we calculated treatment effect sizes, 
331
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
331
i.e., the differences in MMQsoil between Control and treatments as log 
332
i.e., the differences in MMQsoil between Control and treatments as log 
            
332
response ratios (LRR) and plotted these values against the climate or 
333
response ratios (LRR) and plotted these values against the climate or 
            
333
soil factors. The LRR were defined as log(Control/Treatment), where 
334
soil factors. The LRR were defined as log(Control/Treatment), where 
            
334
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
335
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
335
LRR-climate or soil property relationships were significant we again 
336
LRR-climate or soil property relationships were significant we again 
            
336
used LMMs, in which soil and climatic properties were included as 
337
used LMMs, in which soil and climatic properties were included as 
            
337
fixed effects and plot nested in site as random effects. \r\n",
338
fixed effects and plot nested in site as random effects. \r\n",
            
338
      "doi": "",
339
      "doi": "",
            
339
      "format": ".xlsx",
340
      "format": ".xlsx",
            
340
      "hash": "",
341
      "hash": "",
            
341
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
342
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
342
      "last_modified": "2023-02-18T04:43:07.514444",
343
      "last_modified": "2023-02-18T04:43:07.514444",
            
343
      "metadata_modified": "2023-02-18T03:43:07.860695",
344
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
344
      "mimetype": null,
345
      "mimetype": null,
            
345
      "mimetype_inner": null,
346
      "mimetype_inner": null,
            
346
      "name": "Risch et al. GEB_data.xlsx",
347
      "name": "Risch et al. GEB_data.xlsx",
            
347
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
348
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
348
      "position": 0,
349
      "position": 0,
            
349
      "publication_state": "",
350
      "publication_state": "",
            
350
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
351
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
351
\"kb\"}",
352
\"kb\"}",
            
352
      "resource_type": null,
353
      "resource_type": null,
            
353
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
354
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
354
\"shared_secret\": \"\"}",
355
\"shared_secret\": \"\"}",
            
355
      "size": 110080,
356
      "size": 110080,
            
356
      "state": "active",
357
      "state": "active",
            
357
      "url": 
358
      "url": 
            
358
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
359
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
359
      "url_type": "upload"
360
      "url_type": "upload"
            
360
    }
361
    }
            
361
  ],
362
  ],
            
362
  "spatial": 
363
  "spatial": 
            
363
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
364
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
364
  "spatial_info": "worldwide",
365
  "spatial_info": "worldwide",
            
365
  "state": "active",
366
  "state": "active",
            
366
  "subtitle": "",
367
  "subtitle": "",
            
367
  "tags": [
368
  "tags": [
            
368
    {
369
    {
            
369
      "display_name": "ANTHROPOGENIC MANAGEMENT",
370
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
370
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
371
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
371
      "name": "ANTHROPOGENIC MANAGEMENT",
372
      "name": "ANTHROPOGENIC MANAGEMENT",
            
372
      "state": "active",
373
      "state": "active",
            
373
      "vocabulary_id": null
374
      "vocabulary_id": null
            
374
    },
375
    },
            
375
    {
376
    {
            
376
      "display_name": "CLIMATE",
377
      "display_name": "CLIMATE",
            
377
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
378
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
378
      "name": "CLIMATE",
379
      "name": "CLIMATE",
            
379
      "state": "active",
380
      "state": "active",
            
380
      "vocabulary_id": null
381
      "vocabulary_id": null
            
381
    },
382
    },
            
382
    {
383
    {
            
383
      "display_name": "HERBIVORE EXCLUSION",
384
      "display_name": "HERBIVORE EXCLUSION",
            
384
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
385
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
385
      "name": "HERBIVORE EXCLUSION",
386
      "name": "HERBIVORE EXCLUSION",
            
386
      "state": "active",
387
      "state": "active",
            
387
      "vocabulary_id": null
388
      "vocabulary_id": null
            
388
    },
389
    },
            
389
    {
390
    {
            
390
      "display_name": "MICROBIAL BIOMASS CARBON",
391
      "display_name": "MICROBIAL BIOMASS CARBON",
            
391
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
392
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
392
      "name": "MICROBIAL BIOMASS CARBON",
393
      "name": "MICROBIAL BIOMASS CARBON",
            
393
      "state": "active",
394
      "state": "active",
            
394
      "vocabulary_id": null
395
      "vocabulary_id": null
            
395
    },
396
    },
            
396
    {
397
    {
            
397
      "display_name": "MICROBIAL RESPIRATION",
398
      "display_name": "MICROBIAL RESPIRATION",
            
398
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
399
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
399
      "name": "MICROBIAL RESPIRATION",
400
      "name": "MICROBIAL RESPIRATION",
            
400
      "state": "active",
401
      "state": "active",
            
401
      "vocabulary_id": null
402
      "vocabulary_id": null
            
402
    },
403
    },
            
403
    {
404
    {
            
404
      "display_name": "NUTRIENT ADDITION",
405
      "display_name": "NUTRIENT ADDITION",
            
405
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
406
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
406
      "name": "NUTRIENT ADDITION",
407
      "name": "NUTRIENT ADDITION",
            
407
      "state": "active",
408
      "state": "active",
            
408
      "vocabulary_id": null
409
      "vocabulary_id": null
            
409
    },
410
    },
            
410
    {
411
    {
            
411
      "display_name": "SOIL PROPERTIES",
412
      "display_name": "SOIL PROPERTIES",
            
412
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
413
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
413
      "name": "SOIL PROPERTIES",
414
      "name": "SOIL PROPERTIES",
            
414
      "state": "active",
415
      "state": "active",
            
415
      "vocabulary_id": null
416
      "vocabulary_id": null
            
416
    }
417
    }
            
417
  ],
418
  ],
            
418
  "title": "Drivers of the microbial metabolic quotient across global 
419
  "title": "Drivers of the microbial metabolic quotient across global 
            
419
grasslands",
420
grasslands",
            
420
  "type": "dataset",
421
  "type": "dataset",
            
421
  "url": null,
422
  "url": null,
            
422
  "version": "1.0"
423
  "version": "1.0"
            
423
}
424
}