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\": \"\", 
            
n
n
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 
            
20
\"given_name\": \"Philip A.\", \"identifier\": 
            
21
\"0000-0003-2259-5853\", \"name\": \"Fay\"}, {\"affiliation\": 
            
22
\"Department of Ecology, Evolution, and Behavior, University of 
            
23
Minnesota, St. Paul, MN 55108\", \"affiliation_02\": \"\", 
            
19
\"autocomplete\": \"\", \"data_credit\": \"collection\", \"email\": 
24
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
20
\"philip.fay@usda.gov\", \"given_name\": \"Philip A.\", 
25
\"borer@umn.edu\", \"given_name\": \"Elizabeth T.\", \"identifier\": 
            
21
\"identifier\": \"0000-0003-2259-5853\", \"name\": \"Fay\"}]",
26
\"0000-0002-8438-7163\", \"name\": \"Borer\"}]",
            
22
  "author_email": null,
27
  "author_email": null,
            
23
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
28
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
24
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
29
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
25
\"end_date\": \"2016-12-31\"}]",
30
\"end_date\": \"2016-12-31\"}]",
            
26
  "doi": "10.16904/envidat.379",
31
  "doi": "10.16904/envidat.379",
            
27
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
32
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
28
internal competitive grant\", \"institution_url\": \"\"}, 
33
internal competitive grant\", \"institution_url\": \"\"}, 
            
29
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
34
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
30
Science Foundation Research Coordination Network\", 
35
Science Foundation Research Coordination Network\", 
            
31
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
36
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
32
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
37
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
33
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
38
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
34
\"institution\": \"Institute on the Environment\", 
39
\"institution\": \"Institute on the Environment\", 
            
35
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
40
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
36
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
41
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
37
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
42
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
38
\"institution\": \"German Research Foundation\", \"institution_url\": 
43
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
39
\"\"}]",
44
\"\"}]",
            
40
  "groups": [],
45
  "groups": [],
            
41
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
46
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
42
  "isopen": true,
47
  "isopen": true,
            
43
  "language": "en",
48
  "language": "en",
            
44
  "license_id": "odc-odbl",
49
  "license_id": "odc-odbl",
            
45
  "license_title": "ODbL with Database Contents License (DbCL)",
50
  "license_title": "ODbL with Database Contents License (DbCL)",
            
46
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
51
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
47
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
52
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
48
Forest, Snow and Landscape Research WSL\", \"email\": 
53
Forest, Snow and Landscape Research WSL\", \"email\": 
            
49
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
54
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
50
\"\", \"name\": \"Risch\"}",
55
\"\", \"name\": \"Risch\"}",
            
51
  "maintainer_email": null,
56
  "maintainer_email": null,
            
52
  "metadata_created": "2023-02-18T03:38:29.406811",
57
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
53
  "metadata_modified": "2023-02-20T10:13:54.532895",
t
58
  "metadata_modified": "2023-02-20T10:16:15.862259",
            
54
  "name": 
59
  "name": 
            
55
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
60
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
56
  "notes": "This dataset contains all data on which the following 
61
  "notes": "This dataset contains all data on which the following 
            
57
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
62
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
58
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
63
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
59
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
64
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
60
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
65
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
61
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
66
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
62
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
67
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
63
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
68
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
64
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
69
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
65
microbial metabolic quotient across global grasslands. Global Ecology 
70
microbial metabolic quotient across global grasslands. Global Ecology 
            
66
and Biogeography\r\n\r\nPlease cite this paper together with the 
71
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
67
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
72
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
68
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
73
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
69
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
74
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
70
(MBC; mg C kg soil-1), is a key parameter for understanding the 
75
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
71
microbial regulation of the carbon (C) cycle, including soil C 
76
microbial regulation of the carbon (C) cycle, including soil C 
            
72
sequestration. Here, we experimentally tested hypotheses about the 
77
sequestration. Here, we experimentally tested hypotheses about the 
            
73
individual and interactive effects of multiple nutrient addition 
78
individual and interactive effects of multiple nutrient addition 
            
74
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
79
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
75
across 23 sites (5 continents). Our sites encompassed a wide range of 
80
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
76
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
81
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
77
variables affected MMQ the most and how they interacted with our 
82
variables affected MMQ the most and how they interacted with our 
            
78
treatments. Soils were collected in plots with established 
83
treatments. Soils were collected in plots with established 
            
79
experimental treatments. MR was assessed in a five-week laboratory 
84
experimental treatments. MR was assessed in a five-week laboratory 
            
80
incubation without glucose addition, MBC via substrate-induced 
85
incubation without glucose addition, MBC via substrate-induced 
            
81
respiration. MMQ was calculated as MR/MBC and corrected for soil 
86
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
82
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
87
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
83
edaphoclimatic characteristics and treatments interactively affected 
88
edaphoclimatic characteristics and treatments interactively affected 
            
84
MMQsoil. MMQsoil was higher in locations with higher mean annual 
89
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
85
temperature, lower water holding capacity, and soil organic C 
90
temperature, lower water holding capacity, and soil organic C 
            
86
concentration, but did not respond to our treatments across sites as 
91
concentration, but did not respond to our treatments across sites as 
            
87
neither MR nor MBC changed. We attributed this relative homeostasis to 
92
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
88
our treatments to the modulating influence of edaphoclimatic 
93
our treatments to the modulating influence of edaphoclimatic 
            
89
variables. For example, herbivore exclusion, regardless of 
94
variables. For example, herbivore exclusion, regardless of 
            
90
fertilization, led to greater MMQsoil only at sites with lower soil 
95
fertilization, led to greater MMQsoil only at sites with lower soil 
            
91
organic C (<1.7%). Our results pinpoint the main variables related to 
96
organic C (<1.7%). Our results pinpoint the main variables related to 
            
92
MMQsoil across grasslands and emphasize the importance of the local 
97
MMQsoil across grasslands and emphasize the importance of the local 
            
93
edaphoclimatic conditions in controlling the response of the C cycle 
98
edaphoclimatic conditions in controlling the response of the C cycle 
            
94
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
99
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
95
global edaphoclimatic gradients, this work also helps to align the 
100
global edaphoclimatic gradients, this work also helps to align the 
            
96
conflicting results of prior studies. \r\n",
101
conflicting results of prior studies. \r\n",
            
97
  "num_resources": 1,
102
  "num_resources": 1,
            
98
  "num_tags": 7,
103
  "num_tags": 7,
            
99
  "organization": {
104
  "organization": {
            
100
    "approval_status": "approved",
105
    "approval_status": "approved",
            
101
    "created": "2018-04-20T09:51:26.756810",
106
    "created": "2018-04-20T09:51:26.756810",
            
102
    "description": "We are studying the distribution of and 
107
    "description": "We are studying the distribution of and 
            
103
interactions among producers, consumers as well as decomposers and 
108
interactions among producers, consumers as well as decomposers and 
            
104
between these communities and their environment. We focus on food webs 
109
between these communities and their environment. We focus on food webs 
            
105
in real world ecosystems and thus mainly sample our data during 
110
in real world ecosystems and thus mainly sample our data during 
            
106
experimental field campaigns. Data collection under controlled 
111
experimental field campaigns. Data collection under controlled 
            
107
conditions in the greenhouse or experimental garden are, however, 
112
conditions in the greenhouse or experimental garden are, however, 
            
108
common add-ons hereby. We are mainly interested in the functioning of 
113
common add-ons hereby. We are mainly interested in the functioning of 
            
109
natural ecosystems and often conduct research in National Parks around 
114
natural ecosystems and often conduct research in National Parks around 
            
110
the world. Our main study area is, however, the Swiss National Park. 
115
the world. Our main study area is, however, the Swiss National Park. 
            
111
While working on basic research questions, we regularly consider 
116
While working on basic research questions, we regularly consider 
            
112
applied aspects that are related to protecting or conserving 
117
applied aspects that are related to protecting or conserving 
            
113
endangered ecosystems.\r\n\r\nExamples of research question of our 
118
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
114
research group assesses are:\r\n\r\nHow is species loss related to 
119
research group assesses are:\r\n\r\nHow is species loss related to 
            
115
ecosystem processes and functions? Which species or species groups are 
120
ecosystem processes and functions? Which species or species groups are 
            
116
particularly relevant for ecosystem functioning? Which effects are 
121
particularly relevant for ecosystem functioning? Which effects are 
            
117
expected with the loss of such important species groups? How are 
122
expected with the loss of such important species groups? How are 
            
118
aboveground organisms interacting with belowground organisms? Which 
123
aboveground organisms interacting with belowground organisms? Which 
            
119
abiotic and biotic conditions favor diverse ecosystems? Is global 
124
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
120
change (for example eutrophication, habitat fragmentation, climate) a 
125
change (for example eutrophication, habitat fragmentation, climate) a 
            
121
thread for diverse ecosystems? How can diverse ecosystems be 
126
thread for diverse ecosystems? How can diverse ecosystems be 
            
122
protected?",
127
protected?",
            
123
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
128
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
124
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
129
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
125
    "is_organization": true,
130
    "is_organization": true,
            
126
    "name": "plant-animal-interactions",
131
    "name": "plant-animal-interactions",
            
127
    "state": "active",
132
    "state": "active",
            
128
    "title": "Plant-Animal Interactions",
133
    "title": "Plant-Animal Interactions",
            
129
    "type": "organization"
134
    "type": "organization"
            
130
  },
135
  },
            
131
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
136
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
132
  "private": false,
137
  "private": false,
            
133
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
138
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
134
\"EnviDat\"}",
139
\"EnviDat\"}",
            
135
  "publication_state": "pub_pending",
140
  "publication_state": "pub_pending",
            
136
  "related_datasets": "",
141
  "related_datasets": "",
            
137
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
142
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
138
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
143
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
139
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
144
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
140
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
145
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
141
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
146
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
142
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
147
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
143
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
148
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
144
Raul (accepted). Drivers of the microbial metabolic quotient across 
149
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
145
global grasslands. Global Ecology and Biogeography",
150
global grasslands. Global Ecology and Biogeography",
            
146
  "relationships_as_object": [],
151
  "relationships_as_object": [],
            
147
  "relationships_as_subject": [],
152
  "relationships_as_subject": [],
            
148
  "resource_type": "datapaper",
153
  "resource_type": "datapaper",
            
149
  "resource_type_general": "datapaper",
154
  "resource_type_general": "datapaper",
            
150
  "resources": [
155
  "resources": [
            
151
    {
156
    {
            
152
      "cache_last_updated": null,
157
      "cache_last_updated": null,
            
153
      "cache_url": null,
158
      "cache_url": null,
            
154
      "created": "2023-02-18T03:43:03.643074",
159
      "created": "2023-02-18T03:43:03.643074",
            
155
      "description": "Study sites and experimental design\r\nWe 
160
      "description": "Study sites and experimental design\r\nWe 
            
156
collected data from 23 sites that are part of the Nutrient Network 
161
collected data from 23 sites that are part of the Nutrient Network 
            
157
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
162
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
158
mean annual air temperature (MAT) across these sites ranged from -4 to 
163
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
159
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
164
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
160
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
165
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
161
Table S1), hence cover a wide range of climatic conditions under which 
166
Table S1), hence cover a wide range of climatic conditions under which 
            
162
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
167
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
163
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
168
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
164
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
169
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
165
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
170
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
166
\r\nAt each site, the effects of nutrient addition and herbivore 
171
\r\nAt each site, the effects of nutrient addition and herbivore 
            
167
exclusion were tested via a randomized-block design (Borer et al., 
172
exclusion were tested via a randomized-block design (Borer et al., 
            
168
2014). Three blocks with 10 treatment plots each were established at 
173
2014). Three blocks with 10 treatment plots each were established at 
            
169
each site, except for the site at bldr.us (only two blocks). Each of 
174
each site, except for the site at bldr.us (only two blocks). Each of 
            
170
these 10 plots was randomly assigned to a nutrient or fencing 
175
these 10 plots was randomly assigned to a nutrient or fencing 
            
171
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
176
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
172
m subplots. Each subplot was further divided into four 1 x 1 m square 
177
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
173
sampling plots, one of which was set aside for soil sampling (Borer et 
178
sampling plots, one of which was set aside for soil sampling (Borer et 
            
174
al., 2014). Plots were separated by at least 1 m wide walkways. We 
179
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
175
collected soil samples from four different treatments for this study: 
180
collected soil samples from four different treatments for this study: 
            
176
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
181
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
177
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
182
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
178
macro and micronutrients (NPK), and (iv) plots with simultaneous 
183
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
179
fertilizer addition and herbivore exclusion (NPK+Fence). The 
184
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
180
experiments were established at different times in the past, with 
185
experiments were established at different times in the past, with 
            
181
years of treatment different among sites (2 \u2013 9 years since start 
186
years of treatment different among sites (2 \u2013 9 years since start 
            
182
of treatment; Supplementary Table S1). For the nutrient additions, all 
187
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
183
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
188
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
184
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
189
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
185
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
190
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
186
100 g m-2 together with K in the first year of treatments but not 
191
100 g m-2 together with K in the first year of treatments but not 
            
187
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
192
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
188
fencing two plots, one with and one without NPK additions, within each 
193
fencing two plots, one with and one without NPK additions, within each 
            
189
block. The fences excluded all aboveground mammalian herbivores with a 
194
block. The fences excluded all aboveground mammalian herbivores with a 
            
190
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
195
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
191
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
196
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
192
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
197
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
193
ground to exclude burrowing animals. Climbing and subterranean animals 
198
ground to exclude burrowing animals. Climbing and subterranean animals 
            
194
may potentially still access these plots (Borer et al., 2014). For 
199
may potentially still access these plots (Borer et al., 2014). For 
            
195
slight modifications in fence design at a few sites see Supplementary 
200
slight modifications in fence design at a few sites see Supplementary 
            
196
Table S3. Most sites only had wild herbivores, although four sites 
201
Table S3. Most sites only had wild herbivores, although four sites 
            
197
were also grazed by domestic animals (Supplementary Table 
202
were also grazed by domestic animals (Supplementary Table 
            
198
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
203
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
199
microbial biomass, and other soil properties\r\nEach of the 23 sites 
204
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
200
received a package containing identical material from the Swiss 
205
received a package containing identical material from the Swiss 
            
201
Federal Institute for Forest, Snow and Landscape Research WSL, 
206
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
202
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
207
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
203
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
208
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
204
each sampling plot and composited them to measure MR, MBC, and soil 
209
each sampling plot and composited them to measure MR, MBC, and soil 
            
205
chemical properties (see below). An additional sample (5 x 12 cm) was 
210
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
206
collected to assess soil physical properties. This sample remained 
211
collected to assess soil physical properties. This sample remained 
            
207
within a steel sampling core after collection and both ends were 
212
within a steel sampling core after collection and both ends were 
            
208
tightly closed with plastic caps to avoid disturbance. All soils were 
213
tightly closed with plastic caps to avoid disturbance. All soils were 
            
209
shipped cooled to the laboratory at (Location will be disclosed after 
214
shipped cooled to the laboratory at (Location will be disclosed after 
            
210
manuscript acceptance) within a few days after collection. Soils were 
215
manuscript acceptance) within a few days after collection. Soils were 
            
211
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
216
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
212
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
217
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
213
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
218
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
214
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
219
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
215
added to these samples. We adjusted the soil moisture of each sample 
220
added to these samples. We adjusted the soil moisture of each sample 
            
216
to 60% field capacity. We then placed a 15 ml plastic test tube 
221
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
217
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
222
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
218
The test tube was fixed with a plastic rod so that it was not in 
223
The test tube was fixed with a plastic rod so that it was not in 
            
219
contact with the soil sample. The Falcon tubes were then sealed with a 
224
contact with the soil sample. The Falcon tubes were then sealed with a 
            
220
screw cap and placed in an incubator under completely dark conditions 
225
screw cap and placed in an incubator under completely dark conditions 
            
221
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
226
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
222
by the 0.05 M NaOH. For five weeks we measured the decrease in 
227
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
223
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
228
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
224
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
229
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
225
NaOH with fresh solution. We included Falcon tubes without soil 
230
NaOH with fresh solution. We included Falcon tubes without soil 
            
226
samples in each incubation run as blanks to test if tubes were tight 
231
samples in each incubation run as blanks to test if tubes were tight 
            
227
and no CO2 could enter or escape. We calibrated the relationship 
232
and no CO2 could enter or escape. We calibrated the relationship 
            
228
between conductivity reduction and NaOH absorbed as follows: 400 ml 
233
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
229
0.05 M NaOH was placed in a beaker and its conductivity was measured 
234
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
230
with the multimeter. While stirring, air containing CO2 was blown into 
235
with the multimeter. While stirring, air containing CO2 was blown into 
            
231
the solution for approximately one minute, which reacts with NaOH to 
236
the solution for approximately one minute, which reacts with NaOH to 
            
232
form Na2CO3. After this process, conductivity was measured again. We 
237
form Na2CO3. After this process, conductivity was measured again. We 
            
233
then transferred 7.25 ml of the solution into a smaller beaker and 
238
then transferred 7.25 ml of the solution into a smaller beaker and 
            
234
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
239
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
235
solution with 0.05 M HCl to determine the remaining NaOH. We then 
240
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
236
repeated these steps with the remaining solution a total of nine times 
241
repeated these steps with the remaining solution a total of nine times 
            
237
and plotted the conductivities (y-axis) against the NaOH consumed 
242
and plotted the conductivities (y-axis) against the NaOH consumed 
            
238
(x-axis, Supplementary Fig S1). This regression line was used to infer 
243
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
239
the consumption of NaOH from the conductivity reduction in the 
244
the consumption of NaOH from the conductivity reduction in the 
            
240
incubation experiments and to calculate CO2 evolution during 
245
incubation experiments and to calculate CO2 evolution during 
            
241
incubation. In addition, we determined the optimum concentration for 
246
incubation. In addition, we determined the optimum concentration for 
            
242
the NaOH solution in series of preliminary experiments, so that the 
247
the NaOH solution in series of preliminary experiments, so that the 
            
243
concentration was not too high to become insensitive, but also not too 
248
concentration was not too high to become insensitive, but also not too 
            
244
low so that not all NaOH reacts during incubation. We then calculated 
249
low so that not all NaOH reacts during incubation. We then calculated 
            
245
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
250
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
246
the 5 weeks divided by the duration of the entire incubation in 
251
the 5 weeks divided by the duration of the entire incubation in 
            
247
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
252
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
248
measured at the beginning of the experiment by measuring the maximal 
253
measured at the beginning of the experiment by measuring the maximal 
            
249
respiratory response to the addition of glucose solution (4 mg glucose 
254
respiratory response to the addition of glucose solution (4 mg glucose 
            
250
per g soil dry weight dissolved in distilled water; substrate-induced 
255
per g soil dry weight dissolved in distilled water; substrate-induced 
            
251
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
256
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
252
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
257
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
253
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
258
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
254
specifically, substrate-induced respiration was calculated from the 
259
specifically, substrate-induced respiration was calculated from the 
            
255
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
260
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
256
added according to preliminary studies to saturate the catabolic 
261
added according to preliminary studies to saturate the catabolic 
            
257
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
262
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
258
water). The mean of the lowest three readings within the first 10 hrs 
263
water). The mean of the lowest three readings within the first 10 hrs 
            
259
(between the initial peak caused by disturbing the soil and the peak 
264
(between the initial peak caused by disturbing the soil and the peak 
            
260
caused by microbial growth) was taken as maximum initial respiratory 
265
caused by microbial growth) was taken as maximum initial respiratory 
            
261
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
266
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
262
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
267
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
263
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
268
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
264
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
269
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
265
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
270
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
266
soil organic C (Risch et al., 2019). The undisturbed sample was used 
271
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
267
to assess water holding capacity (WHC), bulk density (BD), and soil 
272
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
268
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
273
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
269
the percentage of sand and clay as an indicator of soil texture in 
274
the percentage of sand and clay as an indicator of soil texture in 
            
270
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
275
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
271
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
276
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
272
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
277
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
273
variables were selected as they were found to be drivers of soil 
278
variables were selected as they were found to be drivers of soil 
            
274
nutrient processes across these sites in earlier studies (Risch et 
279
nutrient processes across these sites in earlier studies (Risch et 
            
275
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
280
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
276
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
281
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
277
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
282
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
278
al., 2022), global gridded modelled products of soil bioclimatic 
283
al., 2022), global gridded modelled products of soil bioclimatic 
            
279
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
284
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
280
on CHELSA, ERA5 and in-situ soil temperature 
285
on CHELSA, ERA5 and in-situ soil temperature 
            
281
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
286
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
282
calculated MMQ as MR/MBC. We corrected this measure using the average 
287
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
283
soil temperature of each site (MMQsoil). This temperature correction 
288
soil temperature of each site (MMQsoil). This temperature correction 
            
284
is necessary as incubation temperatures are usually much higher than 
289
is necessary as incubation temperatures are usually much higher than 
            
285
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
290
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
286
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
291
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
287
2017). See Supplementary Fig S2 for comparison of air and soil 
292
2017). See Supplementary Fig S2 for comparison of air and soil 
            
288
temperatures across the 23 sites as well as the incubation 
293
temperatures across the 23 sites as well as the incubation 
            
289
temperature. \r\nSome of the explanatory variables (clay, soil organic 
294
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
290
C, C:N ratio) were skewed and were thus log-transformed prior to 
295
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
291
analyses. All continuous explanatory variables were centred and scaled 
296
analyses. All continuous explanatory variables were centred and scaled 
            
292
to have a mean of zero and variance of one. To avoid collinearity 
297
to have a mean of zero and variance of one. To avoid collinearity 
            
293
between them we filtered them using correlation analysis 
298
between them we filtered them using correlation analysis 
            
294
(Supplementary Fig S3). From the variables that were strongly 
299
(Supplementary Fig S3). From the variables that were strongly 
            
295
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
300
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
296
selected the ones that allowed us to minimize the number of variables 
301
selected the ones that allowed us to minimize the number of variables 
            
297
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
302
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
298
total C concentration, soil sand content and soil bulk density were 
303
total C concentration, soil sand content and soil bulk density were 
            
299
dropped from the dataset. We then assessed how these edaphoclimatic 
304
dropped from the dataset. We then assessed how these edaphoclimatic 
            
300
variables are related to MMQ across our global grasslands.\r\nFor 
305
variables are related to MMQ across our global grasslands.\r\nFor 
            
301
this, we used linear mixed effects models (LMMs) fitted by maximum 
306
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
302
likelihood with the lme function in the nlme package (version 3.1-153) 
307
likelihood with the lme function in the nlme package (version 3.1-153) 
            
303
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
308
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
304
Team, 2019). We used treatment as a fixed effect and plot nested in 
309
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
305
site as random effects to assess treatment differences in MMQsoil, as 
310
site as random effects to assess treatment differences in MMQsoil, as 
            
306
well as MR, and MBC. The number of years since the treatment started 
311
well as MR, and MBC. The number of years since the treatment started 
            
307
was included as a fixed effect in all the initial models but was not 
312
was included as a fixed effect in all the initial models but was not 
            
308
significant and therefore not retained in the models. To assess how 
313
significant and therefore not retained in the models. To assess how 
            
309
differences in MMQsoil were affected by environmental factors (soil, 
314
differences in MMQsoil were affected by environmental factors (soil, 
            
310
climatic properties) we again used LMMs. Soil and climatic properties 
315
climatic properties) we again used LMMs. Soil and climatic properties 
            
311
were included as fixed effects and plot nested in site as random 
316
were included as fixed effects and plot nested in site as random 
            
312
effects. We did not include interactions between environmental 
317
effects. We did not include interactions between environmental 
            
313
variables. We then used the MuMin package (Barton, 2018) (version 
318
variables. We then used the MuMin package (Barton, 2018) (version 
            
314
1.42.1) to select the best models that explained the most variation 
319
1.42.1) to select the best models that explained the most variation 
            
315
based on Akaike\u2019s information criterion (AIC; model.avg 
320
based on Akaike\u2019s information criterion (AIC; model.avg 
            
316
function). We used the corrected AIC (AICc) to account for our small 
321
function). We used the corrected AIC (AICc) to account for our small 
            
317
sample size and selected the top models that fell within 4 AICc units 
322
sample size and selected the top models that fell within 4 AICc units 
            
318
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
323
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
319
We present all our top models rather than model averages. Conditional 
324
We present all our top models rather than model averages. Conditional 
            
320
averages are provided in the Supplementary material. \r\nBased on 
325
averages are provided in the Supplementary material. \r\nBased on 
            
321
findings from analyses described above and the literature, we 
326
findings from analyses described above and the literature, we 
            
322
developed a conceptual model of direct and indirect relationships 
327
developed a conceptual model of direct and indirect relationships 
            
323
between both edaphoclimatic variables and experimental treatments 
328
between both edaphoclimatic variables and experimental treatments 
            
324
(Supplement Figure S4) to obtain a more holistic approach in 
329
(Supplement Figure S4) to obtain a more holistic approach in 
            
325
understanding how these properties affect MMQsoil. We had data from 23 
330
understanding how these properties affect MMQsoil. We had data from 23 
            
326
sites with 272 observations. We tested this model using structural 
331
sites with 272 observations. We tested this model using structural 
            
327
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
332
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
328
2009). We considered those environmental drivers that were included in 
333
2009). We considered those environmental drivers that were included in 
            
329
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
334
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
330
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
335
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
331
Supplementary Figure S4). These factors were allowed to directly 
336
Supplementary Figure S4). These factors were allowed to directly 
            
332
affect MMQsoil, and via their interactions with treatments. In 
337
affect MMQsoil, and via their interactions with treatments. In 
            
333
addition, treatments were allowed to directly affect MMQsoil. 
338
addition, treatments were allowed to directly affect MMQsoil. 
            
334
Treatments were included as dummy variables in the model. We tested 
339
Treatments were included as dummy variables in the model. We tested 
            
335
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
340
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
336
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
341
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
337
structured set of linear models are fitted individually. This approach 
342
structured set of linear models are fitted individually. This approach 
            
338
allowed us to account for the nested experimental design, and overcome 
343
allowed us to account for the nested experimental design, and overcome 
            
339
some of the limitations of standard structural equation models, such 
344
some of the limitations of standard structural equation models, such 
            
340
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
345
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
341
function of the nlme package to model response variables, including 
346
function of the nlme package to model response variables, including 
            
342
site as a random factor. Good fit of the SEM was assumed when 
347
site as a random factor. Good fit of the SEM was assumed when 
            
343
Fisher\u2019s C values were non-significant (p > 0.05). For all 
348
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
344
significant interactions between soil or climate variables and 
349
significant interactions between soil or climate variables and 
            
345
treatments detected in the SEMs, we calculated treatment effect sizes, 
350
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
346
i.e., the differences in MMQsoil between Control and treatments as log 
351
i.e., the differences in MMQsoil between Control and treatments as log 
            
347
response ratios (LRR) and plotted these values against the climate or 
352
response ratios (LRR) and plotted these values against the climate or 
            
348
soil factors. The LRR were defined as log(Control/Treatment), where 
353
soil factors. The LRR were defined as log(Control/Treatment), where 
            
349
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
354
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
350
LRR-climate or soil property relationships were significant we again 
355
LRR-climate or soil property relationships were significant we again 
            
351
used LMMs, in which soil and climatic properties were included as 
356
used LMMs, in which soil and climatic properties were included as 
            
352
fixed effects and plot nested in site as random effects. \r\n",
357
fixed effects and plot nested in site as random effects. \r\n",
            
353
      "doi": "",
358
      "doi": "",
            
354
      "format": ".xlsx",
359
      "format": ".xlsx",
            
355
      "hash": "",
360
      "hash": "",
            
356
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
361
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
357
      "last_modified": "2023-02-18T04:43:07.514444",
362
      "last_modified": "2023-02-18T04:43:07.514444",
            
358
      "metadata_modified": "2023-02-18T03:43:07.860695",
363
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
359
      "mimetype": null,
364
      "mimetype": null,
            
360
      "mimetype_inner": null,
365
      "mimetype_inner": null,
            
361
      "name": "Risch et al. GEB_data.xlsx",
366
      "name": "Risch et al. GEB_data.xlsx",
            
362
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
367
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
363
      "position": 0,
368
      "position": 0,
            
364
      "publication_state": "",
369
      "publication_state": "",
            
365
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
370
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
366
\"kb\"}",
371
\"kb\"}",
            
367
      "resource_type": null,
372
      "resource_type": null,
            
368
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
373
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
369
\"shared_secret\": \"\"}",
374
\"shared_secret\": \"\"}",
            
370
      "size": 110080,
375
      "size": 110080,
            
371
      "state": "active",
376
      "state": "active",
            
372
      "url": 
377
      "url": 
            
373
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
378
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
374
      "url_type": "upload"
379
      "url_type": "upload"
            
375
    }
380
    }
            
376
  ],
381
  ],
            
377
  "spatial": 
382
  "spatial": 
            
378
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
383
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
379
  "spatial_info": "worldwide",
384
  "spatial_info": "worldwide",
            
380
  "state": "active",
385
  "state": "active",
            
381
  "subtitle": "",
386
  "subtitle": "",
            
382
  "tags": [
387
  "tags": [
            
383
    {
388
    {
            
384
      "display_name": "ANTHROPOGENIC MANAGEMENT",
389
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
385
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
390
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
386
      "name": "ANTHROPOGENIC MANAGEMENT",
391
      "name": "ANTHROPOGENIC MANAGEMENT",
            
387
      "state": "active",
392
      "state": "active",
            
388
      "vocabulary_id": null
393
      "vocabulary_id": null
            
389
    },
394
    },
            
390
    {
395
    {
            
391
      "display_name": "CLIMATE",
396
      "display_name": "CLIMATE",
            
392
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
397
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
393
      "name": "CLIMATE",
398
      "name": "CLIMATE",
            
394
      "state": "active",
399
      "state": "active",
            
395
      "vocabulary_id": null
400
      "vocabulary_id": null
            
396
    },
401
    },
            
397
    {
402
    {
            
398
      "display_name": "HERBIVORE EXCLUSION",
403
      "display_name": "HERBIVORE EXCLUSION",
            
399
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
404
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
400
      "name": "HERBIVORE EXCLUSION",
405
      "name": "HERBIVORE EXCLUSION",
            
401
      "state": "active",
406
      "state": "active",
            
402
      "vocabulary_id": null
407
      "vocabulary_id": null
            
403
    },
408
    },
            
404
    {
409
    {
            
405
      "display_name": "MICROBIAL BIOMASS CARBON",
410
      "display_name": "MICROBIAL BIOMASS CARBON",
            
406
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
411
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
407
      "name": "MICROBIAL BIOMASS CARBON",
412
      "name": "MICROBIAL BIOMASS CARBON",
            
408
      "state": "active",
413
      "state": "active",
            
409
      "vocabulary_id": null
414
      "vocabulary_id": null
            
410
    },
415
    },
            
411
    {
416
    {
            
412
      "display_name": "MICROBIAL RESPIRATION",
417
      "display_name": "MICROBIAL RESPIRATION",
            
413
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
418
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
414
      "name": "MICROBIAL RESPIRATION",
419
      "name": "MICROBIAL RESPIRATION",
            
415
      "state": "active",
420
      "state": "active",
            
416
      "vocabulary_id": null
421
      "vocabulary_id": null
            
417
    },
422
    },
            
418
    {
423
    {
            
419
      "display_name": "NUTRIENT ADDITION",
424
      "display_name": "NUTRIENT ADDITION",
            
420
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
425
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
421
      "name": "NUTRIENT ADDITION",
426
      "name": "NUTRIENT ADDITION",
            
422
      "state": "active",
427
      "state": "active",
            
423
      "vocabulary_id": null
428
      "vocabulary_id": null
            
424
    },
429
    },
            
425
    {
430
    {
            
426
      "display_name": "SOIL PROPERTIES",
431
      "display_name": "SOIL PROPERTIES",
            
427
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
432
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
428
      "name": "SOIL PROPERTIES",
433
      "name": "SOIL PROPERTIES",
            
429
      "state": "active",
434
      "state": "active",
            
430
      "vocabulary_id": null
435
      "vocabulary_id": null
            
431
    }
436
    }
            
432
  ],
437
  ],
            
433
  "title": "Drivers of the microbial metabolic quotient across global 
438
  "title": "Drivers of the microbial metabolic quotient across global 
            
434
grasslands",
439
grasslands",
            
435
  "type": "dataset",
440
  "type": "dataset",
            
436
  "url": null,
441
  "url": null,
            
437
  "version": "1.0"
442
  "version": "1.0"
            
438
}
443
}