Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
2
  "author": "[{\"affiliation\": \"Swiss Federal Institute for Forest, 
            
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
3
Snow and Landscape Research WSL\", \"affiliation_02\": \"\", 
            
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
4
\"affiliation_03\": \"\", \"data_credit\": [\"collection\", 
            
5
\"validation\", \"curation\", \"publication\"], \"email\": 
5
\"validation\", \"curation\", \"publication\"], \"email\": 
            
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
6
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C.\", \"identifier\": 
            
7
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
7
\"\", \"name\": \"Risch\"}, {\"affiliation\": \"Swiss Federal 
            
8
Institute for Forest, Snow and Landscape Research WSL\", 
8
Institute for Forest, Snow and Landscape Research WSL\", 
            
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
9
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
10
[\"collection\", \"validation\"], \"email\": 
10
[\"collection\", \"validation\"], \"email\": 
            
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
11
\"stephan.zimmermann@wsl.ch\", \"given_name\": \"Stephan\", 
            
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}, 
12
\"identifier\": \"0000-0002-7085-0284\", \"name\": \"Zimmermann\"}, 
            
13
{\"affiliation\": \"WSL\", \"affiliation_02\": \"\", 
13
{\"affiliation\": \"WSL\", \"affiliation_02\": \"\", 
            
14
\"affiliation_03\": \"\", \"data_credit\": \"curation\", \"email\": 
14
\"affiliation_03\": \"\", \"data_credit\": \"curation\", \"email\": 
            
15
\"martin.schuetz@wsl.ch\", \"given_name\": \"Martin\", \"identifier\": 
15
\"martin.schuetz@wsl.ch\", \"given_name\": \"Martin\", \"identifier\": 
            
16
\"\", \"name\": \"Sch\\u00fctz\"}, {\"affiliation\": \"USDA-ARS 
16
\"\", \"name\": \"Sch\\u00fctz\"}, {\"affiliation\": \"USDA-ARS 
            
17
Grassland, Soil, and Water Research Laboratory, Temple, TX, 76502, 
17
Grassland, Soil, and Water Research Laboratory, Temple, TX, 76502, 
            
18
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
18
USA\", \"affiliation_02\": \"\", \"affiliation_03\": \"\", 
            
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 
19
\"data_credit\": \"collection\", \"email\": \"philip.fay@usda.gov\", 
            
20
\"given_name\": \"Philip A.\", \"identifier\": 
20
\"given_name\": \"Philip A.\", \"identifier\": 
            
21
\"0000-0003-2259-5853\", \"name\": \"Fay\"}, {\"affiliation\": 
21
\"0000-0003-2259-5853\", \"name\": \"Fay\"}, {\"affiliation\": 
            
22
\"Department of Ecology, Evolution, and Behavior, University of 
22
\"Department of Ecology, Evolution, and Behavior, University of 
            
23
Minnesota, St. Paul, MN 55108\", \"affiliation_02\": \"\", 
23
Minnesota, St. Paul, MN 55108\", \"affiliation_02\": \"\", 
            
24
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
24
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
25
\"borer@umn.edu\", \"given_name\": \"Elizabeth T.\", \"identifier\": 
25
\"borer@umn.edu\", \"given_name\": \"Elizabeth T.\", \"identifier\": 
            
26
\"0000-0002-8438-7163\", \"name\": \"Borer\"}, {\"affiliation\": 
26
\"0000-0002-8438-7163\", \"name\": \"Borer\"}, {\"affiliation\": 
            
27
\"Department of Earth and Environmental Sciences, The University of 
27
\"Department of Earth and Environmental Sciences, The University of 
            
28
Manchester, Oxford Road, Manchester, M13 9PT, UK\", 
28
Manchester, Oxford Road, Manchester, M13 9PT, UK\", 
            
29
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
29
\"affiliation_02\": \"\", \"affiliation_03\": \"\", \"data_credit\": 
            
30
\"curation\", \"email\": \"arthur.broadbent@manchester.ac.uk\", 
30
\"curation\", \"email\": \"arthur.broadbent@manchester.ac.uk\", 
            
31
\"given_name\": \"Arthur A. D.\", \"identifier\": 
31
\"given_name\": \"Arthur A. D.\", \"identifier\": 
            
32
\"0000-0002-8438-7163\", \"name\": \"Broadbent\"}, {\"affiliation\": 
32
\"0000-0002-8438-7163\", \"name\": \"Broadbent\"}, {\"affiliation\": 
            
33
\"Centro de Estudos Florestais, Instituto Superior de Agronomia, 
33
\"Centro de Estudos Florestais, Instituto Superior de Agronomia, 
            
34
Universidade de Lisboa, Portugal\", \"affiliation_02\": \"\", 
34
Universidade de Lisboa, Portugal\", \"affiliation_02\": \"\", 
            
35
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
35
\"affiliation_03\": \"\", \"data_credit\": \"collection\", \"email\": 
            
36
\"mcaldeira@isa.ulisboa.pt\", \"given_name\": \"Maria C.\", 
36
\"mcaldeira@isa.ulisboa.pt\", \"given_name\": \"Maria C.\", 
            
37
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Caldeira\"}, 
37
\"identifier\": \"0000-0001-7716-3359\", \"name\": \"Caldeira\"}, 
            
38
{\"affiliation\": \"Department of Ecology and Evolutionary Biology, 
38
{\"affiliation\": \"Department of Ecology and Evolutionary Biology, 
            
39
University of Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": 
39
University of Colorado, Boulder, CO, 80309, USA\", \"affiliation_02\": 
            
40
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
40
\"\", \"affiliation_03\": \"\", \"data_credit\": \"collection\", 
            
41
\"email\": \"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi 
41
\"email\": \"Kendi.Davies@colorado.edu\", \"given_name\": \"Kendi 
            
n
42
F.\", \"identifier\": \"0000-0002-0371-6720\", \"name\": 
n
42
F.\", \"identifier\": \"0000-0002-0371-6720\", \"name\": \"Davies\"}, 
            
43
\"Davies\"}]",
43
{\"affiliation\": \"German Centre for Integrative Biodiversity 
            
44
Research (iDiv) Halle-Jena-Leipzig, Deutscher Platz 5e, 04103 Leipzig, 
            
45
Germany\", \"affiliation_02\": \"Institute of Biology, Leipzig 
            
46
University, Deutscher Platz 5e, 04103 Leipzig, Germany\", 
            
47
\"affiliation_03\": \"\", \"autocomplete\": \"\", \"data_credit\": 
            
48
\"validation\", \"email\": \"nico.eisenhauer@idiv.de\", 
            
49
\"given_name\": \"Nico\", \"identifier\": \"0000-0003-1707-5263\", 
            
50
\"name\": \"Eisenhauer\"}]",
            
44
  "author_email": null,
51
  "author_email": null,
            
45
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
52
  "creator_user_id": "d30dde41-6b11-44de-9191-23cdd5bda0e9",
            
46
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
53
  "date": "[{\"date\": \"2015-04-01\", \"date_type\": \"collected\", 
            
47
\"end_date\": \"2016-12-31\"}]",
54
\"end_date\": \"2016-12-31\"}]",
            
48
  "doi": "10.16904/envidat.379",
55
  "doi": "10.16904/envidat.379",
            
49
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
56
  "funding": "[{\"grant_number\": \"\", \"institution\": \"WSL 
            
50
internal competitive grant\", \"institution_url\": \"\"}, 
57
internal competitive grant\", \"institution_url\": \"\"}, 
            
51
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
58
{\"grant_number\": \"NSF-DEB-1042132\", \"institution\": \"National 
            
52
Science Foundation Research Coordination Network\", 
59
Science Foundation Research Coordination Network\", 
            
53
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
60
\"institution_url\": \"\"}, {\"grant_number\": \"NSF-DEB-1234162 to 
            
54
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
61
Cedar Creek LTER\", \"institution\": \"Long Term Ecological Research 
            
55
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
62
\", \"institution_url\": \"\"}, {\"grant_number\": \"DG-0001-13\", 
            
56
\"institution\": \"Institute on the Environment\", 
63
\"institution\": \"Institute on the Environment\", 
            
57
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
64
\"institution_url\": \"\"}, {\"grant_number\": \"UID/AGR/00239/2019\", 
            
58
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
65
\"institution\": \"CEF, a research unit funded by FCT, Portugal\", 
            
59
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
66
\"institution_url\": \"\"}, {\"grant_number\": \"FZT 118, 202548816\", 
            
60
\"institution\": \"German Research Foundation\", \"institution_url\": 
67
\"institution\": \"German Research Foundation\", \"institution_url\": 
            
61
\"\"}]",
68
\"\"}]",
            
62
  "groups": [],
69
  "groups": [],
            
63
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
70
  "id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
64
  "isopen": true,
71
  "isopen": true,
            
65
  "language": "en",
72
  "language": "en",
            
66
  "license_id": "odc-odbl",
73
  "license_id": "odc-odbl",
            
67
  "license_title": "ODbL with Database Contents License (DbCL)",
74
  "license_title": "ODbL with Database Contents License (DbCL)",
            
68
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
75
  "license_url": "https://opendefinition.org/licenses/odc-odbl",
            
69
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
76
  "maintainer": "{\"affiliation\": \"Swiss Federal Institute for 
            
70
Forest, Snow and Landscape Research WSL\", \"email\": 
77
Forest, Snow and Landscape Research WSL\", \"email\": 
            
71
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
78
\"anita.risch@wsl.ch\", \"given_name\": \"Anita C\", \"identifier\": 
            
72
\"\", \"name\": \"Risch\"}",
79
\"\", \"name\": \"Risch\"}",
            
73
  "maintainer_email": null,
80
  "maintainer_email": null,
            
74
  "metadata_created": "2023-02-18T03:38:29.406811",
81
  "metadata_created": "2023-02-18T03:38:29.406811",
            
t
75
  "metadata_modified": "2023-02-20T10:38:33.955286",
t
82
  "metadata_modified": "2023-02-20T10:45:01.977832",
            
76
  "name": 
83
  "name": 
            
77
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
84
drivers-of-the-microbial-metabolic-quotient-across-global-grasslands",
            
78
  "notes": "This dataset contains all data on which the following 
85
  "notes": "This dataset contains all data on which the following 
            
79
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
86
publication below is based.\r\n\r\nPaper Citation:\r\n\r\nRisch Anita 
            
80
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
87
C., Zimmermann, Stefan, Sch\u00fctz, Martin, Borer, Elizabeth T., 
            
81
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
88
Broadbent, Arthur A.D., Caldeira, Maria C., Davies, Kendi F., 
            
82
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
89
Eisenhauer, Nico, Eskelinen, Anu, Fay, Philip A., Hagedorn, Frank, 
            
83
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
90
Knops, Johannes M.H., Lembrechts, Jonas, J., MacDougall, Andrew S., 
            
84
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
91
McCulley, Rebecca L., Melbourne, Brett A., Moore, Joslin L., Power, 
            
85
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
92
Sally A., Seabloom, Eric W., Silveira, Maria L., Virtanen, Risto, 
            
86
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
93
Yahdjian, Laura, Ochoa-Hueso, Raul (accepted). Drivers of the 
            
87
microbial metabolic quotient across global grasslands. Global Ecology 
94
microbial metabolic quotient across global grasslands. Global Ecology 
            
88
and Biogeography\r\n\r\nPlease cite this paper together with the 
95
and Biogeography\r\n\r\nPlease cite this paper together with the 
            
89
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
96
citation for the datafile.\r\n\r\nThe microbial metabolic quotient 
            
90
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
97
(MMQ; mg CO2-C mg MBC-1 h-1), defined as the amount of microbial CO2 
            
91
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
98
respired (MR; mg CO2-C kg soil-1 h-1) per unit of microbial biomass C 
            
92
(MBC; mg C kg soil-1), is a key parameter for understanding the 
99
(MBC; mg C kg soil-1), is a key parameter for understanding the 
            
93
microbial regulation of the carbon (C) cycle, including soil C 
100
microbial regulation of the carbon (C) cycle, including soil C 
            
94
sequestration. Here, we experimentally tested hypotheses about the 
101
sequestration. Here, we experimentally tested hypotheses about the 
            
95
individual and interactive effects of multiple nutrient addition 
102
individual and interactive effects of multiple nutrient addition 
            
96
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
103
(NPK+micronutrients) and herbivore exclusion on MR, MBC, and MMQ 
            
97
across 23 sites (5 continents). Our sites encompassed a wide range of 
104
across 23 sites (5 continents). Our sites encompassed a wide range of 
            
98
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
105
edaphoclimatic conditions, thus we assessed which edaphoclimatic 
            
99
variables affected MMQ the most and how they interacted with our 
106
variables affected MMQ the most and how they interacted with our 
            
100
treatments. Soils were collected in plots with established 
107
treatments. Soils were collected in plots with established 
            
101
experimental treatments. MR was assessed in a five-week laboratory 
108
experimental treatments. MR was assessed in a five-week laboratory 
            
102
incubation without glucose addition, MBC via substrate-induced 
109
incubation without glucose addition, MBC via substrate-induced 
            
103
respiration. MMQ was calculated as MR/MBC and corrected for soil 
110
respiration. MMQ was calculated as MR/MBC and corrected for soil 
            
104
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
111
temperatures (MMQsoil). Using LMMs and SEMs, we analysed how 
            
105
edaphoclimatic characteristics and treatments interactively affected 
112
edaphoclimatic characteristics and treatments interactively affected 
            
106
MMQsoil. MMQsoil was higher in locations with higher mean annual 
113
MMQsoil. MMQsoil was higher in locations with higher mean annual 
            
107
temperature, lower water holding capacity, and soil organic C 
114
temperature, lower water holding capacity, and soil organic C 
            
108
concentration, but did not respond to our treatments across sites as 
115
concentration, but did not respond to our treatments across sites as 
            
109
neither MR nor MBC changed. We attributed this relative homeostasis to 
116
neither MR nor MBC changed. We attributed this relative homeostasis to 
            
110
our treatments to the modulating influence of edaphoclimatic 
117
our treatments to the modulating influence of edaphoclimatic 
            
111
variables. For example, herbivore exclusion, regardless of 
118
variables. For example, herbivore exclusion, regardless of 
            
112
fertilization, led to greater MMQsoil only at sites with lower soil 
119
fertilization, led to greater MMQsoil only at sites with lower soil 
            
113
organic C (<1.7%). Our results pinpoint the main variables related to 
120
organic C (<1.7%). Our results pinpoint the main variables related to 
            
114
MMQsoil across grasslands and emphasize the importance of the local 
121
MMQsoil across grasslands and emphasize the importance of the local 
            
115
edaphoclimatic conditions in controlling the response of the C cycle 
122
edaphoclimatic conditions in controlling the response of the C cycle 
            
116
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
123
to anthropogenic stressors. By testing hypotheses about MMQsoil across 
            
117
global edaphoclimatic gradients, this work also helps to align the 
124
global edaphoclimatic gradients, this work also helps to align the 
            
118
conflicting results of prior studies. \r\n",
125
conflicting results of prior studies. \r\n",
            
119
  "num_resources": 1,
126
  "num_resources": 1,
            
120
  "num_tags": 7,
127
  "num_tags": 7,
            
121
  "organization": {
128
  "organization": {
            
122
    "approval_status": "approved",
129
    "approval_status": "approved",
            
123
    "created": "2018-04-20T09:51:26.756810",
130
    "created": "2018-04-20T09:51:26.756810",
            
124
    "description": "We are studying the distribution of and 
131
    "description": "We are studying the distribution of and 
            
125
interactions among producers, consumers as well as decomposers and 
132
interactions among producers, consumers as well as decomposers and 
            
126
between these communities and their environment. We focus on food webs 
133
between these communities and their environment. We focus on food webs 
            
127
in real world ecosystems and thus mainly sample our data during 
134
in real world ecosystems and thus mainly sample our data during 
            
128
experimental field campaigns. Data collection under controlled 
135
experimental field campaigns. Data collection under controlled 
            
129
conditions in the greenhouse or experimental garden are, however, 
136
conditions in the greenhouse or experimental garden are, however, 
            
130
common add-ons hereby. We are mainly interested in the functioning of 
137
common add-ons hereby. We are mainly interested in the functioning of 
            
131
natural ecosystems and often conduct research in National Parks around 
138
natural ecosystems and often conduct research in National Parks around 
            
132
the world. Our main study area is, however, the Swiss National Park. 
139
the world. Our main study area is, however, the Swiss National Park. 
            
133
While working on basic research questions, we regularly consider 
140
While working on basic research questions, we regularly consider 
            
134
applied aspects that are related to protecting or conserving 
141
applied aspects that are related to protecting or conserving 
            
135
endangered ecosystems.\r\n\r\nExamples of research question of our 
142
endangered ecosystems.\r\n\r\nExamples of research question of our 
            
136
research group assesses are:\r\n\r\nHow is species loss related to 
143
research group assesses are:\r\n\r\nHow is species loss related to 
            
137
ecosystem processes and functions? Which species or species groups are 
144
ecosystem processes and functions? Which species or species groups are 
            
138
particularly relevant for ecosystem functioning? Which effects are 
145
particularly relevant for ecosystem functioning? Which effects are 
            
139
expected with the loss of such important species groups? How are 
146
expected with the loss of such important species groups? How are 
            
140
aboveground organisms interacting with belowground organisms? Which 
147
aboveground organisms interacting with belowground organisms? Which 
            
141
abiotic and biotic conditions favor diverse ecosystems? Is global 
148
abiotic and biotic conditions favor diverse ecosystems? Is global 
            
142
change (for example eutrophication, habitat fragmentation, climate) a 
149
change (for example eutrophication, habitat fragmentation, climate) a 
            
143
thread for diverse ecosystems? How can diverse ecosystems be 
150
thread for diverse ecosystems? How can diverse ecosystems be 
            
144
protected?",
151
protected?",
            
145
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
152
    "id": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
146
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
153
    "image_url": "2018-07-10-090227.680797LogoWSL.svg",
            
147
    "is_organization": true,
154
    "is_organization": true,
            
148
    "name": "plant-animal-interactions",
155
    "name": "plant-animal-interactions",
            
149
    "state": "active",
156
    "state": "active",
            
150
    "title": "Plant-Animal Interactions",
157
    "title": "Plant-Animal Interactions",
            
151
    "type": "organization"
158
    "type": "organization"
            
152
  },
159
  },
            
153
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
160
  "owner_org": "60e92a46-5f9b-4a06-a32e-6a5e04869486",
            
154
  "private": false,
161
  "private": false,
            
155
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
162
  "publication": "{\"publication_year\": \"2023\", \"publisher\": 
            
156
\"EnviDat\"}",
163
\"EnviDat\"}",
            
157
  "publication_state": "pub_pending",
164
  "publication_state": "pub_pending",
            
158
  "related_datasets": "",
165
  "related_datasets": "",
            
159
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
166
  "related_publications": "Risch Anita C., Zimmermann, Stefan, 
            
160
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
167
Sch\u00fctz, Martin, Borer, Elizabeth T., Broadbent, Arthur A.D., 
            
161
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
168
Caldeira, Maria C., Davies, Kendi F., Eisenhauer, Nico, Eskelinen, 
            
162
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
169
Anu, Fay, Philip A., Hagedorn, Frank, Knops, Johannes M.H., 
            
163
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
170
Lembrechts, Jonas, J., MacDougall, Andrew S., McCulley, Rebecca L., 
            
164
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
171
Melbourne, Brett A., Moore, Joslin L., Power, Sally A., Seabloom, Eric 
            
165
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
172
W., Silveira, Maria L., Virtanen, Risto, Yahdjian, Laura, Ochoa-Hueso, 
            
166
Raul (accepted). Drivers of the microbial metabolic quotient across 
173
Raul (accepted). Drivers of the microbial metabolic quotient across 
            
167
global grasslands. Global Ecology and Biogeography",
174
global grasslands. Global Ecology and Biogeography",
            
168
  "relationships_as_object": [],
175
  "relationships_as_object": [],
            
169
  "relationships_as_subject": [],
176
  "relationships_as_subject": [],
            
170
  "resource_type": "datapaper",
177
  "resource_type": "datapaper",
            
171
  "resource_type_general": "datapaper",
178
  "resource_type_general": "datapaper",
            
172
  "resources": [
179
  "resources": [
            
173
    {
180
    {
            
174
      "cache_last_updated": null,
181
      "cache_last_updated": null,
            
175
      "cache_url": null,
182
      "cache_url": null,
            
176
      "created": "2023-02-18T03:43:03.643074",
183
      "created": "2023-02-18T03:43:03.643074",
            
177
      "description": "Study sites and experimental design\r\nWe 
184
      "description": "Study sites and experimental design\r\nWe 
            
178
collected data from 23 sites that are part of the Nutrient Network 
185
collected data from 23 sites that are part of the Nutrient Network 
            
179
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
186
Global Research Cooperative (NutNet, https://nutnet.umn.edu/). The 
            
180
mean annual air temperature (MAT) across these sites ranged from -4 to 
187
mean annual air temperature (MAT) across these sites ranged from -4 to 
            
181
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
188
22\u00b0C, mean annual precipitation (MAP) from 252 to 1592 mm, and 
            
182
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
189
elevations from 6 to 4261 m above sea level (Fig 1a, Supplementary 
            
183
Table S1), hence cover a wide range of climatic conditions under which 
190
Table S1), hence cover a wide range of climatic conditions under which 
            
184
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
191
grasslands occur (Fig 1b). Soil organic C concentrations ranged 
            
185
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
192
between 0.8 to 7.8%, soil total N concentrations between 0.1 and 0.6%, 
            
186
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
193
and the soil C:N ratio between 9.1 and 21.5. Soil clay content spanned 
            
187
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
194
from 3.0 to 35%, and soil pH from 3.4 to 7.6 (Supplementary Table S2). 
            
188
\r\nAt each site, the effects of nutrient addition and herbivore 
195
\r\nAt each site, the effects of nutrient addition and herbivore 
            
189
exclusion were tested via a randomized-block design (Borer et al., 
196
exclusion were tested via a randomized-block design (Borer et al., 
            
190
2014). Three blocks with 10 treatment plots each were established at 
197
2014). Three blocks with 10 treatment plots each were established at 
            
191
each site, except for the site at bldr.us (only two blocks). Each of 
198
each site, except for the site at bldr.us (only two blocks). Each of 
            
192
these 10 plots was randomly assigned to a nutrient or fencing 
199
these 10 plots was randomly assigned to a nutrient or fencing 
            
193
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
200
treatment. An individual plot was 5 x 5 m, divided into four 2.5 x 2.5 
            
194
m subplots. Each subplot was further divided into four 1 x 1 m square 
201
m subplots. Each subplot was further divided into four 1 x 1 m square 
            
195
sampling plots, one of which was set aside for soil sampling (Borer et 
202
sampling plots, one of which was set aside for soil sampling (Borer et 
            
196
al., 2014). Plots were separated by at least 1 m wide walkways. We 
203
al., 2014). Plots were separated by at least 1 m wide walkways. We 
            
197
collected soil samples from four different treatments for this study: 
204
collected soil samples from four different treatments for this study: 
            
198
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
205
(i) untreated control plots (Control), (ii) herbivore exclusion plots 
            
199
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
206
(Fence), (iii) plots fertilized with N, P, K, plus nine essential 
            
200
macro and micronutrients (NPK), and (iv) plots with simultaneous 
207
macro and micronutrients (NPK), and (iv) plots with simultaneous 
            
201
fertilizer addition and herbivore exclusion (NPK+Fence). The 
208
fertilizer addition and herbivore exclusion (NPK+Fence). The 
            
202
experiments were established at different times in the past, with 
209
experiments were established at different times in the past, with 
            
203
years of treatment different among sites (2 \u2013 9 years since start 
210
years of treatment different among sites (2 \u2013 9 years since start 
            
204
of treatment; Supplementary Table S1). For the nutrient additions, all 
211
of treatment; Supplementary Table S1). For the nutrient additions, all 
            
205
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
212
sites applied 10 g N m-2 each year as time-release urea; 10 g P m-2 
            
206
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
213
yr-1 as triple-super phosphate; 10 g K m-2 yr-1 as potassium sulfate. 
            
207
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
214
A micro-nutrient mix (Fe, S, Mg, Mn, Cu, Zn, B, Mo, Ca) was applied at 
            
208
100 g m-2 together with K in the first year of treatments but not 
215
100 g m-2 together with K in the first year of treatments but not 
            
209
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
216
thereafter. \r\nWe excluded large vertebrate herbivores (Fence) by 
            
210
fencing two plots, one with and one without NPK additions, within each 
217
fencing two plots, one with and one without NPK additions, within each 
            
211
block. The fences excluded all aboveground mammalian herbivores with a 
218
block. The fences excluded all aboveground mammalian herbivores with a 
            
212
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
219
body mass of over 50 g (Borer et al., 2014). At most sites, the fences 
            
213
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
220
were 180 cm high, and the fence contained a wire mesh (1 cm holes) for 
            
214
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
221
the bottom 90 cm with a 30 cm outward-facing flange stapled to the 
            
215
ground to exclude burrowing animals. Climbing and subterranean animals 
222
ground to exclude burrowing animals. Climbing and subterranean animals 
            
216
may potentially still access these plots (Borer et al., 2014). For 
223
may potentially still access these plots (Borer et al., 2014). For 
            
217
slight modifications in fence design at a few sites see Supplementary 
224
slight modifications in fence design at a few sites see Supplementary 
            
218
Table S3. Most sites only had wild herbivores, although four sites 
225
Table S3. Most sites only had wild herbivores, although four sites 
            
219
were also grazed by domestic animals (Supplementary Table 
226
were also grazed by domestic animals (Supplementary Table 
            
220
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
227
S1).\r\n\r\nCollection of soil samples, soil microbial respiration, 
            
221
microbial biomass, and other soil properties\r\nEach of the 23 sites 
228
microbial biomass, and other soil properties\r\nEach of the 23 sites 
            
222
received a package containing identical material from the Swiss 
229
received a package containing identical material from the Swiss 
            
223
Federal Institute for Forest, Snow and Landscape Research WSL, 
230
Federal Institute for Forest, Snow and Landscape Research WSL, 
            
224
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
231
Switzerland to be used for sampling (Risch et al., 2015; Risch et al., 
            
225
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
232
2019). We collected two soil cores of 5 cm diameter and 12 cm depth in 
            
226
each sampling plot and composited them to measure MR, MBC, and soil 
233
each sampling plot and composited them to measure MR, MBC, and soil 
            
227
chemical properties (see below). An additional sample (5 x 12 cm) was 
234
chemical properties (see below). An additional sample (5 x 12 cm) was 
            
228
collected to assess soil physical properties. This sample remained 
235
collected to assess soil physical properties. This sample remained 
            
229
within a steel sampling core after collection and both ends were 
236
within a steel sampling core after collection and both ends were 
            
230
tightly closed with plastic caps to avoid disturbance. All soils were 
237
tightly closed with plastic caps to avoid disturbance. All soils were 
            
231
shipped cooled to the laboratory at (Location will be disclosed after 
238
shipped cooled to the laboratory at (Location will be disclosed after 
            
232
manuscript acceptance) within a few days after collection. Soils were 
239
manuscript acceptance) within a few days after collection. Soils were 
            
233
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
240
sampled roughly 6 weeks prior to peak biomass at each site during 2015 
            
234
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
241
and 2016.\r\nTo assess MR (CO2 production) in a laboratory incubation 
            
235
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
242
experiment we weighed duplicate soil samples (8 g dry soil equivalent) 
            
236
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
243
into 50-ml Falcon tubes. No additional substrate (glucose, sugar) was 
            
237
added to these samples. We adjusted the soil moisture of each sample 
244
added to these samples. We adjusted the soil moisture of each sample 
            
238
to 60% field capacity. We then placed a 15 ml plastic test tube 
245
to 60% field capacity. We then placed a 15 ml plastic test tube 
            
239
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
246
(Semadeni 1701A) containing 7.25 ml 0.05 M NaOH over each soil sample. 
            
240
The test tube was fixed with a plastic rod so that it was not in 
247
The test tube was fixed with a plastic rod so that it was not in 
            
241
contact with the soil sample. The Falcon tubes were then sealed with a 
248
contact with the soil sample. The Falcon tubes were then sealed with a 
            
242
screw cap and placed in an incubator under completely dark conditions 
249
screw cap and placed in an incubator under completely dark conditions 
            
243
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
250
at 20\u00b0C. The CO2 produced by microbial respiration was absorbed 
            
244
by the 0.05 M NaOH. For five weeks we measured the decrease in 
251
by the 0.05 M NaOH. For five weeks we measured the decrease in 
            
245
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
252
conductivity within the 0.05 M NaOH solution on a weekly basis with a 
            
246
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
253
Multimeter WTW Multi 3410 (WTW GmbH, Germany) and replaced the 0.05 M 
            
247
NaOH with fresh solution. We included Falcon tubes without soil 
254
NaOH with fresh solution. We included Falcon tubes without soil 
            
248
samples in each incubation run as blanks to test if tubes were tight 
255
samples in each incubation run as blanks to test if tubes were tight 
            
249
and no CO2 could enter or escape. We calibrated the relationship 
256
and no CO2 could enter or escape. We calibrated the relationship 
            
250
between conductivity reduction and NaOH absorbed as follows: 400 ml 
257
between conductivity reduction and NaOH absorbed as follows: 400 ml 
            
251
0.05 M NaOH was placed in a beaker and its conductivity was measured 
258
0.05 M NaOH was placed in a beaker and its conductivity was measured 
            
252
with the multimeter. While stirring, air containing CO2 was blown into 
259
with the multimeter. While stirring, air containing CO2 was blown into 
            
253
the solution for approximately one minute, which reacts with NaOH to 
260
the solution for approximately one minute, which reacts with NaOH to 
            
254
form Na2CO3. After this process, conductivity was measured again. We 
261
form Na2CO3. After this process, conductivity was measured again. We 
            
255
then transferred 7.25 ml of the solution into a smaller beaker and 
262
then transferred 7.25 ml of the solution into a smaller beaker and 
            
256
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
263
added 1 ml of 0.1 M BaCl2 to precipitate Na2CO3 and then titrated the 
            
257
solution with 0.05 M HCl to determine the remaining NaOH. We then 
264
solution with 0.05 M HCl to determine the remaining NaOH. We then 
            
258
repeated these steps with the remaining solution a total of nine times 
265
repeated these steps with the remaining solution a total of nine times 
            
259
and plotted the conductivities (y-axis) against the NaOH consumed 
266
and plotted the conductivities (y-axis) against the NaOH consumed 
            
260
(x-axis, Supplementary Fig S1). This regression line was used to infer 
267
(x-axis, Supplementary Fig S1). This regression line was used to infer 
            
261
the consumption of NaOH from the conductivity reduction in the 
268
the consumption of NaOH from the conductivity reduction in the 
            
262
incubation experiments and to calculate CO2 evolution during 
269
incubation experiments and to calculate CO2 evolution during 
            
263
incubation. In addition, we determined the optimum concentration for 
270
incubation. In addition, we determined the optimum concentration for 
            
264
the NaOH solution in series of preliminary experiments, so that the 
271
the NaOH solution in series of preliminary experiments, so that the 
            
265
concentration was not too high to become insensitive, but also not too 
272
concentration was not too high to become insensitive, but also not too 
            
266
low so that not all NaOH reacts during incubation. We then calculated 
273
low so that not all NaOH reacts during incubation. We then calculated 
            
267
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
274
MR (mg CO2-C kg dry soil-1 h-1) as total amount of CO2 released over 
            
268
the 5 weeks divided by the duration of the entire incubation in 
275
the 5 weeks divided by the duration of the entire incubation in 
            
269
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
276
hrs.\r\nSoil microbial biomass carbon (MBC; mg C kg soil-1 ) was 
            
270
measured at the beginning of the experiment by measuring the maximal 
277
measured at the beginning of the experiment by measuring the maximal 
            
271
respiratory response to the addition of glucose solution (4 mg glucose 
278
respiratory response to the addition of glucose solution (4 mg glucose 
            
272
per g soil dry weight dissolved in distilled water; substrate-induced 
279
per g soil dry weight dissolved in distilled water; substrate-induced 
            
273
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
280
respiration method) on approximately 5.5 g of soil (J. P. E. Anderson 
            
274
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
281
& Domsch, 1978; Nico Eisenhauer et al., 2018; Scheu, 1992). For this 
            
275
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
282
purpose we used an O2-micro-compensation apparatus (Scheu, 1992). More 
            
276
specifically, substrate-induced respiration was calculated from the 
283
specifically, substrate-induced respiration was calculated from the 
            
277
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
284
respiratory response to D-glucose for 10 hr at 20\u00b0C. Glucose was 
            
278
added according to preliminary studies to saturate the catabolic 
285
added according to preliminary studies to saturate the catabolic 
            
279
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
286
enzymes of microorganisms (4 mg g soil-1 dissolved in 400 ml deionized 
            
280
water). The mean of the lowest three readings within the first 10 hrs 
287
water). The mean of the lowest three readings within the first 10 hrs 
            
281
(between the initial peak caused by disturbing the soil and the peak 
288
(between the initial peak caused by disturbing the soil and the peak 
            
282
caused by microbial growth) was taken as maximum initial respiratory 
289
caused by microbial growth) was taken as maximum initial respiratory 
            
283
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
290
response (MIRR; ml O2 kg soil-1 h-1) and microbial biomass (mg C kg 
            
284
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
291
soil-1) was calculated as 38 x MIRR (Beck et al., 1997; Cesarz et al., 
            
285
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
292
2022; Thakur et al., 2015).\r\nThe rest of the composited sample was 
            
286
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
293
dried at 65\u00b0C for 48 h, ground and sieved (2 mm mesh) to assess 
            
287
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
294
the soil pH, mineral soil total C and N and C:N ratio, and mineral 
            
288
soil organic C (Risch et al., 2019). The undisturbed sample was used 
295
soil organic C (Risch et al., 2019). The undisturbed sample was used 
            
289
to assess water holding capacity (WHC), bulk density (BD), and soil 
296
to assess water holding capacity (WHC), bulk density (BD), and soil 
            
290
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
297
texture [sand, silt, clay; methods in (Risch et al., 2019)]. We used 
            
291
the percentage of sand and clay as an indicator of soil texture in 
298
the percentage of sand and clay as an indicator of soil texture in 
            
292
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
299
this study. MAT (\u00b0C), MAP (mm) and temperature of the wettest 
            
293
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
300
quarter (\u00b0C) were obtained from www.worldclim.com (Fick & 
            
294
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
301
Hijmans, 2017; Hijmans, Cameron, Parra, Jones, & Jarvis, 2005). These 
            
295
variables were selected as they were found to be drivers of soil 
302
variables were selected as they were found to be drivers of soil 
            
296
nutrient processes across these sites in earlier studies (Risch et 
303
nutrient processes across these sites in earlier studies (Risch et 
            
297
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
304
al., 2020; Risch et al., 2019). Mean annual soil temperatures (MAST; 
            
298
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
305
\u00b0C) for the 0 to 5 cm soil layer were obtained for each site from 
            
299
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
306
the SoilTemp maps (J. Lembrechts et al., 2021; J. J. Lembrechts et 
            
300
al., 2022), global gridded modelled products of soil bioclimatic 
307
al., 2022), global gridded modelled products of soil bioclimatic 
            
301
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
308
variables for the 1979-2013 period at a 1-km\u00b2 resolution, based 
            
302
on CHELSA, ERA5 and in-situ soil temperature 
309
on CHELSA, ERA5 and in-situ soil temperature 
            
303
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
310
measurements.\r\nNumerical calculations and statistical analyses\r\nWe 
            
304
calculated MMQ as MR/MBC. We corrected this measure using the average 
311
calculated MMQ as MR/MBC. We corrected this measure using the average 
            
305
soil temperature of each site (MMQsoil). This temperature correction 
312
soil temperature of each site (MMQsoil). This temperature correction 
            
306
is necessary as incubation temperatures are usually much higher than 
313
is necessary as incubation temperatures are usually much higher than 
            
307
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
314
site mean annual soil temperatures (see Xu et al. 2017). MMQsoil = MMQ 
            
308
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
315
x Q10(MAST \u2013 20)/10, where Q10 was assumed to be 2 (Xu et al. 
            
309
2017). See Supplementary Fig S2 for comparison of air and soil 
316
2017). See Supplementary Fig S2 for comparison of air and soil 
            
310
temperatures across the 23 sites as well as the incubation 
317
temperatures across the 23 sites as well as the incubation 
            
311
temperature. \r\nSome of the explanatory variables (clay, soil organic 
318
temperature. \r\nSome of the explanatory variables (clay, soil organic 
            
312
C, C:N ratio) were skewed and were thus log-transformed prior to 
319
C, C:N ratio) were skewed and were thus log-transformed prior to 
            
313
analyses. All continuous explanatory variables were centred and scaled 
320
analyses. All continuous explanatory variables were centred and scaled 
            
314
to have a mean of zero and variance of one. To avoid collinearity 
321
to have a mean of zero and variance of one. To avoid collinearity 
            
315
between them we filtered them using correlation analysis 
322
between them we filtered them using correlation analysis 
            
316
(Supplementary Fig S3). From the variables that were strongly 
323
(Supplementary Fig S3). From the variables that were strongly 
            
317
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
324
correlated (Pearson\u2019s |r| > 0.70) (Dormann et al., 2013), we 
            
318
selected the ones that allowed us to minimize the number of variables 
325
selected the ones that allowed us to minimize the number of variables 
            
319
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
326
(Supplementary Fig S3). Specifically, soil total N concentration, soil 
            
320
total C concentration, soil sand content and soil bulk density were 
327
total C concentration, soil sand content and soil bulk density were 
            
321
dropped from the dataset. We then assessed how these edaphoclimatic 
328
dropped from the dataset. We then assessed how these edaphoclimatic 
            
322
variables are related to MMQ across our global grasslands.\r\nFor 
329
variables are related to MMQ across our global grasslands.\r\nFor 
            
323
this, we used linear mixed effects models (LMMs) fitted by maximum 
330
this, we used linear mixed effects models (LMMs) fitted by maximum 
            
324
likelihood with the lme function in the nlme package (version 3.1-153) 
331
likelihood with the lme function in the nlme package (version 3.1-153) 
            
325
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
332
(Pinheiro, Bates, DebRoy, & Sarkar, 2021) in R version 3.6.3. (R Core 
            
326
Team, 2019). We used treatment as a fixed effect and plot nested in 
333
Team, 2019). We used treatment as a fixed effect and plot nested in 
            
327
site as random effects to assess treatment differences in MMQsoil, as 
334
site as random effects to assess treatment differences in MMQsoil, as 
            
328
well as MR, and MBC. The number of years since the treatment started 
335
well as MR, and MBC. The number of years since the treatment started 
            
329
was included as a fixed effect in all the initial models but was not 
336
was included as a fixed effect in all the initial models but was not 
            
330
significant and therefore not retained in the models. To assess how 
337
significant and therefore not retained in the models. To assess how 
            
331
differences in MMQsoil were affected by environmental factors (soil, 
338
differences in MMQsoil were affected by environmental factors (soil, 
            
332
climatic properties) we again used LMMs. Soil and climatic properties 
339
climatic properties) we again used LMMs. Soil and climatic properties 
            
333
were included as fixed effects and plot nested in site as random 
340
were included as fixed effects and plot nested in site as random 
            
334
effects. We did not include interactions between environmental 
341
effects. We did not include interactions between environmental 
            
335
variables. We then used the MuMin package (Barton, 2018) (version 
342
variables. We then used the MuMin package (Barton, 2018) (version 
            
336
1.42.1) to select the best models that explained the most variation 
343
1.42.1) to select the best models that explained the most variation 
            
337
based on Akaike\u2019s information criterion (AIC; model.avg 
344
based on Akaike\u2019s information criterion (AIC; model.avg 
            
338
function). We used the corrected AIC (AICc) to account for our small 
345
function). We used the corrected AIC (AICc) to account for our small 
            
339
sample size and selected the top models that fell within 4 AICc units 
346
sample size and selected the top models that fell within 4 AICc units 
            
340
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
347
(delta AICc < 4) (Burnham & Anderson, 2002; Johnson & Omland, 2004). 
            
341
We present all our top models rather than model averages. Conditional 
348
We present all our top models rather than model averages. Conditional 
            
342
averages are provided in the Supplementary material. \r\nBased on 
349
averages are provided in the Supplementary material. \r\nBased on 
            
343
findings from analyses described above and the literature, we 
350
findings from analyses described above and the literature, we 
            
344
developed a conceptual model of direct and indirect relationships 
351
developed a conceptual model of direct and indirect relationships 
            
345
between both edaphoclimatic variables and experimental treatments 
352
between both edaphoclimatic variables and experimental treatments 
            
346
(Supplement Figure S4) to obtain a more holistic approach in 
353
(Supplement Figure S4) to obtain a more holistic approach in 
            
347
understanding how these properties affect MMQsoil. We had data from 23 
354
understanding how these properties affect MMQsoil. We had data from 23 
            
348
sites with 272 observations. We tested this model using structural 
355
sites with 272 observations. We tested this model using structural 
            
349
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
356
equation modelling based on a d-sep approach (Lefcheck, 2016; Shipley, 
            
350
2009). We considered those environmental drivers that were included in 
357
2009). We considered those environmental drivers that were included in 
            
351
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
358
our top LMMs, namely temperature of the wettest quarter (T.q.wet), 
            
352
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
359
soil pH, water holding capacity (WHC) and soil organic C (organic C; 
            
353
Supplementary Figure S4). These factors were allowed to directly 
360
Supplementary Figure S4). These factors were allowed to directly 
            
354
affect MMQsoil, and via their interactions with treatments. In 
361
affect MMQsoil, and via their interactions with treatments. In 
            
355
addition, treatments were allowed to directly affect MMQsoil. 
362
addition, treatments were allowed to directly affect MMQsoil. 
            
356
Treatments were included as dummy variables in the model. We tested 
363
Treatments were included as dummy variables in the model. We tested 
            
357
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
364
our conceptual model (Supplementary Fig S4) using the piecewiseSEM 
            
358
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
365
package (version 2.0.2; Lefcheck, 2016) in R 3.4.0, in which a 
            
359
structured set of linear models are fitted individually. This approach 
366
structured set of linear models are fitted individually. This approach 
            
360
allowed us to account for the nested experimental design, and overcome 
367
allowed us to account for the nested experimental design, and overcome 
            
361
some of the limitations of standard structural equation models, such 
368
some of the limitations of standard structural equation models, such 
            
362
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
369
as small sample sizes (Lefcheck, 2016; Shipley, 2009). We used the lme 
            
363
function of the nlme package to model response variables, including 
370
function of the nlme package to model response variables, including 
            
364
site as a random factor. Good fit of the SEM was assumed when 
371
site as a random factor. Good fit of the SEM was assumed when 
            
365
Fisher\u2019s C values were non-significant (p > 0.05). For all 
372
Fisher\u2019s C values were non-significant (p > 0.05). For all 
            
366
significant interactions between soil or climate variables and 
373
significant interactions between soil or climate variables and 
            
367
treatments detected in the SEMs, we calculated treatment effect sizes, 
374
treatments detected in the SEMs, we calculated treatment effect sizes, 
            
368
i.e., the differences in MMQsoil between Control and treatments as log 
375
i.e., the differences in MMQsoil between Control and treatments as log 
            
369
response ratios (LRR) and plotted these values against the climate or 
376
response ratios (LRR) and plotted these values against the climate or 
            
370
soil factors. The LRR were defined as log(Control/Treatment), where 
377
soil factors. The LRR were defined as log(Control/Treatment), where 
            
371
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
378
treatment was either Fence, NPK or NPK+Fence. To assess which of the 
            
372
LRR-climate or soil property relationships were significant we again 
379
LRR-climate or soil property relationships were significant we again 
            
373
used LMMs, in which soil and climatic properties were included as 
380
used LMMs, in which soil and climatic properties were included as 
            
374
fixed effects and plot nested in site as random effects. \r\n",
381
fixed effects and plot nested in site as random effects. \r\n",
            
375
      "doi": "",
382
      "doi": "",
            
376
      "format": ".xlsx",
383
      "format": ".xlsx",
            
377
      "hash": "",
384
      "hash": "",
            
378
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
385
      "id": "1d2ce620-f7d6-4408-bf61-df123c0936e0",
            
379
      "last_modified": "2023-02-18T04:43:07.514444",
386
      "last_modified": "2023-02-18T04:43:07.514444",
            
380
      "metadata_modified": "2023-02-18T03:43:07.860695",
387
      "metadata_modified": "2023-02-18T03:43:07.860695",
            
381
      "mimetype": null,
388
      "mimetype": null,
            
382
      "mimetype_inner": null,
389
      "mimetype_inner": null,
            
383
      "name": "Risch et al. GEB_data.xlsx",
390
      "name": "Risch et al. GEB_data.xlsx",
            
384
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
391
      "package_id": "679bdff7-9fb3-4704-be93-8add5cb206ba",
            
385
      "position": 0,
392
      "position": 0,
            
386
      "publication_state": "",
393
      "publication_state": "",
            
387
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
394
      "resource_size": "{\"size_value\": \"\", \"size_units\": 
            
388
\"kb\"}",
395
\"kb\"}",
            
389
      "resource_type": null,
396
      "resource_type": null,
            
390
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
397
      "restricted": "{\"level\": \"public\", \"allowed_users\": \"\", 
            
391
\"shared_secret\": \"\"}",
398
\"shared_secret\": \"\"}",
            
392
      "size": 110080,
399
      "size": 110080,
            
393
      "state": "active",
400
      "state": "active",
            
394
      "url": 
401
      "url": 
            
395
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
402
ce620-f7d6-4408-bf61-df123c0936e0/download/risch-et-al.-geb_data.xls",
            
396
      "url_type": "upload"
403
      "url_type": "upload"
            
397
    }
404
    }
            
398
  ],
405
  ],
            
399
  "spatial": 
406
  "spatial": 
            
400
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
407
144.140625,-25.630963807817977],[-148.359375,-25.630963807817977]]]}",
            
401
  "spatial_info": "worldwide",
408
  "spatial_info": "worldwide",
            
402
  "state": "active",
409
  "state": "active",
            
403
  "subtitle": "",
410
  "subtitle": "",
            
404
  "tags": [
411
  "tags": [
            
405
    {
412
    {
            
406
      "display_name": "ANTHROPOGENIC MANAGEMENT",
413
      "display_name": "ANTHROPOGENIC MANAGEMENT",
            
407
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
414
      "id": "aaa17ebf-8bc8-4a00-bded-562d08c10a42",
            
408
      "name": "ANTHROPOGENIC MANAGEMENT",
415
      "name": "ANTHROPOGENIC MANAGEMENT",
            
409
      "state": "active",
416
      "state": "active",
            
410
      "vocabulary_id": null
417
      "vocabulary_id": null
            
411
    },
418
    },
            
412
    {
419
    {
            
413
      "display_name": "CLIMATE",
420
      "display_name": "CLIMATE",
            
414
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
421
      "id": "5a33b7dc-dca1-42c3-8651-9d00b5428823",
            
415
      "name": "CLIMATE",
422
      "name": "CLIMATE",
            
416
      "state": "active",
423
      "state": "active",
            
417
      "vocabulary_id": null
424
      "vocabulary_id": null
            
418
    },
425
    },
            
419
    {
426
    {
            
420
      "display_name": "HERBIVORE EXCLUSION",
427
      "display_name": "HERBIVORE EXCLUSION",
            
421
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
428
      "id": "f2021f0d-d563-4f9c-a24f-1acebac60b92",
            
422
      "name": "HERBIVORE EXCLUSION",
429
      "name": "HERBIVORE EXCLUSION",
            
423
      "state": "active",
430
      "state": "active",
            
424
      "vocabulary_id": null
431
      "vocabulary_id": null
            
425
    },
432
    },
            
426
    {
433
    {
            
427
      "display_name": "MICROBIAL BIOMASS CARBON",
434
      "display_name": "MICROBIAL BIOMASS CARBON",
            
428
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
435
      "id": "edd64a11-276e-4acf-b063-0370c63ee135",
            
429
      "name": "MICROBIAL BIOMASS CARBON",
436
      "name": "MICROBIAL BIOMASS CARBON",
            
430
      "state": "active",
437
      "state": "active",
            
431
      "vocabulary_id": null
438
      "vocabulary_id": null
            
432
    },
439
    },
            
433
    {
440
    {
            
434
      "display_name": "MICROBIAL RESPIRATION",
441
      "display_name": "MICROBIAL RESPIRATION",
            
435
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
442
      "id": "4d759529-e01f-4c61-a5a9-debb88d681d1",
            
436
      "name": "MICROBIAL RESPIRATION",
443
      "name": "MICROBIAL RESPIRATION",
            
437
      "state": "active",
444
      "state": "active",
            
438
      "vocabulary_id": null
445
      "vocabulary_id": null
            
439
    },
446
    },
            
440
    {
447
    {
            
441
      "display_name": "NUTRIENT ADDITION",
448
      "display_name": "NUTRIENT ADDITION",
            
442
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
449
      "id": "3e6bed69-a2b3-4036-b6d8-e5592f7cef4a",
            
443
      "name": "NUTRIENT ADDITION",
450
      "name": "NUTRIENT ADDITION",
            
444
      "state": "active",
451
      "state": "active",
            
445
      "vocabulary_id": null
452
      "vocabulary_id": null
            
446
    },
453
    },
            
447
    {
454
    {
            
448
      "display_name": "SOIL PROPERTIES",
455
      "display_name": "SOIL PROPERTIES",
            
449
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
456
      "id": "4730ad8f-dea2-4b33-b551-85acf1ebaac4",
            
450
      "name": "SOIL PROPERTIES",
457
      "name": "SOIL PROPERTIES",
            
451
      "state": "active",
458
      "state": "active",
            
452
      "vocabulary_id": null
459
      "vocabulary_id": null
            
453
    }
460
    }
            
454
  ],
461
  ],
            
455
  "title": "Drivers of the microbial metabolic quotient across global 
462
  "title": "Drivers of the microbial metabolic quotient across global 
            
456
grasslands",
463
grasslands",
            
457
  "type": "dataset",
464
  "type": "dataset",
            
458
  "url": null,
465
  "url": null,
            
459
  "version": "1.0"
466
  "version": "1.0"
            
460
}
467
}