Ecosystems generate a wide range of benefits for humans, including some market goods as well as other benefits that are not directly reflected in market activity1. Climate change will alter the distribution of ecosystems around the world and change the flow of these benefits2,3. However, the specific implications of ecosystem changes for human welfare remain unclear, as they depend on the nature of these changes, the value of the affected benefits and the extent to which communities rely on natural systems for their well-being4. Here we estimate country-level changes in economic production and the value of non-market ecosystem benefits resulting from climate-change-induced shifts in terrestrial vegetation cover, as projected by dynamic global vegetation models (DGVMs) driven by general circulation climate models. Our results show that the annual population-weighted mean global flow of non-market ecosystem benefits valued in the wealth accounts of the World Bank will be reduced by 9.2% in 2100 under the Shared Socioeconomic Pathway SSP2-6.0 with respect to the baseline no climate change scenario and that the global population-weighted average change in gross domestic product (GDP) by 2100 is -1.3% of the baseline GDP. Because lower-income countries are more reliant on natural capital, these GDP effects are regressive. Approximately 90% of these damages are borne by the poorest 50% of countries and regions, whereas the wealthiest 10% experience only 2% of these losses.

Abstract In many industries, from food to biofuels, contamination of production systems with predators is a costly problem and requires the maintenance of sterile operating conditions. In this study, we look at the robustness of one such alkaliphilic consortium, comprised largely of a cyanobacterium Candidatus Phormidium alkaliphilum, to viral predation. This consortium has existed without a community crash over several years in laboratory and pilot scale environments. We look at CRISPR-Cas systems and viral dynamics in this consortium at four conditions using metagenomic analyses. Results show that while there are active viral members in this community, viral predation of the cyanobacteria is low and does not affect the community dynamics. The multiple CRISPR arrays within the Phormidium were found to be static following initial lab establishment of consortium. Multiple cryptic CRISPR-Cas systems were detected with uncertain viral protection capacity. Our results suggest that dynamics of potential viruses and CRISPR-Cas mediated immunity likely play an important role in the initial establishment of consortia and may continue to support the functional robustness of engineered microbial communities throughout biotechnology applications. Importance Biotechnology applications utilizing the function of microbial communities have become increasingly important solutions as we strive for sustainable applications. Although viral infections are known to have significant impact on microbial turnover and nutrient cycling, viral dynamics have remained largely overlooked in these engineered communities. Predatory perturbations to the functional stability of these microbial biotechnology applications must be investigated in order to design more robust applications. In this study, we closely examine virus-microbe dynamics in a model microbial community used in a biotechnology application. Our findings suggest that viral dynamics change significantly with environmental conditions and that microbial immunity may play an important role in maintaining functional stability. We present this study as a comprehensive template for other researchers interested in exploring predatory dynamics in engineered microbial communities.

In alkaline soda lakes, high concentrations of dissolved carbonates establish an environment favouring productive phototrophic microbial mat communities. Here we show how different species of microbial phototrophs and autotrophs contribute to this exceptional productivity. Four years of amplicon and shotgun DNA sequencing data from microbial mats from four different lakes indicated the presence of over 2,000 different species of Bacteria and Eukaryotes. Metagenome-assembled-genomes were obtained for a core microbiome of <100 abundant bacteria, which was shared among lakes and accounted for half of the extracted DNA throughout the four year sampling period. Most of the associated species were related to similar microbes previously detected in sediments of Central Asian alkaline soda lakes, showing that common selection principles drive community assembly from a globally distributed reservoir of alkaliphile biodiversity. Dispersal events between the two distant lake systems were shown to be extremely rare, with dispersal rates a function of abundance in microbial mats, but not sediments. Detection of more than 7,000 expressed proteins showed how phototrophic populations allocated resources to specific processes and occupied complementary niches. Carbon fixation only proceeded by the Calvin-Benson-Bassham cycle, detected in Cyanobacteria, Alphaproteobacteria, and, suprisingly, Gemmatomonadetes. Our study not only provides new fundamental insight into soda lake ecology, but also provides a template, guiding future efforts to engineer robust and productive biotechnology for carbon dioxide conversion.

Assessment of microbial community composition is the cornerstone of microbial ecology. Microbial community composition can be analyzed by quantifying cell numbers or by quantifying biomass for individual populations. However, as cell volumes can differ by orders of magnitude, these two approaches yield vastly different results. Methods for quantifying cell numbers are already available (e.g. fluorescence in situ hybridization, 16S rRNA gene amplicon sequencing), yet methods for assessing community composition in terms of biomass are lacking. We developed metaproteomics based methods for assessing microbial community composition using protein abundance as a measure for biomass contributions of individual populations. We optimized the accuracy and sensitivity of the method using artificially assembled microbial communities and found that it is less prone to some of the biases found in sequencing-based methods. We applied the method using communities from two different environments, microbial mats from two alkaline soda lakes and saliva from multiple individuals.

Abstract In dryland landscapes, patches of vascular plants can respond to environmental stress by adjusting their spatial pattern to intercept runoff more effectively, i.e., spatially self-organize, and maintain productivity. However, vegetation patch dynamics in drylands often assumes interspaces of plant patches are composed only of bare soil. Biological soil crusts (BSCs) are complex communities, largely of cyanobacteria, algae, lichens, and bryophytes, living in the soil surface in drylands and often cover more area than vascular plants. BSCs often occur in patches of light cyanobacteria and dark-mixed aggregates and can significantly affect and respond to ecohydrological feedbacks in dryland ecosystems. However, little is known about their spatial patterns and dynamics. In this study, we investigate spatial attributes of BSC patches, their spatial interactions with vascular plants, and factors that drive variation in these attributes. We collected ultra-high-resolution (1-cm) data on spatial patterns of BSCs and vascular plants at 26 sites across three ecoregions of the Southwest of the United States of America. Our analysis shows that light cyanobacterial BSCs vary most in their patch shape complexity along the aridity gradient, while dark-mixed BSCs vary strongly in their abundance. The abundance of dark-mixed BSCs is significantly affected by the soil template, namely soil texture and calcareousness, as well as vascular plants to persist under stress. Furthermore, species associations also change with environmental stress. Light cyanobacteria BSCs, likely a significant source of runoff, may act as a buffer for woody plants against drying, as spatial interactions between these biota become more positive (i.e., spatially aggregated) with greater aridity. While dark-mixed BSCs rely significantly on soil conditions and reduce in abundance as a response to aridity stress, we find evidence that they may have some capacity to spatially adjust under conditions of constant aridity. The interaction of dark-mixed BSCs with light cyanobacteria patches becomes more positive with slope. We conclude that light cyanobacteria BSCs can likely change patch shape in response to water limitation, while dark-mixed BSCs have a reduced capacity to do so – providing further evidence that the abundance of dark-mixed BSCs will decline in the future under drying. BSCs and vascular plants coordinate in space in response to resource availability, suggesting the need to consider self-organization of multiple assemblages to fully understand dryland response to climatic change.

Abstract In this study, we investigate mechanisms that generate regularly-spaced, iron banding in upland soils. These redoximorphic features appear in soils worldwide, but their genesis has been heretofore unresolved. Upland soils are highly redox dynamic, with significant redox fluctuations driven by rainfall, groundwater changes, or irrigation. Pattern formation in these highly dynamic systems provides an opportunity to investigate the temporal dimension of spatial self-organization, which is not often explored. By comparing multiple alternative mechanisms, we find that regular redox patterns in upland soils are formed by coupling two sets of scale-dependent feedbacks (SDF), the general framework underlying Turing instability. The first set of SDF is based on clay aggregation and disaggregation. The second set is realized by threshold-dependent, negative root responses to aggregated crystalline Fe(III). The former SDF amplifies Fe(III) aggregation and crystallinity to trigger the latter SDF. Neither set of SDF alone is sufficient to reproduce observed patterns. Redox oscillations driven by environmental variability play an indispensable role in pattern formation. Environmental variability creates a range of conditions at the same site for various processes in SDF to occur, albeit in different temporal windows of differing durations. In effect, environmental variability determines mean rates of pattern-forming processes over the timescale relevant to pattern formation and modifies the likelihood that pattern formation will occur. As such, projected climate change might significantly alter many self-organized systems, as well as the ecological consequences associated with the striking patterns they present. This temporal dimension of pattern formation is previously unreported and merits close attention. Statement of Significance Iron reactions create redox features in soils around the world. This study investigates mechanisms forming regularly-spaced iron stripes in upland soils. Upland soil redox conditions, driven by environmental variability, are highly dynamic. We show that two sets of scale-dependent feedbacks are coupled to form redox patterns and environmental variability plays a critical role in both. Significantly, environmental variability creates opportunities for various pattern-forming processes to occur at the same site in different temporal windows and determines mean process rates over the timescale relevant to pattern formation. Hence, environmental variability dictates the likelihood of pattern formation. Such a critical role of the temporal dimension in spatial self-organization has rarely been reported and has great potential for application in other self-organized ecosystems.

Abstract Freshwater ecosystems receive substantial terrestrial organic matter (t-OM) from surrounding landscapes. How the t-OM is transferred affects aquatic food webs and global carbon budgets. Previous studies have emphasized terrestrial support of aquatic ecosystems via direct organic carbon subsidy, overlooking the dissolved inorganic carbon (DIC) pathway, that is, DIC from t-OM decomposition is used by aquatic primary producers, supporting higher trophic levels. Using 2-year 13 C and 15 N measurements of phytoplankton, zooplankton, terrestrial plants, sediments, dissolved and particulate organic matter from seasonal wetlands, we found that while zooplankton (mid-trophic consumers) used t-OM directly in January, in March and May zooplankton were mainly supported by phytoplankton that used DIC recycled from t-OM mineralization and methanogenesis. The dominance of this DIC pathway is tightly coupled with the characteristics of these systems. Mineralization and methanogenesis of rich fresh t-OM resulted in supersaturated CO 2 with high CO 2 and CH 4 emissions. Atmospheric CO 2 diffusion and methanogenesis significantly enriched δ 13 C of DIC, leading to wide variations in δ 13 C of DIC between -12.4 and 6.7 ‰, which provided ideal conditions to quantify carbon cycling in these widespread but understudied ecosystems. Our findings draw attention to potentially high carbon emissions from temporary freshwater ecosystems that are being increasingly common under warming climate.

Measurements of the carbon stable isotope ratio (δ13C) are widely used in biology to address major questions regarding food sources and metabolic pathways used by organisms. Measurement of these so called stable carbon isotope fingerprints (SIFs) for microbes involved in biogeochemical cycling and microbiota of plants and animals have led to major discoveries in environmental microbiology. Currently, obtaining SIFs for microbial communities is challenging as the available methods either only provide limited taxonomic resolution, such as with the use of lipid biomarkers, or are limited in throughput, such as NanoSIMS imaging of single cells. Here we present "direct Protein-SIF" and the Calis-p software package (https://sourceforge.net/projects/calis-p/), which enable high-throughput measurements of accurate δ13C values for individual species within a microbial community. We benchmark the method using 20 pure culture microorganisms and show that the method reproducibly provides SIF values consistent with gold standard bulk measurements performed with an isotope ratio mass spectrometer. Using mock community samples, we show that SIF values can also be obtained for individual species within a microbial community. Finally, a case study of an obligate bacteria-animal symbiosis showed that direct Protein-SIF confirms previous physiological hypotheses and can provide unexpected new insights into the symbionts' metabolism. This confirms the usefulness of this new approach to accurately determine δ13C values for different species in microbial community samples.

Microbial community profiling by barcoded 16S rRNA gene amplicon sequencing currently has many applications in microbial ecology. The low costs of the parallel sequencing of multiplexed samples, combined with the relative ease of data processing and interpretation (compared to shotgun metagenomes) have made this an entry-level approach. Here we present the MetaAmp pipeline for processing of SSU rRNA gene and other non-coding or protein-coding amplicon sequencing data by investigators that are inexperienced with bioinformatics procedures. It accepts single-end or paired-end sequences in fasta or fastq format from various sequencing platforms. It includes read quality control, and merging of forward and reverse reads of paired-end reads. It makes use of UPARSE, Mothur, and the SILVA database for clustering, removal of chimeric reads, taxonomic classification and generation of diversity metrics. The pipeline has been validated with a mock community of known composition. MetaAmp provides a convenient web interface as well as command line interface. It is freely available at: http://ebg.ucalgary.ca/metaamp. Since its launch two years ago, MetaAmp has been used >2,800 times, by many users worldwide.