Urban Parks and Native Trees: A Profitable Strategy for Carbon Sequestration and Climate Resilience
Notice bibliographique
Résumé
Urban green spaces are increasingly recognized for their potential to mitigate climate change by reducing atmospheric concentrations of greenhouse gases, especially carbon dioxide (CO2). However, enhancing carbon sequestration efficiency in limited urban green areas remains a significant challenge for sustainable urban planning. Trees are among the most cost-effective and efficient natural carbon sinks, surpassing other types of land cover in terms CO2 absorption and storage. The present study aimed to evaluate the carbon sequestration potential of four native tree species, Pongamia pinnata, Azadirachta indica, Melia azedarach, and Dalbergia sissoo, in urban parks across Multan City, Pakistan. A total of 456 trees of selected species within six parks of Multan City were inventoried to estimate the biomass and carbon stock using species-specific allometric equations. Soil organic carbon at two soil depths beneath the canopy of each tree was also estimated using Walkley–Black method. The findings revealed that the highest mean tree biomass (2.16 Mg ha−1), carbon stock (1.04 Mg ha−1) and carbon sequestration (3.80 Mg ha−1) were estimated for Dalbergia sissoo, while Melia azedarach exhibited the lowest (0.12 Mg ha−1, 0.06 Mg ha−1 & 0.23 Mg ha−1, respectively) across all six parks. The soil carbon stocks ranged from 48.86 Mg ha−1 to 61.68 Mg ha−1 across all study sites. These findings emphasize the importance of species selection in urban green planning for carbon sequestration. Strategic planting of effective native trees like Dalbergia sissoo can mitigate climate change and provide urban forest ecosystem services.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».