本地树种多样性结构、生态系统服务及经济评估：以印度德里恢复的阿拉瓦利生物多样性公园为例

《Frontiers in Ecology and Evolution》：Structure, ecosystem services and economic evaluation of native tree diversity: a case study of the restored Aravalli Biodiversity Park, Delhi, India

　　摘要
引言：树木多样性对于维持热带城市森林的环境质量至关重要，但这些生态系统的组成、结构和功能作用尚未完全了解。城市蓝绿空间因其能够提升生物多样性和缓解气候变化而受到重视。本研究评估了印度德里阿拉瓦利生物多样性公园（Aravalli Biodiversity Park）中再生森林生态系统的多样性、结构特征和生态系统服务。

方法：在500英亩的区域内使用83个10×10米的样方进行了植被调查，共记录了80种829株本地树木。通过计算相对频率、相对密度、相对优势度和重要性值指数（IVI）等植物社会学参数来评估群落结构。测量并分析了树干胸径（DBH）、树高、树冠基部高度、树冠宽度以及树冠光照暴露等生长特性，并将其与碳储存和固碳等功能参数进行关联分析。

结果：研究显示该生态系统具有较高的物种丰富度、均匀性和多样性，表明其稳定且平衡。植物社会学分析表明森林结构复杂，栖息地多样。不同物种的生长参数存在差异，但之间存在强烈相关性。树干胸径、树高和树冠宽度与碳储存和固碳呈正相关。该公园约有202,100株树木，储存了约8,360兆克的碳，价值11.34亿卢比。这些树木每年可固碳约1,236兆克，减少近300万升地表径流，有助于地下水补给，并清除126.89兆克的空气污染物，带来的效益约为1.89亿卢比。

讨论：这些发现突显了恢复后的热带城市森林的生态和经济价值。像阿拉瓦利生物多样性公园这样的多样且结构复杂的绿地，在减缓气候变化、减少污染和可持续城市环境管理方面发挥着重要作用。

1 引言
具有高物种多样性的森林群落能够提供具有韧性和稳定性的城市生态系统，支持授粉、种子传播和自然害虫控制等关键生态功能（Hooper等人，2005；Cadotte等人，2011）。在快速发展中的城市中，这种结构和功能多样性尤为重要，因为开发活动对生态完整性构成严重威胁。预计到2050年全球人口将达到97亿（联合国经济和社会事务部，2022）。截至2025年6月，亚洲人口约为48.3亿（占世界总人口的58%），其中印度和中国合计超过28.7亿。城市绿地的持续减少与人口压力和城市扩张有关，这些因素改变了城市生态系统的微气候，并改变了土地利用和土地覆盖（Batasuma等人，2025）。一项在达卡（孟加拉国）进行的遥感研究表明，1989年至2020年间绿地减少了56%，健康植被从17%下降到2%，严重影响了空气净化、防洪和温度调节等服务（Nawar等人，2022）。另一项孟加拉国的研究指出，绿地和蓝绿空间的丧失导致生态系统服务退化，造成6.286亿美元的经济损失（Abdullah等人，2022）。印度35.55%的人口居住在城市地区（联合国经济和社会事务部，2019；Rathore，2024）。作为印度首都的德里，城市化程度达到97.5%（德里经济调查，2019）。该城市面临快速发展的环境挑战，包括空气污染加剧（Syal，2019）、可能导致城市洪水的地表径流增加、地下水补给减少以及城市热岛效应（Mohan等人，2013）。这些环境问题受人口增长和车辆排放等因素影响（Dong等人，2025）。

城市绿地在提供空气质量改善、微气候调节、城市热岛缓解、生物多样性保护和社会经济利益等方面发挥着关键作用（Young，2010；Zhou和Parves Rana，2012；Armson等人，2013；Selmi等人，2016；Park等人，2017；Xue等人，2017）。绿地包括公园、湿地和道路绿带，其组成和结构决定了所提供的生态系统服务的范围（Andersson等人，2007）。尽管人们认识到城市植被的重要性，但在细尺度上对多样植被群落的生态功能的研究仍不足（Lehmann等人，2014）。

在城市森林生态系统中，树种多样性对增强养分循环和土壤健康至关重要。不同树种产生的不同落叶量影响分解速率，从而提高土壤肥力（Lal，2004）。具有深广根系的树木有助于防止土壤侵蚀、增加水分渗透并维持土壤结构。它们复杂的根系结构支持多样化的微生物群落，有助于养分吸收和碳固存（Phillips等人，2013）。从气候调节的角度来看，树种多样性更高的森林更有效地固存大气中的二氧化碳。由多种树种组成的城市森林可以过滤空气污染物、降低温度并缓解极端气候，从而支持人类福祉（Nowak等人，2014）。

近期研究强调了树种多样性的生态意义。加拿大国家森林清查（Chen等人，2023）发现，树种多样性显著增强了土壤碳和氮的储存能力，突显了其在气候缓解方面的潜力。另一项研究（Schnabel等人，2025a，b）表明，即使在不同气候压力（如干旱和飓风）下，种植五种树种的森林也比单一树种的森林多固存了57%的地上碳。在中国亚热带地区，一项研究发现，高多样性森林比单一树种的森林更有效地调节温度波动，夏季降温超过4°C，冬季则保持更多热量（由于树冠结构复杂）。

尽管德里经历了显著的城市化和污染，但仍通过公共公园、机构花园和路边树木保持了相当大的绿地覆盖。然而，许多这些空间被外来或入侵物种（如Neltuma juliflora）所主导，限制了其生态功能。为了恢复生态平衡和增强生态系统服务，本世纪初德里率先提出了生物多样性公园的概念（Babu和Tiwari，2021）。这些公园作为重要的蓝绿基础设施，培育本地生态系统，提供必要的生态、教育和文化服务，同时保护城市的生物多样性（Singh等人，2025）。作为城市绿色基础设施的重要组成部分，生物多样性公园提供了维持生命的重要效益，特别是对脆弱人群而言。研究表明，公园和绿地可使白天温度降低近0.94°C，夜间温度降低超过1.15°C（Bowler等人，2010）。对于缺乏气候控制条件的非正式定居点居民来说，这种自然降温可能是救命的。此外，这些公园还是城市贫困人口的重要营养和传统医药来源（Gopal和Nagendra，2014）。

目前德里有七个生物多样性公园，占地近3,000英亩。这些公园拥有三层结构的本地植物群落和相关野生动物，而传统的城市绿地通常只有修剪整齐的草坪或有限的树种。生物多样性公园通过恢复的本地生态系统提供碳固存、空气污染去除和地表径流减少等生态系统服务。这些服务已通过i-Tree Eco模型等工具进行量化（Capotorti等人，2019；Szkop，2020；Wilson和Willette，2022；Suchocka等人，2023；Hintural等人，2024）。Sharma等人（2024）利用卫星图像和i-Tree评估了德里七种本地物种的生态系统服务，揭示了在发展中国家建立树木清单的复杂性和挑战。

尽管有这些举措，但对生物多样性公园中本地植物群落的生态系统服务进行全面评估仍然不足。本研究强调了德里恢复绿地带来的生态和经济效益，这也将提高其他大城市的城市规划者和政策制定者的认识。本研究的目标是：（1）评估阿拉瓦利生物多样性公园中的树种组成和结构特征；（2）使用i-Tree Eco模型量化并评估关键生态系统服务（包括碳储存、碳固存、空气污染去除和避免径流）的经济价值；（3）研究恢复后的热带城市森林中树木生长特性与生态系统服务提供之间的关系。

2 材料与方法
2.1 研究区域
德里位于北纬28.38°、东经78.12°，属于干湿亚热带气候，边缘接近炎热半干旱气候（Beck等人，2018）。年平均降雨量为774.4毫米，主要集中在季风季节（7月至9月）。夏季炎热，年平均最高和最低温度分别为32.5°C和20.6°C。季风、夏季和冬季的相对湿度分别为82%、42%和49.3%。土壤类型主要为红土（morrum），岩石地形上覆盖着一层薄薄的红土。植被类型包括干落叶林、热带刺林和灌木丛。

阿拉瓦利生物多样性公园位于德里中南部山脊，坐标为北纬28°33’27.4”、东经77°08’49.2”（图1）。该公园占地692英亩，80%的地形为不同大小、形状和深度的morrum矿坑，散布着废料堆。该地区是地下水含水层的补给区，原本多为荒地，散布着入侵物种Neltuma juliflora、Lantana camara以及本地物种Vachellia leucophloea、Vachellia nilotica和Justicia adhatoda等树木/灌木。恢复后的景观主要包括热带干落叶林、热带刺林、灌木林和草地（图2A）。约有700种植物生活在20个群落中，孕育了多样化的动物物种。地形以岩石为主，由于过去的采矿活动，红土层厚度不一。ABP森林生态系统中的主要树种包括Butea monosperma、Holoptelea integrifolia、Vachellia leucophloea和Mitragyna parvifolia（图2B–E）。

2.2 树木采样和数据收集
选择胸径（DBH）大于1.5厘米的树木进行随机线样带和样方采样。在恢复区域交叉铺设长度为50至100米的线样带，并在线样带两侧设置10×10米的样方，两个样方之间的距离为10米（Ramachandra等人，2012）。使用Maheshwari（1997）在现场鉴定植物种类，并通过公认的分类数据库POWO（2025）验证和标准化植物名称以确保一致性。采样工作于2023年进行，共设置了83个样方。按照i-Tree Eco数据收集指南，在现场记录了i-Tree Eco模型所需的林分结构参数。记录了树种名称、每种植物的个体数量、胸径（DBH）、树高（HT）、树冠基部高度（CBH）、树冠宽度（CW）以及南北和东西方向的光照暴露（CLE）（Blozan，2006；Arwanda和Safe’i，2021）。使用卷尺测量地上1.3米处的胸径（DBH），用标有刻度的杆测量树高。沿南北和东西两个垂直方向测量树冠宽度并取平均值。树冠基部高度从地面测量到第一个分枝。所有生长参数均以厘米（cm）表示，其他参数以米（m）表示。利用这些样方数据，定量分析了树木的相对频率（RF）、相对密度（RD）和相对优势度（RDo）（Curtis和McIntosh，1950）。树种的重要性值指数（IVI）为相对频率、相对密度和相对优势度的总和（Curtis，1959）。

2.3 多样性指数
选择了一些多样性指数来描述恢复森林中的物种多样性、优势度和分布模式。所有多样性指数均使用标准公式直接计算。Chao1指数用于估计总物种丰富度：Schao1 = Sobs + [{n1 (n1 - 1)}/{2 (n2 + 1)}]；其中Schao1 = 估计的总物种丰富度，Sobs = 仅出现一次的物种数量，n1 = 仅出现两次的物种数量（Chao，1984）。树种的多样性指数使用Shannon-Wiener多样性指数计算：H’ = -∑ (pi × ln(pi))；pi = ni/N，ni表示第i个物种的个体数量，N = 所有物种的总个体数量，ln(pi)是pi的自然对数（Shannon和Weaver，1949）。物种均匀度通过Pielou均匀度指数来估算：J’ = H’/ln(S)，其中H’是Shannon-Weiner多样性指数的值，ln(S)是采样物种总数的自然对数（Pielou，1969）。J’的值介于0和1之间，高均匀度指数表示一个更稳定和多样化的群落，其中大部分物种的相对丰度值相似，而低值则表明很少有物种主导采样区域。2.4 i-Tree Eco V6.0.32i-Tree Eco是由美国农业部森林服务局开发的软件工具，最初是为温带地区设计的，用于利用标准化的实地数据以及当地气象和空气质量输入来量化城市森林结构及其相关生态系统服务（Nowak等人，2008）。它已被广泛应用于城市和站点层面来评估生态系统服务（Intasen等人，2017；Kim等人，2018；Wei等人，2021；Zhao等人，2023）。来自越南、孟加拉国、印度尼西亚等热带和全球南方城市的研究表明，i-Tree Eco适用于估算热带城市森林中的碳储存、污染去除等服务，同时也强调了需要改进本地数据和校准以提高准确性（Mosyaftiani等人，2022；Ngoc等人，2024；Nandi和Jashimuddin，2025）。i-Tree Eco中使用的天气数据可以从国家气候数据中心（NCDC）全球范围内获取。污染数据，包括NO2、SO2、CO、O3、PM10和PM2.5的每小时浓度，是i-Tree Eco数据库的一部分（数据来源：德里污染控制委员会R.K. Puram空气质量监测站）。本地每小时气象数据也来自印度拉金德拉·甘地国际气象站和美国空军（USAF）：421810无线体域网（WBAN）：99999，数据来源NCDC。Spearman相关系数用于评估树木生长参数与其储存和固碳量之间的关系。选择这种非参数方法是因为某些参数不符合正态性假设，并显示出偏态分布。它在不假设正态分布的情况下评估关系（Zar，2010）。2.5 生态系统服务的经济价值2.5.1 碳库、单位和定义在本研究中，碳储存和碳固存遵循生态系统碳核算和i-Tree Eco模型中的标准惯例进行报告。碳储存指的是树木生物量的碳储量，以兆克碳（Mg C）表示，其中1 Mg等于1公吨（1,000公斤）。碳固存代表树木生物量中每年的碳积累速率，表示为Mg C yr-1（Pan等人，2011）。每棵树的数值以公斤（kg）为单位，以避免过多的小数点。i-Tree Eco模型仅估算树木生物量中的碳，不包括土壤有机碳、凋落物、枯木或地下过程。对于经济价值评估，碳值被转换为二氧化碳当量（Mg CO2e），使用分子转换因子3.67（1 Mg C = 3.67 Mg CO2），因此这些货币估计值是说明性的（而非规范性的），反映了与气候相关的效益，而不是缓解潜力的全面衡量。2.5.2 储存和固存的碳本研究中的碳储存和固存的经济价值基于社会碳成本（SCC），该成本估计了排放一兆克二氧化碳（CO2）造成的全球经济损失。污染物的社会成本是指其浓度在给定年份小幅增加所带来的总经济损失（跨机构工作组，2015）。SCC值是使用考虑气候变化对各地区和各部门长期影响的模型开发的。与基于市场的碳价格不同，后者取决于交易系统和政策，SCC反映了温室气体排放的更广泛的社会成本。尽管这些值来自美国的评估，但气候变化的影响是全球性的，因此使用SCC来表示城市生态系统中的碳固存的气候缓解价值是合适的。这里呈现的货币估计值因此表示全球社会价值的碳缓解，而不是当地市场价格。2.5.3 不确定性估计碳估计的不确定性使用样本树木级别的标准误差（SE）来量化。大约95%的置信区间是通过±2SE得出的，这是生态学研究中广泛接受的方法（Zar，2010）。对于景观级别的外推，通过将SE值缩放到估计的总树木数量来传播每棵树的不确定性，从而清楚地报告与有限采样覆盖范围相关的不确定性（Clark等人，2001）。2.5.4 避免的地表径流i-Tree Eco使用美国全国平均每加仑0.008936美元（1美制液体加仑=3.785升）来估算由于树木而避免的地表径流的价值。该值基于McPherson等人（2007）关于雨水控制和处理成本的研究。避免的径流价值是基于每升2.69卢比的价格计算的。2.5.5 空气污染去除i-Tree Eco模型使用健康影响函数和估值系数来估算空气污染去除的经济价值，遵循美国环保署BenMAP方法。这些值没有根据印度当地的人口暴露、健康状况或医疗成本进行调整，因此应解释为相对差异，而不是德里的确切健康或经济效益。1) 外部性值可以被视为未在产生污染的商品或服务市场价格中考虑的污染对社会造成的估计成本。i-Tree Eco使用外部性值的估计（Murray等人，1994）来评估CO（2011年为1,599美元/兆克）；这些值根据生产者价格指数进行了更新（Kowal等人，2017）。2) 对于健康价值，i-Tree估计了避免的事件数量以及与四种其他污染物相关的几个健康因素的总美元价值：NO2、SO2、O3和PM2.5。这些估计基于医疗支出、特定不良健康事件的生产力损失以及在死亡情况下的统计生命价值，这些数据来自美国环保署BenMAP模型（美国环保署，2025）。污染去除价值是基于每兆克1,36,281卢比（一氧化碳）、33,55,715卢比（二氧化氮）、8,21,534卢比（二氧化硫）、22,40,457卢比（PM <2.5微米）和5,71,471卢比（PM >2.5微米至<10微米）的价格计算的。2.6 使用的统计和建模软件ABP中树木提供的生态系统服务的建模、分析和估值是使用i-Tree Eco V6.0.32完成的。它是一款软件应用程序，旨在使用某一区域的树木清单数据以及当地每小时空气污染和气象数据来量化城市森林结构、环境效应和对社区的价值（i-Tree，2023）。Spearman相关系数用于评估树木生长参数与其储存和固碳量之间的关系。选择这种非参数方法是因为某些参数不符合正态性假设，并显示出偏态分布。它在不假设正态分布的情况下评估关系（Zar，2010）。3 结果和讨论3.1 从恢复的生态系统中采样的植被的组成和结构树木多样性从物种组成、结构、植物社会学参数的变化和生长特性方面进行了评估。共采样了829棵属于80个物种的树木，表明物种丰富度和多样性很高（补充表1）。这种多样性也反映在高物种多样性指数上：Chao1指数为103.75（估计的物种丰富度），Pielou均匀度指数为0.83，Shannon多样性指数为3.67，Simpson多样性指数为0.95。这些指数表明ABP采样区域的生物多样性超过了其他许多城市绿地的报告值（Alvey，2006；Jim和Chen，2009）。尽管在采样的样方中只观察到了80个物种，但Chao1指数估计的丰富度约为103.75种。这表明有些物种可能没有在研究的样方中出现。尽管仅覆盖了总面积692英亩的0.41%，但采样地块显示的物种丰富度和多样性高于Nielsen等人（2014）；Livesley等人（2016）和Martin等人（2025）等报告的城市植被群落的值。在所有采样的80个物种中观察到了植物社会学参数的变化。它们的RF范围从0.19到9.19，RD从0.12到15.08，RDo从0.004到16.86，这表明恢复的植物群落在结构上复杂且多样化（补充表1）。即使在前15个物种中，IVI范围也从6.37到41.13，RF从2.25到9.91，RD从2.17到15.18，RDo从2.04到16.86（补充表1）。所有参数的这些广泛范围表明采样植被内部存在相当大的结构多样性，这可能是由于每个物种的独特生态特性及其与当地微生境条件的相互作用（Nagendra和Gopal，2010）。在分析的树种中，Holoptelea integrifolia显示出最高的IVI、RF和RDo。Albizia lebbeck在IVI和RDo中排名第二，在RF中排名第三，在RD中排名第四。Ehretia aspera在IVI中排名第三，在RD中排名第二，在其他参数中排名较低。Mitragyna parvifolia在IVI中排名第四，Terminalia bellirica排名第五，两者在不同参数中的排名各不相同。这些植物社会学特征的明显模式突出了物种分布的空间异质性，这可能是由于公园内特定的栖息地偏好和环境梯度。ABP的生态异质性还通过其生态多样化的景观得到进一步强调，包括起伏的地形、厚度不一的红土（从几厘米到几米不等）以及过去的采矿活动留下的遗迹，如石头、粘土和morrum提取坑，以及散落的覆盖层废料（先前采矿作业的固体废物残余）。这些微生境的变化共同促进了生态位的镶嵌，增强了整个地点的结构和物种多样性。生态多样性结合植被结构的空间异质性，影响了树木物种的生长模式和生理反应。这些变化反过来直接影响城市森林提供的生态系统服务。结构多样性增强了生态系统功能，特别是在城市绿地中，它们在空气净化（例如，捕获PM2.5和PM10）、碳固存以及调节水文过程（如减少地表径流）方面发挥着重要作用（Nowak等人，2014）。具有不同树冠结构和物种特异性特征的都市树木对这些服务的贡献各不相同，表明生态多样性和结构多样性对于最大化城市生态系统提供的效益至关重要。因此，在像ABP这样的地区保护和增强物种和结构多样性对于维持和优化快速城市化的地区的生态系统服务至关重要。3.2 采样树种生长特征的变化模式根据i-Tree Eco手册，对属于80个物种的829棵树木的四个关键生长参数进行了评估，如DBH、HT、CW和CBH。所有测量特征都观察到了广泛的变化。DBH的范围从2.93厘米到23.62厘米，HT从2.14米到10.98米，CBH从0.92米到5.56米。CW的范围从0.46米到3.66米，反映了物种之间的显著结构多样性（补充表1）。这种变化可以归因于不同物种的固有遗传特性、特定地点的栖息地条件以及采样树木的不同年龄。这种生长特性的多样性在进化或演替中的植物群落中很常见，特别是在树木种群处于不同发展阶段的恢复生态系统中。从生态学角度来看，这种变化很重要，因为它可能表明生态系统服务提供的潜力很高。树木结构的更大异质性通常转化为服务性能的提高，如碳储存、微气候调节和栖息地提供。先前的研究也在城市绿地中报告了类似的发现，其中物种特定的生长特性与地点因素相结合，影响了树木群落的生态功能（McPherson等人，2013）。3.3 ABP中树群的生长特性和年龄结构基于从ABP采样的829棵树木的数据，表1展示了四个关键生长特征的均值、标准误差以及最小值和最大值。参数的广泛范围强调了树木生长模式的显著变异性。为了进一步探讨这一点，将每种生长特征的数据分组到适当的频率类别中，并以图形方式展示（图3）。表1显示了829棵采样树木的生长参数的描述性统计信息。

图3显示了不同参数频率类别中树木的百分比：(A) 胸径（DBH），(B) 树高（HT），(C) 树冠基部高度（CBH），(D) 树冠宽度（CW），(E) 树冠光照暴露（CLE）。

例如，98.19%的树木的胸径值在1.27厘米到30厘米之间，而只有1.81%的树木属于较大的30-58.93厘米胸径类别。这表明采样的森林群落相对年轻，该地区最老的树木也只有17-18年的树龄。对于树高、树冠宽度和树冠基部高度也观察到了类似的分布模式，进一步证实了这些年轻的、正在发展的生态系统具有显著的生物量积累和生态系统服务提供潜力。

来自树冠暴露数据的额外见解是：40.89%的树木三面暴露在阳光下，24.33%的树木四面暴露在阳光下，这表明这些森林群落结构相对开放，是典型的再生或早期演替森林群落。几乎96%的树木具有健康的树冠，表明压力较低，养分循环有效，病虫害发生率最小。

在其他城市绿地中也记录了类似的趋势，其中年轻且结构多样的树木种群对生态系统功能和服务有显著贡献（McPherson等人，2002年）。

对前十五种树木（共八十种）的生长特征进行分析后，发现了明显的变异模式。虽然这些物种在所有四个特征上的变异范围相对较小，但在具体的生长参数上观察到了差异（补充表1）。就胸径而言，Erythrina variegata记录的最大平均值为23.62厘米，而Salvadora persica的最小值为15.37厘米。关于树高，Boswellia serrata显示出最大的平均高度为10.98米，而Bridelia retusa达到了7.78米。对于树冠基部高度，Senegalia modesta记录的最高值为5.56米，而Gmelina arborea的最小值为3.71米。最后，树冠宽度在Erythrina variegata中最大为3.66米，在Dalbergia lanceolaria中最小为2.53米。这些生长特征的变异模式反映了植被结构的异质性，即采样植被具有较高的结构多样性和物种丰富度。与多样性和结构较均匀的绿地相比，这样的多样化群落结构具有提供更广泛生态系统服务的潜力。

3.4 树木生长特征与碳储存和固存之间的关联

为了估计树木的不同生长特征与碳储存和固存之间的关联，进行了成对相关性分析（表2）。结果表明，碳储存和固存与生长属性之间存在高度正相关（P <0.0001）。这表明植被生物量在碳储存和固存方面具有显著潜力，从而有助于缓解气候变化。

表2显示了参数之间的相关性：胸径（DBH）、树高（HT）、树冠基部高度（CBH）、树冠宽度（CW）和碳储存（kg C/Tree）以及碳固存（kg C/Tree Yr-1）之间的斯皮尔曼等级相关系数。*在p<0.0001时显著。

胸径（DBH）与树高（HT）之间的关联很强，并且直接影响碳储存（图4）。使用i-Tree Eco模型的各种研究人员也报告了胸径、树高和碳储存之间存在强关联。这些研究强调了树木尺寸指标，特别是胸径和树高，在估算生态系统服务（如碳储存和固存）方面的重要性（Wei等人，2021年；Zhao等人，2023年；Ngoc等人，2024年）。

图4显示了树木平均储存的碳量与胸径（DBH）和树高（HT）之间的关系。

3.5 各树种的碳储存和固存

i-Tree Eco模型V.6.0.32已被广泛用于估算不同绿地中树木储存和固存的碳量（Baró等人，2015年；Gra?a等人，2018年；Song等人，2020年；Zhao等人，2023年）。研究发现，80种采样树木中碳储存和固存的变异范围很大。碳储存量从Grewia tenax的0.41公斤到Butea monosperma的201.60公斤不等，而碳固存量从Grewia tenax的每年0.41公斤到Boswellia serrata的每年23.63公斤不等（补充表1）。图5展示了储存和固存碳量最高的15种树木。

图5显示了前15种采样树木的平均碳储存量和平均碳固存量。不同物种在储存和固存的碳量上显示出显著差异。例如，Butea monosperma的平均碳储存量最高（201.60公斤），但在年固存量方面排名第二。Boswellia serrata的年固存量最高（23.63公斤），在碳储存量方面排名第三（169.75公斤）。在前15种树木中，碳储存量从59.13公斤到201.60公斤不等，而年固存量从8.55公斤到23.63公斤不等。这些差异可能是由于物种特有的、受遗传控制的生长特性，以及年龄、树冠结构和树木结构特征的差异所致。例如，Sterculia urens、Bridelia retusa和Ehretia aspera是下层物种，而Azadirachta indica和Holoptelea integrifolia则相对较高且树冠较宽。

这项研究是首批评估恢复热带森林生态系统中大量本地树种碳储存和固存的研究之一。Sharma等人（2024年）之前估计了德里七种树木的碳储存量，包括入侵物种Neltuma juliflora和归化的外来物种Azadirachta indica。他们报告的碳储存量高于本研究的结果。这些差异可能是由于树木年龄、大小和生长阶段的差异所致。如前所述，本研究中采样的树木相对年轻，代表了恢复森林生态系统中的不同发育阶段。相比之下，早期关于城市树木碳储存和固存的研究主要来自温带地区（例如，Nowak等人，2013年；Song等人，2020年）；因此，由于气候和生态差异，当前数据可能无法直接比较。例如，Song等人（2020年）报告中国洛河市的1,006,251棵树木每年储存了54,329公斤碳，并固存了4,973公斤碳。同样，Nowak（1994年）估计芝加哥的5030万棵树木每年固存了155,000公斤碳，而Nowak（2002年）发现胸径大于77厘米的树木固存的碳是胸径小于8厘米树木的70倍，并强调更多的健康树木有助于提高碳储存和固存量。

829棵采样树木总共储存了34.29兆克的生物量碳，平均每棵树储存41.37 ± 5.06公斤碳（±2标准误差）。根据采样地块的外推，估计恢复的景观大约包含202,100棵树木，储存了约8,360兆克的生物量碳，价值11,341,5015.84卢比（根据i-Tree Eco估算，每兆克碳13,566卢比）。传播不确定性导致不确定性范围为±1,023兆克碳，反映了采样变异性和恢复景观的空间异质性（Clark等人，2001年；Pregitzer和Euskirchen，2004年）。

每棵树的平均年碳固存量估计为6.12 ± 0.39公斤碳/年（±2标准误差）。在景观尺度上，总年树木生物量碳固存量估计为1,236兆克碳/年，不确定性为±78兆克碳/年。这些数值表明年轻、活跃生长的恢复森林群落具有高固存率（Pregitzer和Euskirchen，2004年）。

树木特征如胸径（DBH）、树高（HT）和树冠宽度（CW）显著影响碳储存。例如，胸径增加一英寸会导致碳储存增加37.13%；树高增加一英尺会导致碳储存增加4.64%，树冠宽度增加一英尺会导致碳储存增加1.87%（Nowak等人，2014年）。热带气候促进了更高的生长率，从而增加了胸径、树高和树冠宽度，所有这些都有助于提高碳储存。由于气候、结构和方法的差异，应谨慎地将这些结果与温带城市森林进行直接比较。

ABP中的树木大多处于年轻且活跃生长期，显示出高度、胸径和树冠大小的快速增长。这些特征是生物量积累和碳储存的关键驱动因素。年轻树木通常比成熟树木具有更高的生长率，从而增强了其固碳能力。此外，恢复栖息地中的有利条件，如竞争减少、土壤改善和本地物种的选择，也支持了更快的生长。这些因素共同解释了ABP中观察到的高碳储存量，突显了早期恢复生态系统提供有价值碳相关生态系统服务的潜力。

尽管i-Tree Eco广泛用于评估城市森林生态系统服务，但它最初是使用主要基于温带树种的生物量方程进行参数化的。因此，将该模型应用于以更高木材密度变异性和物种特异性异速生长关系为特征的热带生态系统时可能会出现不确定性（Nowak等人，2014年）。热带生物量估算研究表明，地区和物种特定的异速生长模型可以显著提高准确性（Chave等人，2014年）。未来对热带城市森林的评估将受益于整合本地校准的异速生长方程和全球木材密度数据库，以减少生物量和碳估算的不确定性。

829棵树木每年避免的地表径流量约为12,291.04升。每种树木平均每年避免的径流量为15.56 ± 1.42升（±2标准误差）。不同物种之间的变化范围从Terminalia bellirica、Madhuca longifolia和其他五种物种的不到3.79升到Moringa concanensis的179.81升不等。七种贡献较小的物种（小数点后只有三位）可以解释为这些物种在采样植被中的频率、密度和优势度非常低（补充表1）。基于i-Tree Eco方法对ABP中2,02100棵树木的应用，估计每年避免的地表径流量为5,90,416.12卢比。

多项研究强调了城市树木在减少地表径流量方面的作用，其结果在温带和热带地区之间存在显著差异。例如，Song等人（2020年）报告中国洛河市的155,000棵树木每年避免了大约122,637立方米的径流量。类似的研究在温带地区也有报道，例如Armson等人（2013年）发现英国曼彻斯特的街道树木在风暴事件期间减少了高达62%的地表径流量，Zhang等人（2015年）报告北京的绿地每年减少了17.3%的径流量。Salmond等人（2013年）进一步强调了城市植被在增强渗透和拦截降雨方面的作用。

尽管较少，但也有研究显示热带城市树木对减少径流量也有显著贡献。Sofiah和Soejono（2020年）在他们对八种印度尼西亚树种的研究中发现，Aleurites moluccanus拦截了高达68.1%的降雨量，显著减少了地表径流量。Friesen等人（2013年）比较了巴拿马的六种热带硬木树种，发现降雨拦截量存在显著差异。Nytch等人（2019年）研究了波多黎各圣胡安的城市树木，发现降雨拦截量根据树冠结构和形态的不同而有所不同。

这些发现表明，热带树木与其温带同类树木一样，在雨水管理中可以发挥重要作用。然而，拦截率和径流量减少值的差异可能归因于物种特异性特征、气候条件和地点特征。因此，热带城市林业规划应纳入具有高降雨拦截潜力的物种，以最大化生态系统服务的提供。

ABP中的树木大多处于年轻且活跃生长期，显示出高度、胸径和树冠大小的快速增长。这些特征是生物量积累和碳储存的关键驱动因素。年轻树木通常比成熟树木具有更高的生长率，增强了它们的固碳能力。此外，恢复栖息地中的有利条件，如竞争减少、土壤改善和本地物种的选择，也支持了更快的生长。这些因素共同解释了ABP中观察到的高碳储存量，突显了早期恢复生态系统提供有价值碳相关生态系统服务的潜力。

虽然i-Tree Eco广泛用于评估城市森林生态系统服务，但它最初是使用主要基于温带树种的生物量方程进行参数化的。因此，将模型应用于以更高木材密度变异性和物种特异性异速生长关系为特征的热带生态系统时可能会出现不确定性（Nowak等人，2014年）。热带生物量估算研究表明，地区和物种特定的异速生长模型可以显著提高准确性（Chave等人，2014年）。未来对热带城市森林的评估将受益于整合本地校准的异速生长方程和全球木材密度数据库，以减少生物量和碳估算的不确定性。

829棵树木每年避免的总地表径流量约为12,291.04升。每种树木平均每年避免的径流量为15.56 ± 1.42升（±2标准误差）。不同物种之间的变化范围从Terminalia bellirica、Madhuca longifolia和其他五种物种的不到3.79升到Moringa concanensis的179.81升不等。基于i-Tree Eco方法对ABP中2,02100棵树木的应用，估计每年避免的地表径流量为5,90,416.12卢比。

几项研究强调了城市树木在减少地表径流量方面的作用，其结果在温带和热带地区之间存在显著差异。例如，Song等人（2020年）报告中国洛河市的155,000棵树木每年避免了大约122,637立方米的径流量。类似的研究在温带地区也有报道，例如Armson等人（2013年）发现英国曼彻斯特的街道树木在风暴事件期间减少了高达62%的径流量，Zhang等人（2015年）报告北京的绿地每年减少了17.3%的径流量。Salmond等人（2013年）进一步强调了城市植被在增强渗透和拦截降雨方面的作用。

尽管较少，但也有研究显示热带城市树木对减少径流量也有显著贡献。Sofiah和Soejono（2020年）在他们对八种印度尼西亚树种的研究中发现，Aleurites moluccanus拦截了高达68.1%的降雨量，显著减少了地表径流量。Friesen等人（2013年）比较了巴拿马的六种热带硬木树种，发现降雨拦截量存在显著差异。Nytch等人（2019年）研究了波多黎各圣胡安的城市树木，发现降雨拦截量根据树冠结构和形态的不同而有所不同。

这些发现表明，热带树木与其温带同类树木一样，在雨水管理中可以发挥重要作用。然而，拦截率和径流量减少值的差异可能归因于物种特异性特征、气候条件和地点特征。因此，热带城市林业规划应纳入具有高降雨拦截潜力的物种，以最大化生态系统服务的提供。

多项研究在美国和中国等国家进行了关于树木去除空气污染的生态系统服务的研究（Jim和Chen，2008年；Nowak等人，2014年）。Grote等人（2016年）还研究了树木的功能特征及其空气污染缓解潜力。ABP中829棵树木每年的污染去除量为52.05 ± 4.78公斤（±2标准误差），价值77,319卢比。每棵树木的平均污染去除量为0.063 ± 0.0056公斤（±2标准误差）。不同物种的污染去除量从Wrightia arborea的0公斤到Moringa concanensis的0.73公斤不等。大约有10种树木的污染去除量几乎为零。这可以解释为这些物种在采样植被中的频率、密度和优势度非常低。

80种采样树木的污染去除量变化较小，这些物种之间的差异也较小。在污染去除方面效率较高的物种是Moringa concanensis（每棵树每年0.27公斤）、Erythrina variegata（每棵树每年0.20公斤）和Boswellia serrata（每棵树每年0.19公斤）。ABP中的2,02100棵树木每年去除的空气污染物总量为126.89 ± 1.17兆克（±2标准误差），价值约1.89亿卢比。Nowak（1994）报告称，芝加哥的508万棵树木每年可去除6,145兆克的空气污染物，其价值相当于920万美元。Song等人（2020）指出，罗河市的1,006,251棵树木每年可去除92兆克的空气污染物。

3.8 外推法的局限性与空间异质性
景观层面的碳储量估计是通过从总恢复面积的0.41%进行外推得出的，因此假设所采样的地块能够合理反映更广泛的植被结构。然而，阿拉瓦利生物多样性公园存在显著的空间异质性，这主要是由于过去的采矿活动、不同的土壤深度、微地形、物种组成以及林分年龄等因素造成的。因此，外推得到的数值应被视为数量级的估计值。尽管使用标准误差传播方法对不确定性进行了量化，但采样设计未能捕捉到的额外空间变异性可能会进一步影响景观层面的碳储量估计。

3.9 货币化评估的局限性与伦理考量
虽然对生态系统服务进行货币化评估有助于向政策制定者和城市规划者传达环境效益，但这种方法存在重要的概念性和伦理局限性。经济评估方法通常认为生态系统功能可以在不同地点之间替代或转移，但这一假设并不适用于与当地生态和社会条件紧密相关的特定地点的城市蓝绿空间（Kallis等人，2013）。在德里这样的密集且社会生态脆弱的城市中（Syal，2019），恢复的城市生态系统在生态上不可替代，在社会上也具有重要意义。因此，本研究中提出的货币化评估结果仅用于说明目的（而非规范依据），不应被解读为在其他地方抵消、补偿或为生态退化行为提供正当理由（TEEB，2012）。

4 结论
阿拉瓦利生物多样性公园中丰富的本土物种植被目前主要作为一个正在增长的碳汇，其地上生物量碳的固存速率较高，但累计的碳储量相对较低。年轻的恢复森林能够快速积累碳，而总生物量碳含量仍然较低，这突显了长期保护和持续森林成熟对于实现气候缓解目标的重要性。像阿拉瓦利生物多样性公园这样的绿地展示了基于生物多样性的恢复措施如何能够增强热带城市环境中的生态系统服务。