评估印度泰米尔纳德邦三个农业气候区种植的柚木的碳封存潜力及相关的模型开发

《Industrial Crops and Products》：Evaluating carbon sequestration potential of farm-grown teak and model development across three agroclimatic zones of Tamil Nadu, India

　　R. Ashick Rajah | S. Radhakrishnan | A. Balasubramanian | J. Balamurugan | R. Ravi | M. Sivaprakash | B. Sivakumar | Pragati B. Patil | V.G. Yoga Soundraraja | J. Kevin Johnal | P. Ravi Raja Simman | Parwiz Niazi
印度泰米尔纳德邦Mettupalayam的Forest College and Research Institute，泰米尔纳德农业大学，邮编641 301

**摘要**
柚木（Tectona grandis Linn. f）是一种广泛种植的热带硬木，由于其高生物量生产力和木材密度，在碳封存方面具有巨大潜力。本研究评估了印度泰米尔纳德邦三个农业气候区（高降雨区（HRZ）、南部区（SZ）和卡弗里三角洲区（CDZ）内种植的柚木的生长表现和碳封存潜力。通过在四个龄级（0–5年、5–10年、10–15年和15–20年）的区块和边界种植园中进行的全面实地测量，评估了生长生物量并估算了总碳（TC）和二氧化碳当量（Tt CO?）。结果表明，高降雨区的生长和碳积累显著更高，边界种植园在所有区域的表现均优于区块种植园，这可能是由于种内竞争减少和边缘效应增强所致。在高降雨区，15–20年龄级的边界种植园的最大TC值为0.4310 MT/树，相应的Tt CO?值为1.5817 MT/树。开发的多元线性回归模型基于胸高处的树径、树高和年龄来预测总碳储量。使用残差图分析和卡方检验对模型进行了验证，结果显示预测精度较高，偏差在1%到4%之间。这些稳健的、针对特定区域的碳产量模型为农场林业系统中的碳核算和货币化提供了实用工具。这些发现强调了科学管理的柚木种植园在通过碳储存贡献于气候变化缓解方面的作用，同时为小农户提供了通过合规性和自愿市场参与获得碳收入的机会。

**1. 引言**
柚木（Tectona grandis, Linn. f）是一种优质且著名的热带硬木，具有优异的耐久性、尺寸稳定性和美观性，使其适用于多种工业应用（Ashick Rajah等人，2025年）。柚木自然生长在有明显旱季和雨季的地区，因此其原生种群主要分布在东南亚大陆的湿润和干燥的混合热带落叶林中（White，1991年）。在过去150年里，柚木已在65多个国家进行商业化种植，主要得益于其高经济价值和全球需求（Kollert和Kleine，2017年）。尽管柚木种植园通常是为了木材生产而管理的，但目前越来越多的研究关注于了解和确定柚木种植园的碳储量（Balasubramanian等人，2022年）。随着世界应对气候变化的挑战以及迫切需要减少温室气体排放，种植园在碳封存中的作用受到了重视（Psistaki等人，2024年）。在像印度这样的发展中国家，全球变暖始终是一个潜在的环境问题，常常导致快速的气候变化（Bilgili等人，2024年）。政府间气候变化专门委员会的一份报告显示，从2007年到2016年，农业、林业和其他土地利用（AFOLU）活动占全球温室气体排放的23%（Jia等人，2019年）。在全球应对气候变化的努力中，人们对树木的碳封存潜力产生了浓厚兴趣（Kumar等人，2020年）。不断增加的碳排放是一个主要问题，为了减少碳排放，增加农场林业中的碳封存变得至关重要（Yoga等人，2025年）。全球的土壤、森林植被和种植园被认为是陆地碳库的主要来源，能够储存大气中的二氧化碳（Bhattacharyya等人，2021年）。碳封存有助于将大气中的二氧化碳转化为生物量，从而降低地球大气中的温室气体含量（Shinglai等人，2025年）。碳封存对于减缓气候变化和实现减少排放强度的全球目标至关重要（Ussiri和Lal，2017年）。为了缓解未来的气候变化影响并储存更多大气中的碳，政府和非政府组织都在更大规模上推广了森林种植园（Liao等人，2010年；Dabi等人，2021年）。除了其商业价值外，柚木还因其强大的生物量积累和长轮伐期而在碳封存方面展现出巨大潜力（Subba和Honnurappa，2024年）。据估计，如果全球有240万公顷的柚木种植园，就有潜力封存近2.4亿吨碳（Sreejeesh和Thomas，2016年）。柚木的生长和碳封存潜力受到气候和土壤因素的复杂影响。根据Sahu等人的报告（2013年），柚木的碳封存潜力随着种植园年龄的增长而增加，从19年种植园的51.32吨/公顷增加到33年种植园的101.40吨/公顷。不同种植园类型的林分结构差异导致了碳封存潜力的显著差异（Hoover和Stout，2007年）。物种、年龄、气候和土壤等因素也影响碳封存（Pan等人，2013年）。尽管柚木在森林种植园中得到了广泛研究，但在农田中种植的柚木的相关研究非常有限。与森林种植园相比，农田中的柚木管理实践多变、竞争激烈、间距不规则且土壤条件异质，导致其生长特性与传统种植园不同。仅有少数研究如Shukla和Viswanath（2021年）、Shahapurmath等人（2016年）等报道了柚木的生长或碳储存潜力，几乎没有研究比较不同农业气候区中柚木的表现或开发针对农田种植园的碳估算模型。这种系统性信息的缺乏突显了关于农田中柚木生长行为和碳储存潜力的重要知识空白，以及比较研究的不足和缺乏经过验证的区域特定碳产量模型。因此，鉴于关于农田系统中柚木表现的有限研究，特别是关于生长生物量和碳封存的研究，本研究基于以下研究问题制定：
(i) 农田种植的柚木的生物量属性（胸高直径DBH、高度、体积）在三个农业气候区的区块和边界种植园之间有何差异？
(ii) 不同种植类型（区块与边界）和不同龄级的柚木的二氧化碳当量（CO?-eq）有何差异？
(iii) 是否可以开发出专门针对农田种植的柚木的可靠碳产量模型，以准确估算不同农业气候区的CO?-eq？
基于这些研究问题，提出了以下假设：
(i) 农田种植的柚木的生物量属性（DBH、高度和体积）在区块和边界种植园之间以及三个农业气候区之间存在显著差异。
(ii) 柚木储存的二氧化碳当量（CO?-eq）随种植类型（区块和边界）、树龄和农业气候区而显著变化。
(iii) 生物量变量（DBH、高度和体积）可以可靠地预测农田种植的柚木的CO?-eq积累，从而开发出适用于不同农业气候区的精确碳产量模型。

**2. 材料和方法**
**2.1. 研究地点**
本研究在印度泰米尔纳德邦的高降雨区、南部区和卡弗里三角洲区进行（图1）。研究对象为农田种植的柚木种植园。为了收集大量数据，共调查了这些区域内的200个不同农田种植的柚木种植园（包括区块和边界种植园）。在高降雨区，主要调查了Kadayal、Kaliyakkavillai、Kilathoor、Pinanthode、Unnamalaikadai、Melpuram、Marthandam、Mankuzhy、Udayarpallam、Puthuvilai和Thingalnagar等主要柚木种植区。在南部区，调查了Kadayanallur、Kambaneri Pudukudi、Vadakarai、Panboli、Thenpothai、V.M. Pidagai、Tenkasi、Puliyangudi、Singammalpuram、Venkateswarapuram、Shenbagathoppu、Srivilliputhur、Vijayamangalam、Urseri、Kovilpatti、Madurai、Palamedu、Palaiyurpatty和Kottanathampatty等地的种植园。在卡弗里三角洲区，评估了Pudhukottai、Kurumbur、Chettikkadu、Alanchirankadu、Avanthankottai、Puvattakudi、Periyaloor、Poovatrakkudi和Karunthirakkottai等地的柚木种植园。具体位置是根据当地提供信息以及各村庄森林部门的协助确定的。

**2.2. 气候和土壤参数**
从Coimbatore的TNAU农业气候研究中心数据库中收集了这三个农业气候区20年期间的气候数据（降雨量（毫米）、最高温度（℃）、最低温度（℃）和相对湿度（%）。对于土壤数据，在每个田块的表层（0–15厘米）和次表层（15–30厘米）随机采集土壤样本，然后混合成复合样品。对这些复合样品进行了物理化学性质测试，包括土壤容重、孔隙度、质地、土壤pH值、有效氮、有效磷、有效钾和土壤有机碳。

**2.3. 野外采样**
分别对0–5年、5–10年、10–15年和15–20年龄级的农田种植的柚木的生物量属性和碳封存潜力进行了采集。使用Leica DISTO? D810型号的树木测距仪记录树高和胸高处的直径。在区块种植园中，如果空间允许，建立了0.04公顷的样地（即20×20米），并采用简单随机抽样法进行无偏选择。在边界种植园中，由于样地建立不可靠，沿边界进行等效随机抽样。每个种植园的抽样强度为10%。为了确保统计稳定性和不同农场规模的统一性，无论农场规模如何，每个种植园至少抽样20棵树。共调查了200个种植园，共计测量了大约4000棵树。这种方法确保了无偏抽样，同时充分捕捉了农田条件下农田种植的柚木的固有变异性。由于各区农民的土地持有量不同，为了更高的准确性，采用了更高的抽样强度。

**2.4. 农田种植柚木的碳封存潜力估算**
使用以下方法确定了泰米尔纳德邦三个农业气候区内四个龄级农田种植的柚木生物量中的碳含量。

**2.5. 体积计算**
根据Chaturvedi（1982年）提出的公式，利用从柚木种植园获得的生物量数据估算了树木的体积（单位：立方米/树）：
$$V = \pi \left(\frac{d}{2}\right)^2h$$
其中，V表示体积；d表示胸高处的直径；h表示树高。

**2.6. 木材密度计算**
为了精确估算碳储量，需要知道木材密度。木材密度通过将木材样本的烘干质量除以其绿色体积所排开的水的质量（木材比重）来计算（Rajan等人，2019年）。这是通过烘干重量测量与绿色体积测量相结合确定的。

**2.7. 地上生物量（AGB）计算**
地上生物量是基于使用树木测距仪测量的生物量数据确定的。利用公式（1）获得的体积和公式（2）确定的密度计算了木材的生物量，单位为公吨/公顷。根据Pandya等人（2013年）的方法，使用以下公式估算了农田种植的柚木种植园的地上生物量：
**地上生物量（AGB）= 体积（m3/树）× 木材密度（kg/m3）**地下生物量（BGB）的计算方法（Pandya等人，2013年）提供了一种标准程序。地下生物量的计算公式为：地下生物量（BGB）= 0.26 × 地上生物量（AGB）（吨）2。总生物量的估算通过将树木的地上生物量和地下生物量相加来确定（Pandya等人，2013年）。总生物量的公式为：总生物量（TB）= 地上生物量（AGB）+ 地下生物量（BGB）。树木的总碳含量估计为总生物量的50%，因此总碳含量是通过将树木生物量乘以0.50来估算的（Pandya等人，2013年）。总二氧化碳当量的计算公式为：总二氧化碳当量 = 生物量 × 0.50。为了建立农场种植嘅柚木的碳产量模型，采用了多元线性回归方法（Whittaker和Woodwell，1968年）。在本研究中，树木的碳含量被定义为因变量，而树的年龄、总高度和胸径等参数被定义为自变量。通过多元线性回归得出的通用方程为：Y = a + b1x1 + b2x2 + b3x3 + …… + bnxn，其中Y表示碳储量（MT/棵树）。碳产量模型的验证使用了残差图分析技术（Alder和Synnott，1992a）。选择了一组来自研究区域的生长数据进行分析，确保用于模型开发的数值不会被重复使用。计算出选定生物数据的实际碳含量后，利用该碳模型估算预测的碳储量，并对实际碳储量与预测碳储量进行回归分析。残差平方和越小，说明模型与实际数据的吻合度越高。卡方检验（Chi-square test）用于评估模型的拟合度，如果该检验的p值大于显著性水平（0.01），则认为模型适用所有数据。

3. 结果与讨论
在泰米尔纳德邦的三个农业气候区（高降雨区、南部区和卡弗里三角洲区）对农场种植的柚木的生长特性及其碳封存潜力进行了全面记录和估算。
3.1. 块状种植园中柚木的生长特性
针对这三个农业气候区，分别对0–5岁、5–10岁、10–15岁和15–20岁四个年龄段的柚木的生长特性进行了评估。表1展示了胸径（DBH）、树高和树体积的平均值。实际收集的数据量较大，因此已放在补充文件中。调查结果显示，在胸径（DBH）、树高和树体积方面，高降雨区的生长表现优于南部区和卡弗里三角洲区。高降雨区的年降雨量（1248.83毫米）以及平均最高和最低温度（分别为38.64°C和15.92°C）更有利于柚木的生长（Ashick Rajah等人，2025年）。Carmo等人（2022年）的研究也支持这一结论，指出最佳气候条件对幼树的生产力和生长有直接影响。Arunkumar（2011年）的研究还表明，高降雨区种植的树木在树高方面有显著增长。Jansons等人（2013年）对芬兰苏格兰松的研究也发现，树高的增加与有利的气候因素密切相关。
表1. 块状种植园中柚木的生物测量特征
| 区域 | 高降雨区 | 南部区 | 卡弗里三角洲区 |
|---------|--------------|--------------|--------------|
| 年龄段（年） | DBH（米） | 树高（米） | 树体积（立方米） |
| | 0–5 | 0.266 | 0.248 | 0.255 |
| | 5–10 | 1.000 | 0.700 | 0.520 |
| | 10–15 | 0.100 | 0.687 | 0.562 |
| | 15–20 | 0.266 | 1.128 | 0.641 |
高降雨区的平均年降雨量较高，且平均最高和最低温度更适宜柚木生长。这些因素可能是该区柚木生长表现优异的原因。Carmo等人（2022年）的研究也表明，适宜的气候变量对柚木的生长有直接影响。边界种植园中柚木的生长特性也优于块状种植园（Navaneetha Krishnan等人，2022年）。边界种植园中柚木的较大株距可能是其生长表现更好的主要原因。Rahmawati等人（2022年）对印度尼西亚爪哇8年生柚木种植园的研究也表明，较大的株距有助于提高生长和生产力。Zahabu等人（2015年）对坦桑尼亚农场种植的柚木的研究发现，宽株距条件下柚木的生长表现更好。总之，边界种植园中的柚木总体上表现出更佳的生长性能，特别是在高降雨区。
表2. 边界种植园中柚木的生物测量特征
| 区域 | 高降雨区 | 南部区 | 卡弗里三角洲区 |
|---------|--------------|--------------|--------------|
| 年龄段（年） | DBH（米） | 树高（米） | 树体积（立方米） |
| | 0–5 | 0.080 | 0.080 | 0.037 |
| | 5–10 | 0.100 | 0.065 | 0.088 |
| | 10–15 | 0.175 | 0.065 | 0.088 |
| | 15–20 | 0.266 | 1.128 | 0.641 |
高降雨区的边界种植园中柚木的生长表现优于块状种植园。这些结果与Navaneetha Krishnan等人（2022年）的研究一致，他们发现泰米尔纳德邦卡弗里三角洲区的边界种植园柚木生长优于同区的块状种植园。边界种植园中柚木的较大株距可能是其原因之一。
3.2. 三个农业气候区内的气候差异
表3展示了过去20年（2001–2021年）各气候参数的结果。高降雨区的年均降雨量约为1248.83毫米，南部区为908.15毫米，卡弗里三角洲区为803.34毫米，这表明高降雨区有利于柚木的生长。Seth和Khan（1958年）以及Krishnamoorthy等人（2016年）的研究也得出类似结论，即柚木的生长与降雨量成正比。Flumignan等人（2024年）对桉树等其他物种的研究也支持了这一观点。最高和最低温度范围分别为：高降雨区35.900°C至39.750°C和14.640°C至17.290°C，南部区38.830°C至43.330°C和13.640°C至16.800°C，卡弗里三角洲区40.080°C至43.600°C和15.080°C至17.050°C。结果显示，极端温度会影响柚木的生长速度。生物测量数据也证实了这一点，即在适宜温度条件下，柚木的生长更为稳定。Gong等人（2024年）和Haq等人（2021年）的研究也表明，高温对树木生长有负面影响。因此，可以得出结论：高降雨区和适宜的温度条件有利于柚木的生长。
表3. 泰米尔纳德邦三个农业气候区的气候变量
| 区域 | 年均降雨量（毫米） | 平均温度（°C） | 相对湿度（%） | 年均降雨量（毫米） | 相对湿度（%） |
|-----------------|------------|-----------|------------|------------|--------------|
| 高降雨区 | 1977.5 | 39.3 | 68.7 | 1248.83 | 78.2 |
| 南部区 | 908.15 | 37.9 | 66.4 | 908.15 | 78.4 |
| 卡弗里三角洲区 | 803.34 | 36.7 | 68.9 | 1328.9 | 78.9 |
高降雨区的年均降雨量最高，表明该区域更适宜柚木生长。气候参数的差异也影响柚木的生长：高降雨区的年均降雨量和平均温度较高，而南部区和卡弗里三角洲区的这些参数较低。
3.3. 三个农业气候区的土壤参数
表4展示了三个农业气候区表层（0–15厘米）和次表层（15–30厘米）土壤的物理和化学性质。表层土壤的容重在1.34–1.47克/立方厘米（高降雨区）、1.38–1.51克/立方厘米（南部区）和1.39–1.53克/立方厘米（卡弗里三角洲区）之间；次表层土壤的容重略高，分别为1.36–1.52克/立方厘米（高降雨区）、1.43–1.57克/立方厘米（南部区）和1.44–1.59克/立方厘米（卡弗里三角洲区）。相应的孔隙度随深度增加而减小，表层为44.86%至51.10%、43.65%至48.24%和42.78%至48.21%，次表层分别为43.41%至48.85%、40.61%至44.90%和40.02%至45.90%。高降雨区的较低容重和较高孔隙度有助于更好的空气流通和根系发育。Wehr等人（2017年）的研究强调了土壤物理质量对根系发育的重要性。表层土壤主要为沙壤土，而次表层逐渐变为沙质粘壤土，粘土含量的增加有助于保持水分。表层和次表层的pH值分别为7.20–7.74、7.43–8.23和7.56–8.03（高降雨区），7.34–7.89、7.54–8.30和7.67–8.19（南部区和卡弗里三角洲区），表明较高的碱度可能限制磷的可用性。电导率在所有区域均较低，适合植物生长。高降雨区的有机碳含量最高，为0.46–0.62%（表层）和0.56%（次表层），而南部区和卡弗里三角洲区则较低。高降雨区的有机碳含量较高，有利于土壤养分循环和植物生长。
表4. 泰米尔纳德邦三个农业气候区的土壤物理和化学性质
| 区域 | 表层土壤（0–15厘米） | ?次表层土壤（15–30厘米） |
|-----------------|-----------------|-----------------|
| Kadayal（HRZ） | 7.20 | 0.14 | 0.54 | 197 | 0.34 |
| Mankuzhy（HRZ） | 7.74 | 0.17 | 0.46 | 186 | 19.5 |
| Udayarpallam（HRZ） | 7.45 | 0.12 | 0.58 | 181 | 19.5 |
| Kilathoor（HRZ） | 7.58 | 0.16 | 0.62 | 184 | 182 |
| Puliyangudi（HRZ） | 7.58 | 0.16 | 0.54 | 184 | 182 |
| Asthikulam（SZ） | 8.01 | 0.19 | 0.53 | 188 | 182 |
| Vijayamangalam（SZ） | 7.45 | 0.18 | 0.47 | 183 | 184 |
| Dindigul（SZ） | 7.43 | 0.16 | 0.54 | 182 | 185 |
| Kurumbur（CDZ） | 7.72 | 0.18 | 0.57 | 183 | 189 |
| Poovatrukudi（CDZ） | 7.56 | 0.14 | 0.60 | 176 | 155 |
| Karunthirankottai（CDZ） | 7.89 | 0.18 | 0.50 | 176 | 155 |
注：部分数据缺失或未提供具体数值，用“SL-”和“SCL-”表示。在南部地区和卡弗里三角洲地区，记录的最大总碳和二氧化碳当量分别为每棵树0.2491公吨、0.9141公吨和0.2763公吨、1.0139公吨（图2）。根据当前的研究（Krishnan等人，2025年），也确定了在印度选定的农业气候区种植的柚木的碳封存潜力，并记录了高达0.683公吨/英亩的封存率。类似的尝试估计碳封存潜力也由（Siswanto等人，2025年）在加里曼丹进行，而在印度的背景下，（Karunai和Jeyasimga，2025年）以及（Jha，2015年）等人的研究也是关于柚木碳封存潜力的重要研究。在本研究中，结果表明，较高的碳封存潜力与更好的生长和更多的生物量积累直接相关。与其他种植园相比，柚木种植园的生物量积累相对较高（Kenzo等人，2020年）。这得益于其广泛的根系，从而导致地上和地下生物量的增加。因此，碳封存潜力与生物量直接相关，而较高的生物量又与较高的碳储存量成正比（Suhardono等人，2024年）。此外，柚木具有较高的木材密度（0.55–0.75克/立方厘米），这意味着每单位体积的木材可以储存更多的碳（Ajala等人，2025年）。较高的木材密度直接转化为地上和地下生物量的增加，从而有助于良好的碳封存潜力。同样，如间伐、修剪、间距调整和施肥等管理措施可以提高生长和碳积累（Ameray等人，2021年）。因此，对柚木种植园进行科学管理可以显著提高其碳封存效率。此外，高降雨地区的良好生长条件和气候因素也确保了更高的碳封存潜力。

表5. 农场种植柚木在块状种植园中的碳封存潜力。
- 高降雨区
- 南部地区
- 卡弗里三角洲地区

年龄类别（年）（每棵树公吨）
AGBBGBTBTCTt CO2
0–5 0.0035 0.0009 0.0044 0.0022 0.0082 0.0057 0.0015 0.0036 0.0131 0.0049 0.0013 0.0062 0.0031 0.0114
5–10 0.0320 0.0083 0.0403 0.0201 0.0739 0.0245 0.0064 0.0308 0.0154 0.0566 0.0213 0.0055 0.0268 0.0134 0.0492
10–15 0.1495 0.0389 0.1883 0.0942 0.3456 0.0699 0.0182 0.0881 0.0440 0.1616 0.0957 0.0249 0.1206 0.0603 0.2213

如研究结果所示，较高的碳封存潜力与更好的生长和更高的生物量积累直接相关。与其他种植园相比，柚木种植园的生物量积累相对较高（Kenzo等人，2020年）。这有助于更高的地上生物量，加上由于广阔根系而形成的良好地下生物量。和谐地，碳封存潜力与生物量直接相关，因此更高的生物量与更高的碳储存量成正比（Suhardono等人，2024年）。此外，柚木具有高密度木材（0.55–0.75克/立方厘米），这意味着每单位体积的木材可以储存更多的碳（Ajala等人，2025年）。较高的木材密度直接转化为地上和地下生物量的增加，从而有助于良好的碳封存潜力。同样，诸如间伐、修剪、间距调整和施肥等实践可以改善生长和碳积累（Ameray等人，2021年）。因此，对柚木种植园进行科学管理可以显著提高其碳封存效率。此外，高降雨地区的良好生长表现和有利的土壤及气候条件也确保了更高的碳封存潜力。**卡弗里三角洲地区碳产量模型的验证**

对于卡弗里三角洲地区，0至5年龄段的块状人工林，观察到的偏差为2%（表9）。同样，边界人工林的偏差也为2%（表13）。5至10年龄段的块状人工林偏差为1%（表10），而边界人工林的偏差为3%（表14）。10至15年龄段的块状人工林偏差为1%（表11），边界人工林的偏差也为1%（表15）。15至20年龄段的树木，块状人工林的偏差为1%（表12），同一年龄段的边界人工林偏差为2%（表16）。观察值与预测值之间的最小差异表明该模型在三角洲地区典型条件下具有较好的稳定性，因为土壤肥力和灌溉制度可能会对生长模式产生影响。模型预测的一致性，尤其是在较老的年龄段，突显了其在长期碳监测和管理方面的潜力。

**高降雨量地区碳产量模型的验证**

在高降雨量地区，0至5年龄段的柚木块状人工林的偏差为4%（表9）。同一年龄段的边界人工林偏差也为4%（表13）。早期生长速度较快以及在高湿度条件下地上生物量积累的变动较大可能是导致这种较高偏差的原因。然而，5至10年龄段的块状人工林偏差为1%（表10），边界人工林的偏差同样为1%（表14）。10至15年龄段的块状人工林偏差约为3%（表11），边界人工林的偏差为1%（表15）。15至20年龄段的块状人工林实际总碳与预测总碳之间的偏差为1%（表12），边界人工林的偏差为2%（表16）。随着人工林年龄的增加，偏差范围逐渐减小，表明模型能够有效地稳定并捕捉树木成熟过程中的碳积累趋势。

综上，总体验证结果展示了该模型在不同区域（无论是块状还是边界人工林）中的表现。从政策和实施角度来看，这一点非常重要，因为它扩大了模型的适用范围。这也使得从事边界种植的小农户能够自信地应用这些模型进行碳估算，为碳金融机制的建立铺平了道路。此外，模型能够以最小误差预测总碳储量，对碳信用量的量化与报告具有直接意义。鉴于碳市场和气候金融的重要性，本地化且经过验证的碳产量模型的可用性使包括农民、政策制定者和项目开发者在内的利益相关者能够更准确地评估碳封存潜力和收入资格（Ewane和Lee，2020年）。模型的准确性加上其易用性，使其成为研究和现场环境中管理柚木种植园的决策支持工具。

**柚木碳封存：工业领域的机遇**

本研究的结果清楚地表明了柚木在块状和边界人工林中封存更多碳方面的优势。这可为工业领域带来显著益处，并有助于实现可持续性和长期资源安全目标。在农田中种植的柚木具有较高的生物量且轮作周期较长，可以轻松用于抵消工业排放，并符合碳中和或低碳生产目标。通过立木和木质产品储存大气中的碳，农田种植的柚木有助于企业控制排放并符合环境法规。此外，尤其是自愿碳市场的引入，为多个行业提供了通过购买来自农田柚木种植园的碳信用额的大量机会。这有助于加强绿色供应链，并提升企业的可持续性报告。对于工业领域而言，农田种植的柚木的碳封存潜力既带来了生态效益，也带来了经济效益，使其成为推动环境合规性和向低碳技术转型的战略资源。针对特定农业气候区的碳模型还可以用于准确估算碳封存量，进而有助于计算碳信用额并在碳市场中发挥作用。

**挑战与未来方向**

当前研究完全基于实地验证和对不同区域农田柚木种植园的识别，但由于现有种植园的记录不足，这本身就是一个挑战。由于数据库不完善，大多数种植园的繁殖方式（种子或无性繁殖）无法确定，这可能影响生长变异性。此外，林学和土壤管理因素（如灌溉、间距和施肥）在不同种植园之间存在差异，因此无法完全标准化。因此，未来的研究应重点在农业气候区建立永久性样地，以长期评估生物量、生长情况及其对应的碳动态。比较种子来源和无性繁殖柚木在农田条件下的研究也有助于改进生长和碳预测。结合LiDAR技术与遥感技术还能进一步提升特定区域的碳模型和大规模碳制图。

**结论**

本研究揭示了泰米尔纳德邦不同农业气候区中农田种植柚木的生长和碳捕获情况。结果表明，高降雨量地区15至20年龄段的边界柚木人工林表现出最佳生长（胸径0.311米，高度11.99米，体积0.930立方米），二氧化碳当量积累量最高（每株树1.5817吨）。使用多元线性回归开发的碳估算模型在多个区域都表现出很高的准确性，并具有较高的预测能力（R2 = 0.958–0.989），证明了其在实际应用中的稳健性。这些模型可用于实际估算农场碳储量，是智慧农业林业规划的强大工具。边界柚木较高的碳储存量有助于长期木材供应，减少进口，并支持碳中和的工业运营。重要的是，这些模型具有实际应用价值，尤其是在帮助农民和土地管理者参与自愿和受监管的碳市场方面。在农场规模上量化二氧化碳当量使农民能够进入碳信用计划，一片1公顷的成熟柚木种植园可能同时产生显著的碳收入和木材收益。此外，这些模型根据本地条件进行了定制，有利于制定政策、指导气候投资和促进可持续土地利用。成功的验证表明，这些模型可以扩大应用范围，支持更广泛的柚木基农业林业的发展，不仅能够提高农村收入，还有助于实现印度在《巴黎协定》下的气候目标。未来的研究应探索整合遥感技术和动态生长建模，进一步提高预测准确性，并将这些模型应用于更广阔的区域和更长的时间范围内。

**作者贡献声明**

- M Sivaprakash：写作、审稿与编辑、监督
- B Sivakumar：写作、审稿与编辑、监督
- J Balamurugan：写作、审稿与编辑、监督、调查
- R Ravi：写作、审稿与编辑、监督
- J Kevin Johnal：写作、审稿与编辑、初稿编写
- Pragati B Patil：写作、审稿与编辑、初稿编写、数据分析
- V G Yoga Soundraraja：写作、审稿与编辑、初稿编写
- S Radhakrishnan：写作、审稿与编辑、初稿编写、软件开发、方法论、数据分析
- A Balasubramanian：写作、审稿与编辑、监督、调查、数据分析
- P Ravi Raja Simman：初稿编写
- Parwiz Niazi：写作、审稿与编辑、数据分析
- R Ashick Rajah：写作、审稿与编辑、初稿编写、验证、数据分析

**资金声明**

本研究未收到任何资金支持。