Un modèle allométrique

Dec 06, 2023

Rapports scientifiques volume 12, Numéro d'article : 7527 (2022) Citer cet article

2208 accès

1 Altmétrique

Détails des métriques

Le taux de croissance rapide, la production élevée de biomasse et la récolte annuelle font du bambou une espèce appropriée pour la production commerciale. Des équations allométriques pour de nombreuses espèces de feuillus et de conifères sont disponibles. Cependant, la connaissance de la production de biomasse et des équations allométriques des bambous est limitée. Cette étude vise à développer des modèles allométriques spécifiques à l'espèce pour prédire la biomasse et les valeurs de hauteur synthétique comme variable proxy pour sept espèces de bambou dans les contreforts de l'Himalaya. Deux modèles allométriques basés sur la puissance ont été utilisés pour prédire la biomasse aérienne et de chaume en utilisant le diamètre à hauteur de poitrine (D) seul et D combiné avec la hauteur de chaume (H) comme variable indépendante. Cette étude s'est également étendue à l'établissement d'un modèle allométrique H – D qui peut être utilisé pour générer des valeurs H synthétiques comme proxy du H manquant. Dans les sept espèces de bambou étudiées, parmi les trois principales composantes de la biomasse (chaume, branche et feuillage), le chaume est le composant le plus important avec la part la plus élevée (69,56–78,71%). La distribution du pourcentage (%) de la part du chaume, de la branche et du feuillage par rapport au poids frais aérien varie considérablement entre les différentes espèces de bambou. D. hamiltonii a la productivité la plus élevée pour les composants de la biomasse aérienne. Le rapport du poids sec au poids frais de sept espèces de bambou a été estimé pour le chaume, les branches, le feuillage et la biomasse aérienne afin de convertir le poids frais en poids sec.

Les bambous sont un groupe de plantes vivaces appartenant à la famille des Poacées. Le taux de croissance rapide, la production élevée de biomasse et la récolte annuelle font du bambou une espèce appropriée pour la production commerciale. Il existe 1642 espèces de bambou qui occupent un large régime écologique à travers le globe, principalement dans les régions tropicales et subtropicales1. Dans le monde, le bambou pousse sur plus de 35 millions d'hectares et couvre 3,2 pour cent des zones forestières de leurs pays d'accueil ou environ 1 pour cent de la superficie forestière mondiale2,3. L'Inde est l'un des pays les plus riches au monde en termes de ressources génétiques du bambou avec 125 espèces de bambou appartenant à 23 genres. La superficie plantée de bambous dans le pays est de 15,68 millions d'hectares qui fournissent des moyens de subsistance à environ 2 millions d'artisans traditionnels grâce à la récolte, la transformation, la valeur ajoutée et la vente de produits en bambou4. La demande de bambou est estimée à 26,69 millions de tonnes contre une offre de 13,47 millions de tonnes dans le pays5. Dans l'ensemble, le bambou contribue à la réalisation d'importants objectifs de développement durable de l'Agenda 2030 des Nations Unies, en particulier l'ODD1, l'ODD7, l'ODD 11, l'ODD 12, l'ODD 13, l'ODD 15 et l'ODD 176.

Les changements climatiques dus aux émissions de gaz à effet de serre et à l'épuisement des ressources en combustibles fossiles sont des préoccupations mondiales majeures. L'Inde s'est fixé pour objectif de réduire l'intensité de ses émissions de 33 à 35 % entre 2005 et 2030 et de réduire ses émissions de carbone à zéro net d'ici 2070 lors du sommet sur la crise climatique de la Conférence des Nations Unies sur le changement climatique (COP26) 2021 organisé à Glasgow, au Royaume-Uni. . L'Inde s'est également engagée à créer un puits de carbone supplémentaire de 2,5 à 3 milliards de tonnes d'équivalent CO2 grâce à une couverture forestière et arborée supplémentaire d'ici 2030. Les approches d'atténuation du changement climatique comprennent généralement (i) les efforts d'atténuation conventionnels (technologies et techniques de décarbonation qui réduisent le CO2) , (ii) techniques d'émissions négatives (capture et stockage du carbone bioénergétique, biochar, amélioration de l'altération, capture et stockage directs du carbone dans l'air, fertilisation des océans, amélioration de l'alcalinité des océans, séquestration du carbone dans le sol, boisement et reboisement, construction et restauration de zones humides) et (iii) technologies de géo-ingénierie à forçage radiatif (injection d'aérosols stratosphériques, éclaircissement du ciel marin, amincissement des cirrus, miroirs spatiaux, éclaircissement en surface et diverses techniques de gestion du rayonnement)7,8. Les technologies de géo-ingénierie de forçage radiatif ne sont actuellement pas incluses dans les cadres politiques7. Jusqu'à présent, les évaluations du GIEC incluent deux technologies d'émissions négatives, à savoir la capture et le stockage du carbone bioénergétique et le boisement et le reboisement pour évaluer la faisabilité d'atteindre les objectifs de l'accord de Paris9.

Les techniques basées sur la biomasse pour l'élimination du CO2 comprennent la biomasse pour le stockage primaire du carbone (par exemple, un arbre), la combustion et le stockage ultérieur des produits. La biomasse produit des biocarburants en tant qu'alternatives aux carburants non fossiles qui fournissent 9 % (~ 51 EJ) des besoins mondiaux en énergie primaire en tant que source d'énergie peu coûteuse, fiable et durable10. En tant que sources de biocarburants, le biodiesel et le biochar peuvent aider à atténuer les effets environnementaux des carburants fossiles11,12. Dans ce contexte, le bambou peut également réduire considérablement les émissions en remplaçant les combustibles fossiles pour la production d'énergie et la séquestration du carbone en raison de sa capacité à croître rapidement et à persister longtemps sans créer de changements significatifs dans le stock de chaume après la récolte, contribuant ainsi à atténuer les effets. du changement climatique13,14,15. Le bambou est une espèce prospective et prioritaire pour le stockage et la séquestration du carbone. Nath et al. (2015)16 ont rapporté que les taux de séquestration du carbone de la biomasse variaient de 13 à 24 Mg C ha−1 an−1 à l'échelle mondiale pour divers types de bambou. Les bambous sont considérés comme équivalents aux arbres dans le boisement et le reboisement17 et ont été certifiés selon la norme de carbone vérifiée par Food and Trees for Africa's18. Le bambou a un énorme potentiel pour être utilisé comme matière première pour la production de bioénergie19,20. Il peut être utilisé comme source d'énergie en les convertissant en combustibles solides liquides et gazeux. Comparé à de nombreuses cultures non alimentaires comme le miscanthus (Miscanthus), le panic raide (Panicum virgatum), le roseau géant (Arundo donax), les taillis de peuplier à courte rotation (Populus) ou le saule (Salix), le bambou peut produire chaque année jusqu'au prochain cycle de vie de 30–50 ans sans perturber le système racinaire (racines et rhizome). Cela peut en outre empêcher l'érosion des sols, améliorer la séquestration du carbone dans le sol et réduire la pression sur les forêts existantes. Littlewood et al. (2013)21 ont signalé une teneur élevée en sucre de 62 % de la matière sèche chez deux espèces de bambou de Chine. Malgré le vaste potentiel du bambou dans la production de biomasse, la bioénergie, la séquestration du carbone et la fourniture de nombreux services écosystémiques, le bambou a été négligé dans de nombreux accords politiques liés au changement climatique (Convention-cadre des Nations Unies sur les changements climatiques (CCNUCC), le Protocole de Kyoto et les Accords de Marrakech ) principalement en raison de sa classification botanique comme graminée13,14,16,22. Par conséquent, il est urgent d'améliorer notre compréhension de la production de biomasse et de la séquestration du carbone par les bambous afin qu'elle puisse être reconnue et incluse dans le programme de changement climatique de la CCNUCC.

L'évaluation de la biomasse ligneuse est utile pour l'extraction du bois, le suivi des changements dans les stocks de carbone et la quantification de la quantité de dioxyde de carbone qui peut être séquestrée de l'atmosphère. Les méthodes destructives et les méthodes indirectes (équations de biomasse) sont généralement utilisées pour estimer la biomasse des arbres. L'utilisation des équations de la biomasse est rentable et prend moins de temps. Il est reconnu par les Nations Unies comme un cadre commun et un guide de bonnes pratiques pour le reporting carbone dans la mise en œuvre du mécanisme émergent du marché des crédits carbone23. L'équation de la biomasse prédit la biomasse sur la base de variables mesurées facilement corrélées comme le diamètre à hauteur de poitrine et la hauteur des arbres24,25. Cependant, dans les bambous, l'estimation de la biomasse devient plus compliquée en raison des différents âges et des tiges multiples. Dans les bambous, des méthodes oculaires sont utilisées pour évaluer la biomasse par les commerçants et les agriculteurs qui nécessitent une longue expérience sur le terrain et souffrent d'un degré élevé d'imprécision et entraînent donc d'énormes pertes pour les agriculteurs, les forestiers, les industries et les autres producteurs de bambou. Par conséquent, il est urgent de développer des modèles / équations prédictifs spécifiques au site pour estimer la biomasse des bambous. Parmi les divers modèles non linéaires, les modèles allométriques sont les plus efficaces pour estimer la biomasse en raison de nombreux avantages de calcul comme la convergence élevée des paramètres du modèle par rapport à la plupart des autres modèles non linéaires, la meilleure qualité d'ajustement et les faibles erreurs statistiques26,27,28 ,29.

Dans la littérature, des équations allométriques sont disponibles pour les feuillus et les conifères. Cependant, les connaissances sur la production de biomasse dans les bambous sont limitées. La plupart des équations allométriques pour le bambou sont disponibles pour les espèces de Phyllostachys en Chine30,31,32,33. En Inde, malgré une grande superficie de bambous, des équations allométriques sont disponibles pour quelques espèces, à savoir Bambusa cacharensis, Bambusa balcooa, Bambusa tulda, Bambusa vulgaris, Dendrocalamus hamiltonii, Dendrocalamus longispathus, Melocanna baccifera, Schizostachyum dullooa et Pseudostachyum polymorphum dans le nord-est de l'Inde34 ,35 ; D. strictus dans le nord de l'Inde36,37; Bambusa bambos dans l'est de l'Inde38 et le sud de l'Inde39. Dans le nord de l'Inde, peu de travaux ont été tentés sur l'estimation de la biomasse des bambous. La présente étude a donc été entreprise sur sept espèces de bambou importantes sur le plan commercial avec pour objectifs (i) de développer des modèles allométriques pour sept espèces de bambou afin de prédire à la fois la biomasse aérienne et la biomasse des chaumes, (ii) d'établir une relation hauteur-diamètre pour les espèces de bambou et, (iii) déterminer le rendement de la biomasse et la contribution relative des différents composants de la biomasse de cette espèce de bambou.

L'étude a été menée dans les contreforts occidentaux de l'Himalaya afin de développer des modèles allométriques pour prédire la biomasse de sept espèces de bambou commerciales importantes, à savoir Bambusa balcooa, Bambusa bambos, Bambusa vulgaris, Bambusa nutans, Dendrocalamus hamiltonii, Dendrocalamus stocksii et Dendrocalamu strictus. Toutes les espèces de bambou sélectionnées sont d'importance commerciale et figurent sur la liste prioritaire de la National Bamboo Mission, du gouvernement indien et de l'Organisation internationale du bambou et du rotin (INBAR). Deux sites situés à une distance de 275 km ont été sélectionnés pour collecter les données de sept espèces de bambous différentes (Fig. 1). Les détails des sites d'étude sont donnés dans le tableau 1. Le matériel de plantation pour le site 1 a été collecté dans la pépinière de l'Uttarakhand Bamboo and Fiber Development Board, Dehradun, Inde. Pour le site 2, les plantes cultivées en pépinière ont été obtenues à partir de pépinières de bambous dans différentes régions du pays. L'identification des espèces de bambou était basée sur les caractéristiques morphologiques décrites par Seethalakshmi et Kumar (1998)40.

La carte de localisation des sites d'étude [La carte a été créée à l'aide du logiciel ArcGIS desktop (version 10.1)].

Pour l'échantillonnage, trois parcelles de 0,018 ha (15 m × 12 m) ont été sélectionnées pour chaque espèce au site 1. Pour le site 2, trois parcelles de 0,0225 ha (15 m × 15 m) ont été sélectionnées pour chaque espèce. Chaque parcelle se composait de 9 touffes de bambou comprenant de nombreux chaumes de bambou (poteaux). La sélection de l'échantillon a été effectuée à l'aide d'un plan d'échantillonnage aléatoire à deux degrés en considérant les touffes comme unité d'échantillonnage de 1er degré et les chaumes comme unité d'échantillonnage de 2e degré. Au total, 39 parcelles (21 sur le site 1 et 18 sur le site 2) comprenant 351 touffes ont été délimitées pour collecter des données chaque année à partir de 2017 à 2020. Pour comprendre la distribution de la taille des chaumes dans les parcelles d'échantillonnage, trois touffes ont été sélectionnées au hasard et mesurées pour circonférence de la touffe, diamètre de la cime, nombre de chaumes, diamètre des chaumes à hauteur de poitrine. Selon la taille des chaumes, différentes classes de diamètre ont été reconnues, représentant toute la gamme de diamètres. De chaque classe de diamètre, trois chaumes matures (> 3 ans) ont été récoltés au hasard pour chaque espèce dans chaque touffe. L'âge des chaumes matures dans les touffes a été déterminé sur la base de la gaine des chaumes, de la couleur des chaumes, de la position des chaumes et de la croissance et du développement des branches et des feuilles41. Les statistiques récapitulatives des paramètres biométriques des différentes espèces de bambou étudiées sont présentées dans le tableau 1. Le diamètre de chaque chaume de bambou a été mesuré à hauteur de poitrine à l'aide d'un pied à coulisse. Après avoir récolté le chaume, sa hauteur a été mesurée avec le ruban et séparée en différents composants, à savoir, feuille, branche et chaume. Des poids frais ont été prélevés pour les composants respectifs sur le terrain. Des sous-échantillons provenant des parties supérieure, moyenne et inférieure des chaumes d'âges différents ont été séchés au four à 65 °C jusqu'à poids constant pour déterminer le rapport du poids sec au poids frais42.

Deux formes d'équations de puissance d'équations allométriques ont été développées pour la modélisation de la biomasse de sept espèces de bambou. La première était une équation allométrique de forme de puissance générale à deux paramètres comme suit :

où 'a' désigne la constante de proportionnalité ou la constante d'échelle, 'b' désigne la puissance ou la constante de forme, et \(\varepsilon_{i}\) est la composante d'erreur suivant la distribution normale avec une moyenne nulle et une variance non constante \( \sigma_{i}^{2}\) c'est-à-dire,\(\varepsilon_{i} \sim iid\,N(0,\sigma_{i}^{2} )\). 'x' soit une variable prédictive unique. Ici, le diamètre à hauteur de poitrine (D) et le volume du chaume (D2H) ont été utilisés comme variables x. En outre, la forme de puissance à trois paramètres de l'équation allométrique a été utilisée comme :

où 'a' désigne la constante d'échelle, 'b' et 'c' désignent la constante de forme pour la variable prédictive x et z, respectivement ; \(\varepsilon_{i}\) soit la composante d'erreur suit une distribution normale avec une moyenne nulle et une variance non constante \(\sigma_{i}^{2}\) c'est-à-dire,\(\varepsilon_{i} \sim iid \,N(0,\sigma_{i}^{2} )\). Pour la modélisation de la biomasse, D a été utilisé comme x et H comme z.

Le terme d'erreur des deux formes allométriques déjà discutées, en supposant qu'elles sont hétéroscédastiques (c'est-à-dire que la variance n'est pas constante). Par conséquent, un modèle d'ajustement pondéré a été utilisé pour calculer la variance de la variation résiduelle à l'aide de la fonction,\(\,\sigma_{i}^{2} = Var(\varepsilon_{i} ) = \hat{\sigma }^ {2} (v_{i} )^{2\delta }\); où \(\hat{\sigma }^{2}\) est la somme des erreurs estimées des carrés ; \(v_{i}\) est la variable de pondération associée à la ième plante/touffe échantillonnée ; et \(\delta\) est le coefficient de la fonction de variance à estimer43,44,45. Par conséquent, la méthode de modélisation des effets fixes non linéaires à maximum de vraisemblance pondérée a été utilisée pour ajuster les équations de biomasse pour les sept espèces de bambou à l'aide du package "nlme" du logiciel statistique RStudio (R version 4.1.0). Les détails de la forme allométrique des équations utilisées pour tester et valider le meilleur ajustement sont présentés dans le tableau 2. Les différences statistiques entre les composantes de la biomasse des sept espèces ont été examinées à l'aide d'une analyse de variance. Une analyse post-hoc plus poussée a été effectuée par le biais du test de différence significative honnête (HSD) de Tukey pour obtenir une comparaison par paires entre les composants de la biomasse des espèces.

Trois modèles couramment utilisés correspondent aux statistiques, à savoir. Akaike Information Criteria46, Bayesian Information Criteria47 et R2 ajusté (Adj.R2) ont été utilisés pour évaluer, comparer et sélectionner les meilleures équations allométriques selon les formules suivantes :

AIC = − 2ln(L) + 2p, où L est la vraisemblance du modèle, et p est le nombre de paramètres du modèle et n est la taille de l'échantillon.

BIC = − 2ln(L) + pln(n), où L est la vraisemblance du modèle, et p est le nombre de paramètres du modèle et n est la taille de l'échantillon.

\(Adj.R^{2} = 1 - \frac{RSS/(n - p)}{{TSS/(n - 1)}}\), où RSS = Somme résiduelle des carrés, TSS = Somme totale des carré, et p est le nombre de paramètres du modèle et n est la taille de l'échantillon.

Modèle avec le R2 Adj. le plus élevé et l'AIC le plus bas, la valeur BIC la plus basse a été choisie comme le meilleur modèle47. Des diagrammes de diagnostic des valeurs observées par rapport aux tendances d'ajustement et résiduelles ont également été utilisés pour évaluer les performances du modèle.

La méthode de validation croisée de Monte Carlo a été appliquée pour sélectionner, évaluer et comparer les modèles48,49,50,51. La méthode divise l'ensemble de données de manière aléatoire en deux parties, avec environ 80 % pour le développement du modèle et 20 % pour la validation croisée, répété R fois (environ 100 fois) pour obtenir des statistiques stables. Les statistiques d'ajustement du modèle et les critères de validation croisée ont été calculés pour chaque série de données sélectionnées au hasard et moyennées sur la série R (environ 100). Pour évaluer la fiabilité prédictive du modèle ajusté, trois critères de validation statistique, à savoir le biais (pourcentage), l'erreur quadratique moyenne (RMSE) et l'erreur absolue moyenne en pourcentage (MAPE) ont été utilisés43,44,45,50,51,52, 53,54 selon les formules suivantes :.

\(MAPE(\% ) = \frac{1}{R}\sum\nolimits_{r = 1}^{R} \frac{100}{n} \sum\nolimits_{i = 1}^{n} {\frac{{\left| {y_{i} - \hat{y}_{i} } \right|}}{{y_{i} }}}\), où \(y_{i}\) = Valeur observée et \(\hat{y}_{i}\) = Valeur prédite, R = Nombre de fois que la validation croisée s'est produite. Un modèle avec la valeur d'erreur statistique la plus faible en termes de biais, RMSE et MAPE a été préféré comme meilleur modèle.

L'équation allométrique de la forme H = aDb + e, a été utilisée pour développer la relation entre la taille (H) et le diamètre à hauteur de poitrine (D), où 'a' est la constante de normalisation (échelle), 'b' est la forme paramètre et e est le terme d'erreur suit la distribution normale avec une moyenne nulle et une variance non constante \(\sigma_{Hi}^{2}\) c'est-à-dire \(e_{i} \sim iid\,N(0,\sigma_{ Bonjour}^{2} )\). Le développement du modèle a été effectué à l'aide de la méthode de modélisation à effets fixes non linéaires à maximum de vraisemblance pondérée et la validation à l'aide de la méthode de validation croisée de Monte Carlo.

La biomasse dans différents composants (chaume, branches et feuillage) au site 1 a été déterminée en récoltant trois chaumes sélectionnés au hasard de touffes d'âge différent (de l'année 2013 à 2019) pour chaque espèce. Des sous-échantillons provenant des parties supérieure, médiane et inférieure des chaumes d'âges différents ont été séchés au four à 65 °C jusqu'à poids constant pour déterminer le rapport poids sec/poids frais qui a été utilisé pour déterminer la biomasse dans différents composants42. Les valeurs respectives de la biomasse dans les différentes composantes ont été multipliées par le nombre de tiges et la densité des touffes pour calculer la biomasse à l'hectare et additionnées pour obtenir la biomasse totale de chaque espèce. Les données sur le stock de carbone et le taux de séquestration ont été estimées en supposant une concentration de carbone de 42 %, 47 % et 50 % dans le feuillage, les branches et la biomasse des chaumes respectivement34. Le stockage du carbone dans les différents composants du chaume a été déterminé en multipliant la biomasse par la concentration en carbone. Le stockage total de carbone dans la biomasse aérienne a été obtenu en additionnant les valeurs de concentration de carbone pour les composants du feuillage, des branches et du chaume.

L'analyse de la variance a révélé que différents paramètres biométriques aériens des sept espèces de bambou, à savoir le diamètre du chaume, la hauteur du chaume, le poids du chaume, le poids du feuillage et le poids de la biomasse aérienne, variaient de manière significative (p <0,05). Une analyse post-hoc par le test de différence significative honnête (HSD) de Tukey a révélé que D. hamiltonii a le diamètre moyen le plus élevé du chaume (5,99 cm), la hauteur du chaume (11,91 m), le poids du chaume (16,92 kg), le poids du feuillage (1,53 kg) et poids au-dessus du sol (20,39 kg). Le poids moyen des branches de D. hamiltonii a cependant été observé comme étant le plus élevé (1,93 kg). Pourtant, il ne différait pas significativement des autres espèces de bambou, à savoir B. balcooa, B. bambos, B. nutans et B. vulgaris (tableau 3). En outre, le test HSD de Tukey a démontré que pour les sept espèces de bambou, le rapport entre le poids sec et le poids frais de composants distincts de la biomasse aérienne, tels que le chaume, la branche, le feuillage et la biomasse aérienne totale (AGB), différait considérablement. B. nutans aérien avait les rapports poids sec/frais les plus élevés pour le chaume (0,63), la branche (0,62) et l'AGB (0,61). D. strictus, en revanche, avait le rapport poids sec/frais le plus élevé (0,53) pour le feuillage (tableau 4). La distribution de la biomasse a révélé que la composante de chaume a le pourcentage le plus élevé (69,56–78,71%), suivie de la branche (12,04–17,79%) et du feuillage (3,50–16,94%). B. bambos a acquis le plus de biomasse de branches (17,79%) parmi les sept espèces de bambou, tandis que D. stocksii a accumulé le plus de chaume (78,71%) et de biomasse de feuilles (16,94%) (Fig. 2).

Répartition en pourcentage (%) de la part du chaume, des branches et du feuillage par rapport à la biomasse aérienne chez différentes espèces de bambou.

En utilisant des données obtenues à partir de tiges récoltées dans des plantations de bambous de > 3 ans, trois équations allométriques [forme allométrique (1) en A1 et A2 ; forme allométrique (2) en A3] ont été établis pour la biomasse aérienne fraîche (AGB) et le poids des tiges fraîches pour les sept espèces de bambou. De plus, en utilisant le diamètre à hauteur de poitrine (H) comme prédicteur de la hauteur du bambou (H), le modèle allométrique A1 a été établi une fois de plus. La valeur de plage de R2 ajusté (Adj.R2) (0,82–0,97), AIC (190,24–562,79) et BIC (205,57–580,74) pour les trois modèles suggérait une précision d'ajustement différentiel, mais Adj.R2 élevé et AIC et BIC faibles valeur pour les trois modèles, a mis en évidence la pertinence d'adopter des modèles allométriques (tableau 5).

La méthode de validation croisée de Monte Carlo a dévoilé la précision de prédiction des modèles allométriques ajustés avec la valeur étendue de ABias (− 14,62 à 8,90%), ARMSE (0,98–5,12) et AMAPE (11,28–30,29%), a révélé la précision de prédiction différentielle des modèles ajustés. modèle. En revanche, de faibles valeurs d'erreur pour les trois modèles, indiquant leurs capacités de prédiction (tableau 6).

Le modèle allométrique A1 a dévoilé le R2 ajusté le plus élevé (0,94) pour B. bambos, l'AIC le plus bas (209,02–269,03) et le BIC (221,35–283,08) pour B. bambos et B. nutans. En outre, il a également révélé l'erreur de prédiction la plus faible pour B. bambos et B. nutans, avec les ABias les plus faibles (− 2,74 à 0,50 %) ARMSE (2,14–4,02) et AMAPE (10,83–25,88 %).Avec l'AMAPE la plus faible (17,66 –22,50 %) et ARMSE (1,31–3,91), le modèle A2 présentait l'erreur de prédiction la plus faible pour D.stocksii et B.vulgaris. De plus, A2 a trouvé l'ABias le plus bas (− 4,08 %) pour B. vulgaris. Pour B. balcooa, D. hamiltonii et D. strictus, le modèle A3 a révélé le R2 adj. ) et BIC (367.52–564.76). En outre, il présentait également l'erreur de prédiction la plus faible pour B. balcooa, D. hamiltonii et D. strictus, avec les ABia les plus faibles (− 7,13 à − 0,47 %) et AMAPE (18,96–23,45 %) pour B. balcooa, D. hamiltonii, ainsi que l'ARMSE le plus bas (2,97–23,45) pour B. balcooa et D. hamiltonii.

Dans l'ensemble, le modèle aérien A1 était le plus efficace pour B.bambos et B.nutans, tandis que A2 était le plus fiable pour D.stocksii et B.vulgaris, et A3 était le plus approprié pour B.balcooa, D.hamiltonii et D.strictus, selon les résultats de la modélisation de la biomasse aérienne (tableaux 5 et 6). Les figures 3 et 4 montrent les résultats des modèles allométriques les mieux ajustés pour la prédiction du poids frais au-dessus du sol. Les résultats montrent que les modèles allométriques pondérés les mieux ajustés capturent efficacement l'hétéroscédasticité dans les résidus et fournissent des résidus beaucoup plus faibles. De plus, les résidus se sont révélés visuellement aléatoires (absence de motif), ce qui indique une grande précision d'ajustement.

Les parcelles A1-A4 ont été observées par rapport aux modèles allométriques les mieux ajustés pour la prédiction du poids frais au-dessus du sol chez B. balcooa, B. bambos, B. nutans, D. hamiltonii, respectivement. Alors que les tracés B1-B4 ont montré les résidus pondérés par rapport aux valeurs de poids frais au-dessus du sol les mieux ajustées chez B. balcooa, B. bambos, B. nutans, D. hamiltonii, respectivement.

Les parcelles A5-A7 ont été observées par rapport aux modèles allométriques les mieux ajustés pour la prédiction du poids frais au-dessus du sol chez D. stocksii, D. strictus, respectivement. Tandis que les parcelles B5-B7 présentaient les résidus pondérés par rapport aux valeurs de poids frais au-dessus du sol les mieux ajustées chez D. stocksii, D. strictus et B. vulgaris, respectivement.

L'établissement de modèles allométriques pour la biomasse de tiges fraîches a donné des valeurs Adj.R2 (0,80–0,96), AIC (200,39–554,83) et BIC (205,72–578,54) inférieures à celles du modèle ajusté pour la biomasse aérienne fraîche, ce qui implique une plus grande cohérence des valeurs allométriques. modèles (tableau 7). Les résultats de la validation croisée des modèles allométriques ajustés ont révélé une faible erreur de prédiction avec une valeur étendue de ABias (− 11, 68 à 7, 03%), ARMSE (0, 79–4, 70) et AMAPE (11, 10–30, 10%), révélant une précision de prédiction élevée (tableau 8).

Le modèle A1 s'est avéré plus performant pour la prédiction de la biomasse des tiges fraîches de B. bambos car il a la précision d'ajustement la plus élevée avec R2 ajusté (0,95), AIC (200,39) et BIC (212,72) et l'erreur de prédiction la plus faible avec ABias (− 4,99 %) ARMSE (3,16 %) et AMAPE (23,14 %). Le modèle A2 s'est avéré plus performant avec une précision d'ajustement et de prédiction maximale par rapport aux modèles A1 et A3 pour cinq espèces de bambou, à savoir B.balcooa, B.nutans, D.hamiltonii, D.stocksii et B.vulgaris. Ici, la précision d'ajustement la plus élevée de A2 a été observée à travers l'Adj.R2 le plus élevé (0,80–0,89), l'AIC le plus bas (253,26–545,05) et le BIC (205,72–563,01). La précision de prédiction la plus élevée de A2 a été définie par les ABias les plus faibles (− 8,24 à 6,11%), ARMSE (1,71–3,93) et AMAPE (11,10–23,98%). a la précision d'ajustement la plus élevée [R2 Adj. le plus élevé (0,96), AIC le plus bas (283,21) et BIC (315,57)] et l'erreur de prédiction la plus faible [ABias (− 2,62 %) ARMSE (0,79) et AMAPE (27,21 %)].

Les résultats du modèle allométrique de forme de puissance générale ajusté pour la modélisation H – D dans les sept espèces de bambou ont révélé que la valeur Adj.R2 du modèle ajusté pour les sept espèces de bambou s'est avérée > 0,7, sauf pour l'espèce B. nutans avec Adj. R2 = 0,69 (tableau 9). B. bambos, en revanche, avait le R2 Adj. le plus élevé (0,89), l'AIC le plus bas (156,04) et le BIC (497,83). En revanche, les valeurs AIC (497,83) et BIC (485,78) les plus élevées ont été trouvées chez D.hamiltonii. En outre, la précision de la prédiction des modèles ajustés H – D a été évaluée et il a été découvert que le biais des modèles ajustés était étendu entre − 1, 57 (chez B. vulgaris) et − 3, 91 (chez D. stocksii). Le RMSE variait entre 1,16 (chez D. strictus) et 2,70 (chez D. hamiltonii). La valeur la plus faible de MAPE (9,34) a été trouvée chez B. bambos, tandis que la valeur MAPE la plus élevée (20,52) a été observée pour D. hamiltonii (tableau 10).

La biomasse des différentes composantes a révélé la contribution maximale des chaumes suivis des branches et du feuillage sauf B. vulgaris où la biomasse du feuillage était supérieure à la biomasse des branches. La biomasse des chaumes suivait l'ordre : B. vulagris > B. balcooa > B. nutans > D. hamiltonii > D. strictus > B. bambos > D. stocksii. La biomasse des branches était la plus élevée chez B. nutans suivi de B. balcooa et minimale chez D. strictus, tandis que la biomasse du feuillage était la plus élevée chez B. nutans suivi de B. vulgaris. La biomasse totale était la plus élevée chez B. balcooa (212,6 Mg ha−1), suivie de B. nutans (209,2 Mg ha−1). La biomasse totale moyenne variait de 11,87 Mg ha−1 an−1 chez D. stocksii à 30,37 Mg ha−1 an−1 chez B. balcooa. Le stockage de carbone de la biomasse dans la présente étude variait de 40,8 à 104,2 avec un taux annuel de stockage de carbone de 5,83 à 14,88 Mg ha-1 an-1 (tableau 11).

Dans le bambou, le chaume a une productivité de biomasse surprenante en raison de son habitude de produire chaque année une germination à partir de systèmes de rhizomes horizontaux, ce qui permet une récolte annuelle sans exposer la surface du sol. Le bambou joue un rôle important dans le cycle global du carbone, en séquestrant le carbone atmosphérique grâce à son processus d'accumulation de biomasse55,56,57,58. Parmi les sept espèces de bambou étudiées, parmi les trois composantes majeures de la biomasse (chaume, branche et feuillage), le chaume est le plus important avec la part la plus élevée (69,56–78,71%) à la biomasse aérienne qui est plus que double pour combiner la part de biomasse de branche et feuillage. De plus, le chaume de bambou a une valeur commerciale élevée en raison de son utilité polyvalente59. La distribution du pourcentage (%) de la part du chaume, de la branche et du feuillage par rapport au poids frais aérien varie considérablement entre les différentes espèces de bambou (Fig. 2).

L'analyse de variance (ANOVA) a révélé une productivité différentielle significative (p < 0,05) des composants biométriques aériens (diamètre du chaume, hauteur du chaume, poids frais du chaume, poids frais du feuillage et poids frais aérien) pour les sept espèces de bambou. Le test post-hoc HSD de Tukey a révélé qu'en moyenne, D. hamiltonii a la productivité biométrique la plus élevée pour le diamètre du chaume D (5,99 cm), la hauteur du chaume H (11,91 m), le poids frais du chaume (16,92 kg), le poids frais du feuillage (1,53 kg) et poids frais aérien (20,39 kg). Pour le poids frais des branches, bien que D. hamiltonii ait la productivité la plus élevée, mais pas significativement supérieure à B. balcooa, B. bambos, B. nutans et B. vulgaris (tableau 3). Le taux de croissance différentiel des sept espèces de bambou a mis en évidence la nécessité d'une relation spécifique à l'espèce plutôt qu'une étude de relation générale pour établir le modèle de prédiction de la biomasse.

Le rapport entre le poids sec et le poids frais de sept espèces de bambou dans différents composants au sein des espèces a été trouvé significativement différent. Le rapport poids sec/frais le plus élevé a été trouvé pour le chaume (0,63), la branche (0,62) et la biomasse aérienne (0,61) chez B. nutans, tandis que, dans le feuillage, le rapport le plus élevé (0,53) a été atteint chez D. strictus. L'équation de la relation entre le poids sec et le poids frais indique que la variabilité du poids frais est directement proportionnelle au poids sec (biomasse) (tableau 4).

La relation allométrique donne une mesure non destructive et indirecte des composants de la biomasse et est souvent l'approche préférée car elle prend moins de temps et est moins coûteuse que les mesures directes. La production de biomasse chez les sept espèces de bambou a une corrélation positive élevée avec le diamètre à hauteur de poitrine (D) et la hauteur du chaume (H), mais n'a pas eu de corrélation significative avec l'âge. Cela était similaire aux résultats soulignés par Yen et al.58 pour les espèces de bambou S. dullooa, P. polymorphum et M. baccifera. Ainsi, D, combinaison de D et H a été utilisé pour la prédiction de la biomasse en utilisant des données combinées de plantations de bambous de plus de trois ans. De nombreux auteurs ont déjà observé D et D2H comme de bonnes variables prédictives pour la modélisation allométrique du bambou59,60,61. Les résultats ont révélé que D était une variable indépendante valide, mais en utilisant le volume (D2H) comme variable indépendante composée ou en incorporant H comme variable indépendante distincte, la précision de la prédiction a encore été améliorée pour la biomasse aérienne et la biomasse des chaumes, à l'exception des espèces de bambou B.bambos et B.nutans pour la biomasse aérienne fraîche et B.bambos pour la prédiction du poids des tiges fraîches (tableaux 5, 6, 7 et 8). Ici, l'utilisation de H comme variable indépendante supplémentaire n'a pas amélioré la précision de la prédiction, mais l'augmentation de l'erreur de prédiction peut être due à une erreur de mesure dans les données H, ou l'incorporation de H peut avoir un effet masquant sur D lors de l'ajustement du modèle. A1 avec D comme variable indépendante seule, a très bien performé et était généralement très proche des modèles A2 et A3. Une autre équation de la biomasse utilisant D comme variable indépendante présente l'avantage pratique d'une mesure facile61,62. Le modèle A1 a également été signalé comme un modèle fiable pour la prédiction de la biomasse par Yen et al.41, Kaushal et al.36

La puissance générale forme l'équation allométrique A2 avec le volume (D2H) comme variable indépendante, jugée la plus fiable pour la prédiction du poids frais aérien chez les espèces de bambou D.stocksii et B.vulgaris, alors que pour la prédiction du poids du chaume frais, A2 est plus performant pour cinq bambous. espèces à savoir, B.balcooa, B.nutans, D.hamiltonii, D.stocksii et B.vulgaris. Chave et al.53 chez les espèces ligneuses pour la prédiction de la biomasse aérienne à l'aide du volume de fût (D2H).

L'équation allométrique à trois paramètres A3 avec D et H comme variables indépendantes s'est avérée la plus fiable chez les espèces de bambou B. balcooa, D. hamiltonii et D. strictus pour la prédiction du poids frais aérien, alors que pour la prédiction du poids frais du chaume, A3 était le modèle le plus approprié dans D.strictus. Pour A3, l'utilisation de D et H comme variables indépendantes a fourni plus de flexibilité pour établir une relation avec la réponse de la biomasse.

L'ajustement et la précision de la prédiction des modèles allométriques les mieux ajustés pour la prédiction du poids frais ont été étudiés visuellement à l'aide de tracés linéaires. Le tracé résiduel des valeurs d'erreur de prédiction a mis en évidence que les modèles allométriques utilisant la méthode de modélisation à effets fixes non linéaires à maximum de vraisemblance pondérée capturent bien la relation hétéroscédastique entre la réponse de la biomasse et les variables prédictives et produisent des résidus beaucoup plus faibles. De plus, les résidus se sont révélés visuellement aléatoires (absence de motif), ce qui indique une précision d'ajustement élevée (Figs. 3 et 4).

Les modèles prédictifs pour l'estimation de la biomasse ont fourni les meilleures statistiques d'ajustement, augmentant l'efficacité statistique de l'estimation de la biomasse. La procédure de validation croisée a indiqué que les valeurs des paramètres dans les modèles sont stables et que, par conséquent, les modèles sont fiables pour prédire la biomasse. Cependant, les modèles étaient basés sur les données, de sorte que la relation de croissance change avec l'altération des conditions climatiques et les modèles développés ne sont valables que dans la plage de DHP et de hauteur couverte pendant l'échantillonnage et ils ne tiennent pas compte des autres sources de variation dans l'étude. Par conséquent, ces modèles ne sont applicables qu'aux espèces de bambou ayant des conditions de croissance similaires.

Il était très souvent impossible d'appliquer ces modèles allométriques les mieux ajustés en raison de l'absence d'observation de H64. Des valeurs H synthétiques ont été générées en tant que proxy H en utilisant le modèle allométrique H – D pour obtenir la valeur H. L'équation allométrique H–D développée pour les sept espèces de bambou a révélé une grande précision d'ajustement avec un Adj. R2 élevé (> 0,7) sauf B. nutans (0,69). La précision d'ajustement la plus élevée a été observée chez B. bambos, tandis que la valeur la plus faible observée chez D. hamiltonii (tableaux 9 et 10). Un résultat similaire a également été souligné par Kempeset al.24 et Sileshi25. La relation H–D a été développée en utilisant une plantation de bambou de > 3 ans où H a atteint un plateau, c'est-à-dire qu'il n'y a pas de croissance en diamètre et en hauteur65. À notre connaissance, pour la première fois, cette étude a établi une modélisation allométrique pour quantifier la relation H – D entre les sept espèces de bambou, à savoir B. bambos, B. nutans, D. stocksii, B. vulgaris, B. balcooa , D. hamiltonii et D. strictus.

La biomasse de différentes espèces de bambou variait de 83,1 chez D. stocksii à 212,6 chez B. balcooa. Globalement, les valeurs de D.stocksii B. bambos, D. strictus et D. hamiltonii dans la présente étude (83,1–115,5 Mg ha−1) sont inférieures aux valeurs (206–212,6 Mg ha−1) de B. vulgaris, B. nutans et B. balcooa. La différence de biomasse est attribuée aux différences de taille, de hauteur et de densité des chaumes des espèces de bambou et à leurs différences dans les besoins en ressources (eau, lumière, nutriments, etc.) et leur efficacité d'utilisation. Nos valeurs sont dans la fourchette de la biomasse moyenne de bambou rapportée de 124 Mg ha−1, avec une fourchette de 60–242 Mg ha−1 16. Nos valeurs de biomasse pour D. strictus (90,7 Mg/ha pendant 7 ans) sont comparativement supérieure à la valeur signalée de 11–36 Mg ha−1 pour la savane tropicale sèche à bambous mature (chaumes de 5 ans sur touffe > 20 ans) avec une densité de 253–267 ha−1 66 et 30–49 Mg ha−1 dans une plantation de D. strictus âgée de 3 à 5 ans dans une région tropicale sèche67. Les valeurs pour B. bambos (89,23 Mg ha−1) sont comparativement bien inférieures aux valeurs rapportées de 109–167 Mg ha−1 pour la plantation de B. bambos dans l'est de l'Inde68 et 287 Mg ha−1 pour B. bambos dans le sud de l'Inde69. La biomasse la plus faible de B. bambos est attribuée à la mortalité à grande échelle des nouvelles pousses de bambou après la première récolte de touffe en 2018. Les valeurs de B. balcooa et B. vulgaris sont de 208 et 212 Mg ha−1 pendant 7 ans avec une productivité moyenne de 29–30,3 Mg ha−1an−1 sont supérieures à la biomasse produite à partir de Miscanthus (5,9–13 Mg ha−1an−1)70 mais comparables aux valeurs de 121,5 Mg ha−1 pendant 4 ans avec une productivité moyenne de 30,4 pour le mélange peuplement de B. cacharensis, B. vulgaris et B. balcooa dans le nord-est de l'Inde71.

La comparaison du bambou avec d'autres espèces productrices de biomasse a révélé que la production de biomasse chez les espèces de bambou est comparable à celle de nombreuses autres espèces d'arbres ligneux à courte rotation comme Leucaena leucocephala (87 Mg ha−1) en 5 ans) ; Populus deltoides (48,7–128 Mg ha−1 dans des plantations de 3–9 ans) et Eucalyptus (54,1–101,8 Mg ha−1 dans des plantations de 5 et 8 ans)72,73,74,75.

Le stockage de carbone dans la présente étude variait de 40,8 à 104,2, ce qui est également dans les valeurs rapportées des valeurs moyennes de stockage de carbone de 30 à 121 Mg ha−1 16. Nos valeurs sont cependant bien inférieures aux valeurs de stockage de carbone de 169 à 259 Mg C ha−1 dans les forêts de bambous en Chine et Phyllostachys edulis (169,4 Mg C ha−1), Bambusa stenostachya (114 Mg C ha−1) de Taïwan, Bambusa bambos (143,3 Mg C ha−1) d'Inde14. Les valeurs de stockage du carbone sont cependant comparables ou supérieures aux estimations moyennes de 39 et 86 Mg C ha−1, rapportées pour les forêts en Chine et dans le monde76,77. Comparé aux arbres à courte rotation à croissance rapide, le stockage de carbone dans les espèces de bambou est beaucoup plus élevé que le stockage de carbone au-dessus du sol signalé de 28,67 Mg ha−1 74 et 22,04–23,23 Mg ha−1 chez le peuplier78.

Le taux de stockage du carbone de la biomasse de 5,83–14,88 Mg ha−1 an−1 dans la présente étude est inférieur à celui de Dendrocalamus latiflorus âgé de 10 ans (16 Mg ha−1an−1)79 mais dans la fourchette rapportée de 6–24 Mg C ha−1 an−1 pour divers types de bambou dans le monde16. Comparé à d'autres espèces d'arbres ligneux, le taux de stockage du carbone dans la présente étude est plus élevé que Grewia optiva (0,63–0,81 Mg ha−1an−1)26 et différentes pratiques agroforestières (0,29–15,21 Mg ha−1 an−1)80. La différence de potentiel de séquestration du carbone peut être attribuée à la différence de densité, d'âge, de structure et de concentration de carbone des arbres dans différents composants26,74.

Dans cette étude, des équations allométriques à deux paramètres spécifiques à l'espèce avec une variable de régression simple et composée et des équations allométriques à trois paramètres ont été développées pour la biomasse aérienne. En outre, des modèles hauteur-diamètre spécifiques à l'espèce ont également été développés pour prédire la hauteur du bambou, qui peuvent être utilisés comme approximation de la variable de hauteur et utilisés pour les équations allométriques sans mesurer la hauteur du bambou. Étant donné que les équations allométriques ont été développées à l'aide de critères rigoureux, nous pouvons également conclure que les équations d'estimation de la biomasse développées fournissent une meilleure prédiction de la biomasse des chaumes et de la biomasse aérienne. On peut s'attendre à ce que les modèles augmentent la précision de l'estimation de la biomasse et de la séquestration du carbone dans les écosystèmes à base de bambou de l'Inde dans des peuplements naturels gérés ou des plantations cultivées dans des conditions similaires. De plus, compte tenu de la large utilisation polyvalente des espèces de bambou, les modèles développés peuvent fournir des informations utiles sur la biomasse des chaumes et la biomasse aérienne aux professionnels de la foresterie, aux cultivateurs de bambou et aux autres parties prenantes.

La modélisation selon l'âge et la biomasse racinaire n'ont pas été incorporées dans cette étude en raison de certaines difficultés méthodologiques. L'inclusion de ces paramètres à l'avenir peut améliorer la précision de la prédiction. De plus, ces modèles ont été dérivés d'un ensemble limité de données couvrant les contreforts de l'Himalaya, ce qui limite son applicabilité à des conditions de site similaires.

Le matériel de plantation a été obtenu auprès de différentes pépinières gouvernementales de différentes régions du pays et pour lesquelles toutes les autorisations ont été obtenues. Toute la collection est conforme aux directives et législations institutionnelles, nationales et internationales pertinentes.

Les ensembles de données utilisés et/ou analysés au cours de la présente étude sont disponibles auprès de l'auteur correspondant sur demande raisonnable.

Vorontsova, MS, Clark, LG, Dransfield, J., Govaerts, RHA & Baker, WJ World Checklist of Bamboos and Rattans 102 (Science Press, 2017).

Google Scholar

Lobovikov, M., Paudel, S., Ball, L., Piazza, M., Guardia, M., Ren, H., Russo, L. & Wu, J. Ressources mondiales en bambou : une étude thématique préparée dans le cadre de l'évaluation des ressources forestières mondiales 2005. Food & Agriculture Org., (2007).

FAO. Évaluation des ressources forestières mondiales 2020 : rapport principal, Rome. Consulté le 18 novembre 2021. https://www.fao.org/3/ca9825en/ca9825en.pdf. https://doi.org/10.4060/ca9825en (2020).

ISFR http://www.indiaenvironmentportal.org.in/files/file/isfr-fsi-vol1.pdf (consulté le 18 novembre 2021) (2019).

Salam, K. Connecter les pauvres : bambou, problèmes et perspectives. South Asia Bamboo Foundation (SABF) (2013) récupéré le 17 décembre 2013 sur jeevika.org/bamboo/2g-article-fornbda.docx.

INBAR. Consulté le 18 novembre 2021. https://www.inbar.int/global-programmes/.

Osman, AI, Abdelkader, A., Johnston, CR, Morgan, K. & Rooney, DW Enquête thermique et modélisation cinétique de la combustion de la biomasse lignocellulosique pour la production d'énergie et d'autres applications. Ing. ind. Chim. Rés. 56, 12119–12130 (2017).

Article CAS Google Scholar

Fawzy, S., Osman, A., Doran, J. & Rooney, DW Stratégies d'atténuation du changement climatique : un examen. Environ. Chim. Lett. 18, 2069-2094 (2020).

Article CAS Google Scholar

GIEC. Réchauffement climatique de 1,5 °C. Dans : Masson-Delmotte, V., Zhai, P., Pörtner, H.-O., Roberts, D., Skea, J., Shukla, PR, Pirani, A., Moufouma-Okia, W., Péan, C., R. Pidcock, S. Connors, JBR Matthews, Y. Chen, X. Zhou, MI Gomis, E. Lonnoy, T. Maycock, M. Tignor et T. Waterfeld (eds) Un rapport spécial du GIEC sur les impacts d'un réchauffement climatique de 1,5 °C au-dessus des niveaux préindustriels et les trajectoires d'émissions mondiales de gaz à effet de serre associées, dans le contexte du renforcement de la réponse mondiale à la menace du changement climatique, du développement durable et de la efforts pour éradiquer la pauvreté (2018). https://www.ipcc.ch/site/assets/uploads/sites/2/2019/06/SR15_Full_Report_High_Res.pdf (consulté le 22 décembre 2019).

Osman, A. et al. Conversion de la biomasse en biocarburants et analyse du cycle de vie : un bilan. Environ. Chim. Lett. 19, 4075–4118 (2021).

Article CAS Google Scholar

Balajii, M. & Niju, S. Catalyseurs hétérogènes dérivés du biochar pour la production de biodiesel. Environ. Chim. Lett. 17, 1447–1469. https://doi.org/10.1007/s10311-019-00885-x (2019).

Article CAS Google Scholar

Gunarathne, V., Ashiq, A., Ramanayaka, S., Wijekoon, P. & Vithanage, M. Biochar des déchets solides municipaux pour la récupération des ressources et la dépollution. Environ. Chim. Lett. 17, 1225-1235. https://doi.org/10.1007/s10311-019-00866-0 (2019).

Article CAS Google Scholar

Lobovikov, M., Schoene, D. & Yping, L. Le bambou dans le changement climatique et les moyens de subsistance ruraux. Mitig. Adapter. Stratég. Glob. Modification 17, 261–276 (2012).

Article Google Scholar

Yuen, JQ, Fung, T. & Ziegler, AD Stocks de carbone dans les écosystèmes de bambou dans le monde : estimations et incertitudes. Pour. Écol. Géré. 393, 113–138 (2017).

Article Google Scholar

Devi, AS & Singh, KS Potentiel de stockage et de séquestration du carbone dans la biomasse aérienne des bambous dans le nord-est de l'Inde. Sci. Rep. 11, 837 (2021).

Article CAS PubMed PubMed Central Google Scholar

Nath, AJ, Lal, R. & Das, AK Gestion des bambous ligneux pour la culture et le commerce du carbone. Glob. Écol. Conserv. 3, 654–663 (2015).

Article Google Scholar

CCNUCC. Trente-neuvième réunion du Conseil exécutif du Mécanisme pour un développement propre. Campus de l'ONU, Langer Eugen, Hermann-Ehlers-Str. 10, 53113 Bonn, Allemagne (2008).

FFT. Nourriture et arbres pour l'Afrique. Les premiers crédits compensatoires de carbone en bambou au monde émis dans le cadre du VCS sur le marché volontaire du carbone. Dans : trees.co.za (2012).

Sharma, R., Wahono, J. & Baral, H. Le bambou comme culture bioénergétique alternative et puissant allié pour la restauration des terres en Indonésie. Durabilité 10, 4367 (2018).

Article Google Scholar

Chin, KL et al. Production de bioénergie à partir du bambou : source potentielle du point de vue de la Malaisie. Bioressources 12, 6844–6867 (2017).

Article CAS Google Scholar

Littlewood, J., Wang, L., Tumbull, C. & Murphy, RJ Potentiel technico-économique du bioéthanol à partir de bambou en Chine. Biotechnol. Biocarburants 6, 173–173 (2013).

Article PubMed PubMed Central Google Scholar

Buckingham, K. et al. Le potentiel du bambou est limité par des cadres politiques dépassés. Ambio 40, 544-548 (2011).

Article PubMed PubMed Central Google Scholar

IPCC shorturl.at/bguxF (Consulté le 18 novembre 2021) (2003).

Kempes, CP, West, GB, Crowell, K. & Girvan, M. Prédiction des hauteurs maximales des arbres et d'autres caractéristiques à partir de la mise à l'échelle allométrique et des limitations des ressources. PLoS ONE 6(6), e20551 (2011).

Article ADS CAS PubMed PubMed Central Google Scholar

Sileshi, GW Un examen critique des modèles d'estimation de la biomasse forestière, des erreurs courantes et des mesures correctives. Pour. Écol. Géré. 329, 237-254 (2014).

Article Google Scholar

Verma, A. et al. Modèles prédictifs pour l'estimation de la biomasse et des stocks de carbone chez Grewia optiva sur les terres dégradées de l'ouest de l'Himalaya. Agrofor. Syst. 88(5), 895–905 (2014).

Article Google Scholar

Gao, X. et al. Modélisation de la relation hauteur-diamètre à l'aide d'un modèle d'équation allométrique : une étude de cas de peuplements de Phyllostachys edulis. J.Pour. Rés. 27, 339–347 (2016).

Article CAS Google Scholar

Huy, B. & Long, TT Un manuel pour l'évaluation de la biomasse et du carbone de la forêt de bambous, rapport technique INBAR (2019).https://www.inbar.int/resources/inbar_publications/a-manual-for-bamboo-forest-biomass -and-carbon-assessment/ (Consulté le 18 novembre 2021).

Brahma, B. et al. Un examen critique des équations d'estimation de la biomasse forestière en Inde. Arbres pour. Personnes 5, 100098. https://doi.org/10.1016/j.tfp.2021.100098 (2021).

Article Google Scholar

Yen, TM, Ji, YJ & Lee, JS Estimation de la production de biomasse et du stockage de carbone pour une plante de bambou makino à croissance rapide (Phyllostachys makinoi) basée sur le modèle de distribution de diamètre. Pour. Écol. Géré. 260, 339–344. https://doi.org/10.1016/j.foreco.2010.04.021 (2010).

Article Google Scholar

FAO. Directives sur les mesures destructives pour l'estimation de la biomasse forestière (FAO, Rome, 2012).

Yen, TM Comparaison de la structure aérienne et du stockage de carbone aérien d'une série d'âges de forêts de bambou moso soumises à différentes stratégies de gestion. J.Pour. Rés. 20, 1–8 (2015).

Article CAS Google Scholar

Yuen, JQ, Fung, T. & Ziegler, AD Stocks de carbone dans l'écosystème du bambou dans le monde : estimations et incertitudes. Pour. Écol. Géré. 393, 113–138 (2017).

Article Google Scholar

Nath, AJ, Das, G. & Das, AK Stockage de la biomasse et du carbone au-dessus du sol dans les bambous villageois du nord-est de l'Inde. Biomasse Bioénergie 33, 1188–1196 (2009).

Article Google Scholar

Rawat, RS, Arora, G., Rawat, VRS, Borah, HR, Singson, MZ, Chandra, G., Nautiyal, R. & Rawat, J. Estimation de la biomasse et du stock de carbone des espèces de bambou grâce au développement d'équations allométriques. Conseil indien de la recherche et de l'éducation forestières, Dehradun, INDE (2018).

Tripathi, SK & Singh, KP Productivité et cycle des nutriments dans les savanes de bambou récemment récoltées et matures dans les tropiques secs. J. Appl. Écol. 31, 109-124 (1994).

Article Google Scholar

Kaushal, R. et al. Modèles prédictifs pour l'estimation de la biomasse et des stocks de carbone chez le bambou mâle (Dendrocalamus strictus L.) dans la vallée de Doon, en Inde. Acta Écol. Péché. 36, 469–476 (2016).

Article Google Scholar

Das, D. & Chaturvedi, OP Bambusa bambos (L.) Plantation Voss dans l'est de l'Inde : I. Recrutement des chaumes, dynamique de la matière sèche et flux de carbone. J. Bamboo Rattan 5(1&2), 47–59 (2006).

Google Scholar

Shanmughavel, P. & Francis, K. Production de biomasse aérienne et distribution des nutriments dans le bambou en croissance (Bambusa bambos (L.) Voss). Biomasse Bioénergie 10(5/6), 383–91 (1996).

Article CAS Google Scholar

Seethalakshmi, KK & Kumar, M. Bambous de l'Inde : un recueil. Institut de recherche forestière du Kerala, Peechi et Réseau international pour le bambou et le rotin, Pékin (1998).

Yen, TM, Ji, YJ & Lee, JS Estimation de la production de biomasse et du stockage de carbone pour une plante de bambou makino à croissance rapide (Phyllostachys makinoi) basée sur le modèle de distribution de diamètre. Pour. Écol. Géré. 260, 339–344. https://doi.org/10.1016/j.foreco.2010.04.021 (2010).

Article Google Scholar

FAO. Directives sur les mesures destructives pour l'estimation de la biomasse forestière (FAO, Rome, 2012).

Huy, B. et al. Équations allométriques pour estimer la biomasse aérienne des arbres dans les forêts de feuillus à feuilles persistantes du Vietnam. Pour. Écol. Géré. 382, 193-205 (2016).

Article Google Scholar

Huy, B. et al. Équations allométriques pour l'estimation de la biomasse aérienne des arbres dans les forêts tropicales de diptérocarpacées du Vietnam ». Forêts 7(180), 1–19 (2016).

Google Scholar

Huy, B., Poudel, KP & Temesgen, H. Équations de biomasse aérienne pour les forêts de feuillus à feuilles persistantes dans l'écorégion côtière du centre-sud du Vietnam : sélection de modèles écorégionaux ou pantropicaux. Pour. Écol. Géré. 376, 276-283 (2016).

Article Google Scholar

Akaike, H. Théorie de l'information en tant qu'extension du principe du maximum de vraisemblance ». In Petrov, BN & Csaki, FE (eds) Actes du 2e symposium international sur la théorie de l'information. Budapest : Akademiai Kiado, 267-281 (1973).

Schwarz, GE Estimation de la dimension d'un modèle. Ann. Statistique 6(2), 461–464 (1978).

Article MathSciNet MATH Google Scholar

Huy, B. Méthodologie d'élaboration et de validation croisée d'équations allométriques pour l'estimation de la biomasse des arbres forestiers. Ville de HCM : Science et technologie, 238 (2017a).

Huy, B. Informatique statistique en foresterie. HCM City : Science et technologie, 282 (2017b).

Huy, B., Tinh, NT, Poudel, KP, Frank, BM & Temesgen, H. Systèmes de modélisation spécifiques aux taxons pour améliorer la fiabilité des estimations de la biomasse aérienne des arbres et de ses composants dans les forêts tropicales sèches de diptérocarpacées. Pour. Écol. Géré. 437, 156-174 (2019).

Article Google Scholar

Huy, B., Thanh, GT, Poudel, KP & Temesgen, H. Équations allométriques de plantes individuelles pour l'estimation de la biomasse aérienne et de ses composants pour une espèce de bambou commune (Bambusa procera A. Chev. et A Camus) dans les forêts tropicales. Forêts 10, 1–17 (2019).

Article Google Scholar

Mayer, DG & Butler, DG Validation statistique. Écol. Modèle. 68, 21-32 (1993).

Article Google Scholar

Chave, J. et al. Allométrie des arbres et amélioration de l'estimation des stocks et bilans de carbone dans les forêts tropicales. Oecologia 145, 87–99 (2005).

Article ADS CAS PubMed Google Scholar

Basuki, TM, Van Laake, PE, Skidmore, AK & Hussin, YA Équations allométriques pour l'estimation de la biomasse aérienne dans les forêts tropicales de diptérocarpacées des basses terres ». Pour. Écol. Géré. 257, 1684–1694 (2009).

Article Google Scholar

Kaushal, R. et al. Comportement d'enracinement et propriétés du sol chez différentes espèces de bambou des contreforts de l'Himalaya occidental, en Inde. Sci. Rep. 10, 4966 (2020).

Article ADS CAS PubMed PubMed Central Google Scholar

Kramer, PJ & Kozlowski, TT Physiologie des plantes ligneuses 628–702 (McGraw Hill, 1979).

Google Scholar

GIEC Disponible sur http://www.ipcc.ch. Consulté en octobre 2008 (2008).

Yen, TM, Ji, YJ & Lee, JS Estimation de la production de biomasse et du stockage de carbone pour une plante de bambou makino à croissance rapide (Phyllostachys makinoi) basée sur le modèle de distribution de diamètre. Pour. Écol. Géré. 260, 339-344 (2010).

Article Google Scholar

Inoue, A., Sakamoto, S., Suga, H., Kitazato, H. & Sakuta, K. Construction d'une table de volume à sens unique pour les trois principaux bambous utiles au Japon. J.Pour. Rés. 18, 323-334 (2013).

Article Google Scholar

Kralicek, K., Huy, B., Poudel, KP, Temesgen, H. & Salas, C. Estimation simultanée de la biomasse aérienne et souterraine dans les forêts tropicales du Vietnam. Pour. Écol. Géré. 390, 147-156 (2017).

Article Google Scholar

Montes, N., Gauquelin, W., Badri, V., Bertaudiere, EH & Zaoui, A. Une méthode non destructive pour estimer la biomasse forestière aérienne dans les forêts menacées. Pour. Écol. Géré. 130, 37–46 (2000).

Article Google Scholar

Verma, A. et al. Modèles prédictifs pour l'estimation de la biomasse et des stocks de carbone chez Grewia optiva sur les terres dégradées de l'ouest de l'Himalaya. Agrofor. Syst. 88, 895–905. https://doi.org/10.1007/s10457-014-9734-1 (2014).

Article Google Scholar

Singnar, P. et al. Mise à l'échelle allométrique, accumulation de biomasse et stocks de carbone dans différents peuplements âgés de bambous à parois minces Schizostachyum dullooa Pseudostachyum polymorphum et Melocanna baccifera. Pour. Écol. Géré. 395, 81–91. https://doi.org/10.1016/j.foreco.2017.04.001 (2017).

Article Google Scholar

Huang, S., Price, D. et Titus, SJ Développement de modèles hauteur-diamètre basés sur l'écorégion pour l'épinette blanche dans les forêts boréales. Pour. Écol. Géré. 129, 125-141 (2000).

Article Google Scholar

Yen, TM Développement de la hauteur des chaumes, accumulation de la biomasse et stockage du carbone dans une phase initiale de croissance pour un bambou moso à croissance rapide (Phyllostachy pubescens). Bot. Étalon. 57, 10 (2016).

Article PubMed PubMed Central Google Scholar

Tripathi, SK & Singh, KP Recrutement des chaumes, dynamique de la matière sèche et flux de carbone dans les savanes de bambou récemment récoltées et matures dans les tropiques secs indiens. Écol. Rés. 11, 149-164 (1996).

Article Google Scholar

Singh, AN & Singh, JS Biomasse, production primaire nette et impact de la plantation de bambous sur le réaménagement des sols dans une région tropicale sèche. Pour. Écol. Géré. 119, 195-207 (1999).

Article Google Scholar

Das, DK & Chaturvedi, OP Bambusa bambos (L.) Plantation Voss dans l'est de l'Inde : I. Recrutement des chaumes, dynamique de la matière sèche et flux de carbone. J. Bamboo Rattan 5, 47–59 (2006).

Google Scholar

Shanmughavel, P. & Francis, K. Production de biomasse aérienne et distribution des nutriments dans le bambou en croissance (Bambusa bambos (L.) Voss). Biomasse Bioénergie 10, 383–391 (1996).

Article CAS Google Scholar

Arnoult, S. & Brancourt-Hulmel, M. Un examen de la production et de la composition de la biomasse de miscanthus pour l'utilisation de la bioénergie : variabilité génotypique et environnementale et implications pour l'élevage. Bioénergie Rés. 8, 502–526 (2015).

Article CAS Google Scholar

Nath, AJ, Das, G. & Das, AK Stockage de la biomasse et du carbone au-dessus du sol dans les bambous villageois du nord-est de l'Inde. Biomasse Bioénergie 33, 1188–1196 (2009).

Article Google Scholar

Bargali, SS, Singh, SP & Singh, R. Structure et fonction d'une série d'âges de plantations d'eucalyptus dans le centre de l'Himalaya I. Dynamique de la matière sèche. Ann. Bot. 69, 405–411 (1992).

Article Google Scholar

Rizvi, RH, Dhyani, SK, Yadav, RS & Ramesh, S. Production de biomasse et stock de carbone des systèmes agroforestiers de peupliers dans les districts de Yamunanagar et de Saharanpur du nord-ouest de l'Inde. Courant. Sci. 100, 736–742 (2011).

CAS Google Scholar

Kanime, N. et al. Production de biomasse et séquestration du carbone dans différents systèmes arborés de la région centrale de l'Himalaya Tarai. Pour les moyens de subsistance des arbres 22(1), 38–50 (2013).

Article Google Scholar

Arora, G. et al. Croissance, biomasse, stocks de carbone et séquestration dans les séries d'âge des plantations de Populus deltoides dans la région de Tarai au centre de l'Himalaya. Turc. J. Agric. Pour. https://doi.org/10.3906/tar-1307-94 (2013).

Article Google Scholar

Song, X. et al. Séquestration du carbone par les forêts de bambous chinoises et leurs avantages écologiques : évaluation du potentiel, des problèmes et des défis futurs. Environ. Rév. 19, 418–428 (2011).

Article CAS Google Scholar

Winjum, JK, Dixon, RC & Schroeder, PE Stockage du carbone dans les plantations forestières et leurs produits ligneux. J. World Resour. Géré. 8, 1–19 (1997).

Google Scholar

Yadava, AK Production de biomasse et séquestration du carbone dans différents systèmes agroforestiers de la région de Tarai. Indien pour. 136(2), 234–244 (2010).

Google Scholar

Lou, Y., Li, Y., Buckingham, K., Henley, G. & Zhou, G. Bambou et atténuation du changement climatique : une analyse comparative de la séquestration du carbone. Dans Réseau international pour le bambou et le rotin (INBAR), Pékin (2010).

Nair, PKR, Kumar, BM & Nair, VD L'agroforesterie comme stratégie de séquestration du carbone. J. Plante Nutr. Sol Sci. 172, 10–23 (2009).

Article CAS Google Scholar

Télécharger les références

L'aide financière reçue des deux agences de financement est dûment reconnue. Nous remercions également l'ICAR et le directeur ICAR-IISWC d'avoir autorisé la conduite de l'expérience. L'assistance technique fournie par M. UVS Chauhan et M. Ravish est grandement appréciée.

Cette recherche a été financée par la National Bamboo Mission, New Delhi, State Forest Department, Uttarakhand, Inde et l'Organisation internationale du bambou et du rotin (INBAR) grâce à ses subventions du FIDA et du gouvernement néerlandais et du programme de recherche du CGIAR sur les forêts, les arbres et l'agroforesterie (FTA ).

ICAR-Indian Institute of Soil and Water Conservation, 218, Kaulagarh Road, Dehradun, 248 195, Inde

R. Kaushal, S. Islam, JMS Tomar, S. Thapliyal, M. Madhu, Tarun Singh et Avnindra Singh

GB Pant University of Agriculture and Technology, Pantnagar, Inde

Salil Tewari

Organisation internationale du bambou et du rotin, Pékin, Chine

TL Trinh & J. Durai

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

RK, SI, ST, JD ont conceptualisé la recherche et conçu les expériences ; RK a contribué aux matériaux expérimentaux; JMST, STTS, AS ont exécuté la collecte de données expérimentales, RK, SI ont effectué l'analyse et l'interprétation des données ; SI, RK, MM ont préparé le manuscrit ; TLT et JD ont obtenu un financement et édité le manuscrit. Tous les auteurs ont examiné le manuscrit.

Correspondance à S. Islam.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui autorise l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Kaushal, R., Islam, S., Tewari, S. et al. Une approche basée sur un modèle allométrique pour estimer la biomasse de sept espèces de bambous indiens dans les contreforts de l'ouest de l'Himalaya, en Inde. Sci Rep 12, 7527 (2022). https://doi.org/10.1038/s41598-022-11394-3

Télécharger la citation

Reçu : 23 novembre 2021

Accepté : 15 avril 2022

Publié: 09 mai 2022

DOI : https://doi.org/10.1038/s41598-022-11394-3

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.