Đánh giá lượng hấp thụ CO2 của thực vật thân gỗ tại công viên 29 3 thành phố đà nẵng

` ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC SƯ PHẠM KHOA SINH – MƠI TRƢỜNG DƢƠNG HỒI NAM ĐÁNH GIÁ LƢỢNG HẤP THỤ CO2 CỦA THỰC VẬT THÂN GỖ TẠI CÔNG VIÊN 29/3 THÀNH PHỐ ĐÀ NẴNG Đà Nẵng – Năm 2015 ` ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC SƯ PHẠM KHOA SINH – MƠI TRƢỜNG DƢƠNG HỒI NAM ĐÁNH GIÁ LƢỢNG HẤP THỤ CO2 CỦA THỰC VẬT THÂN GỖ TẠI CÔNG VIÊN 29/3 THÀNH PHỐ ĐÀ NẴNG Ngành: Quản lý tài nguyên môi trƣờng Ngƣời hƣớng dẫn: PGS.TS Võ Văn Minh Đà Nẵng – Năm 2015 ` LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng tơi Các kết quả, số liệu khóa luận hồn tồn trung thực chưa công bố công trình khác Đà Nẵng, tháng 05 năm 2015 Sinh viên Dƣơng Hoài Nam ` LỜI CẢM ƠN Để hoàn thành khóa luận này, em xin gửi lời cảm ơn chân thành tới PGS.TS Võ Văn Minh Th.S Lê Quang Việt tận tình giúp đỡ, hướng dẫn em thực đề tài suốt thời gian qua Em xin bày tỏ lịng cảm ơn đến thầy, giáo Khoa Sinh – Môi Trường, Trường Đại học Sư phạm, Đại học Đà Nẵng tận tình giúp đỡ tạo điều kiện cho em học tập, nghiên cứu hồn thành khóa học Một lần xin chân thành cảm ơn! ` MỤC LỤC DANH MỤC CHỮ VIẾT TẮT DANH MỤC BẢNG BIỂU DANH MỤC HÌNH ẢNH, ĐỒ THỊ 11 MỞ ĐẦU 1 TÍNH CẤP THIẾT CỦA ĐỀ TÀI MỤC TIÊU ĐỀ TÀI 2.1 Mục tiêu tổng quát 2.2 Mục tiêu cụ thể Ý NGHĨA CỦA ĐỀ TÀI 3.1 Ý nghĩa khoa học 3.2 Ý nghĩa thực tiễn CHƢƠNG TỔNG QUAN TÀI LIỆU 1.1 CÂY XANH CÔNG VIÊN VÀ VAI TRÕ TRONG CẢI THIỆN MÔI TRƢỜNG ĐÔ THỊ 1.1.1 Cây xanh công viên 1.1.2 Vai trị xanh cơng viên cải thiện môi trường đô thị 1.2 NGHIÊN CỨU VỀ TÍCH TỤ CACBON TRONG SINH KHỐI THỰC VẬT TRÊN THẾ GIỚI VÀ VIỆT NAM 10 1.2.1 Sự tích tụ cacbon sinh khối thực vật 10 1.2.2 Một số phương pháp điều tra hấp thụ CO2 11 1.2.3 Nghiên cứu hấp thụ CO2 giới: 15 1.2.4 Nghiên cứu hấp thụ CO2 Việt Nam 19 ` 1.2.5 Nhận xét chung: 27 1.3 TỔNG QUAN VỀ KHU VỰC NGHIÊN CỨU 27 1.3.1 Lịch sử hình thành vị trí địa lý khu vực nghiên cứu: 27 1.3.2 Tình hình quản lý hệ thống xanh công viên 29/3: 28 CHƢƠNG ĐỐI TƢỢNG, PHẠM VI, NỘI DUNG VÀ PHƢƠNG PHÁP NGHIÊN CỨU 30 2.1 ĐỐI TƢỢNG VÀ PHẠM VI NGHIÊN CỨU 30 2.1.1 Đối tượng nghiên cứu 30 2.1.2 Phạm vi nghiên cứu 30 2.2 NỘI DUNG NGHIÊN CỨU 31 2.3 PHƢƠNG PHÁP NGHIÊN CỨU 31 2.3.1 Phương pháp hồi cứu số liệu 31 2.3.2 Phương pháp thu thập số liệu thực địa 31 2.3.3 Phương pháp lượng hóa giá trị cacbon: 33 CHƢƠNG KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN 36 3.1 ĐẶC TRƢNG LÂM HỌC CỦA THỰC VẬT TẠI CÔNG VIÊN 29/3 36 3.1.1 Thành phần loài khu vực nghiên cứu 36 3.1.2 Mật độ xanh khu vực nghiên cứu 41 3.1.3 Phân bố số theo cấp chiều cao 42 3.1.4 Phân bố số theo cấp đường kính 45 3.2 SINH KHỐI TRÊN MẶT ĐẤT CỦA CÂY XANH CÔNG VIÊN 29/3 49 3.2.1 Tương quan chiều cao đường kính (Hvn - D1,3) 49 ` 3.2.2 Tương quan sinh mặt đất đường kính (AGB – D1.3) 51 3.2.3 Sinh khối mặt đất khu vực nghiên cứu: 53 3.3 LƢỢNG TÍCH TỤ CACBON VÀ HẤP THỤ CO2 CỦA CÂY XANH CÔNG VIÊN 29/3 54 3.4 PHÂN BỐ LƢỢNG CO2 CỦA THỰC VẬT TẠI CÔNG VIÊN 29/3 56 3.4.1 Phân bố lượng CO2 theo cấp đường kính 56 3.4.2 Phân bố lượng CO2 theo loài khu vực nghiên cứu 58 3.5 LƢỢNG HÓA GIÁ TRỊ CO2 CỦA KHU VỰC NGHIÊN CỨU 61 3.6 ĐÁNH GIÁ KHẢ NĂNG HẤP THỤ CO2 CỦA CÁC LOÀI CÂY THÂN GỖ TẠI KHU VỰC NGHIÊN CỨU 63 KẾT LUẬN VÀ KIẾN NGHỊ 68 TÀI LIỆU THAM KHẢO PHỤ LỤC ` DANH MỤC CHỮ VIẾT TẮT AGB Above-ground biomass - Sinh khối mặt đất BEF Biomass Expansion Factor - Hệ số chuyển đổi sinh khối CDM Clean Development Mechanism - Cơ chế phát triển D1,3 Đường kính vị trí 1,3 m GIS Geographical Information System - HT thông tin địa lý GPS Global Position System - Hệ thống định vị toàn cầu Hvn Chiều cao vút IPCC Intergovernmental Panel on Climate Change - Ủy ban Liên Chính phủ Biến đổi khí hậu KNK Khí nhà kính WD Wood density - Tỷ trọng gỗ ` DANH MỤC BẢNG BIỂU Số hiệu Tên bảng Trang Ảnh hưởng độ rộng đai đến độ giảm tiếng bảng Bảng 1.1 ồn Bảng 1.2 Các hệ số chuyển đổi sinh khối Cacbon 19 Bảng 3.1 Số lượng tỷ lệ lồi xanh cơng viên 29/3 36 Bảng 3.2 Số cá thể, số loài, số họ theo khu vực 38 Bảng 3.3 Chỉ số giá trị quan trọng (IVI%) loài khu 38 vực nghiên cứu Bảng 3.4 Các tiêu n,G,N,M theo khu vực 41 Bảng 3.5 Đặc trưng phân bố N - Hvn khu vực 43 Bảng 3.6 Đặc trưng phân bố N – D1.3 khu vực 45 Bảng 3.7 Số lượng loài phân theo cấp đường 46 kính Bảng 3.8 Số lượng phân theo cấp đường kính 48 Bảng 3.9 Các phương trình phù hợp với tương quan 50 Hvn D1,3 Bảng 3.10 Các phương trình phù hợp với tương quan 52 AGB D1,3 Bảng 3.11 Sinh khối mặt đất khu vực 53 Bảng 3.12 Lượng Cacbon tích lũy lượng hấp thụ CO2 55 khu vực Bảng 3.13 Lượng CO2 hấp thụ phân theo cấp đường kính 56 Bảng 3.14 Lượng CO2 hấp thụ theo loài khu vực 59 nghiên cứu Bảng 3.15 Giá trị khả hấp thụ CO2 công viên 29/3 61 ` Bảng 3.16 Tỉ trọng gỗ loài khu vực nghiên cứu 63 Bảng 3.17 Đánh giá tiêu chuẩn khả hấp thụ 35 65 lồi thân gỗ cơng viên 29/3 Independent variable: D1_3 Square root-Y model: Y = (a + b*X)^2 Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept 2.3644 0.00911983 259.259 0.0000 Slope 0.0183563 0.000255272 71.9087 0.0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 131.415 131.415 5170.86 0.0000 Residual 30.3959 1196 0.0254146 Total (Corr.) 161.811 1197 Correlation Coefficient = 0.901195 R-squared = 81.2152 percent R-squared (adjusted for d.f.) = 81.1995 percent Standard Error of Est = 0.15942 Mean absolute error = 0.105129 Durbin-Watson statistic = 1.42373 (P=0.0000) Lag residual autocorrelation = 0.288052 The StatAdvisor The output shows the results of fitting a square root-Y model to describe the relationship between Hvn and D1_3 The equation of the fitted model is Hvn = (2.3644 + 0.0183563*D1_3)^2 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between Hvn and D1_3 at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 81.2152% of the variability in Hvn after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0.901195, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.15942 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0.105129 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen Plot of Fitted Model Hvn = (2.3644 + 0.0183563*D1_3)^2 17 15 Hvn 13 11 30 60 90 D1_3 120 Simple Regression - Hvn vs D1_3 Dependent variable: Hvn Independent variable: D1_3 Double square root model: Y = (a + b*sqrt(X))^2 Coefficients 150 Least Standard T Squares Parameter Estimate Error Statistic P-Value Intercept 1.69602 0.0143892 117.868 0.0000 Slope 0.230698 0.00259128 89.0287 0.0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 140.596 140.596 7926.12 0.0000 Residual 21.2151 1196 0.0177384 Total (Corr.) 161.811 1197 Correlation Coefficient = 0.932143 R-squared = 86.889 percent R-squared (adjusted for d.f.) = 86.878 percent Standard Error of Est = 0.133185 Mean absolute error = 0.0817467 Durbin-Watson statistic = 1.55799 (P=0.0000) Lag residual autocorrelation = 0.220857 The StatAdvisor The output shows the results of fitting a double square root model to describe the relationship between Hvn and D1_3 The equation of the fitted model is Hvn = (1.69602 + 0.230698*sqrt(D1_3))^2 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between Hvn and D1_3 at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 86.889% of the variability in Hvn after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0.932143, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.133185 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0.0817467 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen Plot of Fitted Model Hvn = (1.69602 + 0.230698*sqrt(D1_3))^2 17 15 Hvn 13 11 30 60 90 D1_3 120 150 Simple Regression - Hvn vs D1_3 Dependent variable: Hvn Independent variable: D1_3 Multiplicative model: Y = a*X^b Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept 0.720008 0.0154445 46.619 0.0000 Slope 0.431164 0.00464498 92.8237 0.0000 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 63.6223 63.6223 8616.24 0.0000 Residual 8.83126 1196 0.007384 Total (Corr.) 72.4535 1197 Correlation Coefficient = 0.937076 R-squared = 87.8111 percent R-squared (adjusted for d.f.) = 87.8009 percent Standard Error of Est = 0.0859302 Mean absolute error = 0.0543416 Durbin-Watson statistic = 1.60323 (P=0.0000) Lag residual autocorrelation = 0.197888 The StatAdvisor The output shows the results of fitting a multiplicative model to describe the relationship between Hvn and D1_3 The equation of the fitted model is Hvn = exp(0.720008 + 0.431164*ln(D1_3)) or ln(Hvn) = 0.720008 + 0.431164*ln(D1_3) Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between Hvn and D1_3 at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 87.8111% of the variability in Hvn The correlation coefficient equals 0.937076, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.0859302 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0.0543416 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen Plot of Fitted Model Hvn = exp(0.720008 + 0.431164*ln(D1_3)) 17 15 Hvn 13 11 30 60 90 D1_3 120 150 Simple Regression - AGB vs D1_3 Dependent variable: AGB Independent variable: D1_3 Multiplicative model: Y = a*X^b Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept -2.29585 0.177795 -12.9129 0.0000 Slope 2.28449 0.0510136 44.7819 0.0000 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 108.66 108.66 2005.42 0.0000 Residual 2.6008 48 0.0541833 Total (Corr.) 111.261 49 Correlation Coefficient = 0.988243 R-squared = 97.6624 percent R-squared (adjusted for d.f.) = 97.6137 percent Standard Error of Est = 0.232773 Mean absolute error = 0.193465 Durbin-Watson statistic = 1.3452 (P=0.0054) Lag residual autocorrelation = 0.327327 The StatAdvisor The output shows the results of fitting a multiplicative model to describe the relationship between AGB and D1_3 The equation of the fitted model is AGB = exp(-2.29585 + 2.28449*ln(D1_3)) or ln(AGB) = -2.29585 + 2.28449*ln(D1_3) Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between AGB and D1_3 at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 97.6624% of the variability in AGB The correlation coefficient equals 0.988243, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.232773 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0.193465 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen Plot of Fitted Model AGB = exp(-2.29585 + 2.28449*ln(D1_3)) (X 1000) AGB 0 20 40 60 80 100 D1_3 Simple Regression - AGB vs D1_3 Dependent variable: AGB Independent variable: D1_3 Exponential model: Y = exp(a + b*X) Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept 3.30762 0.144769 22.8476 0.0000 Slope 0.0594265 0.0032815 18.1095 0.0000 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value 120 Model 97.0558 97.0558 Residual 14.2052 48 0.295942 Total (Corr.) 111.261 49 327.96 0.0000 Correlation Coefficient = 0.933983 R-squared = 87.2325 percent R-squared (adjusted for d.f.) = 86.9665 percent Standard Error of Est = 0.544006 Mean absolute error = 0.382142 Durbin-Watson statistic = 0.37285 (P=0.0000) Lag residual autocorrelation = 0.649918 The StatAdvisor The output shows the results of fitting an exponential model to describe the relationship between AGB and D1_3 The equation of the fitted model is AGB = exp(3.30762 + 0.0594265*D1_3) Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between AGB and D1_3 at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 87.2325% of the variability in AGB after transforming to a reciprocal scale to linearize the model The correlation coefficient equals 0.933983, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.544006 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0.382142 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen Simple Regression - AGB vs D1_3 Dependent variable: AGB Independent variable: D1_3 Double square root model: Y = (a + b*sqrt(X))^2 Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept -26.6768 2.20392 -12.1042 0.0000 Slope 8.12605 0.360517 22.54 0.0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 11131.0 11131.0 0.0000 Residual 1051.65 48 21.9093 Total (Corr.) 12182.7 49 508.05 Correlation Coefficient = 0.955864 R-squared = 91.3677 percent R-squared (adjusted for d.f.) = 91.1879 percent Standard Error of Est = 4.68074 Mean absolute error = 3.49243 Durbin-Watson statistic = 0.489215 (P=0.0000) Lag residual autocorrelation = 0.66851 The StatAdvisor The output shows the results of fitting a double square root model to describe the relationship between AGB and D1_3 The equation of the fitted model is AGB = (-26.6768 + 8.12605*sqrt(D1_3))^2 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between AGB and D1_3 at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 91.3677% of the variability in AGB after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0.955864, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 4.68074 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 3.49243 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen Plot of Fitted Model AGB = (-26.6768 + 8.12605*sqrt(D1_3))^2 (X 1000) AGB 0 20 40 60 80 100 D1_3 Simple Regression - AGB vs D1_3 Dependent variable: AGB Independent variable: D1_3 Logarithmic-Y square root-X model: Y = exp(a + b*sqrt(X)) Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept 0.896363 0.150168 5.96905 0.0000 Slope 0.7944 0.0245646 32.3393 0.0000 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 106.379 106.379 0.0000 Residual 4.88242 48 0.101717 Total (Corr.) 111.261 49 Correlation Coefficient = 0.977813 R-squared = 95.6117 percent R-squared (adjusted for d.f.) = 95.5203 percent Standard Error of Est = 0.318931 Mean absolute error = 0.232789 1045.83 120 Durbin-Watson statistic = 0.807191 (P=0.0000) Lag residual autocorrelation = 0.46114 The StatAdvisor The output shows the results of fitting a logarithmic-Y square root-X model to describe the relationship between AGB and D1_3 The equation of the fitted model is AGB = exp(0.896363 + 0.7944*sqrt(D1_3)) Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between AGB and D1_3 at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 95.6117% of the variability in AGB The correlation coefficient equals 0.977813, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.318931 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0.232789 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen Plot of Fitted Model AGB = exp(0.896363 + 0.7944*sqrt(D1_3)) (X 1000) AGB 0 20 40 60 D1_3 Simple Regression - AGB vs D1_3 Dependent variable: AGB Independent variable: D1_3 Square root-Y model: Y = (a + b*X)^2 80 100 120 Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept -3.83863 0.695613 -5.51834 0.0000 Slope 0.656772 0.0157676 41.6533 0.0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 11854.7 11854.7 0.0000 Residual 327.969 48 6.83269 Total (Corr.) 12182.7 49 1735.00 Correlation Coefficient = 0.986448 R-squared = 97.3079 percent R-squared (adjusted for d.f.) = 97.2518 percent Standard Error of Est = 2.61394 Mean absolute error = 2.00126 Durbin-Watson statistic = 1.28873 (P=0.0028) Lag residual autocorrelation = 0.3497 The StatAdvisor The output shows the results of fitting a square root-Y model to describe the relationship between AGB and D1_3 The equation of the fitted model is AGB = (-3.83863 + 0.656772*D1_3)^2 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between AGB and D1_3 at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 97.3079% of the variability in AGB after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0.986448, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 2.61394 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 2.00126 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen Plot of Fitted Model AGB = (-3.83863 + 0.656772*D1_3)^2 (X 1000) AGB 0 20 40 60 D1_3 80 100 120 Phụ lục Một số hình ảnh thực địa ... xanh công viên 29/ 3 - Xác định sinh khối xanh công viên 29/ 3 - Xác định lượng cacbon tích lũy lượng hấp thụ CO2 xanh công viên 29/ 3 3 - Xác định phân bố CO2 xanh công viên 29/ 3 - Lượng giá hiệu... đề tài ? ?Đánh giá lƣợng hấp thụ CO2 thực vật thân gỗ công viên 29/ 3 thành phố Đà Nẵng? ?? MỤC TIÊU ĐỀ TÀI 2.1 Mục tiêu tổng quát - Xác định lượng hấp thụ CO2 xanh công viên 29/ 3 2.2 Mục tiêu cụ thể... xanh công viên 29/ 3 - Xác định sinh khối khô mặt đất xanh cơng viên 29/ 3 - Tính tốn lượng tích tụ cacbon lượng hấp thụ CO2 xanh công viên 29/ 3 - Xác định phân bố CO2 xanh công viên 29/ 3 - Lượng giá