EN中文

风景园林 >

2025 , Vol. 32 >Issue 8: 30 - 39

DOI: https://doi.org/10.3724/j.fjyl.LA20240024

专题：生态系统保护与修复

上海市城乡林水复合生态系统类型识别与修复潜力

  • 孙道千 , 1 ,
  • 孙维然 , 1 ,
  • 刘世梁 , 2 ,
  • 王洁 , 3, *
展开
  • 1.国家林业和草原局产业发展规划院
  • 2.北京师范大学环境学院
  • 3.上海园林绿化建设有限公司

孙道千/男/硕士/国家林业和草原局产业发展规划院工程师/研究方向为风景园林规划与设计

孙维然/女/硕士/国家林业和草原局产业发展规划院工程师/研究方向为风景园林规划与设计

刘世梁/男/博士/北京师范大学环境学院教授/研究方向为景观生态学

王洁/女/硕士/上海园林绿化建设有限公司高级工程师/研究方向为风景园林规划与设计

收稿日期: 2024-11-08

  修回日期: 2025-07-05

  网络出版日期: 2025-12-09

基金资助

国家重点研发计划“长江流域重点生态区山水林田湖草沙耦合机制与系统修复模式”(2022YFF1303204)

国家自然科学基金面上项目“耦合生态足迹核算的区域人类活动对生态系统服务流的影响机理”(42271097)

上海建工集团重点科研项目“上海城市公园林水复合片区碳汇监测核算及提升技术研究与示范”(24JCSF-24)

上海市2022年度“科技创新行动计划”科技支撑碳达峰碳中和专项项目“碳足迹分析与固碳潜势定量模型”(22dz1209403)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Identification and Restoration Potential of Urban-Rural Forest-Water Composite Ecosystems

  • SUN Daoqian , 1 ,
  • SUN Weiran , 1 ,
  • LIU Shiliang , 2 ,
  • WANG Jie , 3
Expand
  • 1. Industry Development and Planning Institute, National Forestry and Grassland Administration
  • 2. School of Environment, Beijing Normal University
  • 3. Shanghai Gardening-Landscaping Construction Co., Ltd.

SUN Daoqian, Master, is an engineer in the Industry Development and Planning Institute, National Forestry and Grassland Administration. His research focuses on landscape planning and design

SUN Weiran, Master, is an engineer in the Industry Development and Planning Institute, National Forestry and Grassland Administration. Her research focuses on landscape planning and design

LIU Shiliang, Ph.D., is a professor in the School of Environment, Beijing Normal University. His research focuses on landscape ecology

WANG Jie, Master, is a senior engineer in Shanghai Gardening-Landscaping Construction Co., Ltd. Her research focuses on landscape planning and design

Received date: 2024-11-08

  Revised date: 2025-07-05

  Online published: 2025-12-09

Copyright

Copyright reserved © 2025.
Fold

摘要

【目的】

上海作为水网密集型城市，长期面临林水空间利用矛盾突出、生态系统功能协同不足、缺乏水绿一体化建设评估标准等问题，制约了生态系统服务能力的提升与蓝绿空间一体化建设的推进。为回应当前“林水复合·水绿融合”建设的迫切需求，须构建面向城乡生态修复的林水复合区域系统识别思路，以支撑不同类型区域的生态修复潜力评估。

【方法】

利用上海市2021—2023年的高时空分辨率影像数据，提出并应用一套林水复合区域分类与识别方法，划分生态融合区、基础林水交界区和待恢复水林区3种类型，结合季节和月度动态指标评估地表植被覆盖及淹水状况，开发针对性评估林水复合生态系统修复潜力的标准化方法。

【结果】

1）3类林水复合区域在空间分布上呈现显著差异，生态融合区、基础林水交界区和待恢复水林区的总面积分别为128.90、447.54和25.56 km2，占上海市水体总面积的19%、66%和4%。2）不同林水复合类型区域表现出差异化的动态特征，待恢复水林区表现出最高的动态性，生态融合区次之，基础林水交界区保持相对稳定。3）空间分布上，3类林水复合区域呈现显著的城乡异质性，远郊地区保有更多适宜营建和修复的土地资源，而中心城区虽紧邻主干河流，但因硬质驳岸等原因，林水复合程度明显较低。

【结论】

构建的面向城市生态修复的林水复合区域分类与识别体系，揭示了上海市不同区域的生态格局特征和演变机制，为精准施策提供了依据。该研究方法具有良好的通用性，可为其他水网密集型城市的生态空间规划与林水系统优化提供借鉴路径。

关键词： 城乡生态系统; 空间异质性; 林水复合; 生态系统动态性; 生态修复潜力

本文引用格式

孙道千 , 孙维然 , 刘世梁 , 王洁 . 上海市城乡林水复合生态系统类型识别与修复潜力[J]. 风景园林, 2025 , 32(8) : 30 -39 . DOI: 10.3724/j.fjyl.LA20240024

Abstract

[Objective]

Shanghai, a densely populated megacity with a dense water network, faces challenges such as fragmented forest – water configurations, weak coordination among ecosystem functions, and the lack of standardized frameworks for integrated blue – green spatial planning. These issues constrain ecological capacity and urban planning effectiveness. In response to the urgent need for promoting “forest – water composition” and “water – green integration” as key directions in ecological spatial governance, this study proposes a technical framework for identifying forest – water composite zones and evaluating their restoration potential, aiming to provide spatially explicit ecological management and restoration strategies.

[Methods]

Taking Shanghai as a case study with its complex hydrological background and dynamic land use, this study uses high resolution satellite images from 2021 to 2023 were processed on the Google Earth Engine platform. Forests and water bodies were extracted using Sentinel-derived Dynamic World land cover products and spectral indices (EVI, NDVI, MNDWI, and LSWI). Seasonal water extent was delineated from maximum water distribution between April and September (2021−2023) to capture hydrological dynamics. A multi-step classification and evaluation system was constructed. Water – forest adjacency was quantified using a spatial adjacency index (shared perimeter over total water perimeter), and water body complexity was measured through the perimeter – area ratio. Dynamic characteristics of vegetation and water cover were calculated at monthly and seasonal scales to establish the seasonal (Is) and monthly (Im) dynamic indices. Based on spatial proximity and temporal variability, forest – water composite zones were classified into three categories: 1) Ecological integration zones (adjacent with sedimentation); 2) basic forest – water interface zone (adjacent but weak dynamics); 3) water – forest zones to be restored (sedimentation but lacking forested edges). Spatial patterns are analyzed using Getis-Ord Gi* statistics and nearest neighbor analysis. Restoration potential is assessed through dynamic indicators, spatial adjacency, and available surrounding land.

[Results]

The results reveal distinct spatial differentiation. The ecological integration zones, basic forest – water interface zones, and water – forest zones to be restored respectively occupy an area of 128.90 km2, 447.54 km2, and 25.56 km2, representing 19%, 66% and 4% of Shanghai's total water area. Ecological integration zones are primarily distributed in outer districts such as Qingpu and Chongming, corresponding to sediment-rich lakes and wide rivers with forest margins. Basic forest – water interface zones are more evenly spread but concentrated in central districts (e.g., Huangpu, Yangpu, Xuhui), where adjacency exists but dynamic transformation is minimal due to shoreline hardening. Water – forest zones to be restored are typically located at the margins of open water and disturbed lands, including abandoned ponds and silted tributaries. Dynamic analysis shows the highest ecological fluctuation in zones to be restored (Is = 0.41; Im = 0.26), suggesting strong seasonal responsiveness and vulnerability; ecological integration zones exhibit moderate variability (Is = 0.30; Im = 0.15), indicating stable connectivity with restoration potential; basic forest – water interface zone remain largely static (Is = 0.04; Im = 0.01), often due to artificial modification. Urban – rural gradient analysis reveals significant heterogeneity. Suburban districts such as Songjiang and Jiading host larger composite patches, with significant clustering (p < 0.01), implying high restoration opportunities. In contrast, central areas show fragmented, random distributied patches. Statistical tests confirm no significant relationship between forest – water composite level and water area or shape complexity (p > 0.05), indicating that composite potential is primarily driven by anthropogenic regulation and policy interventions rather than natural morphology.

[Conclusion]

This research establishes a standardized, scalable classification and evaluation framework for forest – water composite ecosystems, applicable to complex urban landscapes. Through spatial disaggregation and dynamic assessment, the research uncovers the multi-scalar heterogeneity and ecological transformation patterns of Shanghai’s forest – water systems, enabling precise zoning, targeted restoration, and evidence-based planning. The research further proposes a governance model based on “core – corridor – reserve” spatial logic: Preserving ecological integration zones as biodiversity-rich ecological cores, enhancing basic forest – water interface zones as green – blue corridors, and prioritizing water – forest zones to be restored through adaptive restoration tailored to hydrological and vegetative feedbacks. In central urban areas, vertical ecological integration technologies (e.g., sponge structures, terrace planting) are recommended to overcome spatial constraints, whereas in suburban districts, horizontal corridor expansion is prioritized. The proposed methodological system responds to the urgent need for spatially explicit, process-informed planning tools in water-rich, development-intensive cities. By integrating structural and dynamic metrics, this framework advances understanding of composite ecosystem resilience and provides a practical toolset for restoration prioritization under future climate and land use scenarios. The findings have broader implications for ecological governance in deltaic and river-network cities, offering a transferrable reference for implementing synergistic blue – green infrastructure strategies.

Key words： urban – rural ecosystem; spatial heterogeneity; forest – water composition; ecosystem dynamics; ecological restoration potential

近年来，随着城市生态系统功能日益受到重视，中国多地已开展林水复合型湿地建设探索工作，如水上森林、河岸带林地构建[1-2]，相关实践已成为城市生态环境保护规划的重要组成。这类湿地作为城市生态系统的关键组成，在维护生物多样性[3]、改善水质[4]、调节微气候和提升城市宜居性[5]等方面发挥着不可替代的作用。在长三角地区推行的水上森林营建、河湖堤岸森林营建等工程已取得阶段性进展[6]，并有望在更多区域推广。在此背景下，如何科学识别与评估林水复合生态系统的优先建设区域，成为下阶段实践深化的关键。这一问题不仅关涉自然条件优越、具备典型性或改造潜力的区域识别，也涵盖积水频发、淤积严重等亟待干预的重点片区筛选。
作为水网密集型城市代表，上海在快速城市化背景下，面临蓝绿空间割裂、水体硬质化严重、林水复合程度不足等生态困境。这些问题制约了城市生态系统服务功能的提升，也暴露出城市更新与生态修复中缺乏适应复杂环境的生态评估框架的问题。为此，上海已启动“林水复合·水绿融合”建设试点，探索通过林水空间联动提升生态系统整体性，推动河湖治理与全域土地综合整治协同推进。2023年，上海市水务、林业与规划部门联合出台林水复合建设相关政策，强化林水复合建设在生态治理中的核心作用[7-8]。这些政策创新性地提出“向水要林、向林要水”的治理思路，旨在同步提升河湖调蓄能力和森林覆盖率。在此背景下，亟须建立系统的评估方法，为林水复合生态系统的科学构建提供理论和技术支撑。
快速城市化背景下的林水复合生态系统呈现出独特的空间特征和功能需求。这不仅体现在该生态系统作为陆地-水体过渡带的边缘效应特征上，还反映在城市化带来的不同程度的人为干扰中，这些特点对传统湿地分类体系提出了新的挑战。在空间尺度方面，传统分类方法难以准确识别和评估中观尺度下的“林-水过渡带”[9]。这些区域往往表现为植被与水体在空间上的复杂镶嵌模式，具有独特的水文节律和植被适应机制[10]。在动态特征方面，现有分类体系多基于单一时相的静态特征划分[11]，忽略了植被的季相性变化。在人工干预频繁的城市环境中，人为调控导致的水位波动常具有非自然的规律性或不确定性，使植被的时序响应特征更为复杂，进一步增加了林水过渡带的动态识别难度[12]。在功能评价方面，现有方法多关注水体或植被等单一生态要素，难以全面反映植被-水体重叠区域的复合生态功能，尤其在结构功能耦合识别方面仍存在技术瓶颈[13]。
这些局限性与林水复合生态系统的基本特征密切相关。过量的淹水通常对陆生树种有害，但研究表明，近千种树木可适应季节性、规律性的淹没环境[14]。这种适应性受到多种因素制约，包括根部缺氧、矿物养分变化和有机物厌氧分解等[15-16]，上述因素均可能导致树木功能受损甚至死亡[17]。同时，在淹水环境下生长的林木依赖稳定的土壤支撑[18]，以固定植物根系并维持养分供应[19]。因此，在构建和修复林水复合生境时，须优先考虑具有稳定土壤淤积环境的水体湿地。这种策略既符合生态学原理，也能提高工程实施的成功率和可持续性。然而，如何提取林木遮掩下的水体、如何识别水体的季节性动态规律依然是一项挑战。
高时空分辨率遥感技术为解决上述问题提供了可能。通过遥感技术获取水生植物信息的相关方法在近年来获得了广泛关注[20]。更具针对性且连续的高光谱影像能够有效监测陆生和水生植物的生物-物理特性[21]。尤其是Sentinel-2等高时空分辨率免费遥感数据在研究水生生态系统方面显示出独特优势[22]。虽然湿地植被的准确提取仍面临挑战[13]，如水体影响植物的光谱特征，淹没环境干扰植物识别[23]，但通过多时相遥感数据分析，可较好识别林地与水体的空间关联格局，以评估水文条件的季节性变化及对植被的影响，量化区域尺度的空间异质性特征。这种基于遥感的分析框架虽然无法完全刻画微观尺度的生态过程，但其系统性和可操作性使之成为当前研究城市林水复合生态系统的有效方法。
本研究围绕上海市蓝绿空间协同不足的现实困境，针对现有研究中林水交错区域识别困难、动态过程考虑不足等问题，聚焦林水复合生态系统的空间类型划分与修复潜力评估[24]。以空间异质性与时序动态性为主线，构建适用于城市尺度的林水复合生境识别方法，并以上海市为研究区域开展实证分析。基于2021—2023年高时空分辨率遥感数据，系统划分林水复合区域类型，分析其生态特征与演变机制，为城市生态修复中的差异化管理提供技术支撑与可借鉴经验。

1 研究方法

1.1 研究对象

上海是中国典型的河网密集型沿海城市，地处长江入海口、太湖流域东部，地势低平，水系发达，拥有众多河道、湖泊与滩涂湿地（图1-1）。上海属亚热带季风性气候，气候温和湿润，降雨主要集中在4—9月的汛期，雨量占比达70%以上，但变率较大（图1-2）。受地理和气候共同影响，城市低洼，易涝风险较高，水体调蓄与绿地涵养功能日益重要。作为特大城市，上海生态用地持续紧张，林地面积与连通性不足，城市水绿空间破碎化趋势突出。近年来，上海在“生态空间一体化整合”“蓝绿空间协同提升”方面提出了多项政策，并建设了一批林水复合型公园、廊道和生态缓冲带，为城市生态系统复合功能的识别、分类与修复潜力研究提供了典型样本和良好的数据基础。
图1 上海林地、水体分布与区域气候特征

Fig. 1 Distribution of forestlands and water bodies as well as regional climate characteristics in Shanghai

图2 林水复合区域分类框架

Fig. 2 Classification framework for forest – water composite zones

1.2 数据来源及预处理

为获取研究区林地和水体现状情况，基于2021—2023年Sentinel-2卫星数据及其衍生产品，生成最接近当前研究区的林地、水体空间分布图（图1-1）。数据处理基于Dynamic World数据集（www.dynamicworld.app）完成。该数据集通过深度学习方法处理 Sentinel-2 TOA 影像，依托 Google AI Platform 训练模型，并在 Google Earth Engine 上实现数据处理，生成 10 m 分辨率的全球土地利用/覆盖数据。Dynamic World仅解析云量不超过35%的影像，可提供每个像元被不同地类完全覆盖的概率，以及该像元上最高概率的地类类型。
笔者提取每个像元上最常出现的地类作为土地覆盖类型，重点关注水体和树木地类。为了提取季节性水域，聚焦于汛期（2021—2023年每年4—9月的数据）水体的最大空间分布范围，包括持续存在的水体（占全域面积的10%）以及淹没植被（占全域总面积的0.2%）。部分具有周期性淹水特征的区域可能会由于植被覆盖、水深较浅或淹水时间过于短暂等因素，并未被识别为水体，将不在本研究的分析范围内。
植被与水体分类前，需先对遥感图像进行质量控制。为确保遥感图像质量与判别精度，预处理采用Sentinel-2的QA60波段，通过位掩码方法排除云和卷云覆盖的像元。植被与水体分类依据参考以往湿地研究的判定标准[25]。具体而言，将增强型植被指数 （enhanced vegetation index, EVI）≥0.1、归一化植被指数（normalized difference vegetation index, NDVI）≥0.2且陆地表面水 分指数（land surface water index, LSWI）<0的像元判定为植被。将EVI<0.1且满足改进型归一化水体指数（modified normalized difference water index, MNDWI）>EVI或NDVI的像元判定为水体。

1.3 数据分析

1.3.1 空间特征量化与模式分析

空间特征量化与模式分析包括林水复合程度分析、空间叠置分析和热点分析，数据使用ArcGIS Pro处理。本研究中林水复合指水体与林地的邻接情况，研究主体为水体。
1）林水复合程度分析。为评估林地与水体之间的复合关系，本研究以二者的邻接程度作为量化指标，具体采用水体与林地共享边界长度在水体总周长中的占比进行衡量。该比例可反映林地与水体之间的接触紧密度和相互作用强度，数值越大表示复合程度越高。为进一步探讨复合程度是否受水体形态影响，笔者还提取了各独立水体的面积和形状特征。水体形状特征以其周长面积比 （perimeter-area ratio）表示[26]，该指标可用于衡量形状的复杂度或不规则度，数值越大表示形状越复杂。
2）空间叠置分析。通过叠置分析识别不同地类图层之间的空间关联性，重点提取目标图层间的拓扑关系（如包含、相交、重叠），以揭示林水复合系统的空间配置规律。
3）热点分析：本研究采用平均最近邻分析和Getis-Ord Gi*统计量识别空间聚集性，刻画林水复合系统的聚集模式。平均最近邻分析通过比较观测值与理论随机分布下的最近邻距离[27]，计算最近邻比率R，并结合显著性检验，识别空间聚集类型：R<1表示聚集分布；R接近 1（理论值为 1）表示近似随机分布；R>1表示均匀分布。本研究分别对各行政区划内的目标水体进行最近邻分析，探讨其聚集特征。为进一步识别林水复合程度显著聚集的空间区域，引入Getis-Ord Gi*统计量，计算各空间单元（水体斑块）的Gi*值并转换为Z得分，进而量化各单元相对于整体平均水平的空间聚集显著性。根据置信区间标准判断显著性等级：99%置信度（Z≥2.58为热点，Z≤－2.58为冷点）、95%置信度（1.96≤Z<2.58或－2.58<Z≤－1.96）、90%置信度（1.65≤Z<1.96或－1.96<Z≤－1.65）。

1.3.2 林水复合区域分类

本研究基于边缘效应理论[28]，从空间特征和动态特征2个维度构建分类框架（图2）。其中，空间维度反映了林水交错带的空间异质性，包括林水的邻接状态和水体淤积情况；动态维度则反映了生态系统的时间变异特征，包括季节性和高频率的地类转换。
首先，进行空间特征评估。1）对每个水体斑块进行邻接性评估，将与林地邻接的水体标记为“林水交界水体”。同时评估水体斑块的平均植被频率，将不低于设定阈值的标记为“淤积水体”。2）对“林水交界水体”和“淤积水体”进行空间叠置，重叠区域标记为“林水交界与淤积水体的重叠区域”，其余分别标记为“不重叠的林水交界水体”和“不重叠的淤积水体”。另外，评估林地斑块的平均水体频率，将不低于设定阈值的标记为“调蓄功能较差的林地”。为选取具有判别力的阈值，分别设定一系列不同的平均植被频率与水体频率阈值，计算每种阈值下各生态区域的面积（图3）。各类区域面积随阈值的变化趋势存在明显差异，最终设定50%为本研究的分类阈值，可避免过度高估或低估不同生态区域。
图3 林水复合区域分类结果对阈值变化的响应分析

Fig. 3 Analysis of classification results of forest – water composite zones under varying thresholds

其次，进行动态特征分析。本研究引入季节动态指数Is与月度动态指数Im，刻画不同季节主导地类变化的频率与强度。季节动态指数Is=Ncha/Ntot。式中，Ncha表示研究期 （2021—2023年）内雨季和非雨季主导地类（林地或水体）发生改变的年份数，Ntot为3年。Is取值范围0~1，表示3年中地类发生季节性转化的频率。月度动态指数Im=Mcha/（11×3）。式中，Mcha表示每年内相邻月份地类发生转换的总次数（最大为11次），取3年平均值，结果标准化至0~1区间。Im取值范围0~1，表示地类月度转化强度。
最终，将“林水交界与淤积水体的重叠区域”划定为生态融合区，“不重叠的林水交界水体”划定为基础林水交界区，“不重叠的淤积水体”和“调蓄功能较差的林地”划定为待恢复水林区。动态特征分析结果用于验证和解释各类区域的生态过程特征。

2 结果与分析

2.1 上海市各行政区划的林水复合情况分析

当前，上海市各行政区划水体面积与林地面积的比率（水林面积比）差异明显（图4）。在部分水林面积比数值偏高的区域，如黄浦区与虹口区，林水复合程度普遍偏低。随着水林面积比上升，区域内林水复合程度高于10%的水体面积占比呈下降趋势，表明两者之间存在一定负相关关系（图5）。不同区划的水林面积比差异明显，例如黄浦区水林面积比约为7.5，而长宁区则不足0.7，反映出林水资源配置的明显不均衡。在水林面积比接近或略低于1的区域（如静安区），约有40%的水体的林水复合程度高于50%。部分区域虽水林面积比偏低（如金山区、松江区），但仍表现出较低的复合程度。
图4 上海市各区水体与林地的面积比率

Fig. 4 Area ratio of water bodies to forestlands in each district of Shanghai

图5 不同林水复合程度水体面积在各区水体中的占比

Fig. 5 Proportion of water body areas by forest – water composite level across districts

随着水体与林地面积比的上升，各区划的林水复合程度呈显著的非线性下降趋势（图6）。具体表现为，水体面积相对于林地面积越大，水体与林地之间的邻接程度显著降低（R2=0.297，p<0.05）。这一趋势仅在行政区划尺度上显著，而在单个水体尺度下，水体面积的变化与林水复合程度之间并未表现出明显的规律（图7）。此外，单个水体的形状复杂性（以周长面积比衡量）与林水复合程度之间也缺乏明显规律性（图8）。
图6 水林面积比与林水复合程度的关系

Fig. 6 Relationship between the water - forest area ratio and the degree of forest – water integration

图7 不同林水复合程度水体的面积分布

Fig. 7 Distribution of water body areas across different forest – water composite levels

图8 不同林水复合程度水体的形状分布

Fig. 8 Distribution of water body shapes across different forest – water composite levels

2.2 上海市林水复合区域空间格局和动态特征分析

2.2.1 林水复合区域的空间分布特征

通过对上海市林水复合区域进行系统分类，发现3类区域在空间分布上存在显著差异。生态融合区、基础林水交界区和待恢复水林区的总面积分别为128.90、447.54和25.56 km2，分别占上海市水体总面积的19%、66%和4%。此外，淤积水体是待建林水复合区的主要组成类型，在大多数区域约占待建林水复合区总面积的100%（仅嘉定区、青浦区和松江区为99%）。
沿城乡梯度，林水复合区域表现出明显的空间异质性（图9）。在中心城区（如黄浦区、杨浦区、徐汇区），林水复合区的绝对面积较小，但基础林水交界区的占比普遍超过85%。长宁区、普陀区、静安区则呈现出不同类型林水复合区面积占比差异相对较小的特征。而在远郊区域（如松江区、青浦区），3类区域的绝对面积均较大，且其最邻近比率整体更高，表明类型斑块分布更为离散。
图9 上海市不同区划的林水复合改造潜力分析

Fig. 9 Potential analysis of forest – water composite transformation in different districts of Shanghai

Getis-Ord Gi*统计量分析进一步揭示了3类区域具有显著但差异化的空间聚集模式（图10）。生态融合区的热点主要分布在青浦区、松江区、金山区、奉贤区、浦东新区和崇明区，冷点区域则集中在浦东新区和崇明区。基础林水交界区的热点出现在青浦区、松江区、奉贤区、浦东新区和崇明区，以及黄浦江沿岸的宝山区、杨浦区、黄浦区和徐汇区，冷点则零星分布于崇明区，未形成明显空间聚集。待恢复水林区的热点分布与生态融合区相似，主要集中在青浦区、松江区、金山区、奉贤区、浦东新区和崇明区，但其冷点区域数量较少，Z得分未超过显著性阈值，未形成显著聚集。
图10 上海市不同区划的林水复合区域分类

Fig. 10 Classification of forest – water composite zones across different districts of Shanghai

2.2.2 林水复合区域的动态特征

通过季节和月度2个时间尺度的林水复合生态系统动态特征分析（图11），发现不同类型的林水复合区域呈现出差异化的动态模式。待恢复水林区表现出最高的动态性（Is均值0.41，Im均值0.26），生态融合区次之（Is均值0.30，Im均值0.15），而基础林水交界区则维持相对稳定状态（Is均值0.04，Im均值0.01）。
图11 上海市林水复合区域的动态特征

Fig. 11 Dynamic characteristics of forest – water composite zones in Shanghai

这种动态性差异也表现在空间分布上。远郊区多表现出较强的动态特征，如奉贤区（Im均值0.16）和崇明区（Im均值0.15）。相比之下，中心城区如静安区（Im均值0.04）和虹口区（Im均值0.04）则表现出明显较低的动态性。

2.3 上海市典型林水复合区域的特征分析

2.3.1 生态融合区

生态融合区在各行政区之间面积差异明显。崇明区（32.71 km2）、青浦区（23.80 km2）和浦东新区（22.84 km2）的生态融合区面积较大，虹口区和黄浦区（均为0.02 km2）面积最小。就面积占比而言，长宁区（28%）、嘉定区（25%）和松江区（25%）占比最高，黄浦区（1%）和虹口区（2%）最低。
崇明花博园水上森林是生态融合区的典型案例（图12），具有“深水区—浅水区—消落带—陆生植被带”的连续过渡结构。区域内植被垂直层次丰富，包含乔木、灌木、地被及水生植物，水域边界自然蜿蜒，蓝绿交融特征明显。
图12 上海市典型生态融合区（崇明花博园水上森林）卫星影像及实地照片

Fig. 12 Satellite imagery and field photos of a typical ecological integration zone in Shanghai: Water Forest in Chongming Flower Expo Park

2.3.2 基础林水交界区

基础林水交界区的面积大于其他2类区域，这种差异在郊区尤为突出，如青浦区（110.33 km2）、崇明区（105.50 km2）和浦东新区（87.94 km2）。中心城区的基础林水交界区占比普遍较高，如黄浦区（96%）、杨浦区（91%）和徐汇区（88%），而虹口区（5%）、静安区（24%）和普陀区（35%）相对较低。
松江松南郊野公园（图13）具备基础林水交界区的典型特征：以硬质驳岸为主，水陆交互面积有限。尽管植被类型丰富，但结构单一，呈现高度人为干预的管理模式特征。
图13 上海市基础林水交界区（松江松南郊野公园）卫星影像及实地照片

Fig. 13 Satellite imagery and field photos of a typical basic forest − water interface zone in Shanghai: Songjiang Songnan Country Park

2.3.3 待恢复水林区

待恢复水林区总体面积最小，但分布格局具有明显特征。浦东新区（4.75 km2）、崇明区（4.53 km2）和奉贤区（3.98 km2）拥有最大的待恢复水林区面积，而黄浦区（0.00 km2）和虹口区（0.01 km2）最小。面积占比方面，嘉定区（8%）、金山区（8%）和静安区（7%）最高，黄浦区（0%）和虹口区（1%）最低。
奉贤米花庄行区域（图14）为典型样区，呈现明显的季节性和长期淹水特征。区域内植被类型多样，但层次简单，水陆交界带兼具硬质与自然岸线，尚缺乏系统生态管理，具备较高的修复潜力。
图14 上海市典型待恢复水林区（奉贤米花庄行）卫星影像及实地照片

Fig. 14 Satellite imagery and field photos of a typical water – forest zone to be restored in Shanghai: Fengxian Mihuazhuanghang

3 讨论

3.1 上海市城乡尺度林水复合系统的特征

上海市不同行政区划水林面积比差异明显，这反映了上海市自然资源空间分布的高度异质性（图4）。例如，黄浦区、虹口区和徐汇区等中心城区的水体面积均达到区内林地面积的2倍以上。根据上海市水务局河湖报告，这些区域的水体主要依托黄浦江等通航河道形成。该类以大型通航河道为主的水文网络，受限于水体形态单一和岸线人工化程度较高，生态功能相对有限，主要体现为景观通航和排水功能[29]。与之相比，青浦区、松江区等郊区的水林面积则相对较为均衡，内部的小河道、公园绿化水体较多。郊区呈现出更为多样的水文特征与生态格局，能够为林水复合系统的构建和生境改善提供更好的基础条件。
林水复合程度与水体的面积和形状无显著关联，表明其形成主要受到政策导向和人为干预影响。例如，一些区域可能因经济发展水平较高，有更多资源投入生态环境建设；或者出于改善人居环境的需求，主动推进林水复合项目。这种人为主导的特征对政策的科学制定与有效推行提出了更高的要求，尤其是在跨部门协同、因地制宜和资源配置等方面。在推进林水复合系统建设时，需要更多考虑不同区域的社会经济条件和发展需求。例如，对于中心城区，着重考虑如何在有限的空间内提升现有水体的生态功能；而对于郊区，则更多地关注整合和优化现有的多样化水体资源，构建更加完善的林水复合生态网络。
城市不同区域的林水复合系统表现出明显的空间异质性，既反映了自然生态本底的区域特征，也体现了城市化进程对生态空间的重塑作用[30]。受限于10 m分辨率的Sentinel-2影像数据，部分生态细节在建成环境高度密集的城市核心区难以识别，如驳岸结构的复杂性、狭窄的水陆交错带、植被垂直结构的层次性及小型水体与周边植被的精细交互特征等。为提高研究精度，未来可引入高分辨率遥感数据（如WorldView-3、QuickBird）及无人机近地面影像[13]，通过亚米级观测获取更精细的地表信息并结合机器学习技术构建多源数据融合框架，增强分类和特征提取能力。
上海市林水资源分布的区域差异反映了城市发展过程中的资源配置问题，也凸显了城市生态系统管理面临的挑战。这种差异性既是历史发展和自然条件的结果，也是城市功能分区和土地利用政策的体现。在推进城市生态系统建设时，需采取更系统、动态的方法，针对不同区域特征提出更精准的管理依据。在中心城区，紧邻黄浦江等主干河流的区域，虽然湿地资源总量相对丰富，但因驳岸硬质化等原因，林水复合生态系统的面积和比例明显较低。而在远郊地区，则保有更多适宜营建和修复林水复合生境的土地，区域内以生态驳岸类别的小微湿地为主，具备较高的小片区改造潜力。通过多维度、多尺度的生态治理方法，可在尊重城市发展规律的基础上，充分挖掘各区域生态潜力，构建更加均衡、韧性和可持续的城市生态系统。

3.2 林水复合系统的动态特征与生态过程机制

本研究通过双尺度动态性分析方法揭示了水陆交错带复杂的生态响应过程。生态系统的动态性常表现在多时间尺度上[31]，本研究结合季节和月度尺度分析，识别了从短期生态响应到长期演替特征的多重特征，展现出水文驱动、植被演替及人类干预的复合作用机制。不同林水复合系统在动态性上的差异，反映了对周期性淹水环境的适应程度。
其中，生态融合区呈现出相对稳定的季节性动态，表明其植物群落已在长期演替过程中形成了水文适应机制。例如，优势乔木物种普遍具备维管束木质部特化与穿透式通气组织系统，可显著提高根系在缺氧条件下的氧气传导效率[14]。然而，待恢复水林区则表现出更高的动态性，这主要与水文条件波动大、植被覆盖不完整等因素相关[32]，也反映出主导植被尚未建立稳定的水文适应策略。这种适应能力的差异在“土壤-植物-水体界面过程”中产生明显的级联效应。例如，水位频繁波动可能导致植物根系长期缺氧，进而抑制养分吸收通道的活性[21]；同时，也会显著降低土壤微生物的多样性[13]，削弱水陆交界区域的物质循环与生态功能[6]。
沿城乡梯度观察到的动态性差异反映了人为干预强度对自然生态过程的影响。远郊地区由于水文过程相对完整，为植物群落自然演替提供了有利条件。相比之下，中心城区的人工干预管理简化了生态过程，削弱了植物群落对环境变化的自然响应能力[14]。完整的水文过程不仅驱动动态演替特征，还通过维持物种间的互利作用[29]和遗传交流[9]，提升生态系统对环境变化的适应能力，从而增强系统的稳定性。

3.3 林水复合分类体系的应用价值与管理建议

本研究构建了基于功能特征的林水复合生态系统分类框架，提出“核心-廊道-储备”的空间层级结构。该分类体系与城乡梯度下的空间异质性高度契合：生态融合区主要分布在水文过程完整、人为干扰较少的远郊区域，是区域生态安全的“核心”区；基础林水交界区呈带状分布于远郊与近郊过渡带，通过“廊道”功能维持生态要素空间流动；待恢复水林区多集中于人类活动密集的近郊和中心城区，是生态功能提升的重要“储备”空间。3类区域在生态系统服务功能方面表现出显著分异：生态融合区多具有完整的水陆过渡带结构，在维持生物多样性、提升水质和固碳等方面发挥核心作用[33]；基础林水交界区通过生态廊道功能增强生态要素连通性，扩展生物栖息空间[34]；待恢复水林区则有助于提升城市防洪调蓄能力和系统韧性[35]。这种空间分异格局形成了沿城乡梯度的功能互补体系：远郊确保服务功能的稳定输出，近郊促进生态要素跨区域流动，中心城区通过生态修复增强整体韧性[36-37]。
基于上述分类框架和城乡梯度特性，本研究针对3类区域提出了分区域、分层次的管理策略，并探讨了未来重点关注的技术方向。
1）生态融合区（远郊为主）。生态融合区是区域生态系统服务的核心供给区，管理目标是保护现有生态功能并提升服务能力。远郊区域的自然资源禀赋较高，生态结构完整，管理策略应优先保护自然生态斑块，确保生态系统的完整性和连通性。同时，通过水文调控和植被优化，进一步提升生态服务供给能力：建议建立“地形-植被-水位协同调控系统”，模拟自然湿地的水文节律，为地植被生长和种子传播创造有利条件；优选具有水文胁迫适应能力的本土植物，构建多层次的植被结构（包括乔木、灌木和草本），增强生态系统多样性与韧性。此外，通过优化驳岸形式，维持高比例的自然驳岸，避免硬质护岸破坏生态连通性。未来研究可进一步探索水文条件与植被生长的响应关系，量化水位波动对植被健康和生态服务的影响，利用遥感技术动态监测生态斑块变化，并评估这些变化对区域服务功能的贡献。
2）基础林水交界区（远郊与近郊兼有）。该类区域在生态网络中承担连通核心生态区、增强生态要素流动性的重要功能。该区的管理应结合城乡梯度特性，优化分区策略。在远郊区域，应通过柔性生态护岸技术优化水陆交界带结构，利用天然材料和缓坡设计增强自然性和防洪功能兼容性；通过生态斑块与廊道的空间优化，保障区域内外的生态连通性。在近郊区域，应重点构建复合生态廊道网络，连接远郊生态核心区与近郊过渡区，增强生态要素流动和景观多样性。廊道建设应结合地下根系导氧系统，改善土壤透气性和植物健康状况，优化植被配置，形成多层次生态廊道结构。未来需重点研究廊道宽度、植被覆盖率、生态斑块间距等关键因素对生态连通性的影响，并通过模型模拟评估廊道网络优化的生态效益。
3）待恢复水林区（近郊和中心城区为主）。待恢复水林区是生态功能退化或尚未开发的储备区域，管理目标是恢复生态功能并挖掘潜在服务能力。在近郊区域，建议通过水位波动模拟实验优化湿地水文条件，以适应本土湿地植物的生长需求，同时筛选耐淹、抗污染的先锋物种，并结合生物多样性指标评估生态恢复效果。在中心城区，受土地资源限制，可结合创新技术提升绿地潜力，例如采用垂直绿化系统（如绿化墙体蓄水模块、屋顶湿地）与模块化生态浮岛设计，实现有限空间内生态服务复合提升。在城市水体修复中，浮岛技术应注重生态功能与景观效果协同，未来研究可进一步评估其污染削减与调蓄效益。
为确保林水复合区域分类与潜力评估体系的有效应用，需建立相应的保障措施，例如建立“遥感监测-模型模拟-地面验证”的跨尺度协同机制，动态评估各区域的生态修复效果，并制定精准的管理技术导则；同时，深入研究林水复合系统中植物-土壤-水体的相互作用机制，探索生态系统服务的量化评估方法，为优化管理策略提供科学依据。本研究基于遥感影像构建的林水复合区域的识别和分类框架，可为城市生态空间规划提供宏观指导。尽管在具体实施层中仍缺乏系统的实证数据支撑，相关技术参数也有待进一步验证，该框架和提出的管理策略仍为林水复合生态空间的实践提供了可操作的参考。

4 结论

本研究聚焦于城市林水复合生态系统的动态特征与功能优化，提出了一套系统化的评估框架，为水网密集型城市的生态空间规划与治理提供了理论依据与实践工具。该框架从空间异质性及驱动机制的视角出发，深化了对林水复合生态系统形成过程的理解。本研究进一步揭示了在城乡梯度背景下，自然过程与人为干预之间的复杂交互机制，突出了林水复合系统在提升生态功能连通性和空间整体性方面的关键作用。
在方法层面，本研究提出了融合空间邻接性、水文动态性与生态过程特征识别的双维度分类与评估技术；在应用层面，本研究通过与实际地块空间特征相结合，提出了差异化管理策略与改造优先级划定路径，具备良好的实操性。研究成果不仅适用于上海，也可为具备典型水网格局、城市化进程较快、生态系统高度人为干预的其他城市提供评估思路与优化路径。
本研究从生态识别、分类管理到实践转化提供了较为完整的解决方案，拓展了城市生态系统规划中林水复合系统的研究视角。未来仍需在长期监测的基础上，进一步探索林水复合生态系统在气候变化和社会经济发展情境中的动态适应机制。这将有助于构建面向未来的生态系统管理方案，为水网密集型城市在可持续发展目标下实现生态与社会双重效益提供更为全面的理论支撑。

图表来源(Sources of Figures and Tables)：

文中图表均由作者绘制，其中图1-1、10、11使用自然资源部提供标准地图改绘制，未对行政边界进行修改，审图号：沪S[2024]086号；图1-1林地、水体的空间分布数据来源于Dynamic World数据集，图1-2所用数据为1991—2021年30年平均值，来源于欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts, ECMWF）；图8~10影像来源于Google Earth（2024年）。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
蔡益杭, 张明如, 张建国. 浙江青山湖绿道小气候要素与游人游憩行为的关系探析[J]. 生态科学, 2023, 42(4): 154-162.

CAI Y H, ZHANG M R, ZHANG J G. Experimental Research on Correlation Between Microclimate Factors and Visitors’ Recreational Behavior in Zhejiang Qingshan Lake Greenway[J]. Ecological Science, 2023, 42(4): 154-162.

[2]
饶显龙, 黄若之, 史琰, 等. 凝练地域特色, 营造水上森林: 宁波植物园湿生木本植物专类园规划设计及营建解析[J]. 中国园林, 2020, 36(5): 116-121.

RAO X L, HUANG R Z, SHI Y, et al. Condense Regional Characteristics and Construct the Forest on Water: Analysis of the Planning and Design and Construction of Wet Woody Plants Specialized Garden in Ningbo Botanical Garden[J]. Chinese Landscape Architecture, 2020, 36(5): 116-121.

[3]
CASTELLANO M J, ARCHONTOULIS S V, HELMERS M J, et al. Sustainable Intensification of Agricultural Drainage[J]. Nature Sustainability, 2019, 2(10): 914-921.

DOI

[4]
CHENG F Y, VAN METER K J, BYRNES D K, et al. Maximizing US Nitrate Removal Through Wetland Protection and Restoration[J]. Nature, 2020, 588(7839): 625-630.

DOI

[5]
STERLING S M, DUCHARNE A, POLCHER J. The Impact of Global Land-Cover Change on the Terrestrial Water Cycle[J]. Nature Climate Change, 2013, 3(4): 385-390.

DOI

[6]
诸逸凡, 刘志强, 余慧, 等. 兼顾空间公平和效率的苏州市中心城区社区公园布局测度研究[J]. 风景园林, 2024, 31(8): 122-129.

DOI

ZHU Y F, LIU Z Q, YU H, et al. Research on Measurement of the Layout of Community Parks in the Central Urban Area of Suzhou that Takes into Account Both Spatial Equity and Efficiency[J]. Landscape Architecture, 2024, 31(8): 122-129.

DOI

[7]
上海市水务局办公室. 在本市河湖治理中推进林水复合建设试点的指导意见: 沪水务〔2023〕430号[EB/OL].（2023-06-30）[2024-11-07]. https://swj.sh.gov.cn/zcwj/20230712/016ee7b5f46446b29cd37d29511046f1.html.

General Office of Shanghai Water Authority. Guidance on Promoting Forest-Water Composite Construction Pilot Projects in Shanghai’s River and Lake Management: Shanghai Water Document 〔2023〕 No. 430[EB/OL]. (2023-06-30)[2024-11-07]. https://swj.sh.gov.cn/zcwj/20230712/016ee7b5f46446b29cd37d29511046f1.html.

[8]
上海市水务局办公室. 关于本市推进林水复合建设试点工作的通知: 沪水务〔2023〕627号[EB/OL].（2023-08-23）[2024-11-07]. https://www.shanghai.gov.cn/gwk/search/content/f74ac7edd9a24eb2a5a146de7b1541fa.

General Office of Shanghai Water Authority. Notice on Promoting Forest-Water Composite Construction Pilot Work in Shanghai: Shanghai Water Document 〔2023〕 No. 627[EB/OL]. (2023-08-23)[2024-11-07]. https://www.shanghai.gov.cn/gwk/search/content/f74ac7edd9a24eb2a5a146de7b1541fa.

[9]
GODFROY J, LEJOT J, DEMARCHI L, et al. Combining Hyperspectral, LiDAR, and Forestry Data to Characterize Riparian Forests Along Age and Hydrological Gradients[J]. Remote Sensing, 2023, 15(1): 17.

[10]
RAULINGS E J, MORRIS K, ROACHE M C, et al. The Importance of Water Regimes Operating at Small Spatial Scales for the Diversity and Structure of Wetland Vegetation[J]. Freshwater Biology, 2010, 55(3): 701-715.

DOI

[11]
RESCHKE J, HÜTTICH C. Continuous Field Mapping of Mediterranean Wetlands Using Sub-Pixel Spectral Signatures and Multi-temporal Landsat Data[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 28: 220-229.

DOI

[12]
姚鑫, 杨桂山, 万荣荣, 等. 水位变化对河流、湖泊湿地植被的影响[J]. 湖泊科学, 2014, 26(6): 813-821.

DOI

YAO X, YANG G S, WAN R R, et al. Impact of Water Level Change on Wetland Vegetation of Rivers and Lakes[J]. Journal of Lake Sciences, 2014, 26(6): 813-821.

DOI

[13]
BHATNAGAR S, GILL L, REGAN S, et al. A Nested Drone-Satellite Approach to Monitoring the Ecological Conditions of Wetlands[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2021, 174: 151-165.

DOI

[14]
PAROLIN P. Submerged in Darkness: Adaptations to Prolonged Submergence by Woody Species of the Amazonian Floodplains[J]. Annals of Botany, 2009, 103(2): 359-376.

DOI

[15]
KUDOYAROVA G R, DODD I C, VESELOV D S, et al. Common and Specific Responses to Availability of Mineral Nutrients and Water[J]. Journal of Experimental Botany, 2015, 66(8): 2133-2144.

DOI

[16]
TAN X F, XU H, KHAN S, et al. Plant Water Transport and Aquaporins in Oxygen-Deprived Environments[J]. Journal of Plant Physiology, 2018, 227: 20-30.

DOI

[17]
TRIFILÒ P, ABATE E, PETRUZZELLIS F, et al. Critical Water Contents at Leaf, Stem and Root Level Leading to Irreversible Drought-Induced Damage in Two Woody and One Herbaceous Species[J]. Plant, Cell & Environment, 2023, 46(1): 119-132.

[18]
OW L F, GHOSH S. Urban Tree Growth and Their Dependency on Infiltration Rates in Structural Soil and Structural Cells[J]. Urban Forestry & Urban Greening, 2017, 26: 41-47.

[19]
MA X Y, CHEN H S, NIE Y P. Common Species Maintain a Large Root Radial Extent and a Stable Resource Use Status in Soil-Limited Environments: A Case Study in Subtropical China[J]. Frontiers in Plant Science, 2020, 11: 1260.

DOI

[20]
ROWAN G S L, KALACSKA M. A Review of Remote Sensing of Submerged Aquatic Vegetation for Non-specialists[J]. Remote Sensing, 2021, 13(4): 623.

DOI

[21]
JIA M M, WANG Z M, WANG C, et al. A New Vegetation Index to Detect Periodically Submerged Mangrove Forest Using Single-Tide Sentinel-2 Imagery[J]. Remote Sensing, 2019, 11(17): 2043.

DOI

[22]
KHAN R M, SALEHI B, MAHDIANPARI M, et al. A Meta-analysis on Harmful Algal Bloom (HAB) Detection and Monitoring: A Remote Sensing Perspective[J]. Remote Sensing, 2021, 13(21): 4347.

DOI

[23]
THOMAS R F, KINGSFORD R T, LU Y, et al. Mapping Inundation in the Heterogeneous Floodplain Wetlands of the Macquarie Marshes, Using Landsat Thematic Mapper[J]. Journal of Hydrology, 2015, 524: 194-213.

DOI

[24]
陆小波, 杨俊宴. 中型平原水网城市空间形态特征研究[J]. 城市规划, 2018, 42(12): 109-115.

LU X B, YANG J Y. A Study on Spatial Form and Characteristics of the Medium-Sized River Plain Cities[J]. City Planning Review, 2018, 42(12): 109-115.

[25]
WANG X X, XIAO X M, ZOU Z H, et al. Tracking Annual Changes of Coastal Tidal Flats in China During 1986−2016 Through Analyses of Landsat Images with Google Earth Engine[J]. Remote Sensing of Environment, 2020, 238: 110987.

DOI

[26]
HELZER C J, JELINSKI D E. The Relative Importance of Patch Area and Perimeter-Area Ratio to Grassland Breeding Birds[J]. Ecological Applications, 1999, 9(4): 1448-1458.

[27]
VIDAL RUIZ E. An Algorithm for Finding Nearest Neighbours in (Approximately) Constant Average Time[J]. Pattern Recognition Letters, 1986, 4(3): 145-157.

DOI

[28]
TURNER M G, GARDNER R H, O’NEILL R V. Landscape Ecology in Theory and Practice: Pattern and Process[M]. New York: Springer-Verlag New York, 2001.

[29]
RODRIGUEZ-ITURBE I, MUNEEPEERAKUL R, BERTUZZO E, et al. River Networks as Ecological Corridors: A Complex Systems Perspective for Integrating Hydrologic, Geomorphologic, and Ecologic Dynamics[J]. Water Resources Research, 2009, 45(1): W01413.

[30]
杨学亮, 谢旻珂, 张云路, 等. 城市化对城乡生态空间碳储量的影响机制: 以北京市为例[J]. 中国城市林业, 2023, 21(6): 98-105,142.

DOI

YANG X L, XIE M K, ZHANG Y L, et al. Influencing Mechanism of Urbanization on Carbon Storage in Urban and Rural Ecological Spaces: A Case Study of Beijing[J]. Journal of Chinese Urban Forestry, 2023, 21(6): 98-105,142.

DOI

[31]
RYO M, AGUILAR-TRIGUEROS C A, PINEK L, et al. Basic Principles of Temporal Dynamics[J]. Trends in Ecology & Evolution, 2019, 34(8): 723-733.

[32]
SWANSON M E, FRANKLIN J F, BESCHTA R L, et al. The Forgotten Stage of Forest Succession: Early-Successional Ecosystems on Forest Sites[J]. Frontiers in Ecology and the Environment, 2011, 9(2): 117-125.

DOI

[33]
FLUET-CHOUINARD E, STOCKER B D, ZHANG Z, et al. Extensive Global Wetland Loss over the Past Three Centuries[J]. Nature, 2023, 614(7947): 281-286.

DOI

[34]
BAI Y, WONG C P, JIANG B, et al. Developing China’s Ecological Redline Policy Using Ecosystem Services Assessments for Land Use Planning[J]. Nature Communications, 2018, 9: 3034.

DOI

[35]
XIAO Y, LU Y, GUO Y, et al. Estimating the Willingness to Pay for Green Space Services in Shanghai: Implications for Social Equity in Urban China[J]. Urban Forestry & Urban Greening, 2017, 26: 95-103.

[36]
WU J G. Landscape Sustainability Science (II): Core Questions and Key Approaches[J]. Landscape Ecology, 2021, 36(8): 2453-2485.

DOI

[37]
赵金梅. 浅谈林水复合建设试点项目的探索与实践[J]. 城镇建设, 2024(12): 238-240.

DOI

ZHAO J M. A Preliminary Study on Forest-Water Integration Projects: Exploration and Implementation[J]. Urban and Rural Studies, 2024(12): 238-240.

DOI

Options
文章导航

/

〈 〉