1.   城镇化发展存量更新阶段对可持续景观的影响

当前，中国城镇化发展已从增量建设转向存量更新阶段，城市更新已上升为国家战略。在“公园城市”理念的引导下，公园作为城市绿网不可替代的基础骨架，为人民向往的美好生活提供了共享绿色空间^[1]。对已建成公园的改造是城市更新的重要组成部分，对已建成公园进行更新，使公园更符合城市居民的现代生活需求与心理预期，成为可持续的景观，是推进人、绿、城共融的生态文明进程的关键。《上海市公园城市规划建设导则》指出，至2025年上海将力争建成公园1 000座以上，并强调“强化城区各级公园的综合服务功能”，这一方面意味着城市公园在“量”上的增长，另一方面则意味着大量已建成公园在“质”上的提升。这一举措将有助于促进城市高质量发展，强化高效能治理，创造高品质的生态网络。

城市公园为城市生态环境健康提供了生态调节、文化服务等多种生态系统服务功能^[2]，如小气候调节、雨洪调蓄、水质净化、空气净化、减排增汇、生物多样性支持、休闲游憩等^[3]。对已建成公园的更新改造应以提高城市公园生态系统服务效能为核心^[4]，实现公园景观的可持续发展^[5]。已有研究表明城市公园的研究热点正在向更精准的生态系统服务测度与更高效的调节、供给、支持服务能力提升的方向发展^[6-7]。

与此同时，以互联网产业化和工业智能化为标志、以技术融合为主要特征的第四次工业革命正以一系列颠覆性技术给风景园林规划设计实践带来机遇^[8]，通过风景园林规划设计数智赋能转型，可以更好地回应国家城镇化发展与数字中国建设的重大需求。近年来，在风景园林领域，围绕数字景观的研究不断涌现^[9-10]，数字孪生景观技术成为关键性技术之一，以虚映实，以虚控实^[11]，打破了以往风景园林规划设计主要依赖于专业人员的经验积累及审美取向，而导致方案缺乏客观性与科学性^[12]的壁垒。目前，已有大量研究尝试将数字景观技术应用于风景园林规划设计的各个阶段。袁弘毅等^[13]对东安湖公园全环境进行了模拟、验证和调整，从而获得最优的设计方案；王一宇等^[14]构建了鸟类声音识别系统，实时监测北京翠湖湿地公园的鸟类物种与状况，显著提高了鸟类监测的效率；吴涛等^[15]搭建了智慧游园系统，通过大小屏展示的方式展现公园环境数据；冯暄越等^[16]探索并利用数字孪生等技术，有效解决了遗址公园在管理与维护方面的问题。总体来说，已有研究证实了数字景观技术能够有效支撑城市公园规划设计、模拟分析、监测评估、数据可视化、运维管理等环节，但城市公园如何在数智赋能下实现全生命周期的数智化管理与全要素的精准动态更新建设，此路径尚未得到系统性梳理，这也是城市公园可持续更新的关键所在。

鉴于此，本研究提出以生态系统服务为导向、以全生命周期管控为核心、以数智赋能为技术支撑的技术体系，该体系是实现城市公园可持续更新的重要途径。本研究选取上海中山公园作为实证案例，聚焦与城市公园水、绿两大要素相关的“水”“绿”“碳” 3类突出的生态系统服务功能（“水”包括水质调节服务与水动力调节服务、“绿”包括小气候调节服务与生物多样性支持服务、“碳”指固碳调节服务），创新性地构建了以数字孪生技术——“智”为依托的城市公园可持续更新支撑技术体系——STAR体系，包括生态效应模拟（Stimulation）、生态效能监测（Tracking）、生态数据集成（Assembly）、生态实践管控（Realization）4个模块，以期实现城市公园更新全生命周期的管控。借助STAR体系在上海中山公园的应用场景来验证其可行性和普适性，为城市公园可持续更新与高密度人居环境生态系统服务能级提升提供一定的技术支撑。

2.   研究方法

2.1   城市公园可持续更新支撑技术体系——STAR体系

可持续景观设计的本质是一种基于自然系统自我更新能力和再生能力的设计^[17]，可以应用在风景园林规划、设计、工程实施及管理等层面。然而，城市公园建设一直遵循着“设计—施工—管养”的单向设计思路^[18]，可持续景观技术的应用可以使单向设计思路转向以数字孪生技术为支撑的“模拟—设计—建设—监测—评估—再更新”的可持续更新的新思路，即本研究提出的城市公园可持续更新支撑技术体系——STAR体系。STAR体系包含的“前期介入—规划设计”“中期应对—建设实施”“后期总结—运维管理”三大过程能够形成有机闭环，全面把控从景观设计到管理的每个流程，实现城市公园的全生命周期管控。STAR体系可具体划分为4个模块（图1）。1）生态效应模拟：在前期介入阶段，对场地现状进行综合评估，提出多种设计方案并进行定量化模拟，筛选出最优的规划设计方案；2）生态效能监测：在中后期阶段，对更新后的场地所呈现的多种生态效能进行实时或定期监测；3）生态数据集成：以数字景观技术为支撑，搭建数字孪生平台，实现生态数据的评估、可视化与展示，实时反映建成场地景观环境的动态变化；4）生态实践管控：上述监测与评估数据可为场地后期的智慧化运维管理和可持续更新提供科学依据，使场地维持现有的生态效能或获得更高的生态效能。通过上述过程，形成多种监测模拟技术集成的STAR体系，以支持并实现城市公园的可持续更新。

图  1  数智赋能的城市公园可持续更新支撑技术体系——STAR体系

Figure  1.  Supporting technology system for sustainable renewal of urban parks that is empowered by digital intelligence — STAR system

下载: 全尺寸图片 幻灯片

2.1.1   生态效应模拟模块

生态效应模拟是指利用数学模型和模拟技术对生态系统服务效能进行量化和预测的过程，便于设计师更好地理解生态系统的运行机制和效能，为制定科学的可持续景观设计方案提供依据。此模块包括公园水体水动力与水质模拟、公园小气候与冷源效应模拟、公园植被固碳效能模拟等内容。

水是城市公园常见的景观元素。水动力与水质模拟是实现水环境监测和管理的主要手段。水动力模拟主要用于评估水域流速和流量等的变化，水质模拟主要用于预测污染物的扩散和转移情况。在公园水体水动力与水质模拟中，通过实地调研与水样采集，获取总氮、总磷、氨氮、pH值等水质指标数据，采用Delft3D^[19]、MIKE^[20]等水动力与水质模拟软件，进行水体三维形态的多方案生成以及模型构建与模拟，从而得到最优方案。

城市公园是改善微气候重要的冷源。公园小气候与冷源效应模拟通过实地勘测记录场地地形、植被类型及数量、建筑物与设施布局等要素，借助ENVI-met^[21]、FLUENT^[22]等小气候模拟软件，建立公园重要节点小气候环境的模型，分析研究区域内的气温、湿度、风速等气象数据的变化情况，可以帮助设计师提出因地制宜、精准落位的小气候改善优化策略，也可以用于比选不同方案在不同季节的降温效率与热舒适度。

树种选择和植物配置直接影响了公园的固碳能力。公园植被固碳效能模拟用于分析公园内不同植被的分布情况。选取典型样方地进行取样，采集乔木、灌木等植被的胸径、地径、面积等基础数据。运用i-Tree系统对园区内所有植物的碳储存、年度碳固定、年度净碳固定等进行估算模拟^[23]，可为未来城市公园中高碳汇树种的筛选和种植规划提供参考。

2.1.2   生态效能监测模块

生态效能监测在景观可持续发展中扮演着至关重要的角色，该模块可以及时获取各类生态效能指标数据，评估和分析城市公园生态的潜在问题和发展趋势。该模块包括城市公园水质监测、生境监测、植被固碳量监测等内容。

城市公园水质监测分为定期监测与实时监测。定期监测通过对公园内的水体进行水样采集，运用营养盐自动分析仪检测总氮、总磷、氨氮、pH值等水化学指标。该方法检测精度高，可监测范围较广，几乎可以覆盖全园水体。实时监测通过在城市公园水体中选取水质监测点，并设置多参数水质分析仪来进行。该方法可以实时展示水质指标数据，数据集成的可展示度较好。

城市公园生境监测包括全天候的声音监测和影像监测，以评估公园生物栖息地的支持服务效能。对于难以通过影像监测直接观测到的物种，声音监测具有特别重要的作用，而影像监测可为声音容易混淆的物种种类判别提供辅证^[24]。在城市公园内设置声纹感知设备与红外监控摄像头，前者通过灵敏度高的拾音器设备采集声音信号并提取语音特征，后者利用红外传感技术在黑暗环境中捕捉动物图像。

城市公园植被固碳量监测采用定期精细化测度的方法，针对公园内不同乔灌木的分布情况，选取典型样方地进行定期取样。选取外观正常生长的叶片进行测定，根据便携式光合作用测量仪器测度的光合速率等数据，计算植被固碳量，分析公园固碳能力的提升空间^[25]。该方法精度高，可以显示植被固碳量一年四季的变化情况，其详细的数据有助于固碳友好的植物群落配置。

2.1.3   生态数据集成模块

生态数据集成模块分为3个部分：STAR生态系统服务效能数字孪生平台、生态系统服务效能评价模型、虚拟现实（virtual reality, VR）游园系统。该方法不仅可以提升城市公园的管理效率和科学性，还可以通过生态科普的方式提高公众的生态保护意识，促进生态环境的可持续发展。

搭建城市公园STAR生态系统服务效能数字孪生平台，实现生态数据的全面集成与管理。通过多功能传感设备，实时收集监测数据，并上传至中央数据服务器，形成生态数据集成库。集成库中存储的历史数据可为研究长时间跨度的生态变化情况提供数据支持。

构建城市公园生态系统服务效能评价模型。结合大数据分析和机器学习算法等技术，利用评价模型对集成库中的数据进行自动化分析和处理，对公园生态效能进行实时精准评估，并预测生态系统服务效能的变化。以数字可视化图表的方式动态呈现评估结果，确保公园的管理者能够实时了解公园生态系统的现状和变化趋势。

在实现数据集成后，在平台上配置VR游园系统，并将生态系统服务效能相关数据嵌入虚拟景观中，让游客在虚拟游览的过程中实时了解公园的生态状况。在增强公众自然感知的同时，提升公众对生态保护的意识和责任感。

2.1.4   生态实践管控模块

生态实践管控模块主要用于公园后续的智慧化管理与运维，包括必要性和优先级研判、实时动态优化2个方面，旨在确保城市公园的生态效能得到持续维护和提升。

深入分析生态数据集成模块中的评估结果，根据重要性、影响范围等因素，进行必要性和优先级研判，并将研判结果相关联，得到必要且优先管控区域、高必要性管控区域、高优先级管控区域3类空间作为后续更新的重点，从而帮助管理者制定相应的管理和改进方案，确保资源的合理分配，实现生态效益最大化。

实时动态优化是生态实践管控的重要环节。公园的管理者和研究人员能够基于动态监测数据，实时分析生态系统服务效能的变化，灵活且科学地调整决策并实施优化策略，迅速响应环境变化。该模块完成了STAR体系的闭环，通过持续的反馈和改进，推动城市公园生态系统服务效能的不断提升。

2.2   实证案例

上海的城市空间是高密度人居环境的典型空间。借助数智赋能技术，在城市公园更新过程中实施全生命周期的管控，积极应对存量更新，增加碳汇，提升城市生态系统服务能级，是实现城市可持续发展的重要战略之一。《上海市城市总体规划 （2017—2035年）》提出“探索渐进式、可持续的有机更新模式，促进空间利用向集约紧凑、功能复合、低碳高效转变”。上海中山公园有着百年的历史，占地面积约21 hm²，是上海中心城区的综合公园之一。本研究选取上海中山公园作为实证案例，运用STAR体系，对中山公园的水质调节、水动力调节、小气候调节、生物多样性支持、固碳调节5种生态系统服务进行全过程、全要素的综合分析，以验证STAR体系在城市公园全生命周期管控中应用的可行性。

3.   结果与分析

3.1   上海中山公园生态效应模拟结果

3.1.1   水动力与水质模拟结果

水动力、水环境与水生态之间相互关联与影响，水动力与水生态决定了水体的净化效能，良好的水环境为健康的水生态提供空间环境基础。以上海中山公园陈家池（面积约7 253 m²）为例，通过水动力与水质模拟（图2），筛选出最优的改善方案，以提高陈家池的水质调节服务效能。

地形结构在塑造水动力条件和促进水环境改善方面发挥着至关重要的作用。首先，对陈家池水域的水体三维形态进行模型构建与模拟。在Delft3D软件中输入调研水样时采集到的实测数据，进行水动力分析。水循环系统的进出水口集中于池体北侧，在运行时期，北部少量水体流速较高；南部为大面积水动力“死区”，流速较慢，易引起水中营养物质的滞留与积累，是存在富营养化风险的主要区域。基于此，对陈家池水域的水体三维形态进行多方案优化模拟，并提出水动力优化建议（图3）：1）增加曝气、推流设施，提高水体溶解氧含量，提升局部水动力；2）优化出水口位置，延长管道长度，提升整体水动力。

其次，对陈家池水质进行模拟。由于公园水系现状水质较差，本研究模拟了Ⅴ类水持续进入Ⅲ类水质的湖体的情况，同时考虑了雨天污染物的扩散情况，即在水循环运转的基础上加入雨水管道及雨水径流因素。经分析发现，当进水污染物浓度比池水高时，进水口附近污染物分布相对聚集；雨季水动力虽有一定改善，但在相同时间（7天）内，进水污染物浓度越高，污染物扩散越快。鉴于此，针对陈家池提出2条水质优化策略（图3）：1）设置双层式水生植物带，提高进水口附近水体的自净能力；2）调整亲水驳岸形式，设置环湖水生植物带净化水质，注重雨水径流截流、净化。

图  2  上海中山公园陈家池水动力与水质模拟结果

Figure  2.  Stimulation results of hydrodynamics and water quality of Chenjiachi Pond in Shanghai Zhongshan Park

下载: 全尺寸图片 幻灯片

图  3  上海中山公园陈家池水动力与水质优化方案

Figure  3.  Improvement schemes for hydrodynamics and water quality of Chenjiachi Pond in Shanghai Zhongshan Park

下载: 全尺寸图片 幻灯片

3.1.2   小气候与冷源效应模拟结果

提升上海中山公园在调节小气候方面的功能对提高居民户外活动积极性具有重要意义。运用小气候模拟软件ENVI-met模拟上海中山公园冬、夏两季的风热环境与舒适度，识别出冷、热岛区域，进而通过调整空间形态与植物配置实现功能提升。以陈家池区域的模拟结果为例进行分析，发现码头区的预计平均热感觉指数（predicted mean vote, PMV）与通用热气候指数（universal thermal climate index, UTCI）较高，表明该区域热舒适度较差（图4）。因此，需对码头区的绿化覆盖率、植被类型等进行调整优化，增加绿化覆盖率，丰富乔、灌、草的搭配形式，形成不同的植物围合方式，以改善码头区的热舒适度，提升上海中山公园的小气候调节服务效能。

图  4  上海中山公园陈家池区域冬季与夏季风热环境模拟结果

Figure  4.  Stimulation results of wind and thermal environment in winter and summer of Chenjiachi Pond in Shanghai Zhongshan Park

下载: 全尺寸图片 幻灯片

3.1.3   乔木群落固碳效能估算模拟结果

孔雀岛为上海中山公园陈家池内的一座孤岛，面积约1 541 m²，岛内树木繁茂，有乔木38种、291棵，是许多鸟类的栖息地。选取孔雀岛乔木群落进行固碳效能估算模拟，运用i-Tree系统分别对乔木群落现状（2023年）、5年后（2028年）与10年后（2033年）的年固碳量进行评估与预测（图5）。分析模拟结果发现应在岛上补充高碳汇树种，如栾、垂柳、枫杨、雪松、喜树等，调整植物配置，辅以“高低结合，错落有致”的乔、灌、草景观配置，从而提升群落固碳效能。

图  5  上海中山公园孔雀岛不同乔木类型平均年固碳量模拟结果

Figure  5.  Stimulation results of average annual carbon sequestration of different types of arbors on Peacock Island in Shanghai Zhongshan Park

下载: 全尺寸图片 幻灯片

3.2   全要素、全方位的生态效能监测

对上海中山公园生态效应进行模拟与场地再更新后，对其进行全要素、全方位的生态效能监测，旨在实时、精准、全面地了解与评估更新后的生态效能状况。

水质与水动力需要进行定期监测与实时监测。定期监测采用人工水样采集送仪器设备检测，每季度进行一次；实时监测采用多参数水质分析，着重关注水体中易形成水动力“死区”的区域，以及氮、磷等营养盐的浓度与分布情况。

运用负氧离子监测站对小气候进行实时监测。在上海中山公园选取7个空气质量监测点安置负氧离子监测站，对温度、湿度、负氧离子、二氧化碳、PM_2.5等空气质量要素进行大面积监测与记录。

选取上海中山公园内2个核心样地——孔雀岛与凝心花园，进行生物多样性监测。根据样地的面积，在2处监测样地内各安装1台声纹监测设备与2台红外影像监测设备，对核心样地的生境进行全天候的声音和影像监测。依靠自动录音、录像系统和数据远程回传技术完成被动式数据监测。

固碳效能监测采用定期精细化测度的方法。结合上海中山公园内75种乔灌木的分布情况，选取110个典型样方地进行取样，每季度一次。使用光合仪等仪器设备测定植物叶片样本光合作用的生理指标，计算得到植物固碳量。

3.3   可视化的生态数据集成与实践管控

通过上述监测设备实时或定期收集生态数据，搭建上海中山公园STAR生态系统服务效能数字孪生平台，实现上海中山公园“水” “绿”“碳”全要素的生态数据可视化。通过实时生态数据与直观有趣的图表，全面展示公园的空气质量、气候、水质等情况，为公众提供创新性的互动体验和生态教育点位（图6）。搭建基于人工智能和大数据的生态效能动态评估平台，通过多模态数据处理，实现生态空间效益实时评价，构建具有面源污染阻控、水质调节、生物多样性支撑、固碳调节等高效益生态服务的生态空间，同时提供各类风险预警，为后续的生态实践管控提供科学支持。

图  6  用于上海中山公园生态数据集成的STAR生态系统服务效能数字孪生平台

Figure  6.  Digital twin platform of STAR ecosystem services efficiency for integration of ecological data regarding Shanghai Zhongshan Park

下载: 全尺寸图片 幻灯片

4.   结语

针对中国城镇化发展存量更新阶段中城市公园可持续更新的现实需求，本研究提出的以生态系统服务为导向、以全生命周期管控为核心、以数智赋能为技术支撑的技术体系是实现城市公园可持续更新的重要途径。本研究以上海中山公园作为实证案例，获取生态效应模拟、生态效能监测、生态数据集成、生态实践管控4个模块的具体内容，依托于数字孪生技术，构建了城市公园可持续更新支撑技术体系——STAR体系。基于对更新方案生态系统服务效能的模拟，提出水质调节、小气候调节、生物多样性支撑以及减排增汇等效能提升与优化策略，进行场地再更新。更新完成后及时跟踪城市公园生态效能变化，对生态效能退化或降低的情况进行及时预警，从监测中总结经验。然而，由于生态系统的复杂性、城市公园的多样性和运维管理的复杂性，本研究无法穷尽不同类型和不同区位城市公园的STAR体系，仅以上海中山公园作为案例，以期对未来的研究与实践有所启发。未来研究可针对城市公园其他要素的生态系统服务效能、多角度的运维管理需求，优化研究方法和技术工具，强化数字化模拟、监测、数据集成的技术方法，从而形成能适应更多城市公园的可持续更新支撑技术体系。