分类: 未分类

  • AI数据就绪度检测器AIDRIN:人工智能数据就绪度的定量评估

    人工智能(AI)的发展正在各个领域蓬勃兴起,但”垃圾进,垃圾出”这一计算机科学界的普遍共识同样适用于AI领域。数据质量直接影响AI模型的性能,低质量、有偏见的数据往往会导致AI模型效果不佳。因此,数据科学家在AI应用中投入了大量时间和精力来准备数据。然而,目前还没有标准的方法或框架来评估数据对AI的”就绪度”。为了解决这一问题,研究人员提出了AIDRIN(AI Data Readiness INspector)框架,旨在对数据的AI就绪度进行定量评估。

    AIDRIN框架概述

    AIDRIN是一个综合性的数据评估工具包,涵盖了文献中提到的广泛就绪度维度,有助于定量和定性地评估数据就绪度。它不仅使用传统数据质量评估中的指标(如完整性、异常值和重复项),还使用专门用于评估AI数据的指标,如特征重要性、特征相关性、类别不平衡、公平性、隐私性和FAIR(可查找性、可访问性、互操作性和可重用性)原则合规性。AIDRIN提供可视化和报告,以帮助数据科学家进一步调查数据的就绪情况,从而提高机器学习管道的效率,为AI应用的数据就绪性做出明智决策。

    AIDRIN的主要特点

    1. 综合评估:AIDRIN整合了传统数据质量参数和AI特定指标,提供全面的数据就绪度评估。
    2. 用户友好:提供简便的数据和元数据上传功能,简化了数据从业者和研究人员的评估过程。
    3. 定量评分:基于广泛的指标列表,涵盖多个数据就绪度考虑因素,提供量化评分机制。
    4. 可视化报告:生成直观的可视化和报告,帮助用户深入分析数据就绪情况。
    5. 跨领域适用:适用于各种领域的用户,可轻松高效地衡量数据集对AI应用的适用性。

    AIDRIN的数据就绪度评估维度

    AIDRIN框架提出了七大类别的AI数据就绪度评估:

    1. 质量
    • 完整性:衡量所需数据的存在程度
    • 异常值:识别偏离正常范围的异常数据点
    • 重复性:评估重复记录的存在
    • 数据准备实践:评估数据准备方法的稳健性
    • 时效性:确保数据是最新和相关的
    1. 可理解性
    • 元数据可用性和质量:确保存在全面的元数据来描述数据集
    • 来源:追踪数据的来源和谱系,确保准确性和完整性
    • 数据访问用户界面:评估访问和交互数据的便利性
    1. 结构质量
    • 使用的数据类型:评估数据类型的适当性和一致性
    • 数据模式质量:评估支持规范化形式和快速数据存储访问的数据模式设计和结构
    • 文件格式和使用的数据存储系统:审查文件格式和存储系统的效率和适用性
    • 数据访问性能:衡量数据检索的速度和可靠性
    1. 价值
    • 特征重要性:评估数据集中不同特征的重要性
    • 标签:检查监督学习标签的可用性、质量和正确性
    • 数据点影响:评估单个数据点对整个数据集的影响
    • 数据不确定性:使用不确定性量化方法衡量数据的不确定性或置信度
    1. 公平性和偏见
    • 类别不平衡:评估数据集中类别的分布
    • 类别可分性:衡量不同类别之间的区分程度
    • 歧视指数:识别数据中的潜在偏见
    • 群体代表性:确保对人群进行多样化和有代表性的抽样
    1. 治理
    • 收集:审查同意、抽样方法、伦理考虑、监管合规性和资金来源
    • 处理和管理:评估使用的匿名化、管理和去识别方法
    • 应用:评估使用限制和数据分析中的潜在偏见
    • 安全:审查数据敏感性、访问控制机制和共享协议
    • 隐私:评估隐私要求、预算和得分
    1. AI应用特定指标
    • 模型特定指标:评估特定于AI模型及其预期应用的指标,确保数据满足成功模型训练和部署的要求

    AIDRIN的分析能力

    AIDRIN提供三类检查结果:

    1. 数据摘要统计:提供数据的一般信息,如属性数量、数据记录数量、百分位数、最小值、最大值、平均值、标准差和分布等统计信息。
    2. 数据就绪度指标:提供多种AI就绪度指标,如完整性、异常值、重复性、特征重要性、特征相关性等。
    3. 可视化:为每个指标提供相应的图表和可视化,便于理解和分析。

    以下是AIDRIN中一些关键指标的详细说明:

    完整性

    完整性表示数据集中必要数据和属性值的存在程度。AIDRIN使用Blake等人提出的完整性指标,通过测量数据集每个特征中缺失值的比例来量化完整性。

    异常值

    异常值指显著偏离数据集中预期值的数据点或实例。AIDRIN采用四分位距(IQR)方法来评估异常值,这种方法对极端值的影响较小,更可靠且易于解释。IQR方法基于数据的中间50%,计算第一四分位数(Q1)和第三四分位数(Q3)之间的范围。超出这个范围的数据点被识别为异常值。

    重复项

    重复项指数据集中存在的重复或冗余实例。AIDRIN使用Bors等人提出的评分系统来检测重复条目,通过比较唯一项目数与总项目数来生成表示数据集重复程度的单一分数。

    隐私

    AIDRIN采用Vatsalan等人提出的”MM风险评分”模型来评估数据隐私风险。这种方法考虑了数据的敏感性和数据中可识别信息的数量,为数据集分配一个隐私风险分数。

    公平性

    AIDRIN使用几种指标来评估数据集的公平性:

    1. 统计平等:评估不同敏感群体之间预测结果的一致性。
    2. 机会平等:比较不同群体中真阳性率的差异。
    3. 人口代表性:评估数据集中各群体的代表性是否与整体人口分布相符。
    4. 群体公平性:评估模型对不同群体的预测准确率是否一致。

    FAIR原则合规性

    AIDRIN评估数据集对FAIR(可查找性、可访问性、互操作性和可重用性)原则的遵守程度:

    1. 可查找性:评估数据集是否易于发现和定位。
    2. 可访问性:评估获取数据的难易程度。
    3. 互操作性:评估数据与其他数据集和系统的兼容性。
    4. 可重用性:评估数据是否可以被其他研究者重复使用。

    特征相关性

    AIDRIN使用相关系数来衡量特征之间的线性关系强度。它可以识别高度相关的特征,这些特征可能会引入多重共线性问题。

    特征重要性

    AIDRIN采用基于树的特征重要性方法,如随机森林,来评估每个特征对预测目标变量的贡献程度。这有助于识别最具预测力的特征。

    类别不平衡

    对于分类问题,AIDRIN计算类别不平衡率,即最大类别样本数与最小类别样本数的比率。高不平衡率可能导致模型偏向主导类别。

    AIDRIN的优势

    1. 全面性:AIDRIN涵盖了广泛的数据就绪度维度,提供了全面的评估框架。
    2. 定量评估:通过量化指标,AIDRIN使数据就绪度评估更加客观和可比较。
    3. 可视化支持:生成直观的图表和报告,帮助用户快速理解数据状况。
    4. 跨域应用:适用于各种领域的AI数据准备工作。
    5. 标准化:为AI数据就绪度评估提供了一个标准化的框架。
    6. 效率提升:通过自动化评估过程,大大提高了数据准备的效率。
    7. 决策支持:为数据科学家和研究人员提供了明确的指导,帮助他们做出关于数据使用的明智决策。

    结论

    AIDRIN框架的提出填补了AI数据就绪度评估领域的空白,为数据科学家和研究人员提供了一个强大的工具。通过综合评估数据质量、公平性、隐私性等多个维度,AIDRIN能够帮助用户更好地理解和改进他们的数据集,从而提高AI模型的性能和可靠性。随着AI技术的不断发展,AIDRIN这样的框架将在确保AI系统的数据基础方面发挥越来越重要的作用。

    参考文献

    1. Hiniduma, K., Byna, S., Bez, J. L., & Madduri, R. (2024). AI Data Readiness Inspector (AIDRIN) for Quantitative Assessment of Data Readiness for AI. arXiv:2406.19256.
    2. Blake, R., & Mangiameli, P. (2011). The effects and interactions of data quality and problem complexity on classification. Journal of Data and Information Quality, 2(2), 1-28.
    3. Bors, C., Wentker, T., Böhm, C., & Heindorf, S. (2021). A Novel Measure for Data Quality: Duplicate Detection. In Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing, 3078-3084.
    4. Vatsalan, D., Sehili, Z., Christen, P., & Rahm, E. (2017). Privacy-preserving record linkage for big data: Current approaches and research challenges. In Handbook of Big Data Technologies (pp. 851-895). Springer, Cham.
  • 城市工业区野境植物多样性与群落结构研究——以原上海溶剂厂再野化为例

    摘要: 城市野境是城市生态系统的重要组成部分,具有独特的生物多样性和自然野趣景观,对促进城市生态恢复具有重要意义。本文以原上海溶剂厂为例,通过对该厂区经过十余年再野化后的植物多样性和群落结构进行研究,探讨城市工业区野境植物多样性形成特征,并分析再野化对植物多样性自然恢复能力和潜力,以期为合理保育和利用城市野境提供依据,为城市废弃地修复提供思路。

    关键词: 园林植物;再野化;植物多样性;工业废弃地;城市野境;棕地修复

    1. 引言

    随着城市化进程的快速发展,大量工业用地被废弃,这些工业废弃地既是城市发展历史的见证,也是城市生态修复的重要资源。近年来,再野化理念逐渐被引入城市生态修复领域,为城市废弃地再利用提供了新的思路。再野化强调减少人为干扰,恢复自然过程,提升生态系统韧性和维持生物多样性,最终使生态系统达到自我维持的状态。

    城市野境是城市内部或周边区域中自然过程占主导的土地,人类对其的开发和控制程度相对较低,允许在一定程度上发生自然演替的生态过程。城市野境作为城市自然恢复地,通过再野化过程和机制,形成独特的生物多样性结构,对促进城市绿地生态化与自然化具有重要借鉴意义。

    本文以经过十余年再野化过程的原上海溶剂厂为研究对象,调查厂区自然野境的植物多样性和群落结构,分析城市野境植物多样性形成特征,探讨植物多样性自然恢复能力与潜力,为合理保育和利用城市野境提供依据,为城市废弃地修复提供思路。

    2. 研究地与研究方法

    2.1 研究地概况

    上海溶剂厂的前身是 1935 年创办的中国酒精厂,位于上海市浦东新区黄浦江畔。该厂曾是远东规模最大、设备最先进的酒精厂,后来成为有机化工原料厂。因 2010 年上海世界博览会建设而拆除,现仅存上海溶剂厂近代建筑群遗址。原上海溶剂厂占地面积约 16hm2,绿地面积约占 45%。20 世纪 90 年代初,由于工厂经营状况不佳而停产,厂区处于闲置和封闭状态,呈工业废弃地状态。厂区绿地长达十余年未进行人工养护和干预,绿地的自然更新和发育过程明显,形成比较典型的工业自然地。

    2.2 研究方法

    2.2.1 数据调查

    采用全面踏查方式,在春、夏、秋季进行跨年度的四次实地调查,记录厂区维管束植物种类,并编目。

    选取厂区绿地的四个代表性植物群落,进行群落学调查。厂区绿地群落斑块较小,以 10m×10m 的样方进行调查,详细记录样方的植物种类,测定乔木数量、高度和胸径;各样地设置四个 2m×2m 小样方进行灌木层调查,四个 1m×1m 小样方进行草本层调查,记录灌木和草本层的株(丛)数、高度、盖度等。

    2.2.2 数据分析

    1) 物种重要值:用于说明某个种在群落中的优势程度,计算公式如下:

    乔木层重要值=(相对多度+相对显著度+相对高度)/3

    灌草层重要值=(相对频度+相对多度/盖度+相对高度)/3

    2) α 多样性指数:α 多样性是指群落内物种的多度,本次采用物种丰富度指数、Shannon-Wiener 指数、Simpson 优势度指数、Pielou 均匀度指数。

    3. 厂区野境植物景观

    上海溶剂厂闲置后,人为干扰减少,经过植被再野化过程,逐步形成自然植被与原有绿化树木镶嵌的植物景观格局。

    3.1 人工绿地自然化

    厂区原有块状草坪多被自生植物所取代或覆盖,如加拿大一枝黄花、渐尖毛蕨、构树幼苗、香樟幼苗、女贞幼苗、蚊母树等。绿地林下的自然更新苗发育良好,尤其是香樟、女贞、构树、棕榈、蚊母、胡颓子等幼苗幼树大量繁衍。同时,求米草、蛇莓、半夏、渐尖毛蕨等野生草本植物逐步侵入;爬山虎、常春油麻藤、野蔷薇、常春藤等层间植物也不断蔓延,人工绿地群落层次结构多样而丰富,植物多样性逐渐增加,呈现近自然的植被结构特征。

    3.2 自生植被覆盖硬质空间

    厂区人行道、厂房及办公区周边硬质空间几乎被自生植被覆盖,宽阔的车行道也被植物从两侧覆盖,水泥路面几乎只剩下一半,呈现明显的野境特征。由于自然植被恢复时间不长,主体植被为草本植被,约覆盖 70% 的硬质空间,其中约 2/3 硬质空间被入侵性植物覆盖,主要有加拿大一枝黄花、喜旱莲子草、一年蓬、灰绿藜、白车轴草等;其他的硬质空间主要被原生植物马唐、毛茛、委陵菜、牛膝、泽漆等侵占,甚至还有国家重点保护植物野大豆。而土壤空隙较多的硬质铺地,桑树、构树、朴树、乌桕、无患子、枫杨、梓树等木本植物幼苗幼树定居,分布面积最大的是构树和桑树,约占自生木本植被面积的 80%。

    随着植物自生的迅速发育,许多园石被植物遮盖,原有的白粉景墙也成为藤蔓植物依附的载体,营造出别样的自然粉墙花影景观,野趣横生。

    3.3 建筑构筑物立体植被覆盖

    在无人干扰的厂区,藤本植物蓬勃的生命力得到尽情释放,几乎所有的建筑构筑物都爬满藤本植物,主要有五叶地锦、常春油麻藤、常春藤、凌霄、野蔷薇等。多数厂房屋面也被藤本植物覆盖,尤其是高大的化学反应塔也爬满五叶地锦,形成极为罕见的工业区立体绿化景观,整个厂区建筑物披上盎然的“绿装”,郁郁葱葱,可谓都市现实版“绿野仙踪”。

    4. 植物多样性

    4.1 物种组成

    共记录维管束植物 105 科 248 属 312 种,其中,蕨类植物 7 科 7 属 8 种,占总种数的 2.56%;裸子植物 3 科 6 属 7 种,占总种数的 2.24%;被子植物 95 科 235 属 297 种,占总种数的 95.19%。

    选取种数大于 5 的科为优势科,共 9 个优势科,占总科数的 8.65%,包含 102 属 120 种,占总属数的 41.30%,总种数的 38.46%,呈现少数科拥有多数种的特征。其中禾本科的种数最多,含 21 属 23 种,占总种数的 7.37%,这与禾本科多为原生草本,适应性强有关;菊科数量位居第二,共 18 属 21 种,占比 6.73%,菊科除丰富的原生种外,还有较多的入侵种,竞争力强;其余优势科还有豆科、蔷薇科、蓼科、唇形科、大戟科、苋科和十字花科。

    4.2 生活型

    厂区草本植物占优势,共 55 科 127 属 165 种,占种数的 52.88%;其次是乔木,共 36 科 56 属 64 种,占种数的 20.51%;灌木共 30 科 48 属 53 种,占种数的 16.99%;藤本植物种类较丰富,共 17 科 25 属 28 种;厂区缺乏水体,仅在积水容器和低洼地发现紫萍、野慈姑 2 种水生植物。

    4.3 物种来源

    参照《上海维管植物名录》[11]《The Checklist of the Naturalized Plants in China》[12],将维管束植物划分为上海原生种、外来归化种、外来入侵种和栽培种,并参照《中国外来入侵植物名录》,将入侵种的入侵等级划分为:1 级(恶性入侵种)、2 级(严重入侵种)、3 级(局部入侵种)、4 级(一般入侵种)[13]。

    从表 4 可见,厂区植物以上海原生种占优势,达 66 科 140 属 171 种,占总种数的 54.81%,其中乔木 14 种、灌木 15 种、草本植物 121 种、水生植物 2 种、藤本植物 19 种。除少量原生种外,原生草本植物占优势,如蓼科、禾本科、蔷薇科、大戟科、堇菜科、唇形科、菊科、天门冬科等,另外,8 种蕨类植物均为原生种。

    栽培种位居第二,共 48 科 79 属 92 种,占 29.49%,其中乔木 46 种、灌木 31 种、草本 10 种、藤本植物 5 种。厂区绿化树种多为栽培种,如无患子、鸡爪槭、垂柳、榉树、麻栎、玉兰、紫玉兰、含笑花、蜡梅等以及所有的裸子植物均为栽培种。

    外来归化种共 9 科 25 属 25 种,位居第三,占比 8.01%,包含乔木 4 种、灌木 7 种、草本 12 种、藤本植物 2 种,如石榴、八角金盘、夹竹桃、广玉兰、金鸡菊、美人蕉、芭蕉、凤仙花、马兰等。

    外来入侵种数量最少,为 19 科 23 属 24 种,其中 1 级入侵种与 2 级入侵种的占比最大,均为 2.56%,包含加拿大一枝黄花、小蓬草、钻叶紫菀、圆叶牵牛、喜旱莲子草等恶性入侵种,入侵植物虽然种类不多,但竞争性强,占据了大面积的旷地、草坪等。

    在厂区再野化进程中,自生植物发育尤为突出,共记录到自生植物 61 科 141 属 177 种,绝大部分是上海原生种,具有较好观赏性和鲜明地域特色。

    4.4 植物起源

    城市环境中的植被主要源于人工栽培的绿化植物和自然繁衍的自生植物,调查厂区植物的起源,可以更深入地了解植被再野化过程形成特征。从表 5 可见,自生植物高达 177 种,占总种数的 56.73%,比栽培植物高 13.46%。在低干扰生境,具有较强适应和繁殖能力的自生植物生长发育潜力仍能得到释放,大量自生植物的定居和繁衍,改变了厂区原有绿化植物配置格局,不仅有利于硬质空间等恶劣生境的植被恢复,也丰富了场地植物多样性,更有利于形成城市野境景观。

    5. 典型植物群落结构与物种多样性

    选择厂区香樟、水杉、夹竹桃以及香樟-女贞灌丛等典型群落类型,进行群落学调查,分析植物群落物种组成结构与多样性特征。

    5.1 植物群落结构

    水杉是厂区重要栽植树种,成排或块状分布于道路、厂房及办公区域,林下植物发育良好,垂直结构丰富。根据样方调查结果,水杉群落物种组成最丰富,郁闭度达 0.9,群落平均高度为 20.58m,群落结构分 4 层,主林层为水杉,重要值达 28.00%;亚林层为香樟、构树和棕榈,其重要值分别为 6.09%、5.21% 和 1.88%。灌木层有女贞和香樟更新苗,草本层为渐尖毛蕨和求米草等。

    香樟是厂区分布最多的栽培树种,以香樟为优势种的群落较多,林下更新苗丰富。调查样地的香樟群落郁闭度为 0.85,平均高度 14.64m,乔木层重要值达 69.40%,其他乔木还有夹竹桃、银杏、棕榈等;灌木层主要有八角金盘、棕榈、栀子等,地被植物以求米草为主。

    夹竹桃群落广泛分布于道路及厂房隔离带,结构相对简单,调查样方群落郁闭度最高,为 0.95。上层优势种为夹竹桃和广玉兰,重要值分别为 50.18% 和 21.53%;下层主要为构树幼苗、香樟幼苗,重要值分别为 37.16% 和 31.87%。草本植物主要为求米草。

    香樟-女贞灌丛群落位于建筑垃圾堆场,主要由香樟、女贞更新苗发育而成,平均高度仅 1.18m,香樟和女贞的重要值较高,分别为 34.17% 和 33.42%,地被层为加拿大一枝黄花、渐尖毛蕨,其重要值分别为 8.14% 和 6.03%。

    5.2 典型植物群落多样性分析

    样地群落间乔木层物种丰富度较接近,为 4、5、6 种;灌木层水杉群落物种丰富度最高,主要为香樟幼苗、女贞幼苗、构树幼苗、棕榈等 10 种,而香樟群落、夹竹桃群落物种丰富度相对较低,均为 5 种。

    香樟群落的乔木层 Shannon-Weiner 指数最高,其次为夹竹桃群落,水杉群落的水杉株数占绝对优势,指数值最低;而灌木层中水杉群落的灌木种类多,该指数最高,其他三个群落的数值都相对较低。香樟群落的乔木层 Simpson 指数最高,其植物种数分布较为均匀,集中性较弱,在灌木层中,水杉群落的 Simpson 指数最高。Pielou 均匀度指数值显示,夹竹桃的乔木层物种数量分布最为平均,其次是香樟群落,两个群落之间差值仅 0.001 9。水杉群落的灌木层指数值最大,而香樟-女贞灌丛指数值最小。总体而言,调查群落的物种多样性较高。

    6. 讨论

    6.1 再野化是形成城市野境的基础

    原生植物的回归和恢复是城市野境的前提。从表 9 可见,上海溶剂厂共调查到 312 种植物,其中原生种 171 种,占种数的 54.81%,自生植物 177 种,明显超过园林栽培种 135 种;距离上海溶剂厂 1.5km 的临沂公园共调查到 86 科 178 属 218 种植物,其中上海原生种 82 种,占总种数的 37.61%,自生植物 75 种,占总种数的 34.40%,而栽培植物占比 65.60%,占比明显高于上海溶剂厂。城市绿地往往侧重选择园林观赏植物,绿地养护也多清除自生植物与更新苗,并对乔灌木进行不同程度修剪,抑制野生植物的生长发育,难以形成茂盛浓郁的群落结构。而再野化的绿地植物更加丰富,通过自然适应和竞争过程,与区域生境适应性强、繁殖力高的原生物种更容易发育和定居,表明再野化是形成城市野境的基礎。

    6.2 植被管理是提高城市野境功能的重要途径

    野境植被存在外来入侵物种和恶性杂草蔓延,先锋性树种占据过多生态空间的问题,不仅生态价值低,也影响植物群落的进展演替,需要开展野境植被的科学管理。如加拿大一枝黄花、喜旱莲子草、小蓬草等恶性入侵种,葎草等恶性杂草易形成单优种群,应控制清除;苦苣菜、苋等一般入侵种可以采取适当的保留和调控,增加地表植物覆盖,保留场地自然性;一些本土树种也会形成单优种群,如构树等,不利于其他树种的渗入和生长,应采取密度控制或创造林窗等调控方式,为其他物种提供生长空间,丰富物种多样性。

    对于具有有一定生态功能的植物,可诱导植被发育,如四籽野豌豆、白车轴草等具有固氮能力,可以改良土壤;茑萝松、珊瑚樱、马兰、望江南、棕叶狗尾草、土人参、虎耳草、火炭母等鸟嗜和蜜源植物不仅能丰富城市野境的观赏性,也有助于构建野生动物友好型植物景观。

    6.3 城市野境对后工业景观营造的启示

    城市更新与产业升级将产生更多的废弃地和棕地,成为风景园林发展面临的新问题和新空间。利用工厂闲置的时间间隙,让绿地再野化,通过植物自然作用修复场地,再对再野化后的植物景观改造设计,以“野”为主导,让“自然”去设计,让“自然”去培育,形成“规划-野化-规划”的过程,不仅修复受损环境,还给城市绿地更多创造空间,挖掘特色本土植物,营造自然形态多样、生态内涵丰富的野境景观,重拾人与自然的亲密。

    曾经的荒野景观难以企及,满是粗糙和恐惧,如今人们对“野”的看法有所改变,认为它浪漫诗意、自由洒脱,城市野境能带给人们的不仅是“留连戏蝶时时舞,自在娇莺恰恰啼”的目酣神醉,更是“久在樊笼里,复得返自然”的怡然自得。

    国内有许多出色的工业遗产改造案例,如北京新首钢高端产业综合服务区(首钢园)、北京 798 艺术区、南京 1865 创意产业园、上海创智天地等,这些老工业区改建都侧重原有建筑物和构筑物,而厂区景观营造还是选择人工主导的重新种植。不同历史时期绿地物种的选择和植物配置方式并不相同,老工业区留下历尽沧桑的建筑厂房和大烟囱,那些参天大树和自生植物群落也有属于自己的历史故事。新的后工业植物景观也可以保留时代感,完善原有功能性植物群落,保护再野化进程演变的野境景观,丰富工业遗产旅游,体验沉浸式的后工业景观。

    7. 结论

    本文通过对原上海溶剂厂再野化后的植物多样性和群落结构进行研究,分析了城市工业区野境植物多样性形成特征,探讨了植物多样性自然恢复能力与潜力,为合理保育和利用城市野境提供了依据,为城市废弃地修复提供了思路。

    研究表明,城市工业区野境植物多样性较高,自生植物占优势,再野化过程中,原生种具有独特优势,有助于恢复地域特色的植物多样性。再野化是形成城市野境的基础,植被管理是提高城市野境功能的重要途径。城市野境对后工业景观营造具有重要启示,通过再野化,可以将废弃工业用地转变为富有生机的城市野境,为城市生态修复和城市可持续发展提供新的思路和方法。

    参考文献:

    1. 曹越,万斯·马丁,杨锐.城市野境:城市区域中野性自然的保护与营造[J].风景园林,2019,26(8):20-24.
    2. Lorimer J, Sandom C, Jepson P, et al. Rewilding: Science, practice, and politics[J]. Annual Review of Environment and Resources, 2015, 40: 39-62.
    3. 杨锐,曹越.“再野化”:山水林田湖草生态保护修复的新思路[J].生态学报,2019,39(23):8763-8770.
    4. 范建红,刘雅熙,朱雪梅.欧洲荒野景观再野化的发展与启示[J].中国园林,2019,35(12):106-110.
    5. 袁嘉,游奉溢,侯春丽,等.基于植被再野化的城市荒野生境重建:以野花草甸为例[J].景观设计学,2021,9(1):26-39.
    6. 李雱,侯禾笛.城市空间与自然荒野的互动:苏黎世大学耶荷公园景观设计[J].中国园林,2011,27(9):10-14.
    7. 王向荣,林箐.杭州江洋畈生态公园工程月历[J].风景园林,2011,18(1):18-31.
    8. Johnston J. Nature Areas for City People[M]. London: London Ecology Unit, 1990: 73-87.
    9. 王向荣,任京燕.从工业废弃地到绿色公园:景观设计与工业废弃地的更新[J].中国园林,2003,19(3):11-18.
    10. 李乃丹,张庆费,孙卿,等.城市废弃工业区低干扰绿地植物群落的土壤特性[J].东北林业大学学报,2008,36(12):13-16.
    11. 马金双.上海维管植物名录[M].北京:高等教育出版社,2013:22-376.
    12. Yan X L, Wang Z H, Ma J S. The Checklist of the Naturalized Plants in China[M]. Shanghai: Shanghai Scientific and Technical Publishers, 2019: 1-345.
    13. 马金双,李惠茹.中国外来入侵植物名录[M].北京:高等教育出版社,2018:2-249.
    14. 吴征镒.中国种子植物属的分布区类型[J].云南植物研究,1991(增刊Ⅳ):1-139.
    15. 张庆费,宋永昌,由文辉.浙江天童植物群落次生演替与土壤肥力的关系[J].生态学报,1999,19(2):174-178.
    16. 张庆费.野生动物友好型绿地的设计理念与思路[J].园林,2015,32(1):12-16.
    17. 李溪.18世纪英国废墟景观之美学探究[J].风景园林,2017,24(12):38-45.
    18. 朱育帆.历史对象与后工业景观[J].中国园林,2020,36(3):7-15.
    19. 王晞月,王向荣.风景园林视野下的城市中的荒野[J].中国园林,2017,33(8):40-47.
人生梦想 - 关注前沿的计算机技术 acejoy.com 🐾 步子哥の博客 🐾 背多分论坛 🐾 借一步网
Page Stats: PV: 8547 | UV: 4021
Last updated: 2025-07-18 18:32:16
沪ICP备2024052574号-1