Entender las motivaciones de los visitantes es esencial para mejorar el bienestar percibido de los residentes urbanos y promover el bienestar humano en general. Basado en un marco integrado que combina la Teoría de la Autodeterminación y la Teoría del Comportamiento Planeado, este estudio investiga cómo diferentes tipos de motivación, es decir, la amotivación, la motivación extrínseca y la motivación intrínseca, influyen en el bienestar subjetivo de los visitantes a través del papel mediador de la intención de comportamiento. El modelo teórico fue probado utilizando datos primarios recopilados a través de cuestionarios estructurados en tres parques forestales urbanos en Fuzhou, China. El análisis factorial exploratorio identificó constructos latentes, y el análisis factorial confirmatorio validó el modelo de medición. Se empleó Modelado de Ecuaciones Estructurales (SEM) para probar las hipótesis propuestas. Los resultados revelan que la motivación intrínseca mejora significativamente la intención de comportamiento, mientras que la motivación extrínseca y la amotivación tienen una asociación negativa. La intención de comportamiento tiene una fuerte y positiva influencia en el bienestar subjetivo. Tanto las motivaciones intrínsecas como las extrínsecas afectan indirectamente el bienestar a través de la mediación completa de la intención de comportamiento. En contraste, la amotivación sigue un camino dual: influye negativamente en el bienestar a través de una mediación parcial y también ejerce una asociación positiva directa. Estos hallazgos subrayan el papel mediador central de la intención de comportamiento en la conexión entre motivación y resultados de bienestar en la visita a parques forestales urbanos. El estudio destaca la importancia para los responsables de políticas y gerentes de considerar cómo diferentes formas de motivación afectan la consecución del bienestar subjetivo, y de incorporar estos factores en futuras decisiones relacionadas con los parques forestales urbanos para facilitar hallazgos comparables y apoyar generalizaciones adicionales.