基于人工智能技术的植被色彩感知与焦虑关联分析_吴佳雨.pdf

地 理 学 报ACTA GEOGRAPHICA SINICA第78卷 第4期2023年4月Vol.78,No.4April,2023基于人工智能技术的植被色彩感知与焦虑关联分析吴佳雨1，王诗奕1，李 红2,3,4，塔 娜2,3,4（1.浙江大学园林研究所，杭州 310058；2.地理信息科学教育部重点实验室，上海 200241；3.华东师范大学地理科学学院，上海 200241；4.自然资源部超大城市自然资源时空大数据分析应用重点实验室，上海 200241）摘要：城市绿色空间对焦虑的缓解作用受到城市地理学、城市规划学和景观生态学等多学科学者的关注。然而，受限于数据采集技术的精确程度，很少有研究分析绿色空间中的植被色彩对降低焦虑水平的作用。基于此，本文结合公民科学和人工智能技术建立高精度城市植被数据库，从植被色彩视觉感知的角度入手分两个层次评价植被色彩，并构建有序Logistic模型探究不同地理背景下植被色彩与个体焦虑的关系。研究表明：丰富的植被色彩确实能有效缓解焦虑，但同时受可塑性面积单元（MAUP）和地理背景不确定性问题（UGCoP）的影响。具体而言，提升居住环境的基底色彩水平、增加工作环境中植被色彩的多样性有助于缓解焦虑，并且植被色彩与焦虑的关联主要在小规模缓冲区中观察到。上述结论证实了植被色彩对焦虑缓解作用，能够为城市绿色空间设计提供具体的优化建议。关键词：焦虑；人工智能；公民科学；植被色彩；地理背景DOI:10.11821/dlxb2023040171 引言在快速城市化和快节奏城市生活的影响下，焦虑已经成为影响居民生活质量和身心健康的重要问题，为健康城市建设带来了重大挑战。在众多缓解焦虑的措施中，城市绿色空间作为一种经济和社会成本较低的途径，引起了决策者和研究者的广泛关注1-2。大量研究证实，绿色空间通过促进体力活动3-5，减少噪音、热浪、空气污染危害6-7、促进社交活动8-10、增强心理恢复能力10-11等多种方式缓解城市居民的焦虑水平。关于绿色空间对焦虑缓解的积极作用目前存在两大理论支持。首先是减压理论（Stress Reduction Theory,SRT），即观赏美丽的景观能够唤起个体的积极情绪，使机体得到恢复并减少压力12，从而缓解焦虑13。其次为注意力恢复理论（Attention RestorativeTheory,ART），即个体的注意力会不自觉地被富有视觉美感的景观吸引，在该过程中个体的定向注意力暂时得到放松和恢复14，从而减轻焦虑9,15。植被色彩作为绿色空间景观的重要组成部分，在缓解焦虑的过程中可能具有重大作用。收稿日期：2022-05-09;修订日期：2022-12-28基金项目：国家自然科学基金项目(32271935,41971200,51908488);浙江省自然科学基金项目(LY22E080013);青年人才托举工程(2021QNRC001)Foundation:National Natural Science Foundation of China,No.32271935,No.41971200,No.51908488;Zhejiang Provincial Natural Science Foundation,No.LY22E080013;Young EliteScientists Sponsorship Program by CAST,No.2021QNRC001作者简介：吴佳雨(1989-),男,内蒙古乌海人,副教授,博导,研究方向为城市绿色空间治理。E-mail:通讯作者：塔娜(1986-),女,内蒙古包头人,副研究员,研究方向为城市社会地理学、行为地理学。E-mail:1044-1056页4期吴佳雨 等：基于人工智能技术的植被色彩感知与焦虑关联分析植被色彩与焦虑之间的联系得到很多研究证据的支持，但相关研究观察到一些不一致的结果。基于传统设计理论的研究认为丰富的植被色彩带来强烈刺激16-17，不利于大脑进行放松和从焦虑中恢复。而另一些控制性实验研究发现，植被色彩可以唤起积极情绪、促进大脑活动，减轻感知到的压力与焦虑18-20，例如白色、黄色花有助于提升愉悦感18，绿白相间的叶色促进身心放松21，彩色叶、茎可以促进大脑活跃、减少焦虑22。不一致结果的产生可能有以下两方面的原因：首先，早期研究中对植被色彩常采用主观定性评价，对比鲜明的植被色彩更容易引起注意19，且评价很容易受个人主观偏好影响23。其次，受访者常通过观察照片来感知和评价空间内的植被色彩，照片所展示的植被色彩很大程度受季节20、拍摄视角24的影响，传递的植被色彩信息同时受到时间和空间的局限。随着科技的发展，公民科学和人工智能技术被应用到绿色空间植被数据采集之中，为客观评价植被色彩提供了技术支持。公民科学指公众参与的科学研究25，公众通过使用手机等智能终端在应用程序上记录研究所需的相关数据是当前公众参与的主要方式26。根据研究需要进行定制化数据采集系统是公民科学应用的一大途径26-27，而“形色”“花伴侣”等面向公众的植物识别软件的出现进一步降低了公众参与的门槛，形成的众包数据为相关研究提供了更多的便利27。另外还有大量研究通过运用人工智能技术从街景照片中获取植被信息，通过深度学习对街景照片进行语义分割，街景中的植被部分被识别出来并计算像素占比，比值结果被称为街景绿视率（Green View Index,GVI）28-29。GVI反映视野中植被的占比，而绿色在植被色彩中占据主导地位，通过GVI评估植被水平很大程度反映了绿色作为植被基底色彩的作用。然而，绿色作为基底色彩并非植被的唯一色彩，植被的色彩多样并且可能随季节变迁而变化，这种色彩的多样性在叶和花上表现的尤其明显，极大地丰富了居民日常生活中欣赏植被时的视觉体验22,30。对于植被的丰富色彩，我们需要一个像GVI一样的评价指标对其进行系统地评价。近年来，行为地理学越来越关注流动性背景下的动态人地关系分析，强调将人的行为放入到时空背景中进行考察31，分析个体行为的环境暴露与健康的关系。相较于传统研究，行为地理学研究更强调个体由于日常活动与出行而形成的多重地理背景状况，将环境与健康研究的视角从居住空间扩展到活动空间32。特别是，Kwan提出了地理背景不确定性问题（Uncertain Geographic Context Problem,UGCoP），指出地理背景单元划分方法以及其与真实经历的地理背景之间偏离程度很可能影响对个体在环境中暴露的评价33。因此，本文认为有必要从工作地、活动地等不同地理背景度量个体的植被色彩暴露，以揭示绿色空间对居民焦虑的复杂影响，并从实践上为地理背景不确定性问题提供佐证。本文综合运用公民科学和人工智能技术，结合基于街景照片识别的植被信息和多源植被众包数据，构建包含丰富色彩信息的高精度城市植被数据库，计算多种植被色彩评价指标，运用有序Logistic回归模型探讨不同地理背景下植被色彩对城市居民焦虑的影响，以期丰富植被色彩与焦虑缓解的实证研究，为城市绿色空间建设和提升提供具体的优化建议。2 研究区概况与研究方法2.1 研究区域与数据来源本文选择上海作为研究区域，上海作为中国的核心城市之一经历了快速城市化，面积和人口持续增加，截止到2020年末人口数已超过2400万34。研究区域被锁定为除崇明三岛（崇明岛、长兴岛和横沙岛）范围外的上海市集中建成区（图1）。1045地 理 学 报78卷研究数据来源于2017年37月在上海市开展的居民活动日志问卷调查。在上海市集中建成区内抽样选择了59个社区，在每个社区中随机抽样进行入户调查，邀请每个受访家庭中的一名成年人参与问卷调查。问卷内容主要涉及居民个体及家庭属性、活动出行信息、个体焦虑水平评价等方面。根据答案的完整程度对获得数据进行筛选，最终保留了来自于54个社区的680个有效样本。调查中参考了中文简化版抑郁焦虑压力量表（DASS-21）进行个体焦虑水平评价。DASS-21为4点李克特式自评量表，含有21个描述个人近期（“过去一周内”）负面情绪体验或生理反应的句子。受访者根据描述的符合程度做出选择，0表示完全不符合，3表示非常符合，分数越高意味着症状越严重。全表涉及焦虑水平评价的题项为题2、4、7、9、15、19、2035，统计每位受访者以上7个题项的总得分，平均得分8.08。使用7分和9分作为截止点，将焦虑水平评价结果分为3类，根据焦虑严重程度由轻到重依次为：正常、轻度焦虑、中度至严重焦虑。表1展示了各组样本的特征信息和特征组间均衡性检验的结果，根据P值判断各项特征没有显著的组间差异，3组样本具有可比性。整体来看，受访者中男性比例略高于女性，平均年龄37.56岁，具有一定的文化水平，家庭平均月收入超过16000元人民币。2.2 研究框架本文充分发挥了公民科学及人工智能技术的作用，一方面通过深度学习建立植被识别模型从街景照片中获取植被信息，另一方面获取来自植物识别应用程序（APP）的植被众包数据，进行数据融合与清洗构建了包含丰富色彩信息的高精度城市植被数据库。以构建的植被数据库为数据基础，参考已有文献，本文从植被色彩视觉感知的角度入手对植被色彩评价进行深化，从两个层次评价植被色彩：通过GVI反映植被绿色基底色彩图1研究区域Fig.1 Study area10464期吴佳雨 等：基于人工智能技术的植被色彩感知与焦虑关联分析水平，以及通过叶色、花色丰富度反映植被的多样色彩（图2）。绿色植被在全体植被中占据了极大的比例，奠定了植被的色彩基调，GVI反映视野中植被的占比，很大程度代表着绿色作为植被基底色彩的作用。绿色是植被的主要而非唯一色彩，植被的色彩是多样的，这在植被的叶、花上表现尤为突出，因此以叶色、花色丰富度对植被的多样色彩进行刻画。植被色彩评价以缓冲区为单位进行，考虑距离和地理背景对居民活动模式和出行习惯的影响，分别以居住地和工作地为缓冲区中心建立缓冲区。缓冲区半径的划定参考以往研究选择500 m和1000 m，500 m反映510 min的步行，1000 m反映1520min的步行，相关研究表明这是人们普遍接受的步行前往绿色空间的距离。2.3 植被色彩评价2.3.1 绿色基底色彩绿色基底色彩评价通过绿视率（GVI）指标实现。本文爬取了2018年37月间的百度街景照片用于绿视率计算（https:/ m，设定垂直视角60、水平视角100，获取每个采样点前、后两个方向的图像，共计获得250842个采样点上的501682张街景图片。本文选用基于卷积神经网络的深度学习模型DeepLab V3+提取街景图像中的图像特征，并使用Cityscapes数据集（https:/www.Cityscapes- 多样植被色彩植被色彩的多样性在叶和花上表现的尤其明显，本文通过计算叶色、花色丰富度来对其进行刻画。为了获得植被的叶色、花色信息，本文构建了高精度表1受访样本的描述性分析Tab.1 Results of descriptive analysis of samples连续变量平均值(标准差)分类变量人数(人)(构成比(%)合计(人)年龄(岁)家庭平均月收入(元)性别受教育程度男性女性小学及以下初中高中(含中专、职高)大专大学本科本科以上焦虑调查结果正常36.54(11.4)14856.2(11237.5)103(58.5)73(41.5)4(2.3)35(19.9)44(25.0)30(17.1)54(30.7)9(5.1)176轻度焦虑37.57(10.6)17504.9(27664.8)196(52.8)175(47.2)8(2.2)58(15.6)83(22.4)90(24.3)118(31.8)14(3.8)371中度至严重焦虑38.85(11.3)14411.3(13931.4)65(48.9)68(51.1)3(2.3)23(17.3)26(19.6)26(19.6)43(32.3)12(9.0)133P值0.1840.2460.2240.375注：对于正态分布的连续变量（年龄、家庭平均月收入水平）提供均值和标