在城市化快速发展的背景下,城市居民面临精神压力不断增加､心理问题日益突出､慢性疾病逐渐增多等多重健康问题,影响着居民的福祉与幸福感[1-2]｡相关研究表明,自然环境､城市公园､街头绿地､滨水绿地等景观空间能够让人释放焦虑与压力,促进积极情绪,提升居民幸福感｡因此,很多学者致力于研究能让个体从精神疲惫及情绪中恢复的环境,即恢复性环境｡

当前,大多数研究是围绕Kaplan提出的注意力恢复理论(AttentionRestorationTheory,ART)和Ulrich提出的心理减压理论(stressreductiontheory,SRT)开展,主要应用感知量表法与健康数据监测法｡前者是根据恢复性环境的远离性､延展性､魅力性和兼容性4个特征构建的“感知恢复量表”(PerceivedRestorationScale,PRS),从情绪､生理､认知､行为4个维度构建的自评恢复量表(Self-ratingRestorationScale,SRRS),进而探讨城市公园绿地､滨水绿地､居住区绿地､高校绿地等恢复性效益与居民环境偏好､场所依恋的相互作用[2-4],并运用生理仪器与AI技术,监测参与者的心电､脑电､皮电､呼吸波等生理信号,以获取不同绿化环境下参与者的健康数据,从而探讨环境中景观特征和恢复性效应之间的关系[1,5]｡后者由于数据获取难､实验过程繁琐､样本量较小等原因,多数学者还是采用广泛性和实用性更强的感知量表法开展研究｡

城市滨河绿地是城市重要的自然资源,不仅具有重要的生态功能,也是城市居民休闲娱乐､散步､健身的重要场所,而城市滨河步道则是连接滨河绿地各景观节点的通道,对增强居民的身心健康与社会福祉同样具有重要作用｡当前的研究多考虑步道的美景度､绿化形式等要素对居民的健康效应,多应用模糊评价法､结果方程模型､灰色统计分析法､语义差异分析法等获取景观要素数据,但这些数据无法反映景观要素的空间分布特征｡语义分割法是计算机视觉领域研究的一项重要技术,能通过对一类或几类数据的自动分析来获得规律,以实现对未知图像按不同表达语义的像素级分类,从而更有利于实现对景观要素空间分布特征的提取､量化和分析｡因此,引用感知量表探析城市滨河步道的恢复性效应,基于语义分割法分析城市滨河步道景观要素的空间特征,并对两者进行相关性分析与回归方程分析,一方面能提高景观要素特征数据的准确性,另一方面能更好地掌握具有良好恢复性效应的滨河步道环境特征,有利于指导滨河步道景观要素的空间设计与布局,提高滨河步道的健康效益,提升城市居民的福祉与幸福感,并为我国城市滨河步道的规划设计提供参考｡

1、研究地概况

福州市区内有晋安河､白马河､光明港､安泰河等30多条内河,水网密集,水体两岸的滨水空间类型丰富｡2016年启动了新一轮城区水系综合治理工作,通过采取截污､清淤疏浚､驳岸修整､景观绿化､水质净化､生态修复､信息监测及新型城市化工程等措施,对内河水系进行治理,构建及恢复生态系统,建成上百个串珠公园,连点成线,形成水清､岸绿､河畅､景美的绿色长廊,成为市民常去的休闲场所｡本研究以福州市串珠公园的滨河步道为研究对象｡

2、研究方法

2.1样地选择与调查方法

按照客观性､代表性､全面性的原则,在福建省福州市晋安区内按照人工护岸与自然护岸的结构类型,将城市滨河步道分为绿化带—滨河步道—绿化带—人工护岸—河流､绿化带—滨河步道—自然护岸—河流､滨河步道—绿化带—人工护岸—河流､滨河步道—自然护岸—河流､绿化带—滨河步道—人工护岸—河流､滨河道路—人工护岸—河流6种类型,研究中共调查了120个样地(图1),样地的选择满足以下原则:①在步道空间中可以看到河流,且前期勘测中有观察到一定的人流量;②步道的绿化带类型多样,包括乔灌草､乔草､灌草等植被类型;③河流的宽度包括2m以内､2~4m及4m以上等不同宽度｡

图1调查样地分布图

样本于2023年6月30日-7月5日7:00-11:00进行采集,采用全景相机拍摄｡拍摄时确保拍摄高度与人眼水平高度一致,且滨河步道的节点位于图像的中间｡共计拍摄全景图像126张,在剔除重复拍摄､光感差距大､滨河步道类型一样的图像后,筛选出30张滨河步道图像作为本研究样本(图2)｡

图2样地原始图像及其语义分割图像

2.2SRRS量表与问卷调查

本研究采用SRRS量表,SRRS量表最早由台湾学者韩可宗综合注意力恢复理论(ART)和压力减少理论(SRT)构建而成,从情绪､生理､认知和行为4个维度制定了17个测试项｡根据城市滨水步道景观的特点,参考了相关文献,在原量表17个测试项中,选择其中4个维度的8个变量作为本研究问卷量表内容(表1),并采用9分制量表法,用1(非常不同意)~9(非常同

表1SRRS量表维度及题项意)来表示不同维度的感知值｡于2024年1-2月在问卷星平台发布问卷,问卷开头针对调查内容进行必要的解释和说明,共收到问卷202份,剔除无效问卷12份,有效问卷共190份｡

2.3滨河步道景观要素评价体系构建

为提取影响城市滨水空间恢复性效应的景观要素,参考近几年关于城市滨水空间的景观评价研究,从空间要素､自然要素､建设要素3个方面提取城市滨河步道的景观要素｡其中,空间要素包括天空开敞度､空间色彩丰富度2个指标,自然要素包括绿视率､蓝视率､植物多样性3个指标,建设要素包括景观硬质､景观软硬比､步道铺装材质3个指标｡

天空开敞度是指特定范围内,天空面积占图像面积的比值,通常用比例形式表现｡在多项研究中表明,天空在城市景观中的开敞程度与人体热舒适度和人的情绪变化有显著的相关性[1],因此,本研究以数字图像作为评价对象时,在不考虑相机边缘畸变的情况下,可近似用天空面积与全图像面积的比值来表示天空的开敞程度｡空间色彩丰富度是城市景观中十分重要的景观要素和视觉感知因素｡图像的色彩有RGB､HIS､HSV等色彩模型,其中HSV色彩模型不仅含有色调､饱和度､亮度等色彩信息,还有利于肉眼分辨,因此,本研究选用HSV色彩模式,使用Photoshop软件根据田玉敏[6]的量化方法,将色调､饱和度､亮度按照16︰4︰4进行非均匀的色彩划分,色系分为红色系､黄色系､绿色系､蓝色系､紫色系5个色系,并将图像处理成13×10方格的马赛克图像,并提取每个方格色彩和HSV值｡相关研究表明,滨河步道环境的自然化程度越高,越能持续改善居民情绪[1],所以,选用植物多样性､绿视率､蓝视率､景观硬质率､景观软硬比等指标,其中绿视率指在人眼视野中看到绿色的所占比重,以数字图像中的绿色面积与全图像面积之比表示,与绿化率相比,绿视率更注重人的感知,更贴近人的视角,也更适合作为图像评价媒介的评价指标[3]｡蓝视率是指水体在景观视野中的比例,为了更好地解析滨河步道的蓝绿空间特征对居民恢复性效应的影响,研究中选择蓝视率作为评价指标｡

表3信效度分析表

2.4图像语义分割

为了更科学､更可靠地识别与分析滨河步道景观要素,本研究采用神经网络算法DeepLab-V3+软件,通过局部像素光谱信息和全局像素信息来提取滨河步道图像特征,并利用CityScapes数据集对滨河步道景观图像中的步道､建筑､植被､天空､水系､构筑物等常见景观要素进行识别和分割(图2),在此基础上计算出各类景观要素在图像中的比例,从而获得不同图片中不同景观要素的分布情况与比值状况｡

2.5数据处理和分析

运用Excel和SPSS26.0处理试验数据,运用方差法对量表数据进行标准化处理,对试验数据进行综合统计分析,包括信效度分析､恢复性效应各维度与景观要素的相关性分析,并建立模型以科学解析滨河步道的恢复性效应及其影响机制｡

3、结果与分析

3.1样本基本特征

筛选后的样本中,男性占比42%,女性占比58%;14~24岁年龄段占比最大,为67%,其次是36~45岁,占18%;学历情况以本科和专科为主,他们有较为成熟的自我认知,能够真实地反映对各景观照片的认知｡

3.2信效度分析

信度又称“可靠性分析”,反映研究数据内部是否具有一致性和稳定性,对SRSS量表评分进行信度检验,得到可靠性系数Cronbach'sα=0.962(>0.7),说明量表整体信度良好｡对SRRS量表评分进行效度检验,得到KMO=0.916(>0.5),p=0.001<0.05,符合球形度检验,效度良好,适合进行因子分析｡

3.3相关性分析

根据恢复性效应各维度的指标与各景观要素之间的相关性分析可知(表4),天空开敞度K1､景观硬质率J1､步道铺装类型J3与恢复性效应各维度为负相关;绿视率Z1､植物多样性Z3､景观软硬比J2与恢复性效应各维度为正相关,其中,植物多样性､绿视率与各维度指标之间呈显著正相关;空间色彩丰富度K2与情绪维度中的A3为正相关,其他为负相关,蓝视率Z2与情绪维度中的A1为负相关,其余为正相关｡

由表4与表5可知,空间色彩中的绿色K23与各维度关联性为显著正相关,其他色彩为负相关｡可见,绿色的自然环境可以增强人们的积极情绪,同时也对认知维度､生理维度具有影响,人们更喜欢充满绿色的环境｡此外,植物多样性对“认知维度”的2个指标具有显著相关性,数值分别为0.709和0.713,并且绿视率､植物多样性与行为维度有显著相关性,数值分别为0.500､0.504与0.677､0.687,可见,人们对植物景观类型比较丰富多样的步道较为感兴趣,愿意经常去该类型的步道,以有效地缓解人们的疲倦状态,这与李鑫等[1]用生理测量仪和眼动仪监测研究一致｡该研究结果表明,具有水生植物或有连续较高绿视率的滨河步道环境对青年人具有缓解压力的作用｡蓝视率与恢复性效应各维度相关性不高,其中与情绪维度的相关性最低,数值为0.066,与“高兴的情绪”相关性为-0.071｡同时,天空开敞度与恢复性效应各维度呈负相关,并且空间色彩中的蓝色K24与情绪维度呈负相关,数值为-0.417,可见人们对高蓝视率的场所兴趣一般｡相关研究表明,高蓝视率场景意味着水面宽或者离水较近,容易引发深思,并且步道是一个导向性较强的动态活动场所,水体或天空比例过大意味着景观构成单调,所以对恢复性效应的能效低[7]｡

表4恢复性效应不同维度的指标与景观要素的相关性分析

3.4回归分析

3.4.1滨河步道景观要素对恢复性效应的总体影响｡根据恢复性效应不同维度的指标值以及各景观要素之间的数据,将各样点的恢复性效应指标值作因变量,各景观要素的量化结果作自变量,构建多元回归模型｡根据自评恢复量表与各景观要素的相关性,筛选出Z1､Z3､J1三项相关性显著的景观要素作为自变量｡由共线性统计量检验得到以下恢复性效应模型:Y=23.489+0.811Z1+0.311Z3+0.344J1｡

表5恢复性效应不同维度与景观要素的相关性分析

式中,Y表示恢复性效应标准化值,各景观因子的回归系数代表其对恢复性效应的影响程度｡通过对比显著度值得知,绿视率Z1与恢复性效应之间具有显著影响,系数达到了0.811,其次是景观硬质率J1､植物多样性Z3｡可见,在今后的城市滨河步道景观设计与更新中,应该注重植物景观的品种选择与群落化种植,丰富植物种类与数量,控制硬质景观的比例｡

3.4.2滨河步道景观要素对恢复性效应的不同维度影响｡(1)情绪维度｡由于不同维度之间景观要素的作用具有差异性,故针对自恢复评价的4个维度分别构建自恢复评价回归模型,由共线性统计量检验得到以下自恢复评价情绪维度模型:Y=5.861+0.046Z1+0.058Z3+0.194K23-0.038K24｡

通过对比恢复性效应的情绪维度与各景观要素之间的显著度值得知,在情绪维度中,空间绿色系占比K23对情绪维度具有显著影响,其次依次为植物多样性Z3､绿视率Z1､空间蓝色系K24,其中空间蓝色系占比越大,对情绪维度的影响越弱｡可见,在滨河步道空间增加绿量可以让人感到更为愉悦,让人更有活力,而水体或天空容易引起人们沉思,对情绪恢复效能较低｡

(2)生理维度｡由共线性统计量检验得到以下自恢复评价生理维度模型:Y=5.933+0.141Z1+0.074Z3+0.064J1｡

通过对比恢复性效应的生理维度与各景观要素之间的显著度值得知,绿视率Z1､植物多样性Z3､景观硬质率J1对生理维度具有影响,尤以绿视率影响力最大,可见,增加绿量会让人感到兴奋｡

(3)认知维度｡由共线性统计量检验得到以下自恢复评价认知维度模型:Y=5.914+0.165Z1+0.071Z3+0.064J1｡

通过对比恢复性效应的认知维度与各景观要素之间的显著度值得知,在认知维度中,绿视率Z1具有显著影响,其次是植物多样性Z3､景观硬质率J1｡可见,人们对绿量高､植物种类丰富的步道比较感兴趣,它可以有效缓解人的疲倦感,同时步道景观硬质程度也会影响人们的认知｡

(4)行为维度｡由共线性统计量检验得到以下自恢复评价行为维度模型:Y=5.899+0.264Z1+0.093Z3+0.123J1-0.032J3｡

通过对比恢复性效应的行为维度与各景观要素之间的显著度值得知,绿视率Z1对行为维度具有显著影响,其次依次为景观硬质J1､植物多样性Z3､步道铺装类型J3,其中步道铺装类型J3与行为维度之间呈现负相关｡可见,人们更喜欢探访绿化率高的滨河步道,但也要重视步道铺砖类型的选择,尽可能多用木材､石板等天然材料｡

4、结论与讨论

城市滨河步道是城市居民休闲娱乐､散步健身的重要场所,开展步道的恢复性效益研究对提高居民的福祉与幸福感具有重要意义｡本研究以福州市滨河步道为研究对象,基于语义分割技术和SRRS法,对量化内容的提取和分析,从景观要素的空间分布特征角度,分析滨河步道环境对居民的健康效应,更有利于反映景观要素的空间分布特征｡

(1)城市滨河步道的景观要素与恢复性效应各维度存在相关性,其中绿视率､植物多样性､景观软硬比与恢复性效应各维度正相关,天空开敞度､景观硬质率､步道铺装类型与恢复性效应各维度负相关｡

(2)居民更喜欢充满绿色的环境,对植物景观类型丰富多样的步道较为感兴趣,愿意经常去该类型的步道,以有效缓解人们的疲倦状态｡因此,在今后的滨河步道景观设计中要注重植物的选择与群落化的种植,以丰富植物种类与数量,营造充满绿意的景观空间｡

(3)河面较宽或者滨河步道离水较近,容易引发深思,水体或天空比例过大意味着景观构成单调,因此高蓝视率､天空较为开敞的步道恢复效能较低,居民对该类型的步道缺乏偏好｡在今后的滨河步道系统规划时应注意:水面较为宽阔的路段,步道系统设计尽可能远离河边,或通过多层次的植物配置､增加水生植物等方式降低蓝视率｡

(4)景观硬质率对城市滨河步道环境的恢复性效应具有影响,因此,在滨河步道的规划设计中,应尽可能多用木材､石板等天然的材料｡

本研究为福州市滨河步道景观提升提供了支撑,也为我国城市滨河步道的规划设计提供了参考,相信未来会有更多的科学方法和实践应用,在建设健康､美丽､宜居的城市环境中发挥重要作用｡

参考文献:

[1]李鑫,王子尧,吴丹子,等.基于生理反馈的城市滨河步道对青年人压力缓解的研究[J].中国园林,2022,38(05):86-91.

[2]刘群阅,吴瑜,肖以恒,等.城市公园恢复性评价心理模型研究——基于环境偏好及场所依恋理论视角[J].中国园林,2019,35(06):39-44.

[3]黎俊仪,林盈芳,董建文,等.语义分割技术下的城市滨水绿地美景度评价研究——以福州西湖公园､左海公园为例[J].中国园林,2022,38(10):92-97.

[4]尤达,刘群阅,艾嘉蓓,等.校园绿地使用特征与环境恢复性知觉关系[J].上海交通大学学报(农业科学版),2018,36(06):66-73.

[5]黄雅冰,陈子怡,翁羽西,等.基于EEG响应的森林公园恢复性效益影响路径研究——以福州国家森林公园为例[J].西北林学院学报,2023,38(06):252-259.

[6]田玉敏,林高全.基于颜色特征的彩色图像检索方法[J].西安电子科技大学学报(自然科学版),2002,29(01):43-46.

[7]朱晓玥.蓝绿空间类型及特征对压力恢复的影响研究[D].哈尔滨:哈尔滨工业大学,2019.

基金资助:国家大学生创新创业训练项目(编号:FAFUXMPC20230718001-00116);福建农林大学大学生创新创业训练项目(编号:X202210389349);

文章来源:王安妮,薛心,黄晓彬,等.基于语义分割技术的城市滨河步道恢复性效应[J].现代园艺,2025,48(13):52-55.