影響公眾情緒偏好的城市藍(lán)色空間特征識(shí)別研究
——以松花江流域?yàn)槔?/h1>

2021-09-18 02:19:46朱遜

中國(guó)園林訂閱 2021年8期 收藏

關(guān)鍵詞：情緒特征活動(dòng)

朱 遜

張 冉

趙曉龍*

根據(jù)積極心理學(xué)的研究，情緒狀態(tài)與身體、精神健康及社會(huì)適應(yīng)密切相關(guān)[1]，而面部反應(yīng)是輸出內(nèi)心情緒的重要通道[2]。但人類情緒不是自發(fā)變化的，而是通過(guò)環(huán)境或事件的刺激而產(chǎn)生的，并且受到個(gè)體行為、生理機(jī)制和認(rèn)知評(píng)價(jià)的影響而產(chǎn)生一定的差異性[3]。因此，不同的建成環(huán)境所帶來(lái)的情緒響應(yīng)差異及其衡量方法一直是風(fēng)景園林領(lǐng)域研究的核心問(wèn)題[1]。其中，藍(lán)色空間對(duì)情緒的影響隨著2016年歐盟藍(lán)色健康(Blue Health)研究項(xiàng)目的啟動(dòng)而成了近年來(lái)的熱點(diǎn)問(wèn)題[4]。城市藍(lán)色空間中水體的特殊效應(yīng)能夠有效緩釋城市開(kāi)放空間過(guò)度趨同造成的情緒疲勞，是解決城市特色危機(jī)的關(guān)鍵載體和市民親水體驗(yàn)、休閑活動(dòng)的最佳場(chǎng)所之一。

雖然環(huán)境帶給人的情緒感受非常重要，但由于公眾情緒的反饋程度和方式具有一定的主觀差異，目前采用的量表法、問(wèn)卷法、可穿戴傳感器測(cè)量等方法各有利弊[2]。近幾十年來(lái)，量大、真實(shí)、易獲取、帶有地理標(biāo)記的社交媒體數(shù)據(jù)逐漸成為學(xué)者了解環(huán)境和社會(huì)的新工具，現(xiàn)已在游客行為體驗(yàn)、自然環(huán)境與人的交互、社會(huì)空間不平等、城市規(guī)劃與交通、文化生態(tài)系統(tǒng)服務(wù)[5]等領(lǐng)域發(fā)展了新的認(rèn)知與成果，也結(jié)合面部表情識(shí)別技術(shù)輔助生成了世界和城市的幸福感地圖[6]，例證了社交媒體數(shù)據(jù)使用的程序與可靠性。同時(shí)，根據(jù)空間心理學(xué)研究者阿爾伯特·梅拉賓(Albert Mehrabian)的發(fā)現(xiàn)，人的心理情緒由7%的語(yǔ)言、38%的語(yǔ)音表情和55%的面部表情構(gòu)成[7]。基于面部表情識(shí)別情緒的應(yīng)用已經(jīng)在城市空間領(lǐng)域提出了城市情緒地圖[8]，在醫(yī)療方面輔助了抑郁癥、自閉癥等的情緒康復(fù)，在教育學(xué)領(lǐng)域探究了學(xué)習(xí)者的內(nèi)隱情緒和行為傾向，在交通安全方面識(shí)別了駕駛員的疲勞情緒，在營(yíng)銷輔助方面評(píng)估了廣告投放的情緒反饋，在服務(wù)業(yè)提供了更好的消費(fèi)體驗(yàn)[9]。因此，隨著社交媒體與計(jì)算機(jī)技術(shù)的發(fā)展，通過(guò)面部表情識(shí)別技術(shù)(FER)來(lái)無(wú)接觸式地分析社交媒體平臺(tái)上大量照片的面部表情成為理解公眾情緒的必要嘗試。

隨著過(guò)去20～30年濱水再生項(xiàng)目在全球范圍內(nèi)的推進(jìn)，對(duì)于藍(lán)色空間構(gòu)成要素的規(guī)劃重心逐步從經(jīng)濟(jì)和生態(tài)效益轉(zhuǎn)向公共健康服務(wù)[10]，人本化的可持續(xù)性愉悅體驗(yàn)成為空間更新的長(zhǎng)期內(nèi)生動(dòng)力。國(guó)內(nèi)外已有研究證實(shí)了環(huán)境對(duì)心智健康的修復(fù)途徑主要有注意力恢復(fù)、壓力緩解、情緒調(diào)節(jié)、體力活動(dòng)等[11]，并且藍(lán)色空間在改善公眾健康和提升幸福感方面具有特殊意義。濱水空間的質(zhì)量評(píng)價(jià)要素可歸類為自然生態(tài)特征(水體特征、河岸特征、濱水綠化)[11]、人工物質(zhì)特征(濱水用地、道路交通、建筑空間、環(huán)境設(shè)施)[12]、社會(huì)文化特征(文化品位、休閑娛樂(lè)、管理機(jī)制)[12-13]。其中，作為健康資源的重要因素有水體的物理特性、視覺(jué)特性[14]，促進(jìn)幸福感的因子有可達(dá)性及與水的互動(dòng)、交談機(jī)會(huì)[4]。現(xiàn)有研究主要側(cè)重空間形態(tài)因子和環(huán)境感知因子的提取，筆者認(rèn)為濱水語(yǔ)境下對(duì)“空間-情緒”關(guān)聯(lián)機(jī)制的深入探討，更能有效地指導(dǎo)城市藍(lán)色空間的規(guī)劃和建設(shè)?；谝陨涎芯勘尘埃疚木劢褂谒苫ń饔?個(gè)大型城市(哈爾濱、吉林)的藍(lán)色空間，以“公眾情緒”與“藍(lán)色空間特征”為主要研究變量，試圖回答以下問(wèn)題：1)在城市藍(lán)色空間中公眾的情緒有怎樣的分布規(guī)律？2)空間特征如何對(duì)不同類情緒產(chǎn)生顯著影響？3)能否依此提出調(diào)節(jié)公眾情緒的城市藍(lán)色空間優(yōu)化導(dǎo)則？

1 研究方法

1.1 松花江藍(lán)色空間概況

松花江是中國(guó)七大河之一，全長(zhǎng)1 927km，流域覆蓋了東北三省總面積的70%之多。其中，哈爾濱和吉林是松花江流域規(guī)模最大的城市。以哈爾濱和吉林主城區(qū)藍(lán)色空間為研究范圍，其藍(lán)色空間寬度分別為37～332、48～138m，面積1 847～34 189m2不等。以相似的城市環(huán)境背景、較為成熟的濱水建成區(qū)域?yàn)樵瓌t，最終篩選出36個(gè)符合標(biāo)準(zhǔn)的典型空間樣本用于量化比較[15]，編號(hào)為J1～J17、H1～H19(圖1)。

圖1 藍(lán)色空間樣本選擇

1.2 SNS數(shù)據(jù)采集

基于典型、開(kāi)源、豐富、大量的原則，本研究采集的數(shù)據(jù)來(lái)源于新浪微博，內(nèi)容包括用戶ID、性別、年齡、位置、上傳時(shí)間、客源地、照片、文字評(píng)論。采集的時(shí)間跨度是2015年1月─2019年12月，采集范圍分別是黑龍江省哈爾濱市公路大橋─松浦大橋段和吉林省吉林市江城廣場(chǎng)─臨江游園段的松花江藍(lán)色空間。首先，利用Python編程爬取了新浪微博上來(lái)自哈爾濱市2 219位用戶的5 869條數(shù)據(jù)和來(lái)自吉林市837位用戶的2 638條數(shù)據(jù)。其次，依據(jù)照片信息中包含人物、可精確定位、可識(shí)別行為活動(dòng)或情緒的順序進(jìn)行了3輪數(shù)據(jù)篩選，共得到行為活動(dòng)1 341次、情緒感受835次。

1.3 藍(lán)色空間特征提取

將文獻(xiàn)研究總結(jié)的3類空間指標(biāo)通過(guò)微博詞頻分析進(jìn)行校驗(yàn)，更為精確地篩選出公眾關(guān)注點(diǎn)，并歸納為組織、形態(tài)、界面3個(gè)類別。首先，選取頻數(shù)大于50的關(guān)鍵詞如江邊、橋上、坐在、江水、開(kāi)闊等21個(gè)。其次，為了使研究結(jié)果對(duì)風(fēng)景園林規(guī)劃設(shè)計(jì)更具指導(dǎo)意義，排除了陽(yáng)光、下雨等偶發(fā)因素及舒服、溫柔等描述模糊的關(guān)鍵詞，并進(jìn)行聚類合并。如將“橋上”“臺(tái)階”作為不同種水陸駁接關(guān)系合并到駁岸類型，將“游泳”“水景”合并到親水程度，將“打車”“溜達(dá)”合并到便捷性等。最后，篩選出組織特征、形態(tài)特征、界面特征共3類12個(gè)衡量指標(biāo)。

其中，組織特征的度量采用了空間句法的軸線模型。由于邊界效應(yīng)，將模型邊界以800m緩沖區(qū)外擴(kuò)，囊括重點(diǎn)城市交通。選擇模型參數(shù)R3選擇度、R3集成度、連接值、R3深度值來(lái)分別度量穿行率、可達(dá)性、開(kāi)放度和便捷度因子。形態(tài)特征的度量包含場(chǎng)地面積、高寬比、圍合度，以及格蘭(Patrik Grahn)提出的形狀指數(shù)。界面特征包含岸線形態(tài)(直線型、略彎曲、較曲折)、親水程度(看不見(jiàn)水、僅能看見(jiàn)水、能摸到水)、水系寬度(小于200m、200～400m、大于400m)和駁岸類型(垂直式、臺(tái)階式、挑臺(tái)式、自然式、橋梁)。

1.4 公眾情緒的識(shí)別與度量

可用于判斷內(nèi)隱情緒狀態(tài)的一種主要信號(hào)是人的外顯面部表情[16]。根據(jù)國(guó)際人工智能協(xié)會(huì)(AAAI)的報(bào)告，基于深度學(xué)習(xí)的人臉表情識(shí)別技術(shù)已經(jīng)在ImageNet數(shù)據(jù)集上將準(zhǔn)確率提高到了95.06%[16]。本研究選取了具有技術(shù)領(lǐng)先性的Face++平臺(tái)，該平臺(tái)的深度學(xué)習(xí)框架──曠視Brain++獲評(píng)“2019年世界互聯(lián)網(wǎng)領(lǐng)先科技成果”。其表情識(shí)別算法構(gòu)建依賴于美國(guó)心理學(xué)家保羅·?？寺?Paul Ekman)和華萊士·弗里森(Wallace Friesen)開(kāi)發(fā)的面部運(yùn)動(dòng)編碼系統(tǒng)，以面部結(jié)構(gòu)的解剖特點(diǎn)為基礎(chǔ)將人臉劃分為46個(gè)運(yùn)動(dòng)單元(AU)進(jìn)行幾何量化[17]，并計(jì)算每一張面部圖片在憤怒、厭惡、恐懼、高興、平靜、傷心、驚喜7類情緒上的概率(圖2)。

圖2 Face++運(yùn)行平臺(tái)(引自https://www.faceplusplus.com.cn/emotion-recognition/)

經(jīng)過(guò)Python編程獲取Face++運(yùn)行平臺(tái)的Api接口、調(diào)整數(shù)據(jù)結(jié)構(gòu)，在每個(gè)空間樣本中統(tǒng)計(jì)每類情緒的反饋量(C)和置信度分?jǐn)?shù)(EC)，將開(kāi)心、驚喜、平靜匯總為積極效價(jià)(Cpositive)，將憤怒、厭惡、恐懼、傷心匯總為消極效價(jià)(Cnegative)，并通過(guò)數(shù)值標(biāo)準(zhǔn)化公式對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。

為了從統(tǒng)計(jì)意義上量化特定空間中的公眾情感，探索情緒在各個(gè)效價(jià)性及喚醒度的普遍規(guī)律，將公眾情緒匯總為5個(gè)指標(biāo)[18](表1)。

表1 藍(lán)色空間情緒指數(shù)

1.5 公眾活動(dòng)水平度量

通過(guò)對(duì)微博大量照片進(jìn)行活動(dòng)分類，共得到駐足、靜坐、跳廣場(chǎng)舞、釣魚(yú)、戲水等24種行為活動(dòng)類別。統(tǒng)計(jì)每一個(gè)空間樣本內(nèi)的活動(dòng)發(fā)生次數(shù)，用香農(nóng)多樣性指數(shù)測(cè)算活動(dòng)的豐富度，再利用Ainsworth體力活動(dòng)代謝量表測(cè)算活動(dòng)的平均強(qiáng)度。依此3個(gè)數(shù)值的標(biāo)準(zhǔn)化之和來(lái)衡量空間內(nèi)公眾的行為活動(dòng)水平(AI)。

1.6 數(shù)據(jù)信度分析

7類情緒從正、負(fù)2個(gè)維度映射空間的情緒刺激，因此采用折半系數(shù)進(jìn)行信度分析。經(jīng)過(guò)計(jì)算，Spearman-Brown折半信度系數(shù)值為1，大于0.9，說(shuō)明研究數(shù)據(jù)信度質(zhì)量很高。另外，識(shí)別的人臉中自拍和背景人臉占比54%和46%，一定程度上抵消了上傳照片的選擇行為所帶來(lái)的影響。

2 數(shù)據(jù)分析結(jié)果

2.1 訪問(wèn)者的總體特征

研究范圍內(nèi)包含有效信息的訪問(wèn)者共2 107位，其中來(lái)自哈爾濱市的有1 319位，來(lái)自吉林市的有788位。經(jīng)過(guò)使用者的年齡、性別、訪問(wèn)時(shí)間、客源地與情緒的單因素方差分析(ANOVA)，沒(méi)有發(fā)現(xiàn)顯著相關(guān)性。一定程度上證實(shí)了藍(lán)色空間的相對(duì)公平性，能為所有人群在不同時(shí)間帶來(lái)積極的情緒感受。

2.2 公眾情緒分布規(guī)律

將讀取后的835次面部表情與ArcGIS中的空間定位進(jìn)行關(guān)聯(lián)，得到公眾的情緒映射地圖(圖3)。

圖3 公眾的情緒映射地圖

在采集范圍內(nèi)，公眾的情緒積極程度出現(xiàn)了較明顯的差異。在空間分異上，高興、驚訝等高度喚醒的正向情緒在哈爾濱鄰水步道上呈線性聚集，與不鄰水的步道反差明顯；在吉林市則多聚集在規(guī)劃大片沙灘、草坪的江濱公園內(nèi)。以平靜為主的低喚醒積極情緒在哈爾濱2處沙灘上有大量散點(diǎn)分布，吉林市主要節(jié)點(diǎn)廣場(chǎng)有部分向心型分布。綜合兩市來(lái)看，情緒積極度低，傷心、憤怒、厭惡聚集的位置是廢棄建筑圍合的背水空間，其次是人流量最大的交通廣場(chǎng)。可見(jiàn)，空間的過(guò)度圍合產(chǎn)生的不安全感、交通負(fù)擔(dān)過(guò)于集中產(chǎn)生的嘈雜環(huán)境會(huì)對(duì)情緒產(chǎn)生顯著負(fù)面影響。在情緒類別上，得到的反饋以平靜、高興居多，驚訝次之，出現(xiàn)部分傷心，但厭惡、害怕較少。

2.3 公眾活動(dòng)分布規(guī)律

情緒的變化與活動(dòng)規(guī)律密不可分。在數(shù)據(jù)采集范圍內(nèi)，公眾活動(dòng)出現(xiàn)了明顯的聚集特征?？臻g分布方面，中低強(qiáng)度活動(dòng)在濱水岸線呈線性分布，交通節(jié)點(diǎn)上呈向心性分布；高強(qiáng)度活動(dòng)在功能性場(chǎng)地內(nèi)呈散點(diǎn)分布。活動(dòng)類別方面，以安靜休憩類活動(dòng)居多，休閑娛樂(lè)類活動(dòng)次之，但游泳、跑步等康體健身類活動(dòng)出現(xiàn)較少?；顒?dòng)強(qiáng)度方面，中高等強(qiáng)度共占比43.89%。親水差異方面，藍(lán)色空間水體對(duì)低等強(qiáng)度活動(dòng)的發(fā)生影響顯著，且以美學(xué)性吸引(靜坐賞景、散步賞景)為主。對(duì)中低等強(qiáng)度活動(dòng)的發(fā)生影響較小，以功能性吸引為主(游泳、沙灘活動(dòng))。

2.4 相關(guān)性分析

將藍(lán)色空間特征與活動(dòng)水平、情緒指數(shù)在SPSS中進(jìn)行曲線擬合，根據(jù)擬合結(jié)果分別進(jìn)行Pearson相關(guān)性分析、回歸分析和ANOVA方差分析。結(jié)果表明，訪問(wèn)者的5個(gè)情緒指標(biāo)均與部分空間特征呈現(xiàn)了顯著相關(guān)性，證實(shí)了藍(lán)色空間對(duì)公眾情緒具有調(diào)節(jié)作用(圖4)。因此，就26組顯著相關(guān)變量的相關(guān)系數(shù)和擬合曲線進(jìn)行逐一分析，探究其影響機(jī)理。

圖4 藍(lán)色空間特征與活動(dòng)水平、情緒指數(shù)相關(guān)性分析

2.5 中介效應(yīng)分析

研究提出了行為活動(dòng)對(duì)公眾情緒的中介效應(yīng)假設(shè)，采用魯本·巴倫(Beuben Baron)和大衛(wèi)·肯尼(David Kenny)的逐步法檢驗(yàn)這一假設(shè)[13]。根據(jù)相關(guān)性的結(jié)果檢驗(yàn)中介效應(yīng)成立的前提條件，篩選空間特征中同時(shí)對(duì)活動(dòng)、情緒顯著影響的因子，以行為活動(dòng)水平為中介變量進(jìn)行中介效應(yīng)驗(yàn)證，其中活動(dòng)水平在連接值、R3深度值對(duì)公眾情緒產(chǎn)生影響時(shí)中介效應(yīng)顯著(圖5)，意味著藍(lán)色空間的開(kāi)放度和便捷度可以通過(guò)影響公眾的行為活動(dòng)而影響情緒積極性。

圖5 行為活動(dòng)的中介作用(注：＊P＜0.05，＊＊P＜0.01；a、b、c、d是非標(biāo)準(zhǔn)化的普通最小二乘回歸系數(shù))

3 藍(lán)色空間特征對(duì)情緒的影響機(jī)制

3.1 適宜的廣場(chǎng)面積和高寬比激發(fā)驚喜情緒

防洪紀(jì)念塔廣場(chǎng)的近水側(cè)、世紀(jì)廣場(chǎng)的“世紀(jì)之舟”附近出現(xiàn)了顯著高水平的驚喜情緒(圖6)。適當(dāng)?shù)財(cái)U(kuò)大面積有助于烘托城市地標(biāo)建筑，在游覽序列上激發(fā)豁然開(kāi)朗的瞬時(shí)情感。高寬比提高到1.5～2，恰當(dāng)?shù)靥嵘操|(zhì)向水體的滲透感，通過(guò)瞬時(shí)加強(qiáng)水體的視感知提升興奮度，營(yíng)造焦點(diǎn)共鳴。

圖6 廣場(chǎng)高寬比與SI相關(guān)性曲線

3.2 橋梁和臨水臺(tái)階引導(dǎo)情緒舒緩

臺(tái)階和橋梁上普遍出現(xiàn)了較高水平的平靜情緒(圖7)。臨水臺(tái)階提供了大面積靜坐賞景的空間，利用高差提升安全感，同時(shí)擁有站立和觸摸水的選擇性，是緩解都市壓力十分有利的空間形態(tài)。觀景橋梁組織了步行和休憩空間，在合理阻隔車流的同時(shí)擁有特殊的視線開(kāi)闊角度，是緩解浮躁的適宜親水方式。

圖7 駁岸類型與EPI、ENI、NI相關(guān)性

3.3 親水平臺(tái)提高整體情緒喚醒度

親水平臺(tái)附近，尤其在深入水面的挑臺(tái)空間情緒喚醒度較高(圖8)。置身水面的介入感和與水的肢體互動(dòng)能夠有效耦合視覺(jué)觸感與肢體觸感，顯著喚醒各項(xiàng)效價(jià)的情緒感知。

圖8 親水程度與EPI、EAI、SI相關(guān)性

3.4 行為活動(dòng)間接影響情緒質(zhì)量

中介效應(yīng)的檢驗(yàn)印證了高開(kāi)放度、高便捷度的城市藍(lán)色空間能夠同時(shí)對(duì)大眾活動(dòng)和情緒起到正向的激發(fā)作用。提升空間的開(kāi)放度意味著創(chuàng)造了易識(shí)別性的空間，高便捷度意味著容易吸引更多的使用者到藍(lán)色空間進(jìn)行活動(dòng)，這二者的改善有利于減少藍(lán)色空間的盲點(diǎn)區(qū)域。使用者在藍(lán)色空間開(kāi)展賞景、鍛煉等豐富的活動(dòng)，進(jìn)而提高了積極情緒的喚醒程度。

4 結(jié)論

本文以松花江流域主要城市哈爾濱和吉林為例，證實(shí)藍(lán)色空間與公眾情緒存在顯著相關(guān)性與影響差異性，并推斷空間的情緒效應(yīng)機(jī)制(圖9)。藍(lán)色空間路徑的便捷程度和開(kāi)放性、濱水空間的形態(tài)和布局，以及駁岸處理、親水差異和水系寬度在不同程度上影響著行人和游客的喜怒哀樂(lè)。但親水程度和親水空間形態(tài)對(duì)于公眾情緒的影響結(jié)果比較直接，而空間組織則更多通過(guò)對(duì)行為活動(dòng)的聚散和調(diào)節(jié)來(lái)引導(dǎo)情緒感受的發(fā)生。因此，以不同的控制要素為主導(dǎo)提出4個(gè)方面的情緒空間導(dǎo)則(圖10)。

圖9 藍(lán)色空間特征對(duì)情緒的影響機(jī)制

圖10 藍(lán)色空間與公眾情緒的交互模型[18]

首先，通過(guò)空間組織、形態(tài)、界面的調(diào)控奠定愉悅度基調(diào)。主要側(cè)重開(kāi)放度、便捷度、面積、高寬比、岸線形態(tài)、駁岸類型、親水程度7項(xiàng)因子的調(diào)控。在布局上宜以集約式代替均置型；在形態(tài)上合并消極空間，D/H控制在0.8～2，突破傳統(tǒng)的單側(cè)開(kāi)放性向水面和城市雙向滲透；在界面上宜采用大尺度線條避免情緒煩躁，增設(shè)臺(tái)階、挑臺(tái)等柔性立面化解防洪限制；同時(shí)注重兩岸聯(lián)合造景，緩解因水系過(guò)寬引起的空曠感。

其次，通過(guò)調(diào)整水岸界面形態(tài)喚醒群眾情緒積極性，激發(fā)空間與積極情感的韻律共振。主要引導(dǎo)可達(dá)性、岸線形態(tài)、駁岸類型、親水程度4項(xiàng)因子的發(fā)展。重點(diǎn)處理濱水駁岸，平面避免小尺度的凹凸折線，立面盡量提供多選擇性的親水方式，可采用自然式、挑臺(tái)式駁岸增加視線起伏和水體介入感，強(qiáng)化親水體驗(yàn)以喚醒心理感知。

再次，通過(guò)控制場(chǎng)地形態(tài)特征激發(fā)共鳴度，可利用在形成城市記憶的關(guān)鍵空間節(jié)點(diǎn)上。需關(guān)注面積、形狀指數(shù)、高寬比、駁岸類型、親水程度5項(xiàng)因子的調(diào)整。廣場(chǎng)形態(tài)宜接近方形或圓形，留有較大活動(dòng)面積。并調(diào)整高寬比在1.5～2，以打破綿長(zhǎng)岸線的平鋪直敘，表達(dá)空間向水面的延申。同時(shí)注重觀水角度的轉(zhuǎn)換和肢體觸水的配合，移步換景的體驗(yàn)和身體機(jī)能的協(xié)同激活能夠有效深化反思層面的情緒記憶。

最后，通過(guò)布局便捷度和改善親水設(shè)施舒緩脆弱性情緒，承擔(dān)宣泄都市情緒的主要角色。路徑上宜直達(dá)城市內(nèi)部主要開(kāi)放空間，能夠便捷地遠(yuǎn)離交通擁擠和人群紛擾是進(jìn)行情緒療愈的前提。親水設(shè)施可增設(shè)橋上空間、臺(tái)階或自然界面，提供視野開(kāi)闊的觀賞處所或戲水滑冰的互動(dòng)場(chǎng)地，能夠有效宣泄焦慮、抑郁、強(qiáng)迫的都市脆弱性情緒，更好地提升自我效能。

由于重點(diǎn)關(guān)注了城市藍(lán)色空間活動(dòng)人群中樂(lè)于通過(guò)交互平臺(tái)表達(dá)自我感受和情緒的群體，女性多于男性，年齡多分布在18～40周歲。而對(duì)于日常休憩的老年人群的情緒感知未能有進(jìn)一步分析，并且數(shù)據(jù)上傳在一定程度上受到發(fā)布者行為選擇的影響[17]。因此，期望進(jìn)行數(shù)據(jù)量的擴(kuò)充和線上線下對(duì)比數(shù)據(jù)分析，從而完善主體差異的研究。另外，由于松花江所處地域氣候條件，導(dǎo)致夏季數(shù)據(jù)遠(yuǎn)多于冬季，期望在后續(xù)研究中區(qū)分不同時(shí)空的樣本特征，增加不同類型的開(kāi)放空間量化評(píng)價(jià)指標(biāo)，更具有建模意義[19]。對(duì)于風(fēng)景園林工作者來(lái)說(shuō)，只有首先探索藍(lán)色空間與情緒所包含的內(nèi)在關(guān)系，我們才能有力地深入健康城市的建設(shè)中，積極開(kāi)發(fā)正向情緒和身心健康導(dǎo)向的規(guī)劃設(shè)計(jì)范式。為復(fù)愈性環(huán)境的循證設(shè)計(jì)提供具體的方法指導(dǎo)，精準(zhǔn)推進(jìn)城市藍(lán)色空間的潛在健康效益轉(zhuǎn)化。

注：文中圖片除注明外，均由張冉繪制。

猜你喜歡

情緒特征活動(dòng)

“六小”活動(dòng)

少先隊(duì)活動(dòng)(2022年5期)2022-06-06 03:45:04

“活動(dòng)隨手拍”

家庭科學(xué)·新健康(2022年3期)2022-05-10 00:32:13

行動(dòng)不便者，也要多活動(dòng)

中老年保健(2021年2期)2021-08-22 07:31:10

如何表達(dá)“特征”

瘋狂英語(yǔ)·新策略(2019年10期)2019-12-13 08:43:28

不忠誠(chéng)的四個(gè)特征

當(dāng)代陜西(2019年10期)2019-06-03 10:12:04

三八節(jié)，省婦聯(lián)推出十大系列活動(dòng)

海峽姐妹(2018年3期)2018-05-09 08:20:40

小情緒

風(fēng)流一代·青春(2018年2期)2018-02-26 15:27:06

小情緒

風(fēng)流一代·青春(2017年6期)2018-02-14 19:28:55

小情緒

風(fēng)流一代·青春(2017年5期)2018-02-14 09:32:37

抓住特征巧觀察

數(shù)學(xué)小靈通·3-4年級(jí)(2017年9期)2017-10-13 08:10:54

中國(guó)園林2021年8期

中國(guó)園林的其它文章

小有天園之布局結(jié)構(gòu)與景境研究

宏觀視角下瀕海山岳宮觀園林選址與“仙境”因子相關(guān)性研究
——以膠東半島為例

人文主義的回歸
——意大利美第奇園林設(shè)計(jì)的意與匠

居住區(qū)室外開(kāi)敞空間PM2.5、PM10時(shí)空分布特征及居民暴露風(fēng)險(xiǎn)評(píng)估

基于景觀基礎(chǔ)設(shè)施的“新江南水鄉(xiāng)”發(fā)展模式
——以長(zhǎng)三角生態(tài)綠色一體化示范區(qū)為例

粵港澳大灣區(qū)典型河心島生態(tài)問(wèn)題辨識(shí)與修復(fù)規(guī)劃設(shè)計(jì)