基于多源数据的多维度居住环境主观绿化评价水平与心理健康研究——以上海市里弄为例

肖扬 张宇航 卢珊 匡晓明

1 研究背景

进入全球经济社会变迁的新时代，精神疾病已成为仅次于心脏病、癌症的全球第三大疾病。在美国，超过4 400万的成年人（18%成年人口）患有精神疾病；英国16～64岁的人口中平均每6人就有1位精神健康患者[1]。新中国成立40年来，我国城镇化成绩斐然，但土地城镇化快于人口城镇化，城市生态环境压力陡增，国民精神障碍患病率逐年上升[2]。国家卫生健康委员会的统计数据显示，中国居民精神疾病患病率已达17.5%。中国城镇化可持续健康发展再次成为世界关注的焦点。

现代城市规划起源于英国的《公共卫生法案》[3]。自20世纪70年代，人们开始认识到影响健康的因素不仅包括遗传、生活方式、医疗条件，还包含建成环境[4-5]。越来越多的实证研究表明，城市化引发的空气质量下降、噪声污染、暴力犯罪、移民、住房以及生活质量变化和社会结构关系的迅速转变都是引起精神障碍疾病的诱因[6]。其中居住环境主观绿化评价水平、绿化空间可达性、绿化暴露水平的健康效应研究一直是学者和政府关注的热点问题[7]。例如：Liu等基于广州35个社区的问卷调查，发现NDVI指数和其他绿化特征指标与心理健康结果之间的影响作用不同[8]。然而有学者认为单一维度的绿化水平测量，如绿地可达性、植被覆盖率等，无法综合表达绿化品质和功能等特征。而谷歌、腾讯等街景大数据中包含了人本视角的绿视率等信息，为“绿地–健康”研究带来了新的视角[9]。在当今信息技术高速发展的背景下，城乡规划领域可使用的数据集变得丰富，分析工作的综合定量水平得到了提升。除了传统的统计调查数据外，多源数据还包括各类智能设备采集的数据及网络开放数据，这类数据往往有着动态更新、客观精确的特点。

随着全球化的不断升级，中国的社会空间正经历着新一轮的重构，由此加剧了健康空间不平等的风险。里弄作为上海最具魅力的城市风貌，其前世今生与城市诞生、发展的记忆紧密相连，但是常规的历史街区保护方法与居住环境等民生问题矛盾突出。因此本研究采用2016年上海市新旧里弄综合调研一手数据，选取上海市中心城区105个社区的1 159名居民为研究对象，基于多源大数据、从多维视角探究居住环境主观绿化评价水平对里弄居民自评健康和心理健康的影响，从而为新阶段我国健康导向的城市建设提供科学支撑。

2 研究综述

2.1 上海里弄社区居住环境

里弄作为上海近代特色居住形式，大多分布于中心城区，见证了老上海居住文化的历史变迁，具有较高的遗产保护价值。然而由于里弄街区物质空间的日益老化与破败，里弄内部居民演替为社会经济地位较低的群体。加之周边地区的空间差异化明显，如今位于地租飞升的城市中心地带的里弄社区的相对价值却日益下降，在上海城市快速发展的阶段成为城市更新的重点实施对象。

现在的里弄街区一方面为非城市人口提供居住空间和生存发展场所，一方面又因为其优越区位与破败物质空间的矛盾使得政府的动迁计划难以推进[10]。

与里弄居民生理健康相对比，目前对里弄居民心理健康的研究仍然相对缺乏[11]。因此，本研究基于多源大数据，从绿地可达性、绿地面积、社区植被覆盖水平、社区绿视率水平、社区绿化满意度等多个维度和不同尺度，探究上海市里弄社区绿化空间对居民健康的影响作用。

2.2 绿化水平与心理健康和自评健康

积极的心理状态有助于人们高效地学习或工作，提升生活幸福感，同时心理健康直接关系着身体健康，不良的心理健康水平往往导致更多的生理性疾病。其中，影响心理健康的建成环境因素包括住房条件、设施布局、居住密度以及开放空间等[12]。研究发现与城市绿地的密切接触可降低压力程度，有助于放松和精神恢复[13]。Wood等对西澳大利亚州居住环境内公园数量和面积与心理健康的关系进行分析，结果表明二者之间具有显著相关[14]。Alcock等基于英格兰农村地区土地利用数据统计绿色空间并将其划分为多种自然土地覆盖类别，分析发现绿色空间与心理健康相关[15]。Akpinar等使用美国国家土地利用数据集对华盛顿地区的绿化空间进行统计，研究显示城市绿地和城市地区的森林面积与心理健康正向相关，同时发现绿化空间占比与自评健康之间无显著相关[16]。Coppel和Wüstemann对德国柏林的城市绿地与自评健康进行分析，发现植被覆盖率和居住地与城市绿地的空间距离与自评健康显著相关，且这一关系仅在一定缓冲区范围内成立，说明一味追求绿地的近邻距离并不会对健康产生更多的积极作用[17]。

2.3 绿化水平的多维度测量

有学者提出实证研究结论出现差异的原因在于绿化水平的衡量方法不同[18]。传统研究中的绿化空间信息多来自土地利用数据集或城市绿地系统规划，所得绿化评价指标主要包括绿化空间的规模、可达性、构成要素等[19]。随着遥感技术、地理信息系统与GPS全球定位系统的不断发展，获取绿化特征的空间信息途径得到补充。归一化植被指数（NDVI）与绿视率（VGI）分别来自卫星遥感图像和街景图像公开数据集，且在全球范围内具有相同的计算方法，具有高度一致性和可比性，有助于跨地域研究的比较[20]，因而越来越受到学者的青睐。Reid等划定不同类型和规模的缓冲区，发现不同范围缓冲区NDVI绿化水平与自评健康的关系存在差异[18]。Rugel等使用了2组不同卫星获取的NDVI数据，发现NDVI指数和其他评估绿化空间的指标特征与心理健康结果之间的影响作用不同[21]。街道绿视率对于健康的影响引起了学者的日渐关注，如Wang等同时基于NDVI数据与绿视率数据，分析城市绿化对心理健康的影响，结果表明2种绿化衡量方法可能通过不同机制积极作用于居民健康[22]。但测量方法也存在差异，常见的方法是运用Photoshop图片编辑软件提取绿植轮廓后在直方图中查看画面上的绿色占比，这一方法精确但低效；也可采用GIMP软件（GNU Image Manipulation Program）的网格法将图像按网格划分后计算绿色方块的占比，此方法简单但会产生误差[23]。本研究拟采用的绿视率计算原理为：采用基于卷积神经网络（Convolutional Neural Networks, CNN）的像素宽度图像分割方法，通过开源项目SegNet将街景图像解译为色彩类别，进而根据SegNet计算出的比例结果测量各图像的绿视率[24]。

3 研究数据与方法

3.1 数据来源

本研究涉及多个数据来源，其中社会健康属性来自同济大学城市与社会研究中心2016年上海市新旧里弄综合调研数据，样本来自上海市黄浦区、徐汇区、杨浦区、虹口区、长宁区以及静安区6个区域，基于样本异质性原则划定105个里弄社区，采取概率比例规模抽样方法，随机抽取共1 159名研究个体。

NDVI数据源自搭载于Landsat 8卫星的OLI陆地成像仪所收集的上海市域红波段（Band4-RED）以及近红外波段（Band5-NIR），分辨率为30 m×30 m。基于ENVI 5.1遥感图像处理软件对原始数据进行辐射定标、大气校正等处理，进一步进行波段合成与转换以及NDVI归一化计算，得到上海市NDVI数据及其分布遥感影像图。

街景图像爬取于上海市路网信息并基于ArcGIS 10.3平台设置等间隔采样点，获取采样点坐标后进而利用百度地图API（应用程序接口）抓取采样点位置上的街景图像，并导入开源项目SegNet，采用像素宽度图像分割方法，通过解码器将图像解译为色彩类别，最后根据计算出的色彩比例结果统计得到上海市绿视率数据。

上海市公园数据来自上海市规划和自然资源局，数据包括上海市416个城市公园斑块的地理信息，经计算可得每个公园斑块的边界长度及其面积规模。

3.2 模型构建

首先进行莫兰指数分析（Moran’s I），分别检验里弄社区绿化与居民心理健康和自评健康间的关系是否由于地理区位而存在组间差异。检验结果发现各指数均趋近于0，即这一关系并不存在显著的组间差异，因此遵循模型简约化原则，使用最小二乘线性（OLS）回归模型继续进行回归分析。

对绿化水平与自评健康和心理健康间的影响关系进行分析，分别构建如下OLS多元线性回归模型：

其中，Y表示被解释变量，在不同模型中分别代表自评健康和心理健康；X1为解释变量，即绿化水平变量；C为控制变量；β0为截距；β1、β2为变量系数；ε0为误差项。

3.3 变量选择

3.3.1 被解释变量（健康状况）

自评健康体现了居民对自身健康状况的主观判断，目前已在全球公共卫生领域得到广泛应用[25]。有研究发现自评健康还能够反映个体的客观健康水平，可作为一般人群健康状况的全球性衡量指标[26]。研究通过问卷中的4项问题衡量自评健康：我好像比别人容易生病、我的健康状况在变坏、我跟周围人一样健康、我的健康状况非常好。答案由李克特5级量表评分构成：完全不同意、比较不同意、不能肯定、比较同意、完全同意。将前2个问题反向编码后与其他2项进行加和，得分越高表示自评健康越高。

本研究运用问卷中的K6量表（Kessler 6 Psychological Distress Scale, K6）来 描 述 居民的心理健康水平[27]，对“紧张”“没有希望”“不安或烦躁”“情绪低落到无论如何都没法感到愉快”“做每件事都很吃力”以及“自己很没用”6种心理症状进行评分，回答包括：0——“没有这种感觉”、1——“小部分时间”、2——“较多时间”、3——“大部分时间”、4——“所有时间”，量表总分为0～24分。

3.3.2 解释变量（绿化水平）

居民为“你对里弄社区绿化条件的满意度”这一问题打分得出主观绿化评价水平，结果为1～5，从低到高表示了居民对社区绿化的主观评价。

里弄社区空间规模普遍较小，为了使主观绿化评价水平与客观绿化水平的健康效益具有可比性，在客观绿化水平方面，以里弄社区的中心为圆心，分别建立300 m和500 m半径规模的缓冲区，并分别计算缓冲区范围内绿视率的平均值、NDVI的平均值、公园面积以及社区中心与近邻公园的最近距离。

NDVI作为绿化水平的测度，其原理在于：健康的绿色植被相较于不健康或非植被表面可反射更多红外辐射并吸收红波段更多能量。具体计算公式如下：式中，NIR代表近红外波段反射值，RED代表红光波段反射值，NDVI指标取值范围为［-1,1］，可将其划分为以下等级：-1～0表示水体，0～0.1表示岩石、沙地或雪原，0.2～0.3表示灌木与草地，0.6～0.8表示温带或热带雨林[28]。取值越大表示绿化水平越高。在计算缓冲区范围内NDVI平均值时，存在正负相加≤0的情况，因此将研究区域内的负值处理为无数据。

VGI是指在视野范围内绿色所占的比率，其取值范围为［0,1）。与其他指标相比，绿视率具有三维空间的特征，代表“可感知的绿化”。研究发现15%的绿视率为人们所接受的最低限度值，而25%的绿视率能够使人们体验到最为舒适的观感反应[29]。绿视率的计算方法为采样点90°视角下4幅街景图像中的绿色植物像素与总像素的比率，公式如下：

其中：GreeneryPixelsij为绿化像素面积，TotalPixelsij为总用地像素面积。

3.3.3 控制变量

控制变量包括社会人口学特征以及初级健康情况，主要选取年龄、性别、婚姻状况、教育水平、工作、收入水平、是否为当地居民、住房所有权、是否患有慢性病以及活动能力。其中，活动能力体现为健康状况对日常活动的限制程度，取值越高表示限制程度越小，即活动能力越强。同时，研究中的里弄类型可分为4类：老式石库门里弄、新式石库门里弄（1949年以后建造）、新式里弄（1949年以后建造）以及花园里弄（洋房，1949年以后建造）。

4 研究结果

4.1 描述性统计

清洗有效样本约1 000个。变量定义与统计描述如表1所示。居民自评健康平均表现为一般水平，但总体分布较为离散，即并非大多数人的自评健康为一般水平，而是自评非常不健康和非常健康的居民都有很多；心理健康平均水平表现为患心理健康疾病风险较低，但总体分布同样呈现出较为离散的趋势；样本年龄平均水平偏高，符合里弄社区中老年人口较多的特征[30]；受访者中已婚女性比例较大，接近半数的居民受教育程度在初中及以下；居民家庭月总收入平均水平不足7 000元，并且家庭之间的收入差异较大；大多数居民的户口所在地都是上海，并且住房所有权的情况显示大部分居民住房为有产权或有公房使用权；里弄类型为老式石库门里弄的居民占大多数；可能由于受访者多数年龄偏高，患慢性病的人超过1/2，但居民的活动能力普遍较好，且个体之间有较大差异。

表1 变量定义及统计描述Tab.1 Variable definition and statistical description

居民对里弄社区绿化的主观打分整体偏低，说明大部分居民对里弄社区绿化水平不满意。居住环境中绿视率的平均水平为较适宜的26.3%，公园面积平均达到35 691.92 m2，到公园的最近距离平均为406 m。然而NDVI指数均值较低，结合NDVI遥感影像图，这符合中心城区植被覆盖水平较低的现状。

根据世界卫生组织（WHO）的人口年龄划分标准，将样本年龄划分为4组，包括“＜45岁为青年”“（45, 60］为中年”“（60, 75］为初老年”以及“＞75岁为老年”，根据年龄分组分别查看不同人群自评健康和心理健康的分布状况。对自评健康而言，青年组和中年组的自评健康整体状况较好；初老年组开始，自评健康回答为“比较不健康”的人数开始增多；到老年组，自评健康整体水平已经偏低（图1）。心理健康方面，所有人群的心理健康疾病患病风险整体均呈偏低趋势，初老年组的心理健康状况最好（图1）。

1 不同年龄分组自评健康和心理健康分布状况The distribution of self-rated health and mental health in different age groups

4.2 多元线性回归模型结果分析

多元线性回归模型的结果如表2所示。模型一以自评健康为被解释变量，模型结果显示缓冲区范围内NDVI指数与自评健康显著正相关且相关性较强，即植被覆盖水平越高，自评健康打分越高；而公园面积与自评健康显著负相关，但相关性较弱，这表明居住环境中并不是公园面积越大就对居民主观健康越有积极影响；绿视率以及到公园最近距离则未发现与自评健康的显著相关；主观绿化评价水平与居民自评健康显著积极相关，即居民对里弄社区的绿化满意度越高，自评健康水平越高。控制变量中居民的社会人口学特征均未发现与自评健康的显著相关；越老旧的里弄类型却对应着越高的自评健康水平，其原因可能在于二级旧里弄为城市更新改造的主要对象，因此相比较之下会有更好的居住条件。是否患有慢性病对自评健康的显著负相关可理解为无慢性病的受访者自评健康水平较高；居民活动能力与自评健康显著正相关，即活动能力越强的受访者自评健康水平越高。

表2 多元线性回归模型结果Tab.2 Results of the multiple linear regression model

模型二以心理健康为被解释变量，结果显示里弄周边的公园规模与心理健康水平显著正相关，即公园面积越大的地方居民心理健康越差；未发现到公园的最近距离、绿视率与NDVI对心理健康的作用。主观绿化显著影响居民的心理健康，表现为对里弄社区绿化越不满意，患心理健康疾病的风险越高。同时发现，居民年龄与心理健康显著相关，且年轻人拥有较好的心理健康状态；患有慢性病的受访者发生心理健康疾病的风险也相对较高，活动能力越强的居民，患心理疾病的可能性越低。未发现其他控制变量对心理健康的显著作用。

5 讨论与结论

本研究综合运用了2016年上海市新旧里弄调研数据、卫星遥感图像数据、街景图像数据以及城市公园地理信息数据，对上海市中心区域居住环境的绿化水平有了较为全面的认知，同时系统分析了绿化水平对居民自评健康及心理健康的影响。实证分析结果表明，绿化空间不同维度的特征对居民自评健康和心理健康的影响存在差异：主观绿化对居民健康存在正显著作用，主观绿化条件越好，居民的自评健康和心理健康水平越高；客观绿化中，植被覆盖水平能够积极影响自评健康，但对心理健康没有显著影响；居住环境中城市公园的规模与居民健康存在负相关，但相关性较弱。尽管描述统计显示绿视率平均水平较为适宜，但在模型中均未发现绿视率对健康的明显作用。

关于绿化空间与公共健康的研究具有现实意义，城市发展的决策者需要清晰地认知不同空间范围内绿化空间数量与质量的健康效益。细微差距即可引发绿化的效益无法实现甚至产生负面效果，例如绿化建设资源分配不均衡会引起社会公平问题。因此，可从以下3个角度关注城市绿化建设。

1）重视居民对生活环境绿化的主观感知，针对住区不同类型的空间采取不同的绿化提升思路。例如，推出适宜的“绿化自治”策略，鼓励居民承包部分绿化的建设及养护，以此加强主观绿化评价水平，并促进居民的身体活动和社会交往。

2）完善城市公园建设，优化城市公园空间布局，提高公园的可达性；改善其空间环境品质，促进居民对城市公园的使用强度；鼓励共享庭院绿化，提高绿化空间的开放性，使居民更便利地接触绿化空间。

3）加强绿视率的控制，针对高密度建成环境空间供需的突出矛盾，充分利用灯柱、桥柱、防护栏以及建筑立面等垂直空间发展立体绿化；可通过“爬藤挂绿”的方式提高其绿化水平；同时注意完善立体绿化的实施机制，保障相关策略的可操作性。

本研究在数据方面仍存在一定的局限性。如，尽管NDVI能够反映植被表面叶绿素丰度的水平，但当植被愈趋茂密时，NDVI无法同步增长。原因在于叶绿素吸收红光波段的通道容易饱和，由此造成植被高覆盖区域的NDVI被压缩的现象。有研究指出，遥感领域中另一个广泛应用的增强型植被指数（Enhanced Vegetation Index, EVI）改善了植被覆盖水平与植被指数间的线性关系。就本研究而言，NDVI能够良好地反映居住环境的植被覆盖水平，EVI相比于NDVI，季节性特征更为明显，更适用于对特定区域内植被在季节间的差异与变化研究。

图表来源(Sources of Figure and Tables)：

文中图表均由作者绘制。