特大城市舒适度与中老年情绪健康的响应机制分析*

2022-09-15黄焕春陈图农朱柏葳刘俊杰

西部人居环境学刊 2022年4期

黄焕春邓鑫陈图农朱柏葳刘俊杰

0 引言

城市微气候，是指由于下垫面性质以及人类和生物生活的影响而形成的近地层大气的小范围气候。近年来，随着世界城市化不断加快，热岛强度和面积迅速扩大，导致了城市微气候的改变，夏季高温热浪的强度、频率和范围增强[1]。城市微气候中，使人体暴露在热岛增强的夏季高温环境温度中[2]，严重危害了城市居民的身体及心理健康[3]，尤其对老年人这一脆弱群体的影响最为显著[4-5]。

城市微气候与身体健康之间的联系已经被广泛研究[6-7]，但与心理健康的研究较少[8-9]。已有研究大多数集中于自杀和心理疾病[10-11]，并指出温度与自杀人数增加、心理健康疾病人群和急症风险增加具有显著相关性[12-13]。这些研究都表明城市微气候会影响人体的心理健康，但大部分研究集中于关注高温热浪天气的舒适度对精神疾病的影响，较少关注普通人群的情绪健康。

城市微气候中，高温会显著增加情绪健康的风险[11]。高温通过生理的热敏感机能作用，导致睡眠障碍、疲劳和热应激[14-15]，从而可能会引发焦虑、疲劳、情绪不适、改变精神状态[16]，降低情绪健康、增加攻击性[17]。相关研究表明，环境温度超过21 ℃，正向情绪（如高兴、快乐）会减少，负向情绪（如压力、愤怒）增加；超过32 ℃，负向情绪会显著增加[18]；超过35 ℃，情感障碍发生明显增多[19]。这些研究主要探讨温度对情绪的总体影响特征，而缺乏综合考虑湿度、风速、温度进行研究，也没有深入到负向情绪的具体因子。已有的城市微气候心理健康危害研究非常有限[20]，研究成果多是基于西方国家的社会文化背景、城市空间结构，相关研究成果也缺乏应用于健康城市规划、环境健康治理的实践知识。

因此，本文侧重于以35 ℃以上的高温热浪天气影响的典型特大城市——中国南京市作为研究区，基于高温热浪天情绪问卷调查及实测温度、湿度、风速数据，利用GIS、SPSS和MATLAB等软件进行数据处理分析，探讨高温热浪的舒适度对40岁以上的中老年人群的负向情绪因子的影响，以期为减轻微气候恶化对情绪健康的危害、促进健康城市的规划建设提供基础研究。

1 研究方法

1.1 问卷设计

1.1.1 问卷设计理论与方法

情绪是来自于正在进行着的环境中好的或不好的信息的生理心理反应的组织[21]。情绪二维模式理论，把情绪分为正向情绪（积极）和负向情绪（消极）两种类型[22]。已有研究表明情绪会影响健康和行为，减少负向情绪也成为处理健康和行为问题的常用策略。因此，研究与实践中非常需要对负向情绪的强度和形式进行评定，而形容词经常被作为描述情绪及测度其强度的专业术语。泽文（Zevon）和特勒根（Tellegen）对情绪的结构进行了测度，其中选取了60个形容词描述情绪[23]。沃森（Watson D）等人从60个形容词中里选定了20个代表正负向情绪的词汇，编制了正负性情绪量表，对正负向情绪强度进行测度，其中负向情绪包括坐立不安、心烦、内疚、惊恐、敌意、易怒、羞愧、紧张、心神不宁、害怕[24]。黄丽等人研究了对该情绪量表的中国人群适用性，结果表明该表适用于中国人群[25]。在实践中，该量表被广泛应用于评定社区人群的心理健康状况[26-27]。

1.1.2 问卷设计与有效性检验

根据研究目的与对象，本文基于情绪健康测度的理论与实践，构建了夏季舒适度对城市居民情绪影响的测度量表。量表充分考虑到问卷的高温热浪天气及负向情绪因子与环境的关联性，因此本问卷仅采用简短的心烦、易怒、紧张、敌意4个因子进行测度。问卷的具体内容包括“您现在感觉到心烦的”“您现在感觉到敌意的”“您现在感觉易怒的”“您现在感觉紧张的”。对于每个问题，受访者根据当前的情绪可以选择回答“1几乎没有”“2比较少”“3中等程度”“4比较多”“5极其多”或者拒绝回答。情绪变量测试采用心理学的1—5连续型，便于进行量化分析。

本问卷的信效度检验表明，克朗巴赫系数Cronbach’sα值大于0.71，KMO值为0.715，说明问卷的信效度较好，具有一致性和可靠性，能够应用于本研究中。

1.2 问卷调查区域

样本数据来源于南京市城区2019年7月28日至8月27日的高温热浪天的居民情绪健康影响的随机问卷调查。调查对象为高温热浪天户外出行的40岁以上中老年人群，地点分布在南京市江南、江北的各大居住区、广场、公园，样本覆盖城区的高温、中温、低温区域（图1）。调查的方式为随机抽取，因此调研过程中不能排除受试者受之前经历的活动或突发性事件的影响。为了尽量降低这些影响对数据分析的误差，本研究在保证抽样随机性的同时，对调研对象进行初步筛选，排除在外剧烈运动的人群，并扩大样本数量。

图1 研究区与数据采集Fig.1 study area and data collection

南京市（31°14′N～32°37′N, 118°22′E～119°14′E）是中国人口高度密集的特大城市，2020年亚洲城市排名第11位，2020年的中国二线城市。南京属北亚热带湿润气候，四季分明，雨水充沛，年平均温度15.4 ℃，2019年夏季平均日最高气温31.1 ℃。随着人口和经济的快速增长，南京城市化快速进行，城市微气候改变日益严重[34]，对城市居民的身体和心理健康产生了负向影响。因此，研究南京市高温热浪天气中，舒适度对居民情绪健康的影响具有典型意义。

1.3 舒适度实测与计算方法

舒适度数据要素来源于离地面1.5 m高的小型WS-30手持气象站。该设备的精度为±0.3 ℃、湿度为±3%、风速±0.3 m/s，数据稳定之后，每隔1 min自动记录一次，具有反应快、精度高的优点，适合在城市室外环境使用。温度记录采用的热敏电阻记录原理，随着温度变化，电阻值也随之变化。气象站与问卷调查地点保持一致，主要布置在江南、江北各大居住区、广场、公园的中央空旷处。

人体舒适度指数是较为常用的表征人体舒适度的方法，主要取决于气温、湿度和风速三个指标[28]，气温是判断气候舒适度的主要指标，湿度和风速是辅助指标[29]。自1966年特吉旺（Terjung）[30]提出了气候舒适性指数的概念后，国内外学者对人体舒适度提出了一系列的研究，提出众多计算公式[31-32]。本文选用我国气象台站常用的、也是近年来国内较流行的ICHB经验公式[33]，该公式同时考虑温度、湿度、风速对人体舒适度的影响，公式如下：

式中：T为温度/（℃）；RH为湿度/（%）；V为风速/（m·s-1）。

1.4 竞争神经网络分类方法

竞争神经网络分类方法是一种应用广泛的无导师神经网络。无导师学习神经网络在学习过程中无需知道期望的输出，与真实人脑中的神经网络类似，通过不断地观察、分析与比较，自动揭示样本中的内在规律和本质，从而对具有近似特征（属性）的样本进行准确地分类和识别。而高温环境对人的情绪健康影响研究成果缺乏，目前处于无法或者很难获得期望的输出的研究阶段，基于有导师学习的神经网络无法解决，只能采用无导师神经网络。竞争神经网络分类计算方法为以下四种。

第一，网络初始化。设输入层由R个神经元构成，竞争层由S1个神经元构成，为不失一般性，设训练样本的输入矩阵为

其中，Q为训练样本的个数，Pij表示第个训练样本的第i个输入变量，并记

则网络的初始连接权值为

其中，

网络的初始阈值为

同时，在学习之前需初始化相关参数。设权值的学习速率为α，阈值的学习速率为β，最大迭代次数为T，迭代次数初始值N=1。

第二，计算获胜神经元。随机选取一个训练样本P，根据

设竞争层第k个神经元为获胜神经元，则应满足

的要求。

第三，权值、阈值更新。获胜神经元k对应的权值和阈值分别按照

第四，迭代结束判断。若样本没有学习完，则再另外随机抽取一个样本，返回步骤（2）。若N＜T，令N=N+1，返回步骤（2）；否则，迭代结束。

1.5 数据处理

本次调查共发放问卷992份，回收了问卷417份，剔除空白、未完成及年龄在40岁以下等无效问卷，完成筛选后有效问卷共379份。通过SPSS软件绘制样本温度数据盒状分布图，分析数据的分布情况（图2）。结果表明，样本数据覆盖范围30～52 ℃，具有较好的空间分布。四分位距为9 ℃，占极差40.91%，表明温度样本没有集中在某一区间内，而是分散分布在各温度区间，这保证了各区间内足够的样本数量。同时，中位数为42 ℃，表明样本能够较好地覆盖高温热浪35 ℃以上天气。通过基础性的描述性分析，说明数据能够用于研究高温热浪天气的热舒适度对居民情绪健康的影响研究。

图2 样本温度覆盖区间Fig.2 sample temperature coverage interval

根据调查问卷的记录时间，将问卷数据与相对应地点的同一时刻温度、湿度、风速数据相匹配，并计算得到舒适度指数，进而将舒适度指数划分为1的等间隔区间。利用SPSS的交叉表分析，得到不同程度的心烦、易怒、敌意、紧张四类因子占各温度区间的百分比。然后，将四类因子的影响程度百分比进行加权，得到各区间内因子的综合影响程度指标。进而，对数据进行平滑处理，并将影响指标按最大值进行标准化。

2 结果分析

2.1 舒适度与负向情绪相关性分析

将舒适度、温度、湿度、风速与情绪因子进行相关系数分析，结果表明舒适度对心烦、敌意、易怒、紧张和综合负向情绪均有显著影响，通过0.00的信度检验（表1）。舒适度对综合负向情绪的影响最大，对心烦、敌意、易怒、紧张等单因子同样具有显著相关性，其中：心烦＞易怒＞敌意＞紧张。舒适度主要影响因子是温度，其次是湿度和风速。温度对易怒的影响最大，其次是心烦；湿度与紧张无明显关系，对心烦、敌意、易怒具有负相关性；而风速则通过心烦影响负向情绪。

表1 舒适度对情绪健康因子的相关系数Tab.1 correlation coefficient of comfort and emotional elements

负向情绪受影响程度在年龄、性别类型上存在显著性差异。通过皮尔逊相关系数和卡方检验，分析舒适度与负向情绪5项指标的关系（表2），结果表明年龄与心烦、易怒、综合情绪等三个因子具有明显负相关性，这表明环境舒适性对心烦、易怒、及其情绪总体特征影响具有年龄特征；而性别仅与心烦具有统计的显著相关性，表明环境的舒适性只对个别情绪因子影响具有性别特征，而负向情绪总体特征并无明显差异。

表2 情绪因子与年龄、性别的相关性Tab. 2 correlation coefficient between emotional elements and age and gender

2.2 舒适度对综合负向情绪的影响

2.2.1 舒适度与综合负向情绪的曲线关系

舒适度对负向情绪的综合影响，是心烦、易怒、紧张、敌意在个体的综合过程，因此本文将四因子进行叠加，分析舒适度对情绪健康的综合影响。结果表明，舒适度对负向情绪的综合影响的回归方程为：

其中R2为0.98，RMSE为0.01。回归方程显示（图3），舒适度指数越高负向情绪越严重。

图3 舒适度对综合情绪的影响Fig.3 the effect of comfort on combined emotion

环境舒适性对综合情绪的影响，在不同年龄段中存在差异（图4）。年龄在40—49岁区间的人，综合情绪平均值为1.7，在受影响最严重区间的比例远高于其他年龄段。年龄在50—59岁、60—69岁及＞80岁区间的人，综合情绪平均值分别为1.5、1.4、1.3。较40—49岁年龄区间的人，综合情绪有阶梯式下降趋势。70—79岁年龄区间的人，综合情绪平均值较60—69岁年龄区间的人并无明显下降趋势，且这一现象在心烦、易怒、敌意、紧张四种情绪中均有体现，具体原因有待于后续研究。总体而言，随着年龄的增长，人的平均耐热性增强，由环境所引起的情绪波动通常更为微弱。这可能是因为随着年龄的增长，一方面人的生理和心理应激反应减弱；另一方面，人的阅历也更加丰富，心境逐渐平静，更容易适应环境的变化。

图4 不同年龄人群的综合情绪平均值Fig.4 comprehensive emotional average of people of different ages

环境舒适性对综合情绪的影响，在不同性别中存在差异（表3）。总体而言，女性的综合情绪平均值略高于男性。在不受影响的等级，男性较女性有更大比例。综合情绪中等等级，男女比例大致相当。在综合情绪高等级，女性占更大比例。相较于男性，女性对于环境舒适性变化表现出更复杂的情绪反应。说明女性耐热性更差，随环境舒适度指数降低，更易产生负面情绪。

表3 综合情绪与性别交叉分析Tab.3 intersection analysis between comprehensive emotion and gender analysis

2.2.2 综合情绪受影响的神经网络分类

心烦、易怒、敌意、紧张等情绪因子，受个体所处社会、生态与物理环境的影响。在负向情绪组成方面，不同的人会对温度环境的应激反应产生不同的类型组合。针对这一现象，在不设定任何前提条件下，采用无导师学习神经网络模型进行聚类分析，以分析综合情绪受影响的类型。模型参数设置如下：kohonenLR权值的学习速率设置为0.01，conscienceLR阈值的学习速率设置为0.001，采用随机权重规则对样本数据进行500次聚类运算。

本研究中竞争型神经网络按照科霍嫩（Kohonen）学习规则，对获胜神经元的权值进行调整，通过输入向量进行神经元权值的调整。通过学习，那些最靠近输入向量的神经元权值向量得到修正，使之更靠近输入向量，其结果是获胜的神经元在下一次获胜的输入向量出现时，获胜的可能性会更大；而对于那些与输入向量相差很远的神经元权值向量，获胜的可能性变得很小。本研究通过大量调研数据的训练，在模型中具有相似输入向量的各类模式作为输入向量时，其对应神经元输出为1，否则对应的神经元输出为0。

利用竞争神经网络分类方法，在不考虑舒适度指数高低的情况下，将负向情绪综合影响分为三种类型：类型一为不受影响；类型二为受影响较为微弱；类型三受影响较为明显。如图7所示，在不同年龄阶段三种类型略有差异。40—49岁，类型一综合情绪值均小于1.25，类型二值稳定在1.5～1.75，并较少分布在1.25～1.5、1.75～2，类型三值在2～5。50—59岁、60—69岁类型一、类型二的分布规律与40—49岁类似，但类型三值在2～3.75。70—79岁，类型一的值均在1，类型二值均在1.25～2，类型三的值均在2.25～5。80岁以上，类型一的值均在1，类型二值均在1.25～2，类型三的值均在2.75～3.25。这表明随着年龄的增长，70岁以后三种类型界限划分更为明显，情绪表现更为稳定。这主要是随着年龄的增长、人的阅历增加和生理机能降低，由热环境所引起的情绪波动通常更为微弱。

图7 不同年龄阶段的心烦指数 Fig.7 distress index at different ages

2.3 舒适度与负向情绪单因子的关系分析

2.3.1 舒适度与心烦的关系

在不同的舒适度指数范围，舒适度与心烦相关关系具有明显的变化。通过MATLAB进行回归分析，发现三次曲线能够较好地拟合两者之间的关系，回归方程为：

其中R2为0.96，RMSE为0.01。

回归方程显示（图6），随着温度升高，舒适度对心烦的影响呈阶段性变化：舒适度指数84～88时，影响程度迅速上升；舒适度指数88～94时，影响程度相对缓慢下降；舒适度指数94～95时，又缓慢上升。主要是因为：舒适度指数84～88时，人体对高温的调节能力能启动紧急预警机制，此时并未将高温列入危险因素，唤醒程度不高，因此处于心烦上升阶段[35]；舒适度指数88～94时，人体体温调节机制进入二级预警阶段，人体开始自我保护，进入抵抗阶段，血液浅静脉扩展、血液循环健康、排汗量增多，将精力集中于应对外界的高温刺激，从而带来心理的心烦程度降低[36]。舒适度指数94～95时，此时严重超出生理预警机制的温度有效调节范围，个体在应对高温中消耗大量的能量，机体无法恢复到平衡状态，个体将高温再次列入威胁，进入衰竭阶段，从而出现心烦的上升阶段[37]。

图5 年龄对综合情绪影响的分类Fig.5 classification of age influence on comprehensive emotions

图6 舒适度对心烦的影响Fig.6 the effect of comfort on distress

舒适度对心烦的影响存在显著性别、年龄差异。男性呈现出M型特征（表4），在不影响和影响最严重的等级，男性所占比例均高于女性。这说明面对恶化的环境舒适性，女性较男性更为容易呈现出心烦的特征，环境不舒适性初始更容易被女性捕捉。女性在心烦指数低程度，较男性具有更大的比例；在中等程度，男女比例大致相当。不同年龄阶段，环境不舒适性的心烦也具有差异。分析结果表明，随着年龄的增长，心烦指数下降（图7）。这主要与个体经历相关，年龄越大越具有丰富的自然和社会经验，更容易调整个体状态适应背景环境应激，从而表现为较低的心烦指数。

表4 不同性别人群心烦程度Tab. 4 distress index at different genders

2.3.2 舒适度与易怒的关系

舒适度与易怒具有明显的相关关系。分析表明三次曲线能够较好的拟合二者关系，回归方程为：

其中R2为0.98，RMSE为0.02。

回归方程显示（图8），舒适度指数83～93时，随着舒适度指数升高，对易怒的影响程度呈持续上升趋势；舒适度指数93～95时，影响程度较缓慢下降。主要原因是：舒适度指数83～93时，随着舒适度指数升高，高温对人体危险性增加，唤醒强度也在持续的增加，应对外界的高温环境刺激的投入逐渐增多[38]，此时人体会处于“易激怒状态”，稍不顺心就容易上火发怒，有的人还会失去情绪控制；舒适度指数93～95时，超出生理预警机制的温度有效调节范围，机体无法恢复到平衡状态，人此时只想逃离热环境[39]，使得易怒逐渐减少。

图8 舒适度对易怒的影响 Fig.8 the effect of comfort on irritability

在不同年龄阶段，舒适度对易怒的影响程度具有较大差异。利用不同年龄阶段舒适度对易怒的影响程度指数，绘制成二者的变化趋势折线图。由图9可知，总体上随着年龄增长，易怒逐步下降，下降约35%。60—79岁，随着曲线下降趋势发生逆转，较45—65岁略有上升；75—85岁后又迅速下降。

图9 不同年龄阶段的易怒指数Fig.9 irritability index at different ages

2.3.3 舒适度与敌意的关系

舒适度与敌意具有明显的相关关系。分析表明三次曲线能够较好的拟合两者之间的关系，回归方程为：

其中R2为0.98，RMSE为0.01。

回归方程显示（图10），随着舒适度指数的升高，对敌意的影响程度呈持续上升趋势：舒适度指数83～93时，影响程度迅速上升；舒适度指数93～95时，影响程度趋向平稳。主要原因是：随着舒适度指数升高，外界环境热舒适度对人体的健康威胁越来越大，个体将越来越多的体力与精力集中于应对环境高温的调节，因此对外界环境干扰刺激的敌意就逐渐增强。

图10 舒适度对敌意的影响Fig.10 the effect of comfort on hostility

2.3.4 舒适度与紧张的关系

舒适度与紧张具有明显的正相关关系。回归分析表明三次曲线能够较好的拟合两者之间的关系，回归方程为：

其中R2为0.96，RMSE为0.01。回归方程显示（图11），随着舒适度指数的升高，对紧张的影响呈阶段性变化：舒适度指数83～86时，影响程度迅速上升；舒适度指数86～91时，影响程度处于平稳状态；舒适度指数91～95时，影响程度缓慢上升。主要是因为：随着舒适度指数的升高，人体的不舒适程度在增加，情绪唤醒程度提升，并与高温带来的不愉快维度的复合叠加，导致情绪的紧张状态。而随着人体对高温的预警机制的启动，个体将集中于应对高温环境刺激，紧张情绪进入平稳阶段。随着舒适度指数的继续升高，人体无法应对新的更高环境的不舒适刺激，紧张情绪会再次攀升。

图11 舒适度对紧张的影响Fig.11 the effect of comfort on nervousness

2.3.5 舒适度对负向情绪因子影响差异

将舒适度对不同负向情绪因子的影响进行对比分析，发现不同因子受舒适度影响程度存在较大差异，依次为：心烦＞易怒＞紧张＞敌意（图12）。高温对心烦、易怒和紧张的影响呈起伏波动，敌意呈单调递增。原因是高温环境对人体的影响是多层次且逐层增强的；人体进入到高温环境中，首先心理层次的应激反应往往敏感于其他层次，在不能很快适应的情况下，个体会通过心烦、焦虑的情绪对环境产生热应激。当过高或过长时间高温暴露引发许多不良的身心反映，超过人体的心理承受程度，个体会表现出冲动易怒。

图12 舒适度对负向情绪因子影响差异Fig.12 differences in the impact of comfort on negative emotion factors

3 讨论

本研究采用心理学的直接问卷调查法，分析高温热浪环境中，舒适度对情绪健康的影响，这便于实时获取高温环境下真实情绪状态和强度，避免了访谈的时间滞后误差。正负性情绪量表包含20个因子，被试者需要长时间停留和访谈。由于人群在高温下停留时间较短，过多问题会导致问卷拒绝率高，因此问卷仅简化为4个因子。因子来源于正负性情绪量表的负向情绪条目，从量表中筛选出4个与舒适度及环境影响联系紧密的因子，包括易怒、心烦、敌意、紧张，剔除内疚、羞愧、害怕等关系不密切的因子。

在心理学研究中，4个等级可作为连续变量，本文采用5个级别。再经过标准化后处理的情绪数据，确保属于连续变量质量。研究表明环境舒适度对情绪影响存在较为明显的人群分布特征。四个情绪因子之间的组合关系所形成的类型特征难以通过人为判断，可以通过竞争型神经网络进行了较为适宜的分类，区分舒适度对人的情绪健康影响关系。竞争神经网络的分类性能与权值和阈值有关系，而目前还没有效的方法对各种因素的影响进行评判。因此，本研究仅根据经验和MATLAB工具算法推荐，进行较小学习率和阈值的不断尝试，从而得出分类，再结合实践观察和理论知识，至于是否存在其他的规律特征分类，目前尚未发现。

本研究分析了中老年人群大概率的一般规律，结果表明舒适度对40岁以上年龄组人群情绪健康的影响具有普遍规律，但65岁以上年龄组，情绪因子受舒适度影响的规律更加突出，部分曲线会出现滞后现象。该研究为背景环境对特定脆弱人群的总体普遍规律特征研究，而对于特定影响因子会加重或减弱该背景应激的情绪反应强度的影响，本文仅探讨了性别和年龄两种因子。而经济条件、教育程度、工作状态等另文单独论述。