城市蓝绿空间对老年心理健康影响机制的探究与检验

 

摘要：老年友好城市和健康城市的建设需要明晰蓝绿空间对老年心理健康的效益。针对既有文献在指标选取和空间跨度方面的单维性，利用区分个体和邻域层级的分层线性模型和多层结构方程模型，从城市蓝绿空间的质量（内部环境特征、景观格局指数）与数量（可视性、可得性）维度系统比较对老年心理健康作用的差异，并从活动能力、环境感知和社会凝聚的中介路径，探寻造成差异的内在机制，同时在多空间尺度下检验结论的稳健性。

 

研究结果表明绿色空间的可视性相比可得性有更高的老年心理健康效益；多样化的中介路径使得蓝绿空间质量维度指标与老年心理健康的联系更为显著；蓝绿空间与老年心理健康的关系及中介效应呈现出空间圈层下的规律性分异特征。基于上述结果提出老年心理健康导向的城市蓝绿空间规划建议。

 

在城市转向以人为本和高质量发展的背景下，城市蓝绿空间因其能提供生态调节、生态支持和生态缓冲等服务[1-3]，在营造健康人居环境方面成为探讨的热点，并在城市地理学、城市规划、风景园林、医学和心理学等诸多领域都得到了发展和应用[4-6]，尤其是减压理论和注意力恢复理论等描述了城市蓝绿空间对缓解压力、改善情绪、恢复注意力和调节心理疾病等方面的健康效益[7-9]。在老龄化日渐加剧的国情下，老年人等弱势群体的心理健康问题凸显[10]，抑郁、躁郁症等精神障碍需要积极的干预应对。探究蓝绿空间综合特征对老年心理健康的影响，可以为健康城市建设和蓝绿空间的优化布局提供循证研究和理论基础。

 

在理论层面，蓝绿空间对心理的积极作用已有相关阐述。减压理论提出与蓝绿空间接触后会引发副交感神经系统反应，从而达到更加舒适放松的愉悦状态[9,11]。心理进化理论认为处于蓝绿空间环境中会阻断消极想法，使人低落的情绪得到缓解，恢复积极的情绪和态度，这是在人类进化过程中自然形成的[12]。注意力恢复理论认为在蓝绿空间中对有趣而丰富的场景给予无意识的注意有助于恢复精力，从而改善精神状态[3]。

 

在实证研究层面，现有的结论之间存在偏差，可能是蓝绿空间指标测度方式的差异，抑或是多时空背景的异质性所致。有研究发现近距离接触绿色空间可能通过减轻导致神经炎症和脑血管损伤的病理、生理过程来改善心理健康[11]；城市绿地可以调节愤怒、焦虑和抑郁等消极心理，进而改善精神状态[13-15]；街景绿视率能够缓解老年人的抑郁症，而植被覆盖率则对老年人抑郁症无显著影响[8]。也有研究发现绿色空间的心理健康益处与绿色的增加并不呈线性相关，单层的相关性关系不足以描述两者之间错综复杂的内在联系，并且结果随年龄和性别的不同而有所不同[16]。

 

另外还有不同研究之间得到的相左的结论：Dempsey等发现沿海蓝色空间的视觉感知能够缓解爱尔兰老年人的抑郁症[17]；而Helbich等发现蓝色空间与心理健康之间并无显著关联[8]。也有学者发现空间尺度和历史时序的差异会导致结论偏差[18-19]。总之，论述蓝绿空间与普通及老年人群体心理健康之间因果关系的证据并不充分。目前逐渐有学者通过引入中介变量对潜在路径和干预机制进行探索，以明晰两者之间非线性及差异结论的内在原因。

 

对于解释蓝绿空间如何产生心理健康益处，主要探讨的路径包括4个方面。

 

1）提升注意力恢复：减压理论和注意力恢复理论均表明，植被和水体通过人体感官感知景观品质（即触觉、听觉、视觉和嗅觉）提供了注意力恢复性体验，并作为缓解心理压力的缓冲剂[14,20]。

 

2）营造健康环境：健康环境学理论提出蓝绿空间可以缓解热岛效应、改善空气质量、降低噪声等，通过减少暴露于各种有害环境中的压力进而减轻个体心理负担[9,15]等。

 

3）增加体育锻炼的机会：环境行为学理论认为蓝绿空间鼓励居住在附近的人们进行体育活动，从而对心理产生正向影响[21]。

 

4）增强邻里互动和社会凝聚：神经科学相关的研究表明，接触蓝绿空间环境会使神经元处理过程（neuronalprocessing）形成场所感（senseofplace）和场所认同感（placeidentity），促进社会接触与交往，积极影响心理状态[16,22]。相关研究通过串行或并行的中介效应分析方法，致力于检验显著的中介路径及路径间的相对贡献程度。

 

虽然相关研究尝试甄别蓝绿空间从不同路径对心理健康结果的影响，而在指标选取和空间跨度层面仍有一定不足。在指标选取层面，多数研究主要分析蓝绿空间的数量维度指标，尤其是绿地规模、植被覆盖率和水体覆盖率等对心理健康的影响；而对于质量维度，如植物多样性、坡度、景观格局指数、公园类型和水体类型等指标对心理健康的作用则关注相对较少[2,15,23]。

 

在空间跨度层面，蓝绿空间多聚焦于特定的空间尺度，而随着空间的变化，结论可能会出现一定偏差；如部分区域发现居住在距离海岸5000m的范围内能够改善心境[17]，而有研究表明在距海岸1000~3000m的范围内，心理健康并未受到显著干预[8,16]。目前鲜有同时选取不同空间尺度对此类中介效应进行检验的研究。

 

相较于普通人群，老年群体的生理弱势和情感需求等特征，使其对特定的干预路径有更高的敏感性。由于身体机能的退化和从社会工作中退休，他们的社交网络萎缩、长距离出行减少，日常活动往往局限于邻里的地理空间[12]，自身的活动量明显受居所附近锻炼和娱乐场所限制。因此蓝绿空间营造的体育锻炼和休闲场所，会显著影响老年人户外活动的机会和时间，进而作用于其心理健康。

 

此外，老年人易遭遇社会排斥及不公平对待等问题，使其对邻里关系和归属感有更高的需求[22]；他们花费更多的时间在邻里交往与接触上，而蓝绿空间提供的宜人和舒适环境可以积极促进他们的社交和互动，进而影响其心理健康水平。由此可以看出，体育锻炼和邻里互动的干预路径对他们的影响相比于普通群体更为显著。

 

因此本研究在蓝绿空间数量维度指标的基础上，尝试测取环境质量维度的指标，对比数量和质量维度的蓝绿空间特征与老年心理健康的关系，通过中介效应分析不同测度方式的指标与心理健康关系差异的内在原因，并进一步从多空间尺度检验关系及干预路径的变化，以甄别两类指标对老年心理健康作用的拐点及阈值范围。由于辽宁省大连市有高度的老龄化（60岁及以上老年人口占24.7%）及较高的老年精神疾病患病率（29.3%）[24]，因此选取大连市老年人群作为研究对象。考虑到地理空间的嵌套性，利用分层线性模型（hierarchicallinealmodel,HLM）和多层结构方程模型（structuralequationmodel,SEM）[23]匹配个体层面和邻里社区层面进行分析。希望通过实证研究深层次了解城市蓝绿空间与老年心理健康关系的规律性和独特性，为空间布局等规划指标的设定提供依据。

 

 

1.1研究设计

 

本研究从数量和质量维度出发研究蓝绿空间特征，涉及鸟瞰视角和街景透视视角，包含可得性、可视性、可达性、内部环境和景观格局5个方面的指标[15-16,25]（图1）。中介变量的设计参考相关文献和已通过验证的问卷：活动能力指每天可以参与的身体锻炼（徒步、器械运动、跳舞、保健运动、竞技运动）、休闲社交（户外小坐聊天、牌类活动、周边游、绘画、唱歌）、日常家务（接送小孩、买菜、商场购物、药店买药）的活动类型数目[26-27]；社会凝聚包含邻里互动、社区参与和邻里依恋[23]；环境感知依据社会生态模型选取噪声、安全、美学和温度等方面的个体感知[21,28]。构建影响老年心理健康的“生物—心理—社会”的多重影响路径。

心理健康得分由世界卫生组织的全球老龄化和成人健康研究中的老年心理幸福指数量表测定，每项都按里克特5级量表进行评级，总分为5~25[12,29]。根据克朗巴哈（Cronbach）的阿尔法（alpha）值验证，量表各题项内部一致性满足要求。对多层结构方程模型各潜变量进行验证性因子分析后，其标准化因子载荷（ACC）、组成信度（CR）和收敛效度（AVE）值均满足要求。

 

本研究采用在2019年5—10月进行的大连市居住区调查数据。个体案例招募程序基于两阶段的分层抽样设计：第一阶段，从大连市主城区29个街道中随机选取61个老年人比例大于10%的住区（邻域），住区面积为0.03~1.12km2（平均面积为0.28km2）；第二阶段，在每个住区采用等距抽样方法随机选取12~18个家庭中的老年人作为受访者。依据此程序，共抽取900名参与者，且每个参与者都符合60岁以上且在该地区居住超过10年的条件。通过结构式访谈，调查参与者的环境感知、心理健康和社会经济属性等。经过数据筛选、清理后共获得879人的有效问卷数据。

 

 

蓝绿空间特征指标是从多源数据类型中获取。其中植被指数和水体指数从Landsat8影像中提取[30-31]，绿视率和蓝视率是从街景图像中提取[32]。公园和水体的可达距离是测算老年人实际出行中能够到达公园和水体的最短的道路网络中结点之间的弧段距离总和，相比于空间直线距离，网络距离更符合实际出行状况。公园的类型、面积和景观格局指数是通过大连市公园分布数据测取，水体的类型、面积和景观格局指数是通过大连市水体分布数据测取。公园坡度来源于大连市数字高程模型数据。公园植物多样性通过GLC_FCS30-2020数据得到。GLC_FCS30-2020是将土地覆盖详细地划分为30类的精细分类数据，总体准确率为0.825[33]，分辨率和Landsat8影像同为30m。对于景观格局指数，是分别以公园、公园水体为目标对象，利用Fragstats软件计算各个指标。景观格局指数的指标包括：斑块平均大小、斑块密度、景观形状指数、边缘面积比、景观丰度、聚集度指数、景观分割度、蔓延度指数和临近度。

 

绿视率和蓝视率通过机器学习算法从街景图像中提取，图像取自2019年5—6月的腾讯地图[8]。从大连主城区覆盖街景图像的所有道路上提取间隔为50m的点作为采样点。参考相关文献[8,23]，每个采样点从4个主要方向（0°、90°、180°、270°）收集了4张图像。总共获得了121992张街景图像。基于用于训练目的的带注释图像的ADE20K数据集，在研究中使用全卷积神经网络（fullyconvolutionalnetworks,FCN）进行语义图像分割[32,34]。

FCN-8s的训练数据准确率为0.815，测试数据准确率为0.810，满足本研究的精度要求[32]。在将街景图像输入经过训练的网络中进行语义图像分割之后，可以确定绿色空间（如树木、草等）和蓝色空间（如河流、湖泊、喷泉、游泳池等）的比例。每个采样点的街景绿视率是指在4个方向上图像合计的绿色空间像素数与4个方向上图像合计的像素总数的比值；街景蓝视率的计算方法与此类似[35]。最后，确定每个邻域的平均值[34]并将其附加到调查数据中。

 

借鉴国内外不同类型城市中对老年人心理及相关行为特征的研究，选取300m为半径计算蓝绿空间特征指标[8-9,23]。以受访者所在住区质心为圆心，建立300m缓冲区，通过计算缓冲区内所有采样点得分的平均值，作为邻域的各蓝绿空间指标值[12]。在此基础上，结合规划标准中的5分钟（步行距离300m）、10分钟（步行距离500m）、15分钟（步行距离800~1000m）社区生活圈[3]，再分别以半径500、800、1000m建立缓冲区[16]，构建不同空间圈层的研究模型进行多尺度的检验。以上各类数据均在ArcGIS软件中统一调整为投影坐标系WGS_1984_UTM_Zone_51N取值。

 

 

由于心理健康的差异可以归类为在个体和邻域不同层级的变化，本研究使用分层线性模型和多层结构方程模型来区分层级差异。普通的单层级回归将受访者的健康水平视为独立的观察结果，忽视了环境对邻域整体水平的影响，会导致模型估计上的偏差，高估其统计学意义[36]。多层结构方程模型充分考虑数据嵌套性，通过综合个体和邻域层面的差异精确计算不同地理层级要素的贡献程度，进而得出推论。

 

首先，通过分层线性模型测定心理健康指标的类内相关系数，以判定调查数据是否适合多层级的模型。其次，通过分层线性模型分别检验蓝绿空间指标与各中介变量及心理健康的回归关系（构建的模型名称为1a、1b、1c、1d、1e、1f），筛选出与中介变量、心理健康回归关系显著的蓝绿空间特征指标。分层线性模型如下：

 

Mh=γ00+γ0h×V+γi0×P+γih×V×P+μh+r。（1）式中：Mh表示老年心理健康或中介变量，i代表个体水平，h代表邻域水平；γ00是截距，γ0h表示因变量与邻域水平变量之间的回归系数或斜率；V表示邻域水平的蓝绿空间特征变量（数量和质量维度的各蓝绿空间指标）；γi0表示因变量与个体水平变量之间的回归系数或斜率；P表示老年个体水平的社会经济属性变量（年龄、收入、学历、房屋居住年数、房屋产权和共同生活人数）；V×P表示邻域水平变量与个体水平变量的交互作用项；γih表示交互作用项的系数或斜率；r和μh分别表示个体水平和邻域水平的随机误差项。

 

再次，在上述步骤筛选出与老年心理健康显著相关的蓝绿空间指标的基础上，通过多层结构方程模型检验这些蓝绿空间指标通过活动能力、环境感知和社会凝聚3个中介变量对心理健康产生的直接和间接效应。分别以蓝绿空间的数量维度、质量维度视角构建与中介变量、心理健康的多层结构方程模型（构建的模型分别命名为2a、2b、2c）。

 

最后，分别以半径300、500、800、1000m缓冲区测定的蓝绿空间特征，与中介变量、心理健康构建分层线性模型（构建模型名称为3a、3b、3c、3d）和相应的结构方程模型，以检验结论的稳健性和空间上的变化特征。

 

本研究以标准均方根残差(sR}2sR>、均方根近似误差(R}zsE)和比较拟合指数(CFI)来评估多层结构方程模型的拟合优度，可接受的拟合模型应符合:RMISE}}<0.06,SRMISR<0.08和CFI>0.90}}'}。为了比较不同指标作用的强弱关系，模型的蓝绿空间指标采用标准化后的值四〕，同时由于本研究更侧重于蓝绿空间的分析结果，个体社会经济属性与心理健康的结果未予阐述。