看見的綠色植物越多，就會越愉悅嗎？

注：本文為刪減版，不可直接引用。原中英文全文刊發于《景觀設計學》（Landscape Architecture Frontiers）2022年第2期。

獲取全文免費下載鏈接請點擊此處；參考引用格式見文末。

基于腦電實驗的虛擬現實環境全景綠視率對人體愉悅度的影響研究

Research on the Impact of Panoramic Green View Index of Virtual Reality Environments on Individuals’ Pleasure Level Based on EEG Experiment

引 言

提升城市品質、建設與管理高品質“美麗城市”是當代中國城市建設的要務之一^[1]。目前，綠地建設正從高速發展向高質量發展轉變，由于綠地率等城市綠化指標難以確切反映相應空間中的綠化品質與效果^[2]，反映人的視野里綠色植被所占比率的綠視率日益受到關注。但當前城市綠化中綠視率的最佳范圍尚不明確。關于綠視率的研究多采用行人視角取景，即取景的水平視角約120°，垂直視角分別約為上50°、下70°，這種取景方法可能造成取景不全^[3]。以全景圖像為視覺載體可以最大程度還原被試在自然環境下的視覺狀態。因此，可借助VR技術仿真建模，研究全景綠視率及其變化對個體心理和情緒的影響。

腦電信號（Electroencephalogram，EEG）是大腦神經細胞的周期性放電結果，因而可利用EEG量化記錄分析人的情緒變化^[4]，作為評價人對環境感知的客觀定量指標^[5]。本文將腦電信號及全景綠視率作為定量指標，結合問卷調查的定性指標，虛擬現實環境全景綠視率對人體愉悅度的影響，旨在為城市綠化品質及人居環境改善提供參考依據。

研究方法與數據處理

實驗采用VR技術為被試提供不同綠視率環境的觀看體驗，通過仿真建模技術，構建了四種不同綠視率的虛擬全景預景，實驗通過依次添加灌木、喬木等植被，精準控制預景中的全景綠視率，使其按照0、30%、60%、90%、0的順序變化。為方便區分，預景依次命名為S1、S2、S3、S4、S1-2——S1和S1-2為無綠植環境（僅道路），S2為道路、草坪與灌木及零星喬木環境（模擬稀樹草原），S3為喬灌木數量中等的環境（模擬城市林地），S4為大量喬灌木環境。所有預景中的綠地均以2∶1全景圖形式展現。處理完成的全景圖以全景視頻的形式在VRG Pro頭盔中播放，循環周期為6分鐘。

從上至下分別為S1（S1-2）、S2、S3 和S4 環境下的全景圖和全景材質通道圖 ? 聶瑋

腦電節律是頻率范圍、變化周期相同、重復出現的腦電波。其中α波頻率為8~13Hz，通常在大腦清醒且放松的狀態下出現。已有研究表明，積極評價與大腦α波激活相關。本研究采用腦電節律α波作為客觀腦電愉悅度指標。實驗腦電儀采用無線EEG電極帽（EMOTIV EPOC Flex 32通道），采樣頻率為128Hz。實驗開始前，被試佩戴VR頭盔，之后需閉目2分鐘平靜情緒。再依次觀看S1、S2、S3、S4、S1-2預景視頻。之后閉目休息、摘取頭盔、填寫調查問卷，以減少連續觀看時視覺疲勞對腦電數據的影響。

腦電與VR聯合實驗實景  ? 聶瑋

實驗流程  ? 聶瑋

主觀評價主要通過問卷形式，收集被試的基本信息（性別、年齡、專業、家庭背景等）及其對虛擬環境的愉悅度評價。后者采用李克特量表評分法（1~5分），要求被試對在每個全景綠視率預景中的愉悅度進行評價（表1）。方差分析結果顯示顯著性為0.698（p>0.05），表明方差齊性。

通過EEGLAB的study模塊繪制的綜合電極平均頻域圖可清晰呈現綜合頻率的變化。采用SPSS 24.0分析90組腦電節律愉悅度數據（α值）和18組主觀愉悅度（主觀評價）數據，統計結果如圖a~d所示。最后對不同預景下腦電節律和主觀愉悅度的歸一化結果進行獨立t檢驗與皮爾遜相關性檢驗，結果如表2~4所示。

綜合電極平均頻域圖  ? 聶瑋

圖a. S1 至S1-2 預景下腦電愉悅度（α 值）結果

圖b. S1 至S1-2 預景下腦電愉悅度（α 值）歸一化結果

圖c. S1 至S1-2 預景下主觀愉悅度（主觀評價）結果

圖d. S1 至S1-2 預景下主觀愉悅度（主觀評價）歸一化結果 ? 聶瑋

結果與分析

由圖b和表2可知，腦電愉悅度（歸一化數值）由高到低的預景依次為S3、S2、S4、S1-2和S1，這表明全景綠視率的逐漸提高帶動了被試腦電α值的有效提升，但過高的全景綠視率導致了腦電α值的下降。同時，S1與S3之間存在顯著差異（p<0.01）；S1與S2、S3與S1-2之間存在差異（p<0.05）；其他預景之間并未發現顯著差異。

由圖d和表3可知，主觀愉悅度由高到低的預景依次為S3、S2、S4、S1-2、S1。S1與S2、S3、S4存在極顯著差異（p<0.001），與S1-2存在顯著差異（p<0.01）。這表明被試在S1預景下與其他預景下的觀感體驗差異明顯。

本研究中的腦電愉悅度和主觀愉悅度實驗結果均表明，被試的愉悅度在S1預景中最低，在S3預景中最高。如表4所示，腦電愉悅度與主觀愉悅度顯著正相關（p<0.01），表明生理指標與被試的主觀評價結果一致。

在S1預景下，被試的腦電節律能量值最低；腦電α值歸一化結果低于0.3（圖b）；同時主觀評價結果顯示，被試表現出疲憊等情緒。在S2預景下，被試的主觀愉悅度（p<0.001，表3）與腦電愉悅度（p<0.05，表2）顯著提升。這表明即使是綠色植被量較少的環境也可能明顯增加觀者的愉悅感。S3預景下被試腦電愉悅度最高。S1、S2及S3的相關結果表明，愉悅度與綠視率變化呈正相關。被試在綠色植被綠量適宜的S3預景下情緒穩定，郁郁蔥蔥的自然環境帶來了放松與舒適感，被試短時間內個體愉悅度水平明顯提升。

在植被量大、密不透光的S4預景中，隨著觀看時間的增加，被試壓抑感增加，個別被試甚至自報告出現恐懼感，表明90%的全景綠視率帶來明顯的不適情緒。最終反映為腦電與主觀愉悅度的下降，且顯著低于S2和S3預景。

S1-2與S1預景的綠視率均為0，但前者主觀愉悅度顯著高于后者（p<0.01，表3，圖c）。腦電愉悅度兩者差異雖不顯著，但前者仍高于后者（圖b），趨勢與主觀愉悅度一致。這可能與全景綠視率變化順序有關：在S1預景中，被試尚未體驗模擬場景及變化。在S1-2預景實驗過程中，當從S4的高全景綠視率轉為開敞、明亮的低全景綠視率時，可能有助于緩解緊張、恐懼情緒。

上述結果表明，過高與過低的全景綠視率均可能不利于個體愉悅度的提升，但高低全景綠視率的轉變則可有效增加個體愉悅度。因此相較于單一的綠化場景，營造富于變化的環境，能夠有效提高個體愉悅度。

時頻域分析法是將時間和頻率聯合至同一張表中，將預處理后的時域腦電數據經EEGLAB插件處理，以時頻域圖的形式呈現：橫坐標為時間，縱坐標為頻率，熱度顏色表示腦電α值強度，顏色越接近深藍表示α值越低，越接近棕紅表示α值越高。

不同預景下的時頻域圖、全景圖與腦地形圖（左右滑動查看） ? 聶瑋

實驗用全景視頻由全景圖邊界卷接而成，由S1預景下的時頻域圖可見，前50s內，被試因好奇、期待等因素愉悅度較高（α值總體呈現黃色熱度）；在最初的興奮狀態過后，時頻域圖呈現均勻分布態，；當實驗進行到中段160~200s時，被試視線集中至道路鋪裝畫面，此時α值明顯下降，表明VR場景中硬質基礎設施的出現會降低個體愉悅度。

被試休息后依次進入S2、S3、S4和S1-2預景。因對實驗有了初步了解，實驗前數十秒被試未產生強烈情緒波動。因S2預景中植被量有所增加，α波時頻域圖呈現明顯分段。在S4預景中，由于全景綠視率過高且缺乏變化，導致其時頻域圖與S1預景相似，較為均勻單一。此后，當被試再次處于全景綠視率為0的S1-2預景時，愉悅感明顯提升：前30s時，其α值的頻域呈現棕紅色熱度，表明此時被試α值較高，其后表現出與S1和S4預景類似的時頻域特征。表明由密林視野轉變為開闊視野后，被試愉悅度會在短時間內快速提升。

由腦地形圖可知，在S1預景下，被試的Fp1和Fp2（額葉）、Cz（頂葉）、P3和P4（枕葉）電極總體呈現低α值狀態（以深藍色區域為主）。隨著全景綠視率的增加，腦地形圖的主要變化規律包括：

1）在全景綠視率由0至60%的轉變過程中，隨著被試愉悅度增高，腦地形圖的顏色由深藍轉為棕黃；而經歷60%~90%的綠視率變化后，α值明顯降低。

2）被試在體驗不同的全景綠視率預景時，主導精神功能的額葉與主導視覺功能的枕葉部位α值變化明顯，主導體感功能的頂葉α值變化較不明顯。這表明不同全景綠視率的環境引發的腦部變化區域基本一致，額部與枕部受刺激較明顯。

討論與結論

研究結果顯示，在全景綠視率為0的環境中，被試的愉悅度最低；在30%的全景綠視率環境中，被試的愉悅度有所提高；當全景綠視率達到60%時，愉悅度最高。該結果與鄭凌予等人^[6]及韓可宗^[7]得出的30%~60%綠視率的植被環境評價較好的結果基本一致。因此，綠地系統規劃設計可將60%的全景綠視率作為參考指標，創造高愉悅度的綠地空間。

城市綠地系統是市民日常接觸自然的重要途徑，但目前學界對過度綠化帶來的健康風險研究較少。本研究發現，在全景綠視率達90%的環境中，被試的腦電愉悅度顯著降低，且主觀表現出壓力情緒，這表明過度綠化可能導致觀者產生負面情緒。此外，本研究結果也表明，交替變換的環境能夠提升個體愉悅度，設置不同的綠視率環境有助于提升游覽者的愉悅度。

問卷調研是傳統且重要的研究方法，而腦電數據則可提供更為客觀和定量的數據支撐。隨著學科交叉的深入及生理心理監測技術的發展，可系統構建融合生理心理水平的虛擬全景體系，以更好地為可持續的城市設計提供定性和定量的參考依據，提升居民身心健康。

^{· 安徽省自然科學基金項目“基于出行時空行為的城市綠地空間慢行機能優化方法研究”（編號：1908085QE209）}

^{· 安徽省高校自然科學研究重點項目“健康運動導向的日常游憩型綠地布局優化途徑研究”（編號：KJ2018A0505）}

^{· 2020年度國家留學基金委出國留學資助項目（CSC編號：202008340054）}