看见的绿色植物越多，就会越愉悦吗？

注：本文为删减版，不可直接引用。原中英文全文刊发于《景观设计学》（Landscape Architecture Frontiers）2022年第2期。

获取全文免费下载链接请点击此处；参考引用格式见文末。

基于脑电实验的虚拟现实环境全景绿视率对人体愉悦度的影响研究

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

引 言

提升城市品质、建设与管理高品质“美丽城市”是当代中国城市建设的要务之一^[1]。目前，绿地建设正从高速发展向高质量发展转变，由于绿地率等城市绿化指标难以确切反映相应空间中的绿化品质与效果^[2]，反映人的视野里绿色植被所占比率的绿视率日益受到关注。但当前城市绿化中绿视率的最佳范围尚不明确。关于绿视率的研究多采用行人视角取景，即取景的水平视角约120°，垂直视角分别约为上50°、下70°，这种取景方法可能造成取景不全^[3]。以全景图像为视觉载体可以最大程度还原被试在自然环境下的视觉状态。因此，可借助VR技术仿真建模，研究全景绿视率及其变化对个体心理和情绪的影响。

脑电信号（Electroencephalogram，EEG）是大脑神经细胞的周期性放电结果，因而可利用EEG量化记录分析人的情绪变化^[4]，作为评价人对环境感知的客观定量指标^[5]。本文将脑电信号及全景绿视率作为定量指标，结合问卷调查的定性指标，虚拟现实环境全景绿视率对人体愉悦度的影响，旨在为城市绿化品质及人居环境改善提供参考依据。

研究方法与数据处理

实验采用VR技术为被试提供不同绿视率环境的观看体验，通过仿真建模技术，构建了四种不同绿视率的虚拟全景预景，实验通过依次添加灌木、乔木等植被，精准控制预景中的全景绿视率，使其按照0、30%、60%、90%、0的顺序变化。为方便区分，预景依次命名为S1、S2、S3、S4、S1-2——S1和S1-2为无绿植环境（仅道路），S2为道路、草坪与灌木及零星乔木环境（模拟稀树草原），S3为乔灌木数量中等的环境（模拟城市林地），S4为大量乔灌木环境。所有预景中的绿地均以2∶1全景图形式展现。处理完成的全景图以全景视频的形式在VRG Pro头盔中播放，循环周期为6分钟。

从上至下分别为S1（S1-2）、S2、S3 和S4 环境下的全景图和全景材质通道图 © 聂玮

脑电节律是频率范围、变化周期相同、重复出现的脑电波。其中α波频率为8~13Hz，通常在大脑清醒且放松的状态下出现。已有研究表明，积极评价与大脑α波激活相关。本研究采用脑电节律α波作为客观脑电愉悦度指标。实验脑电仪采用无线EEG电极帽（EMOTIV EPOC Flex 32通道），采样频率为128Hz。实验开始前，被试佩戴VR头盔，之后需闭目2分钟平静情绪。再依次观看S1、S2、S3、S4、S1-2预景视频。之后闭目休息、摘取头盔、填写调查问卷，以减少连续观看时视觉疲劳对脑电数据的影响。

脑电与VR联合实验实景  © 聂玮

实验流程  © 聂玮

主观评价主要通过问卷形式，收集被试的基本信息（性别、年龄、专业、家庭背景等）及其对虚拟环境的愉悦度评价。后者采用李克特量表评分法（1~5分），要求被试对在每个全景绿视率预景中的愉悦度进行评价（表1）。方差分析结果显示显著性为0.698（p>0.05），表明方差齐性。

通过EEGLAB的study模块绘制的综合电极平均频域图可清晰呈现综合频率的变化。采用SPSS 24.0分析90组脑电节律愉悦度数据（α值）和18组主观愉悦度（主观评价）数据，统计结果如图a~d所示。最后对不同预景下脑电节律和主观愉悦度的归一化结果进行独立t检验与皮尔逊相关性检验，结果如表2~4所示。

综合电极平均频域图  © 聂玮

图a. S1 至S1-2 预景下脑电愉悦度（α 值）结果

图b. S1 至S1-2 预景下脑电愉悦度（α 值）归一化结果

图c. S1 至S1-2 预景下主观愉悦度（主观评价）结果

图d. S1 至S1-2 预景下主观愉悦度（主观评价）归一化结果 © 聂玮

结果与分析

由图b和表2可知，脑电愉悦度（归一化数值）由高到低的预景依次为S3、S2、S4、S1-2和S1，这表明全景绿视率的逐渐提高带动了被试脑电α值的有效提升，但过高的全景绿视率导致了脑电α值的下降。同时，S1与S3之间存在显著差异（p<0.01）；S1与S2、S3与S1-2之间存在差异（p<0.05）；其他预景之间并未发现显著差异。

由图d和表3可知，主观愉悦度由高到低的预景依次为S3、S2、S4、S1-2、S1。S1与S2、S3、S4存在极显著差异（p<0.001），与S1-2存在显著差异（p<0.01）。这表明被试在S1预景下与其他预景下的观感体验差异明显。

本研究中的脑电愉悦度和主观愉悦度实验结果均表明，被试的愉悦度在S1预景中最低，在S3预景中最高。如表4所示，脑电愉悦度与主观愉悦度显著正相关（p<0.01），表明生理指标与被试的主观评价结果一致。

在S1预景下，被试的脑电节律能量值最低；脑电α值归一化结果低于0.3（图b）；同时主观评价结果显示，被试表现出疲惫等情绪。在S2预景下，被试的主观愉悦度（p<0.001，表3）与脑电愉悦度（p<0.05，表2）显著提升。这表明即使是绿色植被量较少的环境也可能明显增加观者的愉悦感。S3预景下被试脑电愉悦度最高。S1、S2及S3的相关结果表明，愉悦度与绿视率变化呈正相关。被试在绿色植被绿量适宜的S3预景下情绪稳定，郁郁葱葱的自然环境带来了放松与舒适感，被试短时间内个体愉悦度水平明显提升。

在植被量大、密不透光的S4预景中，随着观看时间的增加，被试压抑感增加，个别被试甚至自报告出现恐惧感，表明90%的全景绿视率带来明显的不适情绪。最终反映为脑电与主观愉悦度的下降，且显著低于S2和S3预景。

S1-2与S1预景的绿视率均为0，但前者主观愉悦度显著高于后者（p<0.01，表3，图c）。脑电愉悦度两者差异虽不显著，但前者仍高于后者（图b），趋势与主观愉悦度一致。这可能与全景绿视率变化顺序有关：在S1预景中，被试尚未体验模拟场景及变化。在S1-2预景实验过程中，当从S4的高全景绿视率转为开敞、明亮的低全景绿视率时，可能有助于缓解紧张、恐惧情绪。

上述结果表明，过高与过低的全景绿视率均可能不利于个体愉悦度的提升，但高低全景绿视率的转变则可有效增加个体愉悦度。因此相较于单一的绿化场景，营造富于变化的环境，能够有效提高个体愉悦度。

时频域分析法是将时间和频率联合至同一张表中，将预处理后的时域脑电数据经EEGLAB插件处理，以时频域图的形式呈现：横坐标为时间，纵坐标为频率，热度颜色表示脑电α值强度，颜色越接近深蓝表示α值越低，越接近棕红表示α值越高。

不同预景下的时频域图、全景图与脑地形图（左右滑动查看） © 聂玮

实验用全景视频由全景图边界卷接而成，由S1预景下的时频域图可见，前50s内，被试因好奇、期待等因素愉悦度较高（α值总体呈现黄色热度）；在最初的兴奋状态过后，时频域图呈现均匀分布态，；当实验进行到中段160~200s时，被试视线集中至道路铺装画面，此时α值明显下降，表明VR场景中硬质基础设施的出现会降低个体愉悦度。

被试休息后依次进入S2、S3、S4和S1-2预景。因对实验有了初步了解，实验前数十秒被试未产生强烈情绪波动。因S2预景中植被量有所增加，α波时频域图呈现明显分段。在S4预景中，由于全景绿视率过高且缺乏变化，导致其时频域图与S1预景相似，较为均匀单一。此后，当被试再次处于全景绿视率为0的S1-2预景时，愉悦感明显提升：前30s时，其α值的频域呈现棕红色热度，表明此时被试α值较高，其后表现出与S1和S4预景类似的时频域特征。表明由密林视野转变为开阔视野后，被试愉悦度会在短时间内快速提升。

由脑地形图可知，在S1预景下，被试的Fp1和Fp2（额叶）、Cz（顶叶）、P3和P4（枕叶）电极总体呈现低α值状态（以深蓝色区域为主）。随着全景绿视率的增加，脑地形图的主要变化规律包括：

1）在全景绿视率由0至60%的转变过程中，随着被试愉悦度增高，脑地形图的颜色由深蓝转为棕黄；而经历60%~90%的绿视率变化后，α值明显降低。

2）被试在体验不同的全景绿视率预景时，主导精神功能的额叶与主导视觉功能的枕叶部位α值变化明显，主导体感功能的顶叶α值变化较不明显。这表明不同全景绿视率的环境引发的脑部变化区域基本一致，额部与枕部受刺激较明显。

讨论与结论

研究结果显示，在全景绿视率为0的环境中，被试的愉悦度最低；在30%的全景绿视率环境中，被试的愉悦度有所提高；当全景绿视率达到60%时，愉悦度最高。该结果与郑凌予等人^[6]及韩可宗^[7]得出的30%~60%绿视率的植被环境评价较好的结果基本一致。因此，绿地系统规划设计可将60%的全景绿视率作为参考指标，创造高愉悦度的绿地空间。

城市绿地系统是市民日常接触自然的重要途径，但目前学界对过度绿化带来的健康风险研究较少。本研究发现，在全景绿视率达90%的环境中，被试的脑电愉悦度显著降低，且主观表现出压力情绪，这表明过度绿化可能导致观者产生负面情绪。此外，本研究结果也表明，交替变换的环境能够提升个体愉悦度，设置不同的绿视率环境有助于提升游览者的愉悦度。

问卷调研是传统且重要的研究方法，而脑电数据则可提供更为客观和定量的数据支撑。随着学科交叉的深入及生理心理监测技术的发展，可系统构建融合生理心理水平的虚拟全景体系，以更好地为可持续的城市设计提供定性和定量的参考依据，提升居民身心健康。

^{· 安徽省自然科学基金项目“基于出行时空行为的城市绿地空间慢行机能优化方法研究”（编号：1908085QE209）}

^{· 安徽省高校自然科学研究重点项目“健康运动导向的日常游憩型绿地布局优化途径研究”（编号：KJ2018A0505）}

^{· 2020年度国家留学基金委出国留学资助项目（CSC编号：202008340054）}