城市綠色空間對心理健康的影響：研究進展與展望

劉 曄，何嘉銳,4，王若宇，李志剛

（1.中山大學 地理科學與規劃學院，廣州 510006；2.廣東省城市化與地理環境空間模擬重點實驗室，廣州 510006；3.廣東省公共安全與災害工程技術研究中心，廣州 510006；4.深圳外國語學校博雅高中，廣東 深圳 518106；5.愛丁堡大學 地理科學學院，英國愛丁堡；6.武漢大學 城市設計學院，武漢 430072）

隨著社會經濟的高速發展，城市居民的生活節奏不斷加快，社會競爭壓力日益加劇，加上不健康生活習慣（如久坐、熬夜和酗酒）的盛行，各類精神疾病和群體性心理健康問題日益凸顯。世界衛生組織（WHO）于2017 年所發布的報告《抑郁癥及其他常見精神障礙》（Depression and Other Common Mental Disorders）指出，目前全世界有超過3億人遭受抑郁癥的困擾，平均發病率在4.4%左右，預計到2030年抑郁癥將高居全球疾病負擔的第一位（WHO, 2017）。中國精神衛生調查（China Mental Health Survey, CMHS）結果顯示，中國人的六大類精神障礙加權12 個月患病率為9.3%，加權終生患病率高達16.6%（Huang et al., 2019）。《中國國民心理健康發展報告（2017—2018）》（傅小蘭 等，2019）和《中國城鎮居民心理健康白皮書》①中國網.http://www.china.com.cn/txt/2018-05/02/content_51084474.htm，2018-05-02.指出，中國73.6%的城鎮居民處于心理亞健康狀態，高達11%～15%的國民心理健康狀況較差，2%～3%的人群甚至可能面臨中度到重度的心理問題。因此，如何預防和治療心理健康問題，不僅成為當下全球性的焦點議題，得到世界衛生組織和各國政府的高度重視，也是全面實施健康中國戰略的重要環節。

城市綠色空間是指城市中被人工、半自然或自然的植被等生態單元所占據，并為城市提供生態、游憩、文化、歷史、景觀等生態系統服務的空間（王甫園 等，2017；成超男 等，2020），既包括位于地表的城市綠地和農業用地等非城市建設用地（Lovell et al., 2013; Girma et al., 2019），也包括立體綠化，即各種構筑物及其他空間結構上的綠化植物（Lu, 2019）。大量研究表明，城市生態環境是城市居民心理健康的重要決定因素（Velarde et al.,2007），而作為城市生態環境的重要組成部分，綠色空間是提升城市居民心理健康水平的重要資源（Wang et al., 2019a）。然而，快速城鎮化導致城市綠色空間的面積迅速減少且日益破碎（陳康林 等，2016）。據統計，中國近50年來天然濕地面積減少了約21.6%（顧仲陽，2015），與此同時，城市化帶來的水體、大氣和土壤污染等環境問題日益突出，導致城市綠色空間的生物多樣性和自然生態系統生產力降低，嚴重威脅著公共健康（Haaland et al.,2015；黃柏石 等，2021）。為應對日益嚴峻的挑戰，中國各大城市不斷加大對城市綠色基礎設施的建設力度。例如，成都市在“十四五”規劃綱要中提出，推動“幸福美好生活十大工程”，將居民幸福感與城市綠色空間建設緊密聯系，并發布全球首個《公園城市指數（框架體系）》，強調城市綠色空間對公共健康和可持續發展的關鍵作用。提升城市綠色空間的質量已成為實現城市高質量發展和居民高品質生活的重要舉措（成都市人民政府，2021）。

前人對綠色空間與公共健康關系的研究進行了系統梳理。例如，姚亞男等（2018）探究了綠色空間與公共健康之間的復雜關系，指出綠色空間通過自然要素生態產品和服務的供應，以及有益健康行為的促進，提升人們的健康水平。張冉等（2020）以體力活動作為切入點，從體力活動的分類方式、居民個人屬性、社會環境、建成環境以及綠色空間特征等方面進行梳理，指出當前對體力活動、綠色空間和居民健康水平的因果關系有待進一步探討。袁媛等（2018）基于文獻計量工具，通過對以“居民健康的鄰里影響”為主題的文獻進行梳理，識別了綠色空間等影響居民健康的重要環境因素。張麗娜等（2021）從綠地空間暴露評價和流行病學2 個方面出發，闡述了綠地空間暴露與人群健康效應的研究進展。黃雯雯等（2021）采用范圍綜述的方法，在梳理城市綠地及其健康影響的相關理論的基礎上，提出改進實證研究的建議。肖華斌等（2021）系統地綜述了綠地生態系統服務與居民健康相關性研究，提出在綠地系統規劃中應強調城市綠地生態系統服務與居民健康需求的供需匹配，以及多源數據環境下供需測度方法與空間表達的整合。縱觀前人所開展的文獻綜述與實證研究，可以發現其主要聚焦于三大主題：評估綠色空間對公共健康的促進作用，揭示綠色空間影響公共健康的機制以及探索促進公共健康的綠色空間優化配置策略。盡管前人已經廣泛認識到綠色空間對公共健康的積極效應，但對于綠色空間影響居民心理健康的復雜機制仍然缺乏系統的梳理（Gascon et al.,2015），對于綠色空間與居民心理健康的關系的異質性缺乏充分的認識，無法有效指導實證研究的開展。

為此，通過在中國知網和Web of Science 等數據庫對近5年發表的學術論文進行檢索，聚焦“城市公園綠地”和“心理健康”的主題，共獲得國內外學術論文202篇。在此基礎上，本文系統梳理了城市綠色空間與居民心理健康的關系的國內外研究進展，對綠色空間使用和暴露水平的測度方法進行總結，闡明綠色空間對居民心理健康的影響機制，構建綠色空間與居民心理健康關系的社會生態模型框架，探討綠色空間與居民心理健康的關系存在異質性的原因。在梳理綠色空間對居民心理健康影響的研究進展的基礎上，分析已有研究存在的不足，并從研究內容、研究數據、研究視角和研究方法等角度，提出研究展望。本文旨在為理論的提煉與實證研究的開展提供參考并指明方向，還為今后健康導向的城市公共政策制定和規劃編制提供參考。

1 城市綠色空間使用與暴露水平的測度

學者們在開展“綠化暴露-健康結局”關聯研究時，由于運用不同的方法測度居民的綠色空間使用或者暴露水平，得到的分析結果不盡相同，甚至得出完全相反的結論。因此，有必要對常用的綠色空間使用與暴露水平測度方法進行梳理，并將綠色空間使用與暴露水平測度方法的選擇納入相應的研究框架。目前常用的指標包括以下類別：綠地覆蓋率（Surrounding Greenness）、綠地可達性（Access to Green Space）、 綠 視 率、 綠 地 質 量 與 滿 意度（表1）。

表1 城市綠色空間使用與暴露水平常用指標對比Table 1 Comparison of commonly used indicators of usage of and exposure to urban green spaces

1.1 綠地覆蓋率

綠地覆蓋率主要測度社區內居民的綠地資源可獲得性，是最為常用的綠化暴露指標。其數據主要有三大來源：1）遙感影像數據。例如，美國國家宇航局（NASA）提供的Landsat系列衛星影像資料以及中國國家航天局（CNSA）提供的高分系列衛星影像資料。2）國土調查數據。例如，自然資源部組織的第三次全國國土調查數據。3）從高德地圖或者百度地圖等電子地圖爬取的公園綠地興趣面（Area of Interest, AOI）數據。綠地覆蓋率指標的主要優點為空間覆蓋范圍廣，時間跨度長，時間與人力成本小以及易于操作。其主要缺點為測度的暴露度準確性相對較低。

基于遙感影像數據，已有研究主要通過光譜波段計算各種植被指數，例如歸一化植被指數（Normalized Difference Vegetation Index）、土壤調整植被指數（Soil Adjusted Vegetation Index）、綠度比值植被指數（Green Ratio Vegetation Index）和增強型植被指數（Enhanced Vegetation Index）（Markevych et al., 2017）。基于國土調查數據和興趣面數據，已有研究主要通過綠地斑塊的面積計算緩沖區內的綠地覆蓋率（Browning et al., 2020；劉大鵬 等，2021）。緩沖區（Buffer Zone）的設定與閾值的選取是綠地覆蓋率計算必須關注的要點。常用的緩沖區類型包括圓形緩沖區、路網緩沖區和行政區劃范圍緩沖區（Li et al., 2018）。在3種緩沖區中，圓形緩沖區和行政區劃范圍緩沖區能滿足特定研究的需要，較容易提取居民所處地區的綠地覆蓋率水平，路網緩沖區基于路網數據計算居民的活動范圍，不受行政區劃的限制，從而能更準確地刻畫居民可達范圍內的綠地覆蓋率。

1.2 綠地可達性

綠地可達性可以理解為從家或者其他場所到綠色空間的難易程度。目前測度綠地可達性的主要方法包括緩沖區法、最近距離法、引力模型法和機會累積法（屠星月 等，2019）。緩沖區法是以居民點為中心，計算在一定距離或時間閾值內居民所能享有的綠地面積和數量（肖華斌 等，2009）。最近距離法通過計算居民點到最鄰近綠色空間的距離進而估計其綠地可達性（Giles-Corti et al., 2005）。基于對距離內涵的不同理解，學者們從傳統的直線距離拓展到時間距離和路網距離（劉曄 等，2020；浩飛龍 等，2021）。從綠色空間對居民的吸引角度出發，學者們提出了引力模型法，通過建立綠色空間對居民的吸引力和阻力間的函數模型，討論綠色空間服務潛力的變化規律（周廷剛 等，2004）。在此基礎上，學者們還提出了機會累積法，即計算城市綠色空間在特定時間或交通成本內的活動或人口（李博等，2008）。機會累積法也可細分為多種計算方式，其中最基礎的是等值線法，即根據出行成本進行分級，統計不同分級下居民可到達的綠地數量。此后，基于機會累積法的思想，學者們提出了移動搜索法和兩步移動搜索法。其中，兩步移動搜索法的應用最為廣泛，該方法分別以居民點和綠地點為圓心，設定閾值形成搜索區，分兩步計算供需比和綠地可達性（魏冶 等，2014）。

1.3 綠視率

上述2種測度綠色空間使用與暴露水平的方法，均采用自上而下的鳥瞰視角，與居民在日常生活中的實際感受不一致。近年來，研究者開始從人眼視角，基于互聯網地圖服務商、社交網絡用戶和研究者拍攝的街景圖片，測度一個地區街道的綠化程度（Ye et al., 2019）。該方法具有覆蓋范圍廣、成本低、易于獲取和數據偏差小等優點。常用的計算方法主要有2 類：1）利用RGB 色差法直接提取綠色像素格在整張圖片中的比例（Lu, 2019）；2）利用已有圖像分割數據集和機器學習算法，獲得植被像素格占總像素格的比例（Ye et al., 2019）。第二種方法可以在計算機視覺技術的支撐下，提取高維度的語義信息，并通過街景中的各方面特征識別綠色植物，從而更客觀準確地模擬居民的環境感知，相比前者可信度更高（Kang et al., 2020）。

1.4 綠地質量和滿意度

與上述3類指標不同，綠地質量和滿意度指標主要由研究者通過實地調研（Field Audit）收集一手數據，或者爬取游客在社交媒體發布上發布的信息，反映研究者、當地居民或者游客對綠色空間的主觀評價（Gidlow et al., 2012）。常用的數據采集方式主要包括：1）通過問卷調查收集當地居民對于附近綠色空間的主觀評價（Feng et al., 2017）；2）調查者基于標準化量表，通過實地調研對綠色空間的質量進行打分，即環境審計（Gidlow et al.,2012）；3）運用機器學習方法對游客在社交媒體上發布的留言和評論開展語義分析，從而獲得使用者對綠色空間質量和滿意度的評價（李雙金 等，2018；Brindley et al., 2019）。

問卷調查法的主要優點為操作難度低且能更真實地反映居民的主觀評價，缺點為空間覆蓋范圍小、時間跨度短、人力成本高和主觀性強。與問卷調查法相比，環境審計的結果客觀性更強，且便于開展不同地點綠化質量的橫向對比。運用社交媒體數據評價綠地質量和滿意度的主要優點為空間分辨率高、人力成本低、覆蓋范圍廣且實時性強，缺點為操作難度較大（需要研究者具備一定的編程能力），數據樣本的代表性較差（例如，老年人群體的社交媒體使用率遠低于年輕人群體）。

2 城市綠色空間對居民心理健康的影響機制

城市綠色空間對居民心理健康的影響存在“生理-心理-社會行為”多種機制（Hartig et al., 2014）。本文將城市綠色空間對居民心理健康的影響歸結為3條路徑（圖1）：1）減輕環境壓力路徑（Reducing Harm）：城市綠色空間通過凈化空氣、降低噪音和緩解熱島效應等途徑緩解環境壓力，從而促進心理健康。2）修復力路徑（Restoring Capacities）：通過觀賞和接觸綠色空間等自然環境，緩解心理壓力和恢復注意力，對促進心理健康起直接作用。3）建設力路徑（Building Capacities）：一方面，以綠色空間為載體而進行的體力活動促進了居民的心理健康；另一方面，綠色空間為居民開展鄰里互動和社會交往提供了方便舒適的場所，從而提升居民的心理健康水平。

圖1 綠色空間影響心理健康的“減輕環境壓力-修復力-建設力”機制Fig.1 The biopsychosocial pathways linking green space to mental wellbeing

2.1 減輕環境壓力路徑

環境壓力源（Environmental Stressor）指直接作用于人的肉體并產生心理變化的環境應激物（如空氣污染顆粒物、噪音和高溫）。其直接作用于身體并引發發炎癥狀，進而損害居民的心理健康（Markevych et al., 2017）。越來越多的證據表明，長期暴露于PM2.5等污染物濃度較高的環境中，居民的神經系統會受到損害，出現神經認知功能障礙和情緒障礙等問題（Holtan et al., 2015）。噪音不僅通過損害神經系統降低居民的認知能力，還通過降低居民睡眠質量、誘發生理性頭痛等方式導致居民產生焦慮、抑郁等心理障礙（Tzivian et al., 2015）。城市熱浪作為氣候變化帶來的極端現象，給居民帶來心理疲勞，同時也誘發過激行為和焦躁等負面情緒。有研究表明，氣候變化可能會導致抑郁率和自殺率上升，進一步加劇群體的抑郁情緒，甚至誘發創傷后應激障礙問題（Cianconi, 2020）。

城市綠色空間可通過功能和布局2個途徑減輕環境壓力對心理健康的負面影響。在功能方面，綠色植物可通過阻擋和吸收工業活動和道路交通所產生的大氣污染物，實現對空氣的凈化（James et al.,2016）；通過對噪音聲波的衍射、吸收和破壞，以及產生鳥叫蟲鳴等自然音，城市綠色空間中的植被大幅度降低噪音的影響，從聲學效應和心理途徑緩解噪音給人們所帶來心理上的危害（Gidlof-gunnarsson et al., 2007; Pugh et al., 2012）；此外，不同植被類型、植物量和空間配置的綠色空間表現出不同的近地面溫度調節能力（Bowler et al., 2010），緩解了高溫熱浪對心理健康的危害。在布局方面，開發強度較高的城市建設用地往往存在更大的環境壓力，綠色空間不僅可以阻止城市建設用地的過度蔓延，還能嚴控交通用地和工業用地的占比，從源頭上減輕環境壓力（Haaland et al., 2015）。

2.2 修復力路徑

城市綠色空間作為一種心理修復的資源受到廣泛關注（Hartig et al., 2014）。作為解釋自然環境保健功能的兩大經典理論，壓力緩解理論（Stress Reduction Theory, SRT）和注意力恢復理論（Attention Restoration Theory, ART）強調綠色空間在緩解心理壓力和恢復注意力方面的作用。壓力緩解理論認為，觀察綠色植物可以喚起積極的情緒，進而減輕精神壓力（Ulrich, 1983; Ulrich et al., 1991）。注意力恢復理論指出，人的注意力在高度集中的狀態下會隨著時間推移逐漸渙散，從而導致精神疲勞，長期的精神疲勞將不利于人們的心理健康。綠色植物可以輕松吸引人的注意力，使人們從精神疲勞中恢復過來，并恢復對注意力的控制，緩解由于長時間集中注意力而帶來的精神疲勞癥狀（Kaplan,1995）。自該理論提出以來，大量學者開展相關實證研究，證實了綠化暴露對注意力恢復所起的作用（Hansmann et al., 2007; Wang et al., 2019b）。

2.3 建設力路徑

建設力路徑包括促進體力活動、促進鄰里互動和提升社區凝聚力（Liu et al., 2019a）。安全可達且景色優美的綠色空間為周邊居民開展休閑性體力活動（如跑步和散步）提供場所，從而降低其罹患心理疾病的風險（Mitchell, 2013; Calogiuri et al.,2014; Shanahan et al., 2016；戴穎宜 等，2019）。綠色空間還為周邊居民開展社會交往提供舒適便利的場所，從而提升社區凝聚力并約束不健康的行為。一方面，良好的社區環境可以通過“鄰里效應”影響居民的心理健康，這主要得益于居民在綠色空間參與社區活動和相互來往中提升了社區凝聚力，而社區凝聚力對居民的心理健康起保護作用（Sampson et al, 2002; Lachowycz et al., 2013; Kemperman et al., 2014; Holtan et al., 2015）。另一方面，生活在一個強凝聚力社區的居民可從鄰居處獲得大量工具性和情感性的社會支持，其不健康的行為（如吸煙和打架）也會受到社會規范的約束（Berkman et al., 2000; Hawe et al., 2000）。

3 城市綠色空間與居民心理健康關系的社會生態模型框架

城市綠色空間對周邊居民心理健康的增益效果存在巨大差異，可以從“生理-心理”和“社會-生態”2個方面進行解釋（張金良，2003）。基于“生理-心理”的視角，由于居民自身身體機能（如荷爾蒙、是否對植物過敏等）和心理素質（對植物的偏好和心理疾病程度等）的差異，哪怕暴露在同樣的綠化環境中，個體所獲得的健康效益也可能存在差異（李暢，2021）。基于“社會-生態”的視角，對于不同類型與特征的綠色空間而言，由于綠色空間使用機會（Opportunity to Use）、使用動機（Drivers and Motivation to Use）和易用性（Ease of Use）存在群體差異，致使綠色空間的暴露量存在群體間的差異，最終調節綠色空間與心理健康結局之間的關系（圖2）（Lachowycz et al., 2013）。由于“社會-生態”視角關注環境和人群的差異（包括空間差異），對地理學者開展相關研究有較大的啟發性，下文基于“社會-生態模型”的分析框架探討城市綠色空間與心理健康結局的復雜關系。

圖2 綠色空間與居民心理健康關系的“社會-生態”模型框架Fig.2 Socio-ecological framework for the relationship between greenspace and mental wellbeing

3.1 使用機會

綠色空間的使用機會指人們克服各種約束條件前往并使用綠色空間的能力。不同人群對不同特征綠色空間的使用機會往往存在差異。由于綠色空間具有不同的特征（如類型、規模、等級、質量、外觀和安全性等），其對使用者心理健康的促進作用可能存在較大差別（Wu et al., 2020），這種因使用機會不均等造成的綠色空間暴露量差異已從綠色空間的空間均衡問題延伸至“環境正義”視角下的健康公平性問題。通常而言，規模越大、等級越高、質量越好、觀賞性越強和安全性越強的綠色空間對心理健康的促進作用更大。綠色空間潛在使用者的人口學特征（如年齡、性別、社會經濟狀況、健康狀況和種族等）影響其時間利用和空間可達水平，從而導致綠色空間使用機會的差異。其中，由社會經濟地位差異所造成的付租能力和活動能力差異，進而造成公共綠地使用機會的差異備受關注（Cohen et al., 2012）。在西方發達國家的城市，公園綠地的建設維護費用與地方稅費相掛鉤，付租能力弱的居民往往居住在公園綠地缺乏且質量低下的地區（Zhang et al., 2020）。在中國的大城市，由于歷史的原因和政府財政傾斜的原因，老城區的公園綠地數量較多且質量較好，盡管居住在老城區的本地居民社會經濟地位較低，但他們對綠色空間的使用機會不少于社會經濟地位較高的郊區居民（Xiao et al.,2019）。

3.2 使用動機

綠色空間的使用動機指居民為滿足個體內在需求而選擇使用綠色空間的主觀意愿。一般而言，影響人們使用動機強弱的因素包括人口學特征、客觀環境、環境感知、個人主觀偏好和替代性的健康資源（如體育場館等）等。在人口學特征方面，經濟條件較差的家庭小汽車擁有率低，更依賴于社區周邊的綠色空間開展體育鍛煉和鄰里交往，因此可以從居住社區周邊的綠色空間獲得更大的健康增益效果（Rigolon et al., 2021）。但經濟條件較好的居民更關注自身的健康狀況，生活更為自律，擁有更強烈的意愿在家周邊開展體育鍛煉。在客觀環境方面，綠色空間質量（如景觀設計和配套設施）的提升能夠強化居民的使用動機（Sarkar et al., 2015;Lu, 2019），而衛生狀況不良和維護不佳可能弱化居民的使用動機（Brindley et al., 2019）。在環境感知方面，有研究表明，人類主要從美感、色彩、抑郁感、復雜度、安全性和活力6個方面對綠色空間進行感知，綠色植物的健康程度和游憩道路比例等因素可能影響居民對綠色空間的感知（Ma et al.,2021）。最后，倘若家周邊存在替代性的休閑活動場所，人們可能會使用這些場所而不是綠色空間開展休閑活動，從而導致綠色空間使用動機的弱化。因此，使用動機作為綠色空間與居民心理健康關系的社會生態模型框架中的重要調節因素，調節了綠色空間與心理健康結局的“劑量-反應”關系。

3.3 易用性

綠色空間易用性的差異表現為居民對綠色空間使用效果的差異。外部環境對綠色空間的易用性產生重要的影響。例如，惡劣的天氣條件可能會限制人們對公共綠地的使用，陽光明媚和溫度適宜的天氣為人們使用綠地提供便利（許燕婷 等，2021）。又如，打造安全、便捷和舒適的道路出行環境，能夠提升公園綠地的易用性。綠色空間的內部環境通過使用者的使用體驗直接影響其易用性。例如，園林景觀可能會給使用者帶來積極的視覺體驗（Deng et al., 2020）；陡峭的地形、大量的蚊蟲和潛在的過敏原可能會影響人們對綠色空間的使用（L?hmus et al., 2015）。此外，治安狀況是公園綠地易用性的重要決定因素之一，某些設計不善的公園有可能成為犯罪的“溫床”，使附近的居民對其避而遠之。

4 既有研究的不足與展望

4.1 研究內容：綠色空間對不同社會文化群體心理健康的增益效果

盡管國內外學者已經證實了城市綠色空間對居民的心理健康存在促進作用，并且運用分層分析和調節效應分析等技術，分析了城市綠色空間對不同年齡性別群體心理健康增益效果的差異（劉曄 等，2020；Qin et al., 2021；曹晨 等，2021；吳蓉 等，2021a）。然而，較少研究立足“社會-生態”的視角，關注不同社會文化群體在生活方式、文化偏好、社會經濟地位和成長經歷的差異，及其所造成的綠色空間使用機會、使用動機和易用性的差異，并以此解釋綠色空間心理健康增益效果的異質性。因此，在研究內容上，應當加強對城市綠色空間心理健康增益效果異質性的社會文化機制分析，不斷豐富和完善現有的研究框架。例如，可結合自然聯結（Nature Connectedness）的概念，關注人們對自然情感依附的差異及其所導致的綠色空間健康增進效益的異質性（Mcewan et al., 2020; Liu et al.,2022）。又如，可關注不同職業人群（產業工人、專業技術人員、自由職業者、料理家務者等）對綠色空間使用機會和使用意愿的差異，并由此解釋綠色空間對不同群體心理健康影響的差異。

4.2 研究數據：綠化暴露水平的測度

既有研究大多采用單一的方法評價地區的綠化水平，得到的結果較為片面。但正如前文所言，綠化暴露測度方法的選擇在極大程度上影響實證研究的結果，且每種方法都具有一定的局限性（Liu et al., 2019a, 2019b; Yang et al., 2019）。例如，部分研究基于居民問卷調查數據或調查員環境審計資料，主觀評價綠化暴露的水平，存在成本高、耗時長和覆蓋范圍小的局限。部分研究基于遙感影像數據和國土調查數據，大規模自動化地估算綠地覆蓋率和綠地可達性水平，但不能獲取居民對周邊綠化狀況的真實感受（Liu et al., 2019a, 2019b; Browning et al., 2020；劉大鵬 等，2021）。也有學者結合百度/騰訊街景數據和機器學習的方法，大規模自動化地估算街道的綠視率，但無法獲取遠離街道用地的綠化信息（李智軒 等，2020）。

因此，建議綜合運用多種方法，從主觀和客觀2 個維度評價地區的綠化水平。具體而言，基于遙感影像數據、國土調查數據、街景數據和居民問卷調查數據等多源數據，結合人口數據、地形數據（如數字高程模型）和建筑輪廓數據，計算綠地覆蓋率、綠地可達性、綠視率和綠地到訪率等反映綠色空間供給質量、服務水平和易用性的客觀指標。基于居民問卷調查數據、環境審計數據和社交媒體數據，獲取居民和訪客對綠色空間各個維度（如可達性、綠化規模、景觀設計、維護管理、配套設施等）的主觀評價信息。

4.3 研究視角：地方與靜態分析的研究范式

已有研究大多采用基于地方（Place-based）和靜態分析的研究范式，未能很好地解決地理背景不確定性問題（Uncertain Geographic Context Problem, UGCoP）（Kwan, 2012）。具體而言，學者們往往通過對某個時間點的社區問卷調查數據的采集，探究以家為中心的居住社區綠化水平與個人心理健康之間的關聯（邱嬰芝 等，2019）。然而，城市居民日常活動的范圍遠遠超出居住社區的邊界，其在工作地點、休閑娛樂地點和日常出行過程中都有可能使用或者接觸到綠色空間，倘若僅以居住社區作為地理背景單元估計綠化暴露對個體心理健康的影響，會導致模型分析結果與現實世界的偏差。

因此，未來有必要以人為本的視角，運用日重現法（Day Reconstruction Method, DRM）和生態瞬時評估（Ecological Momentary Assessment, EMA）等方法，獲取居民日常生活中的時空活動軌跡、瞬時環境狀況和情緒體驗等信息，從而準確地測度居民在居住社區、工作地點和其余日常活動地的綠化暴露量對其心理健康的影響。具體而言，結合活動日志和日重現法，邀請受訪對象填寫在調查時點過去24 h內的情緒體驗、心理狀態和活動記錄（包括活動地點、活動時間、活動同伴和活動內容），或者結合移動設備（如智能手機等）和可穿戴傳感器（如皮電傳感器和腦電傳感器等），運用生態瞬時評估法實時評估受訪對象的情緒體驗和心理狀態（Jones et al., 2015）。相較于傳統的居民問卷調查，日重現法和生態瞬時評估法不僅能夠更準確地核算受訪者在日常活動中的綠化暴露量，解決地理背景的不確定性問題，還能更準確地評估受訪者的情感體驗和心理狀態，揭示綠色空間與心理健康結局的“劑量-反應”關系。

4.4 研究方法：居住自選擇問題及非線性關系

前人在開展綠化暴露與心理健康關聯研究時，往往基于某個時間點采集的橫截面調查數據，估計居住社區的綠化水平與個體心理健康之間的關系，忽視了綠色空間與居民心理健康關系議題中的居住自選擇問題（Liu et al., 2019b；李春江 等，2019；吳蓉 等，2021b）。例如，運動愛好者擁有較好的心理健康狀況，更傾向于在公園綠地周邊居住。倘若回歸模型沒有控制與運動偏好相關的混淆變量，可能會高估社區綠化水平與心理健康之間的關聯。又如，家境較好的人心理健康狀況往往更佳，他們對居住社區的綠化水平也有更高的要求，忽略家境因素可能會導致社區綠化水平與心理健康的關聯被高估。

此外，綠化暴露量與個體心理健康水平的復雜非線性關系尚未明晰。既有研究大多基于線性回歸模型或廣義線性回歸模型，揭示城市居民的綠化暴露量與心理健康水平的線性關系。然而，在現實生活中，綠化暴露量和心理健康的關系可能是非線性的（如倒“U”型關系），或者綠化暴露對心理健康的增進效果存在閾值效應（如累積的綠化暴露量達到一定的程度，對人們心理健康的增益效果才能顯現）（林杰 等，2017）。

為了全面或者部分解決居住自選擇問題，可運用環境心理學實驗和計量經濟學工具（如準實驗和傾向得分匹配）準確估計綠化暴露的心理健康效應。環境心理學實驗的一般做法是，邀請志愿者佩戴可穿戴傳感器，觀看多組自然場景或城市場景視頻，或者在真實的綠色空間或城市空間中行走，從而評估不同的綠化暴露量對志愿者心理狀態的影響。該方法能控制實驗條件和實驗對象，從而盡可能排除外部因素的影響。準實驗是指由于某些并非為了試驗目的而發生的外部突發事件（如針對某些社區的拆遷安置項目），使原先居住在同一個社區的受訪者被隨機地分到了綠化狀況不同的社區，從而規避了居住自選擇的可能性。倘若受訪者并不是隨機地被分配在不同的社區，其對社區的選擇受付租能力和居住偏好等因素的影響，可運用傾向得分匹配技術部分解決居住自選擇問題。傾向得分匹配技術可以在控制組（如綠化率較低的社區）中尋找與實驗組（如綠化率較高的社區）特征相似的受訪者進行匹配，從而用控制組受訪者的結果來估計實驗組受訪者的反事實結果，最后推斷出實驗組的平均干預效應（即綠化率提升對心理健康的增益效果）。此外，可以結合日益成熟的非參數模型和機器學習方法（如GBDT、XGBoost等），運用復雜非線性的分析范式揭示綠化暴露量與居民心理健康水平的數量關系，計算綠化暴露量的提升對增進居民心理健康水平的邊際效益，從而為城市綠色空間優化策略的制定提供更具針對性和科學性的循證依據。