基于視覺(jué)感知的近郊村戶(hù)外環(huán)境對(duì)老年人情緒的影響研究

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目“晝夜情境下社區(qū)綠地適老休閑服務(wù)效能影響機(jī)制及增效途徑研究”（編號(hào)：32471934）；廣東省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目“在地養(yǎng)老視角下鄉(xiāng)村地區(qū)老年支持性戶(hù)外空間設(shè)計(jì)研究”（編號(hào)：GD23XYS068）

摘要"視覺(jué)感知具有調(diào)節(jié)情緒的潛能，但目前研究較少關(guān)注鄉(xiāng)村地區(qū)的老年人情緒。選取廣州市花都區(qū)4個(gè)村為研究區(qū)并拍攝戶(hù)外環(huán)境的實(shí)景圖，借助數(shù)據(jù)標(biāo)注、語(yǔ)義分割和深度學(xué)習(xí)等方法獲取7個(gè)戶(hù)外視覺(jué)特征與情緒的得分，采用空間自相關(guān)分析和空間回歸分析，解讀老年人的情緒得分在空間上的聚集情況及其主要影響因素。結(jié)果表明：老年人在公園綠地與水域周邊有顯著的正向情緒反應(yīng)，而負(fù)向情緒得分在產(chǎn)業(yè)園區(qū)、車(chē)行道路以及荒野地區(qū)表現(xiàn)出空間聚集；正向情緒與綠視率、鄉(xiāng)村獨(dú)特性和設(shè)施豐富度正相關(guān)，與圍合度、道路可達(dá)性和交通擁擠度則負(fù)相關(guān)，車(chē)行道路兩側(cè)的空間開(kāi)放性對(duì)情緒的影響與在水域周邊相反。最后為鄉(xiāng)村公共空間適老化建設(shè)與更新提供優(yōu)化策略。

關(guān)鍵詞 視覺(jué)感知；情緒感知；鄉(xiāng)村；戶(hù)外 環(huán)境；適老化；深度學(xué)習(xí)

Abstract Visual perception plays a critical role in regulating emotions，yet limited attention has been paid to older adults in rural or peri-urban contexts.This study investigated the emotional responses of elderly individuals to outdoor environments in four peri-urban villages in Huadu District， Guangzhou. Real-scene images were collected and analyzed usingdataannotation，semantic segmentation，and deep learning to extract seven visual environmental features. Spatial autocorrelation and geographically weighted regression wereapplied to explore spatial clustering and identify key influencing factors. Results show that positive emotion responses are strongly associated with green spaces and waterfronts，while negative emotions cluster in industrial areas，along vehicle roads，and in barren lands.Greenness， rural uniqueness，and facility richness positively correlate with positive emotions，whereas enclosure，road accessibility，and traficcongestion show negative associations.Spatial openness of both roadside had contrasting effects in roads and waterfront areas.These findings provide valuable insights for the design and renewal of age-friendly public spaces in rural settings.

Keywords Visual perception;Emotional perception;Village; Outdoor environments;Aging-friendly daptation; Deep learning

文章亮點(diǎn)

1）聚焦鄉(xiāng)村老年人群體，將視角從城市地區(qū)轉(zhuǎn)向鄉(xiāng)村地區(qū)，探討老年人情緒與戶(hù)外環(huán)境的關(guān)系；

2）制作并訓(xùn)練了人本視角的鄉(xiāng)村特色數(shù)據(jù)集，實(shí)現(xiàn)多源數(shù)據(jù)的批量處理。

老年人的心理健康是當(dāng)前老齡化背景下的重要議題[1。與其他群體相比，老年人對(duì)環(huán)境變化的自我調(diào)節(jié)能力薄弱，精神更容易受到外界波動(dòng)的干擾[2]。情緒是心理健康的體現(xiàn)也是當(dāng)前評(píng)估老年人心理健康的重要依據(jù)，正向情緒可以幫助個(gè)體面對(duì)壓力和創(chuàng)傷[3，負(fù)向情緒則會(huì)讓人產(chǎn)生抵抗和逃避的反應(yīng)[4]，甚至引發(fā)心理疾病軀體化。促進(jìn)老年人正向情緒產(chǎn)生，調(diào)節(jié)其負(fù)向情緒，有助于提升其生活品質(zhì)和主觀幸福感[5]，緩解區(qū)域醫(yī)療壓力，為積極面對(duì)老齡化及構(gòu)建“銀發(fā)友好”社會(huì)提供幫助。因此，本文研究老年人的情緒狀態(tài)是具有時(shí)代性和必要性的。

情緒是個(gè)體在通過(guò)各種感官感知外界后做出的主觀反應(yīng)。情緒感知受到個(gè)體差異和外部環(huán)境影響。從注意力恢復(fù)理論以及環(huán)境心理學(xué)角度看，外部環(huán)境是不可忽視的影響因素，特別是對(duì)當(dāng)下的心理感受有顯著的影響。眾多研究表明環(huán)境對(duì)不同群體的情緒有著重要影響，研究者從色彩[6～7]光照[8、建筑密度和綠視率[10～11]等方面做了深入分析，可見(jiàn)視覺(jué)是環(huán)境影響情緒感知的主要媒介。且有數(shù)據(jù)顯示，人對(duì)外界信息的感知有 70%～80% 是來(lái)自視覺(jué)[12]，視覺(jué)感知是人感受外界環(huán)境最直接的方式[13]。因此，本文從視覺(jué)感知的視角探討近郊村的戶(hù)外環(huán)境對(duì)老年人情緒的作用。

在測(cè)量感知方面，傳統(tǒng)的研究通常借助問(wèn)卷調(diào)查、現(xiàn)場(chǎng)評(píng)分、自我心理報(bào)告的方法[14～16]，然而這些方法過(guò)于耗費(fèi)人力和時(shí)間，不適宜運(yùn)用于大尺度區(qū)域的測(cè)量。近幾年來(lái)，腦電波[17]、眼動(dòng)儀實(shí)驗(yàn)[18]、面部表情識(shí)別[19]和VR虛擬場(chǎng)景[20]促使研究往更細(xì)致化的方向進(jìn)行挖掘，但這種復(fù)雜的設(shè)備在戶(hù)外容易受到干擾，難以廣泛使用于老年人群體中。如今機(jī)器學(xué)習(xí)技術(shù)不斷升級(jí)，視覺(jué)感知的測(cè)量變得更高效且便捷，上述方法的缺陷得到解決。越來(lái)越多學(xué)者開(kāi)始結(jié)合街景圖像數(shù)據(jù)，測(cè)量人對(duì)大面積城市地區(qū)的感知，比如YaoYao等在人機(jī)對(duì)抗的模型基礎(chǔ)上獲取人對(duì)建筑環(huán)境的感知[21]，還有學(xué)者通過(guò)隨機(jī)森林模型模擬夜跑者的感受，預(yù)測(cè)了街道的安全感和舒適感[22]。他們實(shí)現(xiàn)了感知數(shù)據(jù)在地理空間上的連貫，值得本文學(xué)習(xí)和借鑒，但這些研究大多關(guān)注城市街道環(huán)境，受街景覆蓋不全的影響，較少關(guān)注鄉(xiāng)村偏遠(yuǎn)地區(qū)的視覺(jué)感知。

在提取環(huán)境的視覺(jué)要素方面，以往的研究使用了實(shí)地測(cè)量、專(zhuān)家量表、語(yǔ)義分割、目標(biāo)檢測(cè)[23-24]等方法。隨著更高性能的模型以及數(shù)據(jù)集的陸續(xù)推出，圖像要素識(shí)別的精度也越來(lái)越高，比如Cityscape、Nightcity、COCO[25～26]等。但它們均是面向城市景觀識(shí)別而制作的，無(wú)法體現(xiàn)出鄉(xiāng)村特有的景觀特征。

為了彌補(bǔ)街景圖像和景觀數(shù)據(jù)集在鄉(xiāng)村地區(qū)的不足，本研究在4個(gè)近郊鄉(xiāng)村區(qū)域內(nèi)采集了人視角度的實(shí)景圖像，將自制的鄉(xiāng)村特色數(shù)據(jù)集配合語(yǔ)義分割模型，提取出圖像中各環(huán)境因子的占比，從而分析鄉(xiāng)村戶(hù)外環(huán)境在視覺(jué)上的特征表現(xiàn)；其次，綜合老年人6種情緒狀態(tài)的標(biāo)注結(jié)果，以ResNet50為基礎(chǔ)搭建老年人情緒預(yù)測(cè)模型；最終使用OLS（OrdinaryLeastSquares）以及GWR（GeographicallyWeightedRegression）模型挖掘鄉(xiāng)村視覺(jué)特征對(duì)老年人正負(fù)向情緒的影響，分析關(guān)鍵變量以及作用規(guī)律，以期加強(qiáng)人們對(duì)老年友好環(huán)境的認(rèn)知，為鄉(xiāng)村老年人心理健康建設(shè)提供理論依據(jù)和技術(shù)支撐。

1研究材料與方法

1.1研究區(qū)域概況

廣州市花都區(qū)位于廣東省的中部，被稱(chēng)為“廣州的北大門(mén)”。花都區(qū)老齡化程度相對(duì)較高，戶(hù)籍老年人口達(dá)到14萬(wàn)人，占總戶(hù)籍人口的 15.4% ，鄉(xiāng)村獨(dú)居老年人數(shù)量位居全市前列，農(nóng)村老年人抑郁癥狀檢出率高于城區(qū)①。本文選取了花都區(qū)4個(gè)近郊鄉(xiāng)村作詳細(xì)量化研究，包括岐山村、九潭村、大陵村和馬溪村（圖1），它們位于核心城區(qū)新華街道的西南側(cè)，西接以遠(yuǎn)郊村為主的炭步鎮(zhèn)，總面積為18.27km² ，老年人口比例分別為 12.1% 司 11.8% 1 14.7% 和 10.3% ，均表現(xiàn)出明顯的老齡化特征②。由于室內(nèi)養(yǎng)老場(chǎng)所的設(shè)立不足，戶(hù)外成為4個(gè)村的老年人最主要的活動(dòng)場(chǎng)所。除了具有較高的老年戶(hù)外使用需求外，4個(gè)村被選為本文研究對(duì)象的原因還包括它們擁有獨(dú)特的鄉(xiāng)村風(fēng)貌。近郊村是城鄉(xiāng)過(guò)渡地帶的重要單元，它們承接了城鎮(zhèn)的人口外溢，也保留了傳統(tǒng)農(nóng)業(yè)的環(huán)境特征。四村中，岐山村距離城區(qū)北部約 10km ，雖然屬于城市輻射圈內(nèi)，但仍有較完整的自然生態(tài)環(huán)境，鄉(xiāng)村性特征較為明顯；近年因旅游業(yè)而出現(xiàn)少量商業(yè)化改造，以鄉(xiāng)村的歷史文化為主題。九潭村距離主城區(qū) 8km ，整體以農(nóng)田水系的農(nóng)業(yè)景觀為主，植被覆蓋率較高；受城區(qū)擴(kuò)張潛在影響，兼具鄉(xiāng)村性和城市化特征，村中心保留傳統(tǒng)老建筑，外圍新建住宅。大陵村距離汽車(chē)產(chǎn)業(yè)城 5km ，城市化進(jìn)程明顯，部分土地轉(zhuǎn)為工廠(chǎng)園區(qū)，但村內(nèi)仍保留鄉(xiāng)村元素，破碎化農(nóng)田與工業(yè)區(qū)交錯(cuò)分布，還有少量的宗祠等歷史建筑留存。馬溪村緊鄰新華街道，距離城區(qū)4km ，受城市化影響，鄉(xiāng)村性逐漸減弱，新舊住宅并存，留存少量農(nóng)業(yè)和歷史文化符號(hào)，是典型的城鄉(xiāng)結(jié)合景觀。

圖1近郊村選址位置分布 Fig.l The location of the selected villages

1.2鄉(xiāng)村環(huán)境數(shù)據(jù)提取

為了解決街景圖像在鄉(xiāng)村地區(qū)覆蓋不全的問(wèn)題，本研究于2023年夏季的日間使用全景相機(jī)Insta360ONEX2采集圖像數(shù)據(jù)。首先依照高德地圖路網(wǎng)以及實(shí)地現(xiàn)狀規(guī)劃采集路線(xiàn)，包含鄉(xiāng)村戶(hù)外的各種可步行道路，如主干道、宅旁路、田間小路和公路兩側(cè)人行道等。接著，拍攝者佩戴固定有相機(jī)的頭盔以 1.65m 的高度連續(xù)錄制視頻，錄制的過(guò)程沿著路線(xiàn)勻速步行前進(jìn)，從而模擬老年人在戶(hù)外的真實(shí)視角。后期經(jīng)過(guò)Insta360Studio和FFmpeg的處理，將視頻按照相等的間距截取照片，并選擇前或后一幀來(lái)替換模糊或重影的圖像。考慮到鄉(xiāng)村環(huán)境要素尺度較小，道路與樓房的寬度明顯比城市更窄，風(fēng)景變化復(fù)雜，本文選擇 5m 作為樣點(diǎn)的間距，盡可能多地捕捉到環(huán)境的細(xì)節(jié)，從而保障結(jié)果的連貫性，共計(jì)得到18684張帶地理坐標(biāo)的人視角度實(shí)景圖0 2048×512 像素）。最后，依據(jù)鄉(xiāng)村戶(hù)外環(huán)境構(gòu)成要素的文獻(xiàn)[27～29]并結(jié)合現(xiàn)有的圖像識(shí)別數(shù)據(jù)集，整合出34個(gè)鄉(xiāng)村環(huán)境因子和7個(gè)戶(hù)外視覺(jué)特征作為評(píng)價(jià)指標(biāo)，以此來(lái)探討鄉(xiāng)村環(huán)境對(duì)老年人情緒的影響。

1.2.1鄉(xiāng)村環(huán)境因子識(shí)別

語(yǔ)義分割的技術(shù)能夠?qū)D像中不同的物體區(qū)分開(kāi)來(lái)，其優(yōu)秀性能依賴(lài)于模型的更新和數(shù)據(jù)集的完善，然而目前國(guó)內(nèi)還沒(méi)有專(zhuān)門(mén)用于鄉(xiāng)村的環(huán)境數(shù)據(jù)集。本文依照生態(tài)環(huán)境、生產(chǎn)環(huán)境和生活環(huán)境對(duì)鄉(xiāng)村戶(hù)外環(huán)境分類(lèi)。其中，生態(tài)環(huán)境主要由林地、草地、沙地和水域組成，生產(chǎn)環(huán)境以耕地和工業(yè)為主，生活環(huán)境則包含聚落、設(shè)施和道路。最終列出34個(gè)常見(jiàn)的要素作為PastoralPixels數(shù)據(jù)集的環(huán)境因子類(lèi)別（表1）。經(jīng)過(guò)圖庫(kù)清洗、類(lèi)別標(biāo)注和數(shù)據(jù)增強(qiáng)等操作，完成了1239張真實(shí)圖像的語(yǔ)義注釋?zhuān)灿?jì)16305個(gè)精細(xì)標(biāo)簽，包含祠堂、牌坊、磚房、農(nóng)田等鄉(xiāng)村特有的類(lèi)別。另外，使用DeepLabV3+作為識(shí)別工具，它是一個(gè)能捕獲全局和局部信息的高效模型[30]，通過(guò)引用空洞卷積和ASPP模塊來(lái)提高分割精度。實(shí)驗(yàn)證明，本研究的數(shù)據(jù)集在DeepLabV3 模型上表現(xiàn)良好（圖2），平均交并比（MeanIntersectionoverUnion，MIoU）為38.81% ，平均像素精度 （MeanPixelAccuracy，mPA）為 52.51% ，總體準(zhǔn)確率（Accuracy）為 78.69%_o 因此，本節(jié)基于PastoralPixels和DeepLabV3+對(duì)全部鄉(xiāng)村實(shí)景圖像語(yǔ)義切割，計(jì)算出環(huán)境因子的像素?cái)?shù)量和面積占比。

1.2.2戶(hù)外視覺(jué)特征計(jì)算

環(huán)境對(duì)人的感知影響往往是組合作用的，每個(gè)樣點(diǎn)中都有多重環(huán)境因子的交叉存在。因此，本文基于相關(guān)文獻(xiàn)制定了綠視率、圍合度、鄉(xiāng)村獨(dú)特性、空間開(kāi)放性、道路可達(dá)性、交通擁擠度和設(shè)施豐富度7個(gè)指標(biāo)[31～33作解釋變量（表2），它們?cè)谡Z(yǔ)義分割的基礎(chǔ)上，由不同環(huán)境因子組合計(jì)算而成，代表著樣本點(diǎn)所在位置的戶(hù)外環(huán)境表現(xiàn)。

1.3老年人正負(fù)向情緒評(píng)分

情緒狀態(tài)的分類(lèi)自20世紀(jì)70年代以來(lái)就有所討論，大量學(xué)者提出了從正向或負(fù)向維度出發(fā)的量化指標(biāo)，如POMS（ProfileofMoodStates）心理量表[34]、情緒量表（Positiveand NegativeAffect Schedule，PANAS）[35]、抑郁自評(píng)量表（Center for Epidemiologic Studies Depression Scale，CES-D）[3和GDS-15老年人量表[等。其中，PANAS是DavidWatson從積極和消極2個(gè)方面來(lái)開(kāi)發(fā)的個(gè)體情緒狀態(tài)測(cè)表，它的便捷性和實(shí)用性使其在環(huán)境心理學(xué)領(lǐng)域被廣泛使用。為了解近郊村老年人情緒狀態(tài)的影響因素，本研究參考上述量表及相關(guān)研究[38，選取正向和負(fù)向情緒的評(píng)價(jià)指標(biāo)：正向情緒評(píng)價(jià)指標(biāo)包括愉悅感、放松感和振奮感，負(fù)向情緒評(píng)價(jià)指標(biāo)包括焦慮感、恐懼感和孤獨(dú)感。

圖2語(yǔ)義分割的結(jié)果示例 Fig.2Exampleof semantic segmentation result

表1PastoralPixels數(shù)據(jù)集的類(lèi)別目錄Tab.1ClassificationschemeofthePastoral Pixelsdataset

評(píng)分工作于2024年6月（8：00—11：00、14：00—18：00）在4個(gè)村內(nèi)進(jìn)行。研究團(tuán)隊(duì)搭建了一個(gè)在線(xiàn)圖像評(píng)分平臺(tái)，通過(guò)線(xiàn)下邀請(qǐng)老年人給圖片標(biāo)注分?jǐn)?shù)的方式采集情緒數(shù)據(jù)。參與實(shí)驗(yàn)的120位老年人（男女比例 1：1? 均是60歲以上，常住鄉(xiāng)村，沒(méi)有身體方面的疾病且能夠自行外出活動(dòng)。每位老年人為圖像賦予6種情緒的評(píng)分，分值為 0～100 ，分?jǐn)?shù)越高說(shuō)明老年人對(duì)該圖片的情緒感知越強(qiáng)烈。去除無(wú)效評(píng)分后，最終收到了6000張帶有情緒標(biāo)簽的圖像。

ResNet50是一種高效的特征提取神經(jīng)網(wǎng)絡(luò)[39]。本文基于ResNet50設(shè)計(jì)了一種迭代反饋預(yù)測(cè)模式，具體步驟如下：第一步，將帶有情緒標(biāo)簽的圖按照 8：2 的比例用于模型訓(xùn)練和測(cè)試，并選擇精度最高的模型預(yù)測(cè)另外6000張未評(píng)分圖像的得分；第二步，邀請(qǐng)40位老年人（男女比例 1：1? 0對(duì)機(jī)器預(yù)測(cè)的結(jié)果進(jìn)行驗(yàn)證和校正；第三步，將原始評(píng)分與經(jīng)過(guò)驗(yàn)證的預(yù)測(cè)評(píng)分合并，再次投入模型進(jìn)行訓(xùn)練，完成剩余所有圖片的評(píng)分預(yù)測(cè)。若模型精度較第一步時(shí)有所提高，說(shuō)明加入的學(xué)習(xí)樣本能有效實(shí)現(xiàn)擬合目標(biāo)；若精度沒(méi)有提高，則繼續(xù)邀請(qǐng)40位老年人對(duì)機(jī)器分?jǐn)?shù)校正。本文訓(xùn)練的平均絕對(duì)誤差（MeanAbsoluteError，MAE）和均方根誤差（RootMean Square Error，RMSE）均值分別為1.122、1.744，測(cè)試的MAE和RMSE均值分別為4.151、6.907，第二次訓(xùn)練較第一次訓(xùn)練的精度有所提高，說(shuō)明數(shù)據(jù)結(jié)果具有可信度。

1.4數(shù)據(jù)分析

本文使用空間自相關(guān)分析和空間回歸分析兩種方法進(jìn)行數(shù)據(jù)處理，旨在全面地解釋變量之間的關(guān)系。空間自相關(guān)分析即全局莫蘭指數(shù)（GlobalMoran'sI）和局部莫蘭指數(shù)（Local Moran'sI）的計(jì)算[4o]，空間回歸分析則包含普通最小二乘法（OrdinaryLeast Squares，OLS）和地理加權(quán)回歸（Geographically Weighted Regression，GWR）。

首先，利用GeoDa軟件完成數(shù)據(jù)的自相關(guān)分析，了解鄉(xiāng)村正負(fù)向情緒是否在空間上存在差異和聚集情況。接著，通過(guò)OLS全局分析，初步得到7個(gè)視覺(jué)景觀特征對(duì)情緒的平均影響程度；利用方差膨脹因子（VarianceInflationFactor，VIF）排查多重共線(xiàn)性問(wèn)題，從而篩選出下一步解析的特征指標(biāo)。第三步，在GWR模型的基礎(chǔ)上進(jìn)一步探索空間異質(zhì)性，揭示變量關(guān)系在不同地理位置上的變化，比如回歸系數(shù)、 t 值和 P 值等；借助 R² 和AIC可以判斷模型擬合的情況，從而綜合考慮各個(gè)指標(biāo)與模型的性能。

2研究結(jié)果與分析

2.1鄉(xiāng)村戶(hù)外環(huán)境表現(xiàn)

4個(gè)近郊村的戶(hù)外視覺(jué)特征表現(xiàn)出一定的差異性（圖3），但總體呈現(xiàn)出自然要素豐富、鄉(xiāng)村特色較少的情況。其中，綠視率、圍合度和道路可達(dá)性得分較高，鄉(xiāng)村獨(dú)特性、交通擁擠度和設(shè)施豐富度得分則較低。具體來(lái)看，受到馬溪公園和飛鵝嶺山頂公園的影響，馬溪村的綠視率占比最高，村民可以觀賞到優(yōu)質(zhì)的綠色景觀；而大陵村的綠視率最低，但村內(nèi)有不少魚(yú)塘和水溝，藍(lán)色景觀充足，在視線(xiàn)上形成了較為開(kāi)闊的景象，因此其圍合度最低。有所不同的是，九潭村的圍合度最高，立面景觀緊湊，說(shuō)明該村的垂直元素較多，人在其中的包圍感更強(qiáng)。在鄉(xiāng)村獨(dú)特性方面，岐山村的得分最高，其較多地保留了以磚房為主的傳統(tǒng)歷史景觀和以農(nóng)田為主的農(nóng)業(yè)景觀；但該特征在岐山村的標(biāo)準(zhǔn)差數(shù)值高，說(shuō)明這些景觀的布局較為分散。

圖34個(gè)鄉(xiāng)村的戶(hù)外視覺(jué)特征得分情況

Fig.3Comparativescoresofoutdoorvisualfeaturesacrossfour villages

表2戶(hù)外視覺(jué)特征的解析及計(jì)算公式

Tab.2 Interpretation and calculation of outdoor visual perception indicators

2.2情緒得分的空間聚集

老年人情緒評(píng)分結(jié)果為正向情緒的得分均值高于負(fù)向情緒。在正向情緒評(píng)價(jià)指標(biāo)中，放松感得分最高（58.949分），范圍內(nèi)有1200個(gè)樣點(diǎn)達(dá)到90分以上，這反映出老年人在鄉(xiāng)村環(huán)境中的放松感受更強(qiáng)烈；其次是愉悅感（53.607分）和振奮感（41.131分）。但是負(fù)向情緒評(píng)價(jià)指標(biāo)孤獨(dú)感的均值明顯較高（56.291分），有 12% 的樣點(diǎn)得分超過(guò)80分，說(shuō)明鄉(xiāng)村老年人的孤獨(dú)情感值得關(guān)注；而焦慮感（32.837分）與恐懼感（29.891分）得分較低，中位數(shù)均低于30分。

經(jīng)自相關(guān)分析可知，正負(fù)向情緒的全局莫蘭指數(shù)為0.877和0.823， P 值均小于0.001，說(shuō)明老年人的情緒得分在空間上呈現(xiàn)出顯著的聚集模式。局部莫蘭指數(shù)結(jié)果 （圖4）表明不同區(qū)域的情緒得分存在差異。在鄉(xiāng)村生態(tài)環(huán)境中，老年人的正向情緒具有相似性，在公園綠地、林地和水域周邊表現(xiàn)為普遍高分（高－高），如嶺東路、車(chē)城大道、荔紅北路以及村內(nèi)魚(yú)塘四周；天馬河堤兩岸也有明顯的條帶狀高分聚集。在鄉(xiāng)村生產(chǎn)環(huán)境中，產(chǎn)業(yè)園區(qū)的負(fù)向情緒得分更加集中（高-高），例如馬溪村的西南部。在鄉(xiāng)村生活環(huán)境中，老年人的情緒在修繕良好的休閑步道中也有顯著的正向反應(yīng)，如花港大道輔路等，這說(shuō)明維護(hù)良好的綠植以及自然水體可以誘發(fā)老年人心中的美好感受。但是在道路沿線(xiàn)和鄉(xiāng)村邊緣中負(fù)向情緒顯著，這些區(qū)域較為空曠，樓房破舊，少有老年人會(huì)前往，這說(shuō)明景觀風(fēng)貌單一且交通復(fù)雜的環(huán)境對(duì)老年人的情緒健康不利。

2.3戶(hù)外視覺(jué)特征對(duì)情緒的影響

OLS模型的計(jì)算結(jié)果（表3）報(bào)告了變量的診斷和回歸情況：7個(gè)戶(hù)外視覺(jué)特征的VIF均小于7.5，不存在共線(xiàn)性問(wèn)題；除了圍合度以外，其余變量的 P 值均小于0.05，說(shuō)明它們?cè)?95% 的置信水平下對(duì)情緒有顯著影響。模型的性能檢驗(yàn)結(jié)果（表4）中，GWR模型的 R² 均高于OLS，且AIC（AkaikeInformationCriterion）更低，這證明GWR模型在鄉(xiāng)村老年人情緒研究中的解釋性更佳。

從回歸系數(shù)的結(jié)果來(lái)看，綠視率、鄉(xiāng)村獨(dú)特性、設(shè)施豐富度與正向情緒呈正相關(guān)關(guān)系，與負(fù)向情緒呈負(fù)相關(guān)，這意味著當(dāng)環(huán)境中這些特征得分較高時(shí)，老年人的情緒體驗(yàn)更佳。其中綠視率對(duì)正向情緒的影響最為顯著，它的回歸系數(shù)絕對(duì)值最大。這表明，即使在植物豐富的鄉(xiāng)村中，綠色景觀對(duì)于老年人來(lái)說(shuō)仍然重要，他們更樂(lè)意前往綠化條件好的環(huán)境中療愈心靈。相反，道路可達(dá)性和交通擁擠度與負(fù)向情緒正相關(guān)，對(duì)比回歸系數(shù)的絕對(duì)值可知，它們對(duì)負(fù)向情緒的影響比對(duì)正向情緒的影響更大，當(dāng)?shù)缆穼挾仍酱蠡蚪煌〒頂D度越高時(shí)，老年人的負(fù)面情緒越強(qiáng)烈。圍合度與正向情緒之間呈現(xiàn)負(fù)相關(guān)關(guān)系，說(shuō)明建筑物和樹(shù)叢越密集越會(huì)增加他們的心理負(fù)擔(dān)。

結(jié)合GWR回歸系數(shù)分布圖（圖5）發(fā)現(xiàn)，戶(hù)外視覺(jué)特征在不同的位置對(duì)情緒產(chǎn)生作用的程度不一。1）在生活環(huán)境中，鄉(xiāng)村居住聚落內(nèi)的老年人的負(fù)向情緒表現(xiàn)為普遍高分。綠視率、鄉(xiāng)村獨(dú)特性和設(shè)施豐富度的系數(shù)絕對(duì)值較大，當(dāng)這些指標(biāo)的得分增加，老年人的正向情緒會(huì)提高。這可能是因?yàn)槔夏耆后w日常就在家門(mén)附近活動(dòng)，綠化以及戶(hù)外設(shè)施可以提高場(chǎng)地的美觀度和功能性，并且他們?cè)诿鎸?duì)祠堂、牌坊等鄉(xiāng)村特色內(nèi)容時(shí)，內(nèi)心會(huì)感到熟悉和認(rèn)同。而高水平的圍合度以及交通擁擠度在鄉(xiāng)村居住聚落中則起負(fù)面作用，可能是立面要素的增加會(huì)使狹窄的巷道變得擁擠和壓抑，從而降低老年人的步行舒適度。2）鄉(xiāng)村車(chē)行道路兩側(cè)是正向情緒得分的低值聚集的位置，空間開(kāi)放性、道路可達(dá)性和交通擁擠度對(duì)負(fù)向情緒有更強(qiáng)的影響，這些指標(biāo)與負(fù)向情緒正相關(guān)。這可能是因?yàn)檫^(guò)于空曠的環(huán)境會(huì)催發(fā)老年人無(wú)所依靠的孤獨(dú)感受，并且高速行駛的車(chē)輛也使他們擔(dān)憂(yōu)步行安全。而綠視率在鄉(xiāng)村車(chē)行道路的兩側(cè)與負(fù)向情緒負(fù)相關(guān)，這說(shuō)明種植適量的沿路綠化有助于緩解老年人的負(fù)面感受。3）在生態(tài)環(huán)境中，鄉(xiāng)村的水域周邊表現(xiàn)出較高的老年人正向情緒反應(yīng)，與車(chē)行道路兩側(cè)不一樣的是，水域周邊的空間開(kāi)放性會(huì)促進(jìn)正向情緒的產(chǎn)生，即空間越開(kāi)老年人的正向情緒反應(yīng)越強(qiáng)烈，這反映了空間開(kāi)放性的討論需要因地而異。4）在生產(chǎn)環(huán)境中，耕地區(qū)域的正向情緒得分普遍較高，老年人的正向情緒與鄉(xiāng)村獨(dú)特性正相關(guān)，但是與道路可達(dá)性負(fù)相關(guān)，這說(shuō)明田間道路的寬度越大，老年人的正向感受反而越低。5）鄉(xiāng)村產(chǎn)業(yè)園區(qū)的負(fù)向情緒得分較高，設(shè)施豐富度的回歸系數(shù)絕對(duì)值較高，與負(fù)向情緒呈顯著負(fù)相關(guān)。

圖4正負(fù)向情緒得分的局部莫蘭指數(shù)聚集圖 Fig.4LocalMoran'sIclustersof positiveand negativeemotional scores

3討論

根據(jù)實(shí)驗(yàn)結(jié)果可知，近郊村的戶(hù)外環(huán)境表現(xiàn)以及老年人的情緒評(píng)分在不同位置存在差異。研究區(qū)域的4個(gè)近郊村均具備較高的綠視率和道路可達(dá)性，但鄉(xiāng)村特色內(nèi)容保留較少；老年人對(duì)放松感和孤獨(dú)感的感知最強(qiáng)這反映了近郊村老年人的普遍心理狀態(tài)。從空間自相關(guān)分析結(jié)果來(lái)看，老年人的情緒得分在空間上呈現(xiàn)顯著聚集模式，公園綠地與水域周邊的正向情緒水平高于其他地方，老年人對(duì)產(chǎn)業(yè)園區(qū)以及車(chē)行道路的兩側(cè)表現(xiàn)負(fù)向的情緒反應(yīng)。從回歸結(jié)果來(lái)看，戶(hù)外視覺(jué)特征對(duì)情緒的影響程度表現(xiàn)出區(qū)域差異性，綠視率和設(shè)施豐富度在鄉(xiāng)村居住聚落中與正向情緒顯著正相關(guān)；鄉(xiāng)村獨(dú)特性越高，情緒體驗(yàn)也越佳;空間開(kāi)放性、道路可達(dá)性和交通擁擠度在車(chē)行道路兩側(cè)對(duì)負(fù)向情緒影響更強(qiáng)；在耕地區(qū)域，道路可達(dá)性與正向情緒為負(fù)相關(guān)性。

表3OLS與GWR模型的結(jié)果匯總Tab.3 Regression results for emtional responses using OLS and GWR models

注：回歸系數(shù)的絕對(duì)值越高，說(shuō)明變量的影響更大；系數(shù)的正負(fù)號(hào)分別表示對(duì)因變量的促進(jìn)和緩解作用；當(dāng)P值大于0.05時(shí)，指標(biāo)不具有顯著性；系數(shù)標(biāo)準(zhǔn)差表示系數(shù)的差異化程度。

本研究的創(chuàng)新性體現(xiàn)在2個(gè)方面，在研究視角層面，將關(guān)注重點(diǎn)從城市地區(qū)轉(zhuǎn)向鄉(xiāng)村地區(qū)，聚焦鄉(xiāng)村老年人群體的情緒，并從空間差異性的視角探討了環(huán)境的作用，展現(xiàn)城鄉(xiāng)資源平衡的意義；在研究產(chǎn)出層面，構(gòu)建了具有鄉(xiāng)村特色的環(huán)境數(shù)據(jù)集，并借助計(jì)算機(jī)視覺(jué)技術(shù)簡(jiǎn)化了數(shù)據(jù)采集的工作，為日后的鄉(xiāng)村環(huán)境精細(xì)化研究提供技術(shù)支持。相比同類(lèi)型的研究，本文更具有空間精細(xì)化、技術(shù)驅(qū)動(dòng)和變量分類(lèi)討論的優(yōu)勢(shì)，最終也發(fā)現(xiàn)了空間開(kāi)放性在鄉(xiāng)村車(chē)行道路兩側(cè)以及水域周邊的作用相反這一新穎的結(jié)論。

圍繞分析結(jié)果，本文提出4個(gè)提升老年人情緒體驗(yàn)的近郊村環(huán)境優(yōu)化策略：

1）鑒于空間開(kāi)放性作用的差異，建議降低鄉(xiāng)村居住聚落與產(chǎn)業(yè)園區(qū)的圍合度來(lái)緩解老年人的孤獨(dú)感與焦慮感，但要注意建筑物的限高和遮擋天空的裝置情況，避免空間過(guò)于密集而產(chǎn)生壓抑的感受。而在水域周邊則應(yīng)減少觀賞視野的遮擋，增加空間開(kāi)放性，可以將硬性的護(hù)欄替換成軟性植物過(guò)渡，靠近水體的位置選擇草本植物、灌木或低矮的石頭做造景。

2）差異化控制人行道路的寬度，在鄉(xiāng)村車(chē)行道路兩側(cè)可以適當(dāng)留出更多的步行通道，并借助優(yōu)質(zhì)的人工綠化分割人與車(chē)輛，增加居住聚落與道路交接處的安全標(biāo)識(shí)，營(yíng)造安靜、安全的門(mén)前環(huán)境。而在耕地周邊可以退讓一定的道路面積給農(nóng)田，打造與老年人記憶中相似的田間小巷的場(chǎng)景。

3）鄉(xiāng)村獨(dú)特性對(duì)老年人情緒有正向作用，建議在保護(hù)鄉(xiāng)村居住聚落的歷史建筑時(shí)，另外設(shè)置同類(lèi)型風(fēng)格的設(shè)施和小品。比如使用相似顏色的外墻，或者是使用相互呼應(yīng)的某種材質(zhì)，增加鄉(xiāng)村獨(dú)特性在戶(hù)外環(huán)境中的比重，從而提高老年人對(duì)鄉(xiāng)村環(huán)境的文化認(rèn)同。

4）增加公共活動(dòng)區(qū)域的藍(lán)綠景觀，放大綠植和水體的康養(yǎng)效應(yīng)，可以設(shè)置以荷塘、古樹(shù)、花境為主題的小型廣場(chǎng)，連接周邊的居住聚落，并配套建設(shè)座椅、宣傳欄和健身器材等，打造舒適宜人的活動(dòng)空間。

表4OLS與GWR模型的性能檢驗(yàn)統(tǒng)計(jì) Tab.4Performance testing statistics of OLSandGWRmodels

4結(jié)論

本文基于OLS和GWR模型解釋了鄉(xiāng)村戶(hù)外環(huán)境與老年人情緒的關(guān)系，并以廣州市花都區(qū)4個(gè)近郊村為例進(jìn)行實(shí)證分析。通過(guò)語(yǔ)義分割技術(shù)識(shí)別并計(jì)算出圖像中的環(huán)境因子與戶(hù)外視覺(jué)特征得分，利用ResNet50算法提取圖像特征，構(gòu)建情緒評(píng)分的迭代預(yù)測(cè)模型，再進(jìn)一步結(jié)合空間自相關(guān)和空間回歸模型評(píng)估變量的情況。結(jié)果證明，老年人正負(fù)向情緒的得分具有空間聚集效應(yīng)，并且不同的視覺(jué)特征指標(biāo)所產(chǎn)生作用也存在空間差異性。理解戶(hù)外環(huán)境在老年人視覺(jué)感知上的意義，對(duì)于鄉(xiāng)村公共環(huán)境的可持續(xù)規(guī)劃建設(shè)有著重要的參考價(jià)值。

圖5GWR模型的回歸系數(shù)分布圖 Fig.5Spatially varying regression coefficients of visual features （GWR model）

E：實(shí)景圖為高回歸系數(shù)絕對(duì)值的部分樣點(diǎn)代表，表示該指標(biāo)在此類(lèi)型環(huán)境中起重要影響作用

但本研究存在一定的局限性，需在未來(lái)改進(jìn)與升級(jí)。首先，圖像評(píng)分的方法無(wú)法獲得場(chǎng)地中其他感官的感受，與人在真實(shí)場(chǎng)地的體驗(yàn)有所偏差，本文的視覺(jué)特征指標(biāo)忽略了溫感、聽(tīng)覺(jué)、空氣污染等潛在可能性。未來(lái)的研究工作計(jì)劃向?qū)嵉卦u(píng)分以及多模態(tài)的方向發(fā)展，嘗試使用可穿戴設(shè)備進(jìn)行實(shí)時(shí)的測(cè)量。第二，老年人的情緒受到復(fù)雜社會(huì)因素的影響，如收入、學(xué)歷、文化差異等，若接下來(lái)的研究工作在數(shù)據(jù)量方面有較大的提升，則需要從社會(huì)統(tǒng)計(jì)學(xué)的角度探討混合變量的影響。第三，本文缺失時(shí)間維度的分析，老年人的情緒可能會(huì)在晝夜、不同季節(jié)存在差異，因此本研究的結(jié)論無(wú)法適用于全部時(shí)間段的情況。下一步的研究工作需要在不同時(shí)段對(duì)比或全時(shí)段跟蹤加以努力，形成一個(gè)更全面、更完善的鄉(xiāng)村環(huán)境研究系統(tǒng)。

注：圖1底圖來(lái)自百度地圖；其余圖片均為作者自繪自攝。

參考文獻(xiàn)：

[1]靳永愛(ài)，周峰，翟振武.居住方式對(duì)老年人心理健康的影響社區(qū)環(huán)境的調(diào)節(jié)作用[J].人口學(xué)刊，2017，39（3）：66-77.

[2]盧杉，汪麗君，城鄉(xiāng)社區(qū)環(huán)境對(duì)老年人心理健康的影響研究[J]人口與發(fā)展，2021，27（5）：36-45.

[3]郭小艷，王振宏.積極情緒的概念、功能與意義[J].心理科學(xué)進(jìn)展，2007，15（5）：6.

[4]FREDRlCKSONBL.The Role ofPositive Emotions in PositivePsychology[J].AmericanPsychologist，200l，56 （3）：218-226.

[5]楊彩霞，王露莼，張競(jìng)揚(yáng)，等.基于日常事件的情緒標(biāo)注任務(wù)對(duì)老年人主觀生活質(zhì)量的影響[J].心理科學(xué)，2022，45（2）：331-338.

[6]馬冰倩，徐程揚(yáng)，崔義.八達(dá)嶺秋季景觀整體色彩組成對(duì)美景度的影響[J].西北林學(xué)院學(xué)報(bào)，2018，33（6）：258-264.

[7]吳莞姝，黨煜婷，趙凱.基于多維感知的城市活力空間特征研究[J].地球信息科學(xué)學(xué)報(bào)，2022，24（10）：1867-1882.

[8]陳慶偉，汝濤濤，周菊燕，等.光照對(duì)社會(huì)心理和行為的影響[J].心理科學(xué)進(jìn)展，2018，26（6）：1083-1095.

[9]朱懷真，楊凡，南歆格，等.國(guó)內(nèi)外綠視率研究進(jìn)展[J].中國(guó)城市林業(yè)，2022，20（3）：140-146.

[10]ZHANG Z，ZHANG J. Perceived residential environmentofneighborhoodand subjectivewell-beingamongtheelderlyinChina：A mediating role of sense of community[J]. Journal ofEnvironmental Psychology，2017，51：82-94.

[11]高翔，董賀軒.街道步行空間綠視率與步行愉悅度的關(guān)聯(lián)研究一基于武漢多類(lèi)型街道的實(shí)證比較[J].西部人居環(huán)境學(xué)刊，2023，38 （2）：52-59.

[12]KANDEL ER.Principles of Neural Science[M]. London：Arnold，1981：23

[13]ARNHEIM R. The Dynamics of Architectural Form[J]. Journal ofArchitectural Education，2013，67（1）：27-30.

[14]HELBICH M，YAO Y，LIUY，et al. Using Deep Learning to ExamineStreet View Green and Blue Spaces and Their Associations withGeriatric Depression in Beijing， China[J]. Environment International，2019 （126） ： 107-117.

[15]GARRETT J K，WHITEMP，HUANGJ， et al.Urban BlueSpace and Health and Wellbeing in Hong Kong： Results from aSurvey of OlderAdults[J].Healthamp;Place，2019，55：100-110.

[16]江浩波，宋孟坤，肖揚(yáng).濱水空間視覺(jué)景觀舒適度評(píng)價(jià)研究一以上海市“一江一河”為例[J].風(fēng)景園林，2022，29（10）：122-129.

[17]SARA T，CHRIS N， PATUANO AGNES，et al. Older People'sExperiences of Mobility and Mood in an Urban Environment： AMixed Methods Approach Using Electroencephalography （EEG）and Interviews[J].IntJ Environ Res Public Health，2017，14 （2）：151.

[18] LUCIO JV D，MOHAMADIAN M，RUIZ J P，et al. Visuallandscape exploration as revealed by eye movement tracking[J].LANDSCAPEAND URBAN PLANNING，1996，34 （2） ：135-142.

[19] KHARE SK，BLANES-VIDAL V，NADIMI ES，et al.Emotionrecognition and artificial intelligence： A systematic review （2014-2023）and research recommendations[J].Information Fusion，2023，102：102019.

[20]邵鈺涵，劉濱誼.城市街道景觀視覺(jué)美學(xué)評(píng)價(jià)研究[J].中國(guó)園林，2017，33 （9）：17-22.

[21]YAOY，WANGJ，HONGY，etal. Discovering the homogeneousgeographic domain of human perceptions from street viewimages[J]. Landscape and Urban Planning，2021，212：104125.[22]陳崇賢，劉欣宜，邱添，等.夜跑友好視角下城市街道環(huán)境視覺(jué)感知評(píng)價(jià)[J].風(fēng)景園林，2024，31（4）：36-43.

[23]劉智謙，呂建軍，姚堯，等.基于街景圖像的可解釋性城市感知模型研究方法[J].地球信息科學(xué)學(xué)報(bào)，2022，24（10）：2045-2057.

[24]李海薇，陳崇賢，劉欣宜，等．人視街景圖像和機(jī)器學(xué)習(xí)結(jié)合的城市街道適老性水平空間效應(yīng)研究[J].地球信息科學(xué)學(xué)報(bào)，2024，26 （6）：1469-1485.

[25]CORDTS M， OMRAN M， RAMOS S，et al. The cityscapesdataset for semantic urban scene understanding[C]//Proceedingsofthe IEEE conference on computer vision and patternrecognition.New York：IEEE，2016：3213-3223.

[26]LINTY，MAIRE M，BELONGIES，et al.Microsoft coco： Commonobjects in context[C]//FLEET DAVID，PAJDLAT，SCHIELE B，et al. Proceedings of European Conference on Computer Vision（ECCV）2014.Berlin：Springer International Publishing，2014.[27]王香春，羅川西，蔡文婷，等.近二十年中國(guó)鄉(xiāng)村景觀特征體系研究進(jìn)展[J].中國(guó)園林，2022，38（4）：44-49.

[28]王云才，陳照方，成玉寧.新時(shí)期鄉(xiāng)村景觀特征與景觀性格的表征體系構(gòu)建[J].風(fēng)景園林，2021，28（7）：107-113.

[29]劉濱誼，陳威.中國(guó)鄉(xiāng)村景觀園林初探[J].城市規(guī)劃匯刊，2000（6）：66-68，80.

[30]CHEN LC，ZHU Y， PAPANDREOU G，et al. Encoder-Decoderwith Atrous Separable Convolution for Semantic ImageSegmentation[C]//FERRARIV，HEBERT M，SMINCHISESCUC，etal.Proceedings of European Conference on ComputerVision（ECCV） 2018. Berlin： Springer International Publishing，2018.[31]LI R，CHENG，JIAO A，et al. Residential Green and BlueSpacesand Type2DiabetesMellitus：A Population-Based HealthStudy in China[J].Toxics，2021，9（11）：1-13.

[32]韓君偉，董靚.基于心理物理方法的街道景觀視覺(jué)評(píng)價(jià)研究[J].中國(guó)園林，2015，31（5）：116-119.

[33]李心雨，閆浩文，王卓，等.街景圖像與機(jī)器學(xué)習(xí)相結(jié)合的道路環(huán)境安全感知評(píng)價(jià)與影響因素分析[J].地球信息科學(xué)學(xué)報(bào)，2023，25 （4）：852-865.

[34]KIM H，HONG T. Enhancing emotion recognition usingmultimodal fusion of physiological，environmental，personaldata[J].Expert Systems With Applications，2024，249 （Part B）：123723.

[35]WATSOND，CLARKLA，TELLEGENA.DevelopmentandValidationof BriefMeasuresof Positiveand NegativeAffect-thePanas Scales[J]. Journal of Personality and Social Psychology，1988，54（6）：1063-1070.

[36]ANDRESENEM，MALMGRENJA，CARTERWB，etal.Screeningfordepression inwell olderadults：evaluationofa shortformof the CES-D （Center for Epidemiologic Studies DepressionScale）[J].American Journal of Preventive Medicine，1994，10 （2）：77-84.

[37]SHEIKHJL，YESAVAGEJA.Geriatric Depression Scale （GDS）：Recent evidence and development of a shorterversion[J].ClinicalGerontologist： The Journal of Aging and Mental Health，1986，5（1-2）：165-173.

[38]KROENKEK，SPITZERRL，WILLIAMSJBW.ThePHQ-9： validity of a brief depression severity measure[J]. Journal ofGeneralInternal Medicine，200l，16（9）：606-613.

[39]HEKM，ZHANG XY，REN SQ，et al. Deep residual learningfor image recognition[C]//20l6 IEEE Conference on ComputerVision and Pattern Recognition （CVPR）. New York： IEEE，2016：770-778.

[40]ANSELINL. Local Indicator of Spatial Association-LISA[J].Geographical Analysis，1995，27（2）：93-115.

作者簡(jiǎn)介：

陳婉靜/1999年生/女/廣東佛山人/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院（廣州510642）/在讀碩士研究生/專(zhuān)業(yè)方向?yàn)轱L(fēng)景園林規(guī)劃與設(shè)計(jì)

韋瑋/2000年生/女/廣西百色人/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院（廣州510642）/在讀碩士研究生/專(zhuān)業(yè)方向?yàn)轱L(fēng)景園林規(guī)劃與設(shè)計(jì)

陳楚熒/1999年生/女/廣東汕頭人/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院（廣州510642）/在讀碩士研究生/專(zhuān)業(yè)方向?yàn)轱L(fēng)景園林規(guī)劃與設(shè)計(jì)

溫曉霞/2001年生/女/廣東湛江人/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院（廣州510642）/在讀碩士研究生/專(zhuān)業(yè)方向?yàn)轱L(fēng)景園林規(guī)劃與設(shè)計(jì)

陳崇賢（*通信作者）/1984年生/男/福建福州人/博士/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院（廣州510642）/副教授，博士生導(dǎo)師/研究方向?yàn)榻】稻坝^、風(fēng)景園林規(guī)劃設(shè)計(jì)與理論/E-mail：380069609@qq.com