【www.zhangdahai.com--其他范文】
叶 菁，郑俊鸣，王鸿达，郑郁善
(福建农林大学风景园林与艺术学院，福建 福州 350000)
城市公园是城市中重要的场所，它能让市民从紧张的生活中解脱出来，如何为城市公园使用者提供舒适的环境一直是城市面临的重要问题。声景观作为仅次于视觉景观的重要的景观资源，影响着使用者的主观感受[1-2]，在城市公园、旅游景区等的优化设计中逐渐受到重视[3]。因此营造一个令人愉快的声学环境至关重要。
声景(Soundscape)的概念最早由加拿大音乐家Schafer提出，是“一个人或多个人在特定环境中感知或体验和/或理解的声环境”[4]。声景概念区别于声环境(场地中来源不一的各种声音，强调声音的物理性质)，更强调人与环境中声音的互动，对声环境的感知理解与反馈重构[5]。在声景的研究中除了物理属性，对声环境的感知也非常重要。声景喜好度是衡量公园总体声景质量的重要指标之一，与听者从空间环境中获得的愉悦度有关[6]，许多学者对此展开研究，旨在提高公园的游憩体验。声景分为地球物理声(Geophonies)、人工声(Anthrophonies)和生物声(Biophonies)三类[7]，其中地球物理声简称地球声，指不具有生命特征的非生物发出的自然声；
人工声指人为创造的设备发出的声音；
生物声指具有生命特征的生物发出的声音。人们对于不同的声景类型有所偏好。学者们发现在公园中，人们更偏爱自然声，尤其是鸟鸣声；
而交通声、音乐声以及脚步声与公园总体满意度的关系最为密切[8]；
同样是自然声，水声比其他自然声(例如，鸟鸣声和微风吹过树叶声)对人有更积极的影响[9-10]。已有的研究证实，声压级和声源是影响声景评价最重要的因素[11]，人的主观感受不仅取决于声压级，声景类型的影响更为显著[12]；
人对于不同声景的主观感受具有显著差异[13]，对于声景喜好度的模型构建仅考虑声压级与主观评分是充分的，声景类型应作为一个重要的因素进行考虑。
传统对于声景喜好度的研究是通过主观问卷收集数据的，效率与普遍性存在一定的问题。一些学者开始尝试通过定性、定量分析，建立组合模型来研究客观声压级与主观喜好度间的关系。Lavandier等[14]运用声压级与主观感受间的潜在联系，使用声压级和声源类别的相对持续时间定义了一个描述指标，即“声音的不愉快”，从而构建评价模型；
洪昕晨等[15-16]运用心理物理学的相关理论，分别以竹林空间与森林公园作为样地，将声压级与主观感受进行拟合，构建喜好度评价模型。上述研究大多集中在探讨主观喜好度与声景元素或客观物理量的关系上，针对湿地公园，并从声景类型、声压级指标以及喜好度三方面关系进行讨论并构建模型的研究较少。
本研究选取沙县如意湖湿地公园为研究对象，将声源划分为三种声景类型，运用主导音(受物理特征影响较弱，表现为最容易辨识的声源)界定各测点的声景类型，分声景类型将声压级与喜好度评分进行拟合，找出二者间的最佳函数关系，并最终构建湿地公园声景喜好度评价模型。希望通过此模型将湿地公园中的客观声压级数据近似转化为相应的声景喜好度主观评分，进而模拟出游客在此时的心理感受状态，为湿地公园声景观的设计与优化提供参考。
1.1 研究对象概况
如意湖湿地公园，又称三明生态新城湿地公园，位于福建省三明市沙县。公园总面积为45.84 hm2。地理坐标为北纬25°30＇～27°07＇，东经116°22＇～118°39＇；
气候属亚热带季风气侯，四季分明，干湿明显。该公园具有生态观光、休闲娱乐等多种功能，且其中的声景元素组成丰富，很适合作为研究对象。本研究在湿地公园一期区域内选择了10个具有代表性且分布相对均匀的测点(图1)。
图1 样地区位及测点位置Fig.1 The location of study site
1.2 研究方法
1.2.1 声景喜好度评价实验
声漫步法是鼓励参与人员通过聆听环境声音，做出感官判断，并用于识别不同环境声音景观及其要素组成的一种实践性研究方法[17]。主导音是指受物理特征影响较弱，体现为最容易辨识的声源，与声景中主要声源的类型一致[18]。在公园内选取了分布相对均匀的10个测点，邀请30名被试者在各测点及相关区域进行声漫步，每个测点停留10 min，记录听到的主导音，并采用5分制打分法对每个测点的声景喜好度进行评价。同步使用I级声级计(AWA6228)对声压级进行测量，每个测点测量时间为10 min。30名被试者年龄在20～35岁之间，其中男性18人，女性12人，均身体健康、听力正常。为减小个体差异造成的评价结果差异，实验前对全体参与人员进行了统一培训，培训内容为声音元素定义、声景喜好度定义和评价方式等[19]。
1.2.2 构建预测模型
运用曲线估计对声压级和评分进行模型拟合，拟合得到11类模型，如表1所示。对拟合度较高的模型进行检测与比较，最后选择出最优的模型。
表1 函数模型名称与公式Table 1 Names and formulas of function models
1.3 数据处理与分析
运用Excel 2019进行数据统计分析。将地球声、人工声和生物声三类声景的喜好度评分(后简称为评分)与声压级进行相关(Spearman)分析。运用单因素方差分析和Tukey多重比较对各测点的主导音、三类声景间的声压级和评分进行差异性分析(显著性水平为0.05)，在SPSS 22.0中实现。均方根误差、卡方是对模型进行合适度检验的常用方法[20]；
赤池信息量准则(Akaike information criterion,AIC)可以权衡所估计模型的复杂度和模型拟合数据的优良性，兼顾了模型的简约性和预测的最优性[21]。仅用一个检验指标来筛选模型容易得到错误的结论[22-23]，本文选用均方根误差、卡方、赤池信息量准则(AIC)3个统计量，检验模型的误差和拟合度如表2所示。
表2 模型检验的统计量Table 2 Statistics for model testing
2.1 声景类型、喜好度评分与声压级的关系分析
2.1.1 各测点声景喜好度评分与声压级
湿地公园内声压级较高的是测点1、4和8，声压级分别为53.57、54.70和49.50 dB(A)(如表3所示)。其中测点1位于公园内一处出水口边，出水口距水面有明显高差，水声较大；
测点4和8分别临近公园大门和施工区域，大门紧邻城市主干道，交通产生的噪声较大；
施工区产生较大的施工噪声。声压级较低的是测点5、6、7、9和10，其中测点6和7的声压级最低，分别为40.90、41.13 dB(A)。测点6和7位于公园东南侧的山地健身步道上，人流量低且四周树木围合度高，与公园东北侧的主干道距离较远，较为安静；
测点5，位于一个传统建筑大门外，建筑内播放具有传统特色的音乐，整体环境较为安静，压级为42.70 dB(A)；
测点10位于公园西北侧的山地小路上，正下方为公园环湖步道，环湖步道人流量较大，测点与步道间以低矮灌木为主，围合性较弱，声压级(42.43 dB(A))较测点6和7更大；
测点9位于人流量较大的环湖步道上，临水一侧有潺潺流水声，声压级(42.70 dB(A))较测点10更高。
表3 各测点声学参数和细节Table 3 Acoustic parameters and details at each measuring point
测点3、5、7、9、10的评分较高，其中评分最高的是测点5，为4.58，主要声源包括流水声和鸟鸣声；
测点3、7、10的主要声源包括鸟鸣声、昆虫声、风吹树叶声等；
测点9的主要声源为具有传统特色的音乐声，为该区域的特色声景元素；
上述测点(除测点9)以自然声为主，可见人们对于自然声的喜爱度较高。测点1、2、4、8的评分较低，其中测点4的评分最低为1.19，主要声源包括交通声和风声，其中交通声为主导音；
测点1的主要声源为水声和游船嬉戏声，其中水声为刺耳的哗哗声，为主导音；
测点8的主要声源包括施工声、风吹树叶声和昆虫声，施工声为主导音。可见，人们对于如施工声、交通声等声源的喜好度较低。
2.1.2 三类声景喜好度评分与声压级
地球声、人工声和生物声的评分均值分别为3.42、2.28和3.75，地球声和生物声评分显著高于人工声评分，如图2所示(P<0.05)，图中字母差异表示声景喜好度评分具有显著性差异(P<0.05)，下同。三类声景声压级均值依次为45.53、49和44.4 dB(A)，人工声声压级显著高于地球声和生物声的声压级，如图3所示(P<0.05)。
图2 声景类型与喜好度评分Fig.2 Soundscape types and their soundscape preference degrees
图3 不同声景的声压级Fig.3 Sound pressure levels of different soundscapes
声景喜好度评分与声压级Spearman分析如表4所示，表中N表示样本量。各声景的评分与声压级均呈显著负相关(P<0.01)，其中地球声的评分与声压级相关性最强为-0.913；
生物声评分声压级相关性最弱为-0.518。
表4 声景喜好度评分与声压级Spearman相关性分析Table 4 Spearman correlation between soundscapes preference and sound pressure level
2.2 预测模型构建
综合比较三类声景在11类函数模型的拟合结果，地球声和生物声的二次和三次曲线的R2一致，均为各模型中最高值0.90、0.81(如表5所示)；
人工声的对数曲线、逆函数、二次和三次曲线的R2相同，为各模型中最高值0.87。
2.3 模型比较与检验
选取三类声景R2最高的函数模型进行均方根误差、卡方和AIC检验，检验结果越接近理想值，模型的预测精度越大。地球声和生物声二次曲线模型的均方根误差与卡方误差均比三次曲线模型更接近理想值；
人工声逆函数模型的均方根误差与卡方误差比其余三个函数模型更接近理想值；
地球声与人工声二次曲线模型的AIC值和三次曲线模型一致，分别为-102.78、-113.11，最接近理想值；
生物声三次曲线模型的AIC值比二次曲线模型更接近理想值，为-124.66。声景喜好度评分与声压级拟合结果如表5所示，通过模型间拟合优度R2对比(表5)和声景喜好度评价模型的误差统计比较(表6)，地球声和生物声中二次曲线模型整体优于三次曲线模型，人工声中逆函数模型整体优于其余三类函数模型。
表5 声景喜好度评分与声压级拟合结果Table 5 Soundscape preference degrees and sound pressure level fitting results
表6 三类声景喜好度评价模型的误差统计量Table 6 Error statistics of three types of soundscape preference evaluation models
选取二次曲线模型对地球声和生物声进行喜好度与声压级数据拟合；
选取逆函数模型对人工声的喜好度与声压级数据拟合(图4)。地球声、生物声的评分在声压级为45、43 dB(A)时达到最大值4.63、4.60；
人工声的评分随着声压级增大而降低。
图4 三类声景模型公式及拟合优度Fig.4 Three types of soundscape model formulas and their goodness of fit
2.4 构建湿地公园声景喜好度评价模型
本研究考虑到湿地公园的声景中，地球声、人工声和生物声是同时存在、相互叠加混合的，因而将上述三类声景模型进行叠加，构建湿地公园声景喜好度评价(Soundscape Preference Evaluation of Wetland Park,ESPWP)模型的表达式为
式中：y为湿地公园声景喜好度评分，ygeo、yant、ybio为地球声、人工声、生物声的喜好度评分；
x为客观测得声压级。
通过对ESPWP模型预测值与实际评分进行拟合度分析，对模型的精度进行检验，结果如图5所示。R2=0.73。
图5 模型精度检验结果Fig.5 Model accuracy test results
3.1 不同声景类型的喜好度评分
地球声和生物声评分均值显著高于人工声，主要包括风吹树叶声、鸟鸣声和水声；
人工声主要包括音乐声、交通声和施工声。一方面，可能因为自然的声音(包括地球声、生物声)能够给人带来放松的感觉，有效地提高了人的声学舒适度[9,24]，受到人们的喜爱；
另一方面，人们对于声源类型的偏好会影响声景期望，从而影响主观感受[25-26]。自然声(如鸟鸣声，风声和水声)是人们最喜爱的声音，而机械声(如交通声，通风声和施工声)则被认为是不受欢迎的声音[27-28]，以施工声、交通声为主的人工声破坏了人们对于公园的声景预期，从而给人的主观感受带来了负面的影响。因此在人工声、地球声与生物声之间，人们偏好后两者。
人工声中音乐声的评分(4.31)显著高于交通声(1.19)和施工声(1.48)。音乐声评分较高，一方面可能是因为音乐声是测点9的特色声景元素，而已有研究发现，特色声景元素的营造有助于提升该区域的声环境质量[29]，从而增加了人对于该类声景的喜好程度；
另一方面可能是因为音乐声能给人的主观感受带来正向影响，有研究表明音乐声可以舒缓人的情绪，提高人的愉悦感[30]，在较为安静的环境中，音乐声可以丰富声音元素以提高游客游玩的兴致和愉快心情[31]。交通声与施工声评分较低，可能是因为该类声源识别度高且接受度低，容易使人产生紧张、焦躁的感受，从而影响人们对于该类声源的喜好度[18]。
3.2 声压级对声景喜好度的影响
三类声景评分与声压级均呈负相关。声压级对于声景的舒适度、放松性、交流性和强度感等均有显著影响[32]。较高的声压级可能导致声景体验的愉悦度和环境质量感知的敏感度下降[13]，从而导致喜好度评分较低。在相对宁静的环境中，人们会将注意力转移到视觉景观上，湿地公园中良好的自然环境能够产生一定的自然疗愈能力，从而给人的主观感受带来正向的影响，这在前人的研究中得到证实[33-34]，即随着对如植物、水体等自然要素注意力的增加，负面的主观感受将得到有效缓解。
从不同声景类型来看，地球声和生物声的评分与声压级呈二次函数关系，人工声的评分与声压级呈反函数关系(图4)。地球声和生物声在声压级为43～45 dB(A)时评分达到最大值，当声压级超过45 dB(A)时，随着声压级的增大，评分降低，即自然声的阈值为43～45 dB(A)。超过阈值评分降低的原因，可能是声压级过大使人产生了不舒适的感觉，从而对主观感受产生了负面的影响。有研究发现当声压波约为46 dB(A)时，人对于声景的喜好度较高[35]，与本文结果有差异，一方面可能因为该研究对象为古城，声音元素的构成与湿地公园有所区别；
另一方面，该研究没有对声景类型进行划分，造成了模型预测精度的不同。人工声在声压级增大的同时评分降低，二者呈反函数关系。可能因为人工声中的交通声、施工声等噪声会引起主观烦恼度，使人产生烦躁不安等感觉，声压级的大小对主观烦恼度的影响起重要作用[1]，从而影响人对于该类声景的喜好度评分。
3.3 湿地公园声景喜好度评价模型
已有学者对竹林空间[15]、森林公园[16]的声景喜好度进行了研究，但湿地公园较少涉及，因而本研究将其作为研究样地。在与前人研究的对比中，地球声、人工声、生物声的喜好度评价模型R2最大可达 0.90、0.98、0.91 与 0.93、0.91、0.92。相较而言，本研究的拟合度相对较低。竹林空间中，运用对数曲线构建评价模型；
森林公园中，由对数曲线与幂函数所组成的复合函数构建评价模型；
本研究运用二次曲线与反函数所组成的复合函数构建评价模型。本研究与上述的差异，一方面，可能是评价者在性别、年龄和学历上均有一定的差异性。声源感知的主观性较高，年龄、性别及教育背景是与声源感知最为密切的3项[26]。另一方面，可能是竹林的景观相对均匀，森林公园以林地为主，本研究样地面积相对较大，具有林地、水域等不同用地，声源类型丰富，造成评价模型以及模型精度的差异性。
ESPWP模型精度检测值R2=0.73、大于0.7，属于高性能模型[36]，模型性能较好。在实际应用中，该模型可以在不考虑声景类型的基础上，便捷、准确地将声压级这一声景客观数据转化为人对于声景环境喜好度的主观评价得分，进而模拟出游客的心理状态，为有湿地公园声景观的设计与优化提供参考。
通过对湿地公园声环境声压级、声景类型与喜好度评分三者关系的研究，得到结论如下：(1)声压级与各类声景的喜好度评分显著负相关；
生物声与地球声评分均值明显高于人工声(除音乐声)，人工声声压级均值明显高于地球声和生物声(P<0.01)。该结论可以为城市公园声景观的优化与提升提供大的思路。(2)运用曲线估计法，选择11类函数模型对湿地公园的声压级与声景喜好度进行拟合、比较，并通过均方根误差、卡方误差、与赤池信息量准则(AIC)对模型的误差和拟合度进行检验，结果表明地球声、生物声相对倾向于二次曲线函数，声压级的阈值为43～45 dB(A)，人工声倾向于逆函数模型，随着声压级增大评分降低。基于此结论，湿地公园中地球声与生物声的声压级应控制在43 dB(A)以内，同时控制人工噪声的声压级。可以通过在噪声源附近种植绿植以阻隔噪声的传入，或者在噪声源附近加入自然声(如播放自然声音频、加入水声景等)，以弱化噪声给人带来的负面影响。(3)通过对三类声景的喜好度模型进行叠加，构建湿地公园声景喜好度评价模型(ESPWP模型)，通过精度检验，该模型为高性能模型，可以将客观声压级数据转化为人的主观喜好度评分，进而便捷、快速地了解湿地公园中哪些地方的声景观需要提升，哪些需要保护，为湿地公园整体声景观的优化与提升提供数据支撑。因年龄、性别及教育背景是与声源感知最为密切的3项，本研究的评价者性别分布较为均衡，年龄组成以青年人为主(20～35岁)，所以上述结论更加适用于提升青年族群对于湿地公园声景的喜好度。
影响声景喜好度的因素还有很多，如不同声景持续时间和占比、视觉因素等等，在今后的研究中将对上述因素与主观喜好度评价的关系展开研究，进一步提高湿地公园声景喜好度模型的精度，以便于模型在实际中更好地运用。
猜你喜欢声景声压级声源虚拟声源定位的等效源近场声全息算法舰船科学技术(2022年11期)2022-07-15当代城市声景研究进展风景园林(2021年4期)2021-04-23《白噪音》中后现代声景的死亡伦理思考英美文学研究论丛(2021年2期)2021-02-16基于分析软件“CiteSpace”的声景研究英文文献知识图谱分析声学技术(2020年4期)2020-09-15一种计算消声室声压级的新方法计量学报(2020年2期)2020-04-11扬声器阵列辐射声压级自动控制装置设计声学技术(2019年6期)2020-01-19全新DXR mkll有源扬声器演艺科技(2019年4期)2019-03-30基于GCC-nearest时延估计的室内声源定位电子制作(2019年23期)2019-02-23运用内积相关性结合迭代相减识别两点声源噪声与振动控制(2016年5期)2016-11-09力-声互易在水下声源强度测量中的应用舰船科学技术(2015年8期)2015-02-27本文来源：http://www.zhangdahai.com/shiyongfanwen/qitafanwen/2023/0918/655941.html
