《Ecological Informatics》：Quantifying physiological arousal to rural visual configurations: A mixed-effects modelling framework for hypothesis generation
编辑推荐：
乡村更新正在重塑村庄景观，但现有的视觉评估方法仍主要依赖于绿色度、土地利用构成、生态指标或主观评分。这些方法支持规划决策，但对自然要素、建成要素与开敞要素的何种组合与人类观看尺度上的短期生理唤醒相关，所提供的证据仍然有限。研究人员因此开发了一个概念验证框架，将
乡村更新正在重塑村庄景观，但现有的视觉评估方法仍主要依赖于绿色度、土地利用构成、生态指标或主观评分。这些方法支持规划决策，但对自然要素、建成要素与开敞要素的何种组合与人类观看尺度上的短期生理唤醒相关，所提供的证据仍然有限。研究人员因此开发了一个概念验证框架，将乡村照片转化为可测量的视觉剖面，并在受控观看条件下评估短期自主神经反应。研究人员依据五项场地标准选取了中国东部四个村庄，以涵盖不同的规划与景观条件。候选场景首先在实地行走中通过可穿戴传感与同步第一人称视频进行筛选，随后40张照片在受控实验室观看条件下进行评估。视觉特征通过可见场景要素比例、边缘密度、颜色熵和探索性主成分分析（PCA）进行量化，对比性场景构型随后进行事后描述而非事先设定。混合效应模型检验了皮肤电导反应（SCR）和心率变异性（HRV）的变化，同时考虑参与者内部的重复观测，生理结果随后在构型层面上与视觉特征剖面共同解读。部分视觉构型与较高的皮肤电导反应相关，而心率变异性的变化在各图像组之间无显著差异。观察到的唤醒模式不能简化为绿色度、边缘密度或颜色熵单一指标；相反，建成要素、自然要素、开敞度与结构细节的联合组织为解释提供了更具信息量的基础。该研究的贡献在于将实地筛选、计算机视觉、生理传感和试验水平混合效应建模适配为一个用于乡村视觉评估假设生成的概念验证框架。该框架并非旨在推断情感效价、恢复机制或长期健康效应，而是识别具有生理显著性的乡村视觉构型，以通过虚拟现实（VR）、实地实验或效价敏感测量进行未来验证。
**论文解读：基于混合效应建模的乡村视觉构型生理唤醒量化研究**
**一、研究背景与问题**
乡村更新正在深刻改变乡村环境的视觉形态、空间组织与日常体验。乡村景观具有天然异质性，同一景观中交织着农业生产、自然要素、住房与基础设施、旅游设施及公共空间。然而，主流景观评估实践仍依赖土地利用构成、生态状况、绿化水平与公众意见调查等宏观指标。这些指标虽能刻画总体规划与环境条件，却难以回答一个关键问题：在人类观看尺度上，何种自然、建成与开敞要素的组合会在短期暴露中产生视觉显著性并引发可测的生理响应。已有研究多聚焦高密度城市环境或相对均质的自然景观，过渡性乡村景观在基于图像的视觉特征与生理响应关联研究中仍属空白。本研究旨在构建一个概念验证框架，将乡村场景转化为可量化的视觉剖面，并连接至受控观看条件下的试验水平自主神经反应，以筛选值得进一步验证的唤醒相关视觉构型。
**二、研究设计与主要结论**
研究人员在安徽省选取四个类型各异的村庄作为研究场地，以涵盖城乡融合、传统村落保护、文化创意旅游及农业观光等不同规划与景观条件。研究依托三项阶段任务展开：第一阶段，16名大学生佩戴多模态生理腕带并同步录制第一人称视频，在实地行走中通过皮肤电导信号识别生理显著时刻，据此筛选出每村10张共40张候选照片；第二阶段，60名新招募大学生在受控实验室条件下观看照片，同步记录皮肤电导活动（EDA）与心电图（ECG），经质量筛查保留55份有效数据；第三阶段，运用语义分割提取10类场景要素比例，计算边缘密度与颜色熵，结合主成分分析（PCA）降维，并以线性混合效应模型（LMM）检验不同类型村庄图像间的ΔSCR与ΔRMSSD差异。研究发现：相对于参考类别村庄A，村庄B（人工复杂型，β=0.028, p<0.001）与村庄D（开敞简约型，β=0.019, p=0.025）均表现出显著更高的皮肤电导反应增量（ΔSCR），而村庄C（自然多样型）无显著差异（β=0.004, p=0.520）；ΔRMSSD在所有村庄类型间均无显著差异。论文发表在《Ecological Informatics》。
**三、关键技术与方法**
本研究采用的核心方法包括：基于可穿戴传感与同步第一人称视频的实地候选场景筛选；基于SegFormer模型与ADE20K数据集微调的像素级语义分割；基于Canny边缘检测的边缘密度计算与基于HSV颜色空间色调通道香农熵的颜色熵计算；探索性主成分分析（PCA）进行视觉特征降维；以及考虑参与者随机截距与随机斜率的线性混合效应模型（LMM）进行试验水平生理数据分析。样本来源为中国东部安徽省四个规划建设类型不同的村庄，第一阶段与第二阶段参与者分别来自城乡规划、风景园林、建筑学与人文地理专业的在校本科生及硕士研究生。
**四、研究结果**
**4.1 照片刺激筛选与场景类型描述**
第一阶段实地行走中，研究人员利用腕带导出的皮肤电导反应序列，以60秒滑动窗口和10秒步长检测超过1.5个标准差的偏差时刻，并与同步视频对齐提取候选帧。经清晰度筛选、去重和空间节点覆盖检查后，每村保留10张共40张高清静态照片。所选刺激因经生理显著性富集，不宜视为村庄场景的独立随机样本。
**4.2 乡村视觉构型的生理响应**
基于55份有效数据的混合效应模型结果显示，村庄类型对ΔSCR有显著主效应。村庄B和村庄D的ΔSCR显著高于参考类别村庄A，而村庄C无显著差异。呈现顺序仅呈趋势水平效应（β=0.005, p=0.067），不具统计显著性。敏感性分析确认拉丁方平衡有效（χ2=8.65, df=9, p=0.47），村庄类型效应在连续顺序模型、分类顺序模型及不含顺序模型中均保持稳健。ΔRMSSD模型中，所有村庄类型与呈现顺序均无显著效应，提示10秒静态图像暴露范式下，皮肤电导反应较超短时程RMSSD对场景类型差异更为敏感。
**4.3 客观景观特征与类型学**
语义分割与图像结构指标分析显示：村庄A以天空、植被和地面为主，呈自然开敞但内部异质的特点；村庄B拥有最高的建筑和道路比例，色彩熵较高，呈人工复杂构型；村庄C植被比例达56.59%，边缘密度最高（0.134），呈自然多样构型；村庄D以天空和植被为主，建筑与道路比例极低，视觉结构简单，呈开敞简约构型。PCA分析中，前两个主成分解释47.4%总方差，PC1负荷于植被、边缘密度与颜色熵，PC2负荷于道路、建筑与色彩熵，四个村庄图像集在PC1-PC2平面上呈差异化分布。
**4.4 构型层面的视觉—生理综合**
综合结果表明：人工复杂构型（村庄B）与开敞简约构型（村庄D）均关联较高的ΔSCR，但两者视觉特征截然不同；自然多样构型（村庄C）尽管植被最丰富、边缘密度最高且色彩熵与村庄B几乎相同，却无显著ΔSCR差异。该模式说明短期唤醒反应无法归因于绿色度、边缘密度或色彩熵任何单一指标，而应从构型层面整合解读。
**五、讨论与结论**
讨论部分提出两种事后解释倾向：负荷相关唤醒——视觉信息密集、结构碎片化的场景（如村庄B）可能因感知处理需求增加而引发较高的皮肤电导反应；定向/参与相关唤醒——开敞且结构清晰可读的场景（如村庄D）可能因显著的开敞度和深度线索引发注意参与。研究同时强调，村庄C的无显著差异提示视觉复杂性本身并非生理显著性的充分条件。预测加工理论被用作解释视角而非验证机制，传统绿色视率指数（GVI）的局限在于仅测度绿色数量而未考虑空间组织方式。研究局限包括刺激选择的循环性风险、类型学标签的事后性、10秒暴露对副交感指标的时间约束以及参与者专业背景的局限性。结论指出，该框架的主要价值在于假设生成与视觉诊断筛选，未来需通过独立采样刺激、更长暴露时长、沉浸式虚拟现实（VR）或实地实验、效价敏感测量及更多元化的参与者样本来验证所提出的构型水平假设。
