基于可解释多模态深度学习框架的动态环境暴露对瞬时压力影响研究

《Environmental Science & Technology》：An Explainable Multi-Modal Deep Learning Framework for Investigating the Influences of Dynamic Environmental Exposure on Momentary Stress

　　

城市压力源通过不利影响居民心理健康构成重大公共卫生关切。然而，以往研究多聚焦于静态暴露范式下的单模态压力源，对环境-压力关系中非线性效应的探索有限。本研究提出一种可解释的多模态深度学习框架，整合遥感影像（remote sensing imagery, RSI）、街景影像（street-view imagery, SVI）、移动传感器数据及兴趣点（points of interest, POIs），以准确预测并解释城市环境中的瞬时压力。研究人员利用在香港收集的4342条瞬时压力记录和125440条分钟级环境暴露记录验证该框架，实现了78.26%的准确率和82.77%的受试者工作特征曲线下面积（AUC-ROC）。多层梯度可解释性分析揭示：（i）最近25分钟内（T-24至T0）的环境暴露对瞬时压力影响最强，且压力预测存在显著空间异质性，凸显捕捉暴露动态性的重要性；（ii）识别出特定环境阈值，包括噪声55 dBA、PM_2.5 25 μg/m³、温度32 °C、湿度40%–70%以及绿化可见度25%；（iii）从空中视角来看，开放空间持续抑制压力，而建筑物的影响则取决于周围空间配置。本研究提供了一种整合性、可解释的工具，为公共卫生干预提供可操作的见解。

研究背景与问题：城市压力已成为重大公共卫生问题，环境暴露（如绿化缺失、噪声污染、空气污染、热浪和高密度建成环境）可触发压力反应，进而导致心理健康障碍、心血管疾病、代谢功能障碍和认知衰退等不良健康结局。然而，既往研究主要采用静态暴露范式，面临不确定地理情境问题（UGCoP）和邻里效应平均化问题（NEAP）的方法学挑战，难以捕捉个体日常移动中环境暴露的时空动态变化。生态瞬时评估（EMA）已成为捕捉瞬时压力的金标准方法，但现有研究多采用单模态方法（如仅基于RSI或SVI提取绿化、或仅通过移动传感器获取噪声和空气污染），缺乏多模态城市环境数据的整合，限制了对环境-压力关系的准确建模。此外，传统统计模型（如线性模型和广义线性模型[GLMs]）难以刻画环境-压力动态中的非线性响应曲线、阈值效应、时间滞后效应及多压力源交互效应。为此，研究人员提出一种创新的多源融合框架，整合SVI、RSI、POIs和移动传感器数据，采用深度学习技术建模并解释居民瞬时压力，以弥补单模态和线性分析的不足。

研究设计与方法：研究于2021年11月至2023年3月在香港四个地区（沙田、中西区、葵青和观塘）招募800名参与者，采用分层抽样方法，每位参与者佩戴GPS智能手机、便携式噪声计（SLM-25）和环境传感器（AirBeam）进行覆盖1个工作日和1个周末日的48小时监测，每日在固定时间点（12:00、16:00、20:00）接收EMA提示报告瞬时压力水平。研究共获得4342条瞬时压力记录，以及包含GPS坐标、噪声（LAeq，dBA）、PM_2.5（μg/m³）、温度（°F）和湿度（%）的125440条分钟级环境暴露记录；对应GPS坐标获取了19420幅遥感和街景图像及POI组成数据。研究采用的主要技术方法包括：基于CLIP的视觉编码器（CLIP-RSICD-v2）结合中心感知空间适配器（center-aware MobileNet）提取RSI嵌入特征；Mask2Former语义分割模型处理SVI并聚合为类别比例；分组多层感知机（MLP）处理结构化特征组；多尺度随机傅里叶特征编码器（multiscale random Fourier feature encoder）编码GPS坐标；两层门控循环单元（GRU）建模30分钟窗口内的时间动态；加权焦点损失函数（weighted focal loss）应对类别不平衡；利用梯度解释器（Gradient Explainer）进行基于SHAP（SHapley Additive exPlanations）的可解释性分析。

研究结果与发现：
(1) 模型性能与消融实验：通过10折交叉验证，最优模型配置（center-aware MobileNet-GRU）达到78.26%的准确率和82.77%的AUC-ROC。空间适配器和时间编码器的消融实验表明，MobileNet是RSI特征压缩的最优空间适配器，GRU是捕捉时间依赖的最有效时间编码器，中心感知机制带来约2%准确率和7%精确率的提升。模态消融实验显示，RSI嵌入是最强的单一预测因子，移除后精确率下降约10%，准确率下降8.7%，凸显空中视角城市形态的关键作用；GPS嵌入是第二强预测因子，其移除导致精确率损失5.9%，证实地理位置的显著影响；活动情境和个人社会经济地位（SES）位列第三和第四；SVI指标和POI组成提供了补充信息；移动传感器数据的边际贡献最小，可能因其捕捉的环境条件部分已编码于其他模态中。
(2) 环境暴露的时空模式：时间重要性分析显示，所有模态在T0（最接近压力报告的时间步）影响最强，并随时间回溯逐渐衰减。最近25分钟窗口（T-24至T0）内的环境暴露对瞬时压力预测贡献显著，而超过25分钟（T-25至T-29）的影响较弱。活动情境和SVI指标的拐点较早（约T-26），移动传感器数据拐点更近（约T-21），反映其更高的时间波动性。GPS SHAP空间分析揭示了显著的空间异质性：地理上邻近的位置可能对压力预测产生截然不同甚至相反的影响，连接郊区与城市群落的区域倾向于较低的预测压力概率，而中心城区则呈现相反模式。
(3) 特征重要性、非线性关系与空间归因：特征级SHAP分析显示，工作/学习是最重要的预测因子，其次是年龄，家庭收入和教育水平位列前五；餐馆POI总体排名第三；绿化在SVI指标中排名最高（总体第六）。依赖图揭示了多种阈值效应：噪声在55 dBA左右出现显著阈值，超过后预测压力概率急剧上升；PM_2.5在25 μg/m³左右呈现阈值效应；温度在约90 °F（32.22 °C）以上效应更明显；湿度呈现40%和70%的U形阈值模式；绿化可见度在约25%处出现阈值，超过后预测压力概率显著下降。活动情境中，工作/学习、个人事务和家务均增加压力预测，休闲呈现微弱压力缓冲效应；年龄呈负非线性趋势，家庭收入和教育的U形模式反映社会经济复杂性。RSI patch级SHAP归因图显示，植被和绿色空间一致呈现压力抑制作用，开放空间和休闲设施亦为蓝色归因，而主要多车道道路和高速公路互通倾向于红色归因，建筑物则呈现依赖城市形态背景的异质性模式，密集高层簇和靠近主要道路交叉口的建筑多为红色归因，而嵌入绿化或开放空间中的低密度建筑则多为蓝色或中性归因。

结论与意义：研究结果确立了瞬时环境暴露影响的短期有效窗口（约25分钟），为未来EMA设计中暴露评估的时间分辨率选择提供了具体依据。识别出的环境阈值与WHO社区噪声指南（55 dBA）和2005年WHO空气质量指南中PM_2.5指导值（25 μg/m³）一致，绿化约25%的阈值与城市绿色环境恢复效应的既往证据相符。建成环境通过其形态而非孤立要素发挥作用，规划应针对形态情境而非单独特征。本研究首次在统一深度学习架构中同时融合多视角影像（空中和眼平）、移动传感器数据和城市功能情境特征进行瞬时压力预测与解释，为理解真实移动条件下暴露-压力关系中的非线性、时间滞后、空间异质性和城市形态模式提供了方法论补充。该框架可直接服务于实时、空间特异性的压力监测与缓解策略，补充了当前多数政策所依赖的静态、居住地为基础的评估方式。该研究还面临若干局限，包括二分类牺牲压力强度粒度、单一城市（香港）的横断面设计限制普适性、30分钟窗口可能无法完全捕捉累积或延迟效应，以及依赖自我报告压力而非生理标志物等，未来研究应在多样化的城市情境和人群中进行验证，并纳入客观生理指标。