城市森林公园声源感知的5个数据来源与处理

数据来源与处理

 

 

为获取较高人流量情况下的数据信息，调研于2020年10—11月期间选择风速较小且天气晴朗的休息日开展，分别在21处采样点通过现场监测与问卷调查的方式收集声景监测数据与声景感知数据。采集时间集中在上午8：00—11：00，下午13：00—16：00、傍晚17：00—19：00共3个时段。

由于研究区域较大，无法在同一时段收集区域内所有采样点的相关数据，参照前人研究，选择对划分的各个功能区进行记录，将各功能区中每个采样点的3个采样周期获取声景感知数据与3min的声级数据[13]。

 

2.1.1声景监测数据

 

采用声级计(BSWA308)测量各样点不同时段的声学指标数据，包括等效连续A声级(LAeq)与累积百分声级L10(反映前景声特征)与L90(反映背景声特征)。并在后续的分析中加入了L10-L90合成参数，以反映声景物理声学属性的动态特征[14]。

 

2.1.2声景感知数据

 

问卷调查在样点150m范围内进行，随机选择受访者，要求受访者根据此时此地的体验，对表1中各声源的感知频率、感知响度和偏好度采用李克特七级量表(1非常低，7非常高)进行评价[15]。最终获取有效问卷814份，回收率97%。经过信度检验，Cronbach'salpha系数为0.846(>0.7)，问卷可靠性很高。效度分析通过KMO与Bartlett球形度检验进行，其中KMO=0.761(>0.6)，显著性p=0.000(<0.01)，问卷效度较好。

 

 

本研究通过ArcGIS10.5利用反距离权重法进行空间插值，分析物理声级与声景感知的时空格局。为更好地反映声景特征，研究通过声景感知的综合评价指标——声源和谐度，对声景感知特征进行深入分析，在GIS空间统计中运用空间自相关模型分析声源和谐度的空间依赖性，最后通过GIS多元分析的波段集统计，探讨物理声级与声景感知的空间关系。

 

2.2.1声景感知综合评价指标

 

声源和谐度(SHD)由声源优势度(SDD)与偏好度(PFS)决定，反映某一声源的优势度与人们对这一声源偏好度的相符程度[16]。其计算公式如下：

 

式中，j为第j个样本；i为第i个声源；n为样本量；POS与PLS分别为某一声源的感知频率与感知响度，声源的偏好程度利用指数函数的特征来确定其方向值，与声源优势度相乘获得声源和谐度。以声源偏好度均值作为临界值，当偏好度大于临界值时，则优势度越大，声源和谐度越大。反之，若偏好度小于临界值，则优势度越大，声源和谐度越小。

 

 

有研究指出，对于声景的规划应用，全局模型更具有普适性，可适用于所有情况[17]。而全局统计虽可有效地解释声景在空间上的一般情况，但由于声景会受到诸多因素的影响，全局模型并不总是有效，声景感知的变化因周边环境而异[18]。本研究通过全局与局部空间自相关对各类声源的和谐度做深入分析，探讨其空间分布态势，以及各采样点与相邻样点声源和谐度的自相关性，可进一步了解声景感知的空间特征和变化规律，并探索影响其分布的潜在因素。

 

1)全局空间自相关。

 

采用全局统计的Moran'sI指标，可评估区域整体某一要素的属性在空间上聚集或离散的程度[19]。Moran'sI的取值在[-1，1]，当I>0时为空间正自相关，属性呈聚集模式；当I<0时为空间负自相关，属性呈离散模式；当I=0时为无相关关系，属性呈随机分布模式。全局自相关通过z得分和p值检验其显著性，其中，z得分表示标准差的倍数，当z>1.96、z<1.96或z>2.58、z<2.58时，表示要素的某属性在空间上存在显著或极为显著的空间自相关性。GlobalMoran'sI模型公式如下[20]：

 

式中，n为空间样点总数；wij为第i、j样点间的空间权重系数，其空间关系参数选择反距离法生成空间权重文件；zi、zj为样点i、j的属性值与其平均值、的偏差；E[I]为自相关的期望值。

 

2)局部空间自相关。

 

采用局部统计的AnselinLocalMoran'sI指标，可识别要素具有高值或低值的空间集聚模式，并识别是否存在空间异常值，可有效分析不同样点与其相邻区域在空间上的不同差异程度和显著性水平[21]。当I>0时表示该属性的空间分布具均质性，当I<0时表示该属性的空间分布具差异性。AnselinLocalMoran'sI模型公式如下[22]：

 

式中，xi和xj为样点i和j的属性；为属性的平均值；wij为第i、j样点之间的空间权重系数，其空间关系参数选择反距离法。在聚类与异常值分析中生成的COType字段能够区分具显著性的高值聚类(HH)、低值聚类(LL)、高值由低值围绕的异常值(HL)、低值由高值围绕的异常值(LH)，以及不显著(NS)，其显著性置信度为95%。

 

2.2.3物理声级与声景感知的空间关系

 

利用GIS空间多元统计中的波段集统计，将对应时段的声级与声景感知栅格地图导入，将2个图层像元值相关联，构建栅格数据之间的相关系数矩阵，以描述声级与声景感知在不同时间段的空间关系。

 

空间相关系数R的取值在[-1，1]，当R>0时为空间正相关，呈集聚模式，且系数绝对值越大集聚趋势越显著；当R<0时为空间负相关，呈离散模式，且系数绝对值越小离散趋势越显著；当R=0时为不存在依存关系。