《Applied Geography》：Residential sentiments and spatial environments in urban villages: An X-minute community life circle analysis
编辑推荐：
为解决中国快速城市化进程中独特的城中村居住类型对其居民心理健康的影响问题，研究团队采用多源大数据与大型语言模型，基于5、10、15分钟社区生活圈，评估了深圳城中村居民的情绪及其周围环境特征。研究发现，城中村居民情绪显著低于普通人群，且负面情绪集中于郊区；10分钟生活圈内的环境变量影响最大，其中地铁站、绿地对其情绪有积极贡献，而工业园、建筑密度/高度则有负面影响。这项研究整合活动空间理论与大数据分析，加深了理解空间环境如何塑造边缘群体情绪，为通过营造更宜居、健康的城市环境以优化城市更新政策、提升居民生活质量和心理健康提供了实证基础。
随着全球城市化的快速推进，居民情绪这一影响城市长期发展的重要议题变得日益突出。据一项覆盖142个国家和地区的调查显示，2024年人们的五种负面情绪（压力、担忧、悲伤、痛苦和愤怒）相比十年前高出24%。在此背景下，揭示居民情绪与城市环境特征之间复杂关系的研究需求日益迫切。在中国，城中村作为一种独特的居住类型，是快速城市化进程中被绕过并最终被新建城区包围的原有农村聚落形成的非正式居住区。这些区域往往环境质量较差、设施不足，为大量流动人口提供低成本住房。以深圳为例，超过40%的城市建筑存量位于城中村，容纳了约1200万居民，占城市总人口的60%。然而，尽管城中村在包容性、便利区位和相对低租金方面具有吸引力，但其居民的情绪状态如何？他们日常活动的实际空间范围内的环境特征如何影响其情绪？这些问题尚未得到充分解答。
过去的研究大多基于行政单元或静态网格来探讨环境对居民情绪的影响，但这些单元无法代表居民实际的日常活动空间，可能导致环境暴露计算偏差，并与居民的日常生活需求存在空间错配。此外，现有研究多关注普通人群，很少聚焦于城中村这类边缘化居住环境中的居民。同时，虽然中国城市正在推广基于“社区生活圈”而非传统行政单元的规划理念，但鲜有研究基于这一概念探究居民情绪与环境特征之间的关联。特别是，在5分钟、10分钟、15分钟等不同空间尺度的社区生活圈中，环境特征对情绪的影响程度究竟有何差异，仍不明确。
为了回答这些问题，来自香港中文大学太空与地球信息科学研究所的研究团队在《Applied Geography》上发表了一项研究。他们采用多源大数据与机器学习方法，深入探究了深圳城中村居民情绪与其生活圈空间环境之间的关系。
研究人员主要运用了几项关键技术方法：首先，他们收集了2023年深圳市带有地理位置标签的新浪微博（Weibo）帖子数据，并利用经过微调的RoBERTa-wwm-ext-large中文预训练语言模型对这些帖子的文本进行情感计算，为每条帖子生成从0（负面）到1（正面）的情绪得分。其次，他们以每个城中村的地理中心为起点，利用百度地图路线规划应用程序编程接口（API），基于实际步行网络计算5分钟、10分钟和15分钟可达的最远距离，并采用凹壳（concave hull）算法生成了对应的社区生活圈范围。最后，他们整合了来自遥感影像（如Landsat 8计算归一化差值植被指数NDVI和归一化差值水体指数NDWI）、人口栅格数据（WorldPop）、兴趣点（POI）数据以及租金等多源数据，计算了每个生活圈内的各类环境特征变量。在此基础上，他们采用了蒙特卡洛模拟、空间热点分析、层次回归分析和岭回归等统计与空间分析方法来探究情绪差异及其环境驱动因素。
4.1 情绪分析与制图
研究人员对深圳市微博帖子的情绪得分进行了定量分析。结果显示，全市范围内正面帖子占85%，负面占15%，总体情绪倾向积极乐观。然而，在城中村范围内，正面与负面帖子的比例偏向负面，为82：18。城中村的平均情绪得分为0.796，显著低于全市平均水平0.814。蒙特卡洛模拟以99.9%的置信度证实了这一差异。空间分布上，情绪得分低于0.500（总体负面）的城中村有78个（占6.205%），主要集中于龙岗、宝安等郊区；情绪得分在平均水平（0.796）以下的城中村占57.916%；情绪得分高于平均水平的占35.879%。热点分析进一步显示，深圳大多数城中村呈现出低情绪聚集趋势，在99%置信水平上形成了明显的冷点，这些城中村主要聚集在郊区和工业园区附近；而在罗湖、宝安和南山区的交界处以及龙岗区东南部（大鹏新区）则显示出高情绪聚集，这些区域是城市中心边缘区和风景区。
4.2 社区生活圈内设施可达性差异
研究统计了不同时间阈值社区生活圈内设施的覆盖情况。在5分钟步行圈内，55.93%的城中村无法到达公交站，高达97.45%无法到达地铁站。在10分钟步行圈内，88.64%的城中村无法到达地铁站，13.47%无法到达公交站。在15分钟步行圈内，78.26%的城中村无法到达地铁站，但只有4.31%无法到达公交站。这表明虽然公交站点的步行覆盖相对广泛，但大多数城中村居民在其日常生活范围内缺乏地铁站，公交与地铁的覆盖存在显著差距。同时，超过50%的村庄在5分钟内可达部分生活便利设施，在10分钟和15分钟内这一比例分别上升至80%和90%以上。此外，72.53%的城中村在5分钟生活圈内没有工业园区，在10分钟和15分钟生活圈内这一比例分别降至35.26%和17.97%。
4.3 影响城中村居民情绪的因素分析
4.3.1 层次回归分析
针对5分钟社区生活圈的回归分析发现，设施可达性对城中村居民情绪得分没有显著影响。在5分钟步行范围内，停车场数量与情绪得分呈显著正相关，而道路密度和公司数量则呈显著负相关。
对于10分钟社区生活圈，包含了所有环境变量的模型具有最高的调整后R2和最低的赤池信息量准则（AIC），表明设施可达性提高了对情绪得分的预测能力。其中，人口密度、建筑密度和工业园区数量与情绪得分呈显著负相关，而地铁站数量则呈显著正相关。
对于15分钟社区生活圈，包含了所有变量的模型具有最高的调整后R2，但仅包含环境质量暴露变量的模型AIC最低。具体而言，建筑密度和工业园区数量与情绪得分呈显著负相关，而地铁站数量与归一化差值植被指数（NDVI，代表绿度）则呈显著正相关。
4.3.2 岭回归分析
为处理变量间可能存在的多重共线性，研究进行了岭回归分析。结果显示，对于5分钟生活圈，生活圈面积和NDVI与情绪得分显著正相关，而归一化差值水体指数（NDWI）则呈显著负相关。10分钟和15分钟生活圈的岭回归模型发现了相似的关系：地铁站和NDVI与情绪得分显著正相关，而工业园区、建筑密度和平均建筑高度则显著负相关。值得注意的是，这些负相关变量的标准化系数绝对值在10分钟模型中最大，15分钟模型次之，5分钟模型最小。这表明10分钟社区生活圈内的环境变量对城中村居民情绪的影响最为显著。
研究结论与讨论
本研究揭示了深圳城中村居民的情绪状态及其空间环境影响因素。主要结论如下：首先，城中村居民表达的情绪显著低于深圳市普通人群，且低情绪得分主要集中在郊区。这反映了尽管深圳整体经济发达，但居住在城中村这类边缘化社区的人群在心理健康和幸福感方面可能面临更多挑战。
其次，研究最重要的发现之一是，10分钟社区生活圈内的环境特征对城中村居民情绪的影响最大。这很可能与城中村高密度、步行主导的生活模式以及居民对近距离设施的高度依赖有关。超过10分钟步行范围，居民可能会转向其他交通方式，环境设施对情绪的直接影响减弱。
最后，研究识别出了对情绪产生显著影响的具体环境因素。地铁站和绿地的存在对居民情绪有积极贡献，这强调了公共交通便利性和自然环境接触对提升心理健康的重要性。相反，工业园区、较高的建筑密度和建筑高度则对情绪产生负面影响。工业园区可能带来噪音、污染等负面环境影响，而高密度和高层建筑可能导致拥挤、采光通风不佳、压抑感等问题，从而损害居民的心理福祉。
这项研究具有重要的理论与实践意义。在理论层面，它将活动空间理论与大数据分析相结合，深化了对空间环境如何塑造边缘群体情绪的理解，推动了城市研究与情感地理学的发展。在实践层面，研究结果为城市规划和更新政策提供了实证依据。它提示规划者应特别关注10分钟生活圈尺度内的环境优化，例如，在城中村改造和新区规划中，应优先考虑增加绿地空间、改善地铁等公共交通的可达性，同时合理控制建筑密度和高度，并审慎布局工业园区，以营造更宜居、健康的社区环境，最终提升居民的生活质量和心理健康水平。
