编辑推荐：
为更精准地评估风力发电机噪声（WTN）对社区感知的影响，本研究创新性地引入了心理声学与个体差异视角。研究人员在爱尔兰韦克斯福德郡的风电场附近采集噪声，通过实验室受控听力实验评估烦恼度，并构建了纳入响度（Loudness）、波动强度（Fluctuation Strength）和粗糙度（Roughness）等心理声学指标及噪声敏感度（WNSS）的广义线性混合效应模型。研究证实响度是预测烦恼的最强指标，且个体敏感度显著影响响应阈值。通过建立LAeq,24h与响度的经验关系，并利用ArcGIS和克里金插值，生成了不同敏感度人群的烦恼概率空间地图，为风能项目的环境噪声管理与可持续规划提供了更包容、基于证据的分析框架。
风力发电作为一种清洁的可再生能源，在过去十年受到了广泛关注，但其发展也伴随着“成长的烦恼”——风力发电机运行时产生的噪声。这种噪声常被描述为“嗖嗖声”和“砰砰声”，对风电场附近居民的生活质量构成了显著干扰，成为制约风能项目被社区接纳的重要因素之一。传统的噪声评估主要依赖于A计权等效声级（LAeq）等物理声学指标，但这些指标在解释人类实际听觉感受和由此引发的烦恼度方面存在局限。问题的关键在于，噪声的物理强度并不等同于人的主观感知，不同的人对相同声音的耐受程度也可能天差地别。为了弥合物理测量与主观感知之间的鸿沟，更精准地预测和管理风力发电机噪声对社区的影响，一项结合了前沿心理声学、个体差异研究和地理空间技术的研究由此展开。
这项研究旨在将心理声学指标整合到风力发电机噪声烦恼度评估中，以提供对噪声感知及其社区影响的更准确表征。研究人员通过在爱尔兰韦克斯福德郡四个运营中的风电场附近14个监测点收集噪声数据，并进行实验室受控听力实验，最终构建了包含心理声学指标和个体噪声敏感度的烦恼度预测模型，并生成了空间化的烦恼概率地图。这项研究已发表在《Applied Acoustics》期刊上。
为开展此项研究，作者主要运用了以下几个关键技术方法：1. 现场噪声数据采集与处理：在风电场周边14个监测点使用Bruel & Kjaer 2250声级分析仪进行噪声测量和音频录音，并提取响度（Loudness）、尖锐度（Sharpness）、波动强度（Fluctuation Strength）、粗糙度（Roughness）等心理声学指标。2. 受控实验室听力实验与心理测量：招募46名听力正常的参与者，在隔音实验室内聆听经过聚类筛选出的代表性风力发电机噪声样本，使用5点李克特量表评估主观烦恼度。实验前通过在线问卷收集了参与者的人口学信息和基于Weinstein噪声敏感度量表（WNSS）的噪声敏感度得分。3. 统计建模与预测：使用广义线性混合效应模型（GLMM）分析心理声学指标、噪声敏感度及其交互作用对烦恼度（二分类变量）的影响。4. 噪声传播模拟与空间预测：利用Predictor-LimA软件基于ISO 9613-2标准模拟研究区域的噪声传播，得到高空间分辨率的LAeq谱数据，并据此计算响度。通过建立实测与计算响度之间的关系，使用ArcGIS软件和克里金（Kriging）插值技术，将统计模型预测的烦恼概率进行空间化制图。
3.1. WTN的声学特性
研究人员分析了167段、每段10分钟的风力发电机噪声录音。监测点的LAeq值在32.39至46.32 dB(A)之间，而强调低频成分的LCAQ值则显著更高（50.32至67.10 dB），两者差异大部分超过20 dB，证实了低频成分是WTN声学特征的重要组成部分。通过聚类分析从录音中选出了18段具有代表性的90秒音频作为听力实验的刺激材料，这些材料在响度、尖锐度、波动强度和粗糙度等心理声学指标上呈现出明显的组间差异，确保了实验能覆盖广泛的感知属性。
3.2. 多重共线性分析
在构建烦恼度模型前，对心理声学预测因子进行了多重共线性分析。发现尖锐度（Sharpness）与其他变量（尤其是粗糙度，r = -0.87）存在强相关性，其方差膨胀因子（VIF）高达31.47，存在严重共线性。因此，为确保模型稳定，在最终模型中排除了尖锐度这一指标。
3.3. WTN烦恼度建模
广义线性混合效应模型结果显示，响度是预测烦恼度的最强指标（β = 0.80, p < 0.001）。粗糙度、波动强度和实验中的暴露时长（Exposure）也是显著的正向预测因子。个体噪声敏感度（WNSS）不仅本身是显著的主效应（β = 1.29, p = 0.018），还与响度、粗糙度和暴露时长存在显著的交互作用，表明高敏感度个体会放大这些声学指标对烦恼度的影响。模型预测表明，在观测到的现场最高响度水平（5.5 sone）下，低、中、高敏感度个体的预测烦恼概率分别为0.4、0.73和0.91，差异巨大。
3.4. LAeq与响度之间的关系
研究建立了现场实测响度与LAeq,24h之间的经验关系（N_measured = 0.0214 exp(0.1269 L_Aeq,24measured)），以及通过噪声传播模型计算得到的响度与LAeq,24h之间的关系（N_calculated = 0.0214 exp(0.1242 L_Aeq,24calculated)）。两者高度一致，最大差异（0.67 sone）在可察觉差异（JND）范围内，验证了利用常规噪声模拟输出（LAeq谱）来可靠估算感知响度并进行空间外推的可行性。
3.5. 烦恼概率的空间预测与噪声烦恼地图绘制
基于已建立的模型和LAeq与响度的关系，研究利用ArcGIS生成了研究区域的响度空间分布图，并进一步绘制了针对低、中、高三种噪声敏感度人群的烦恼概率地图。
- •
响度地图显示，响度在风机附近最高（超过30.9 sone），随着距离增加而逐渐降低，在500米退让距离处，敏感接收点的响度在1.9至5.5 sone之间。
- •
低敏感度人群的烦恼概率在大部分地区都极低，超过500米后概率普遍低于0.10，影响甚微。
- •
中等敏感度人群的烦恼影响范围更广。在500米退让距离附近，烦恼概率在0.30-0.52之间；在1500米处，概率仍可达0.10-0.20。
- •
高敏感度人群受到的影响最为显著和广泛。在风机近场，烦恼概率可超过0.90；在500-1000米范围内，概率仍维持在0.45-0.70的高位；直至1500米，概率依然在0.30-0.45之间。
这些地图清晰地揭示，固定的噪声退让距离无法均等地保护所有居民，个体噪声敏感度是决定烦恼空间范围与强度的关键调节因素。
结论与讨论
本研究通过整合心理声学分析与个体差异研究，证实响度是预测风力发电机噪声烦恼度的最强且最稳定的声学指标，而个体噪声敏感度是调节这种关系的关键变量。这意味着，仅基于物理声压级的传统评估方法会忽略人群内部感知反应的巨大差异，可能导致规划和管理措施失效。本研究的创新之处在于，通过建立物理声级（LAeq）与感知响度之间的转换关系，成功地将心理声学指标和个体敏感性整合到一个可空间化的预测框架中。生成的烦恼概率地图直观显示，对于高敏感人群，烦恼影响可延伸至远超常规退让距离（如500米）的范围，这挑战了“一刀切”式的噪声管控思路。
该研究的重要意义在于，它为环境噪声管理，特别是风能项目的可持续规划，提供了一个更包容、更基于证据的框架。该方法强调在评估噪声影响时，需要同时考虑声音的知觉属性（心理声学）和聆听者的人格特质（噪声敏感性），从而实现从“声源导向”到“受体导向”的视角转变。未来研究可将此框架扩展，纳入视觉影响、对风电的态度等非声学因素，并结合长期现场数据进行验证，从而进一步增强其在复杂现实环境中的预测能力和政策指导价值。总之，这项工作推动了从简单的物理合规性检查，迈向对社区感知健康影响进行精细化、人性化评估的重要一步。
