迈向对景观促进健康潜力的多理论理解

《Journal of Environmental Psychology》：Towards a multi-theory understanding of the salutogenic potential of landscapes

　　拉里萨·萨曼（Larissa Samaan）| 努尔·塔维尔（Nour Tawil）| 马克·卢斯蒂格（Mark Lustig）| 索菲·鲁普（Sophie Rupp）| 西蒙娜·库恩（Simone Kühn）| 莱奥妮·阿斯科内（Leonie Ascone）
神经可塑性研究小组，汉堡-埃彭多夫大学医学中心（UKE）心理社会医学中心、精神病与心理治疗诊所及综合诊所，马丁大街52号，20246汉堡，德国

**摘要**
尽管已有众多理论试图解释人们对景观的积极心理反应，但这些理论通常被孤立地研究，且许多理论尚未被转化为标准化的评分格式。现有的问卷也常常混合了描述性、认知/注意力和情感内容，这使得很难从实证角度区分景观特征与其可能引发的心理效应。

**方法**
我们采用了统一的评分格式，将来自成熟景观问卷的条目与基于理论的新开发条目相结合（例如可供性、前景-避难所理论、信息处理理论、感知流畅性理论）。问卷中还包含了情感反应条目，以评估这些条目在自我报告层面上的可区分性。共有300名普通参与者对20幅景观图像进行了全面评估。我们进行了多层探索性因子分析，旨在：（1）验证来自不同理论的条目是否聚合成具有实证意义的潜在维度；（2）检验景观评分条目与自我报告的情感反应是否代表不同的心理结构。随后，我们运用多层回归分析来探讨这些潜在景观维度如何预测人们对图像的情感反应。

**结果**
除了验证了成熟问卷的因子结构外，我们还发现了两个新的独特维度，反映了“进化解释”和“视觉品质”这两个理论方面。情感反应条目的负荷与景观评分条目不同。所有已建立的以及新开发的量表都对情感反应评分具有显著预测作用。

**结论**
我们的发现为识别视觉景观感知的潜在理论维度提供了实证基础，并澄清了景观特征评估与人们对景观的情感反应评估之间的区别。这些新发现的维度可能为未来关于景观心理反应的研究提供宝贵视角，并有助于更细致地评估视觉因素对心理的影响。

自然环境对身心健康的有益影响在环境心理学领域已有充分研究（例如，Bowler等人，2010年；Bratman等人，2012年）。例如，在自然环境中散步相比在城市环境中散步可以降低压力（Meredith等人，2020年；Sudimac等人，2022年），改善情绪（McMahan & Estes，2015年），并带来认知上的益处（Berman等人，2008年）。即使只是观察自然景观而非城市景观也具有恢复效果（Jo等人，2019年；Van Den Berg等人，2015年）。虽然传统研究主要探讨自然/乡村环境与城市环境之间的差异（例如，Kühn等人，2020年；Lederbogen等人，2011年），或视野中是否存在自然元素（例如，Bra?e等人，2020年；Pouso等人，2021年），但近期研究旨在确定哪些具体特征构成“恢复性”景观或更普遍地影响人类福祉（例如，Bratman等人，2019年；Mascherek等人，2022年；Stigsdotter等人，2017年；Sztuka等人，2022年；Zhu等人，2022年）。

**解释自然景观积极心理效应的理论**
最著名的理论包括注意力恢复理论（ART；R. Kaplan & Kaplan，1989年；S. Kaplan，1995年）和压力缓解理论（SRT；Ulrich，1983年；Ulrich等人，1991年）。根据ART理论，城市环境中的生活需要持续定向的注意力，从而逐渐消耗注意力资源；而自然环境通过某些特性（如“柔和的魅力”、“远离尘嚣的感觉”、“协调性”或“广阔的视野”）帮助恢复注意力资源（R. Kaplan & Kaplan，1989年；S. Kaplan，1995年）。SRT理论认为自然环境能引发自动的积极情感反应，从而减轻压力（Ulrich，1983年；Ulrich等人，1991年）。ART理论侧重于认知资源，而SRT理论则强调情感方面的恢复效应。这两种理论都与生物亲和力假说一致，即人类福祉源于与自然的联系，因为某些景观类型在进化过程中更有利于生存（Wilson，1984年；另见Fromm，2003年；Rathmann，2020年）。

其他基于进化论的概念还包括可供性理论（AA；例如，Heras-Escribano & De Pinedo-García，2018年）、前景-避难所理论（PRT；Appleton，1975年）和信息处理理论（IPT；R. Kaplan & Kaplan，1989年）。可供性理论关注人类与其环境之间的互动（例如，Heras-Escribano & De Pinedo-García，2018年；Menatti & Casado Da Rocha，2016年）。术语“可供性”由James Gibson（1979年）提出，最初用于描述环境为动物提供的互动资源和机会。在健康促进背景下，这些机会可能包括适合步行的小径、促进社交互动的空间或提供休憩场所（De Bell等人，2017年；De Vries等人，2010年；Rathmann，2020年）。

前景-避难所理论（Appleton，1975年）认为动物（包括人类）偏好同时具备良好视野和庇护功能的景观。一方面，良好视野有助于获取视觉信息和探索资源；另一方面，庇护功能可以抵御捕食者或极端天气等威胁（Appleton，1975年；Rathmann，2020年）。这一理论可以用康拉德·洛伦兹的话“既能看见他人又不会被看见”来概括（Lorenz，1978年）。信息处理理论（R. Kaplan & Kaplan，1989年）则强调偏好那些便于获取信息和快速理解景观结构的景观。该理论提出了四个促进信息处理的景观特征：协调性（场景的可解释性和和谐性）、复杂性（高多样性以发现新事物）、可读性（能够理解景观并定位自己）和神秘感（给人留下更多探索空间的印象）。

最近的感知流畅性理论（PFA；Joye & Van Den Berg，2011年）对一些进化论假设提出了挑战（参见Menzel & Reese，2022年）。根据该理论，自然景观比城市景观更容易被人类视觉系统处理，从而带来认知上的缓解和积极情感反应。换句话说，压力减轻和注意力恢复被视为流畅视觉处理的副产品（Joye & Van Den Berg，2011年）。

虽然这里提到的理论并不全面，但它们是理解景观积极心理效应的核心框架。此外，还有其他理论模型涉及本研究之外的关键方面。附录中的表A1详细梳理了各种解释景观积极心理效应的理论，以及可能在类似研究方法中有效识别潜在结构的初步思路。

**基于不同理论的问卷**
为了实证验证这些理论的有效性，需要将其转化为具体的评分工具。上述一些理论已被转化为问卷。例如，“感知恢复性量表”（PRS；T. Hartig等人，1997年；另见T. Hartig、Korpela等人，1997年；Pasini等人，2014年）便是基于ART理论的成熟测量工具，包含26个项目，评估“远离尘嚣的感觉”、“魅力”、“协调性”和“适宜性”四个维度。该量表已通过因子分析得到实证验证。另一项被广泛使用且经过验证的测量工具是“沉思型景观模型”（CLM；Olszewska等人，2016年），它通过明确的设计原则来评估空间的沉思性，包含七个设计类别。尽管该量表不基于单一理论，但其条目可以与ART或SRT等理论的内容相契合。CLM的作者认为，景观对心理健康的影响是通过其对大脑的作用实现的（Olszewska-Guizzo等人，2023年）。

景观评分工具的一个重要实际应用是指导景观设计（如CLM所示）。这类工具可用于公园或花园等室外空间的设计（例如，Olszewska-Guizzo等人，2022年；Peschardt等人，2016年；Qi等人，2024年），以及室内空间（如医院、医疗机构或私人住宅的壁纸和图像选择［参见Ascone等人，2026年］，这些因素也被证明会影响身心健康（Nanda等人，2011年；Ulrich等人，1993年；综述见Jo等人，2019年）。此外，这类景观评分还能系统地为研究不同景观对心理健康的影响提供依据（参见Olszewska等人，2016年）。

**研究空白**
尽管在景观积极心理效应的理论研究方面已有大量成果，但关于这些不同理论所描述的构念是否代表不同的或重叠的景观感知和评价维度，目前仍缺乏实证依据。尽管存在许多景观问卷，但许多问卷基于特定理论框架，忽略了其他可能解释积极心理效应的领域，或根本缺乏明确的理论基础。同时，一些有影响力的理论（如感知流畅性理论）尚未被转化为评分工具或问卷。因此，这些理论要么被孤立研究，要么根本没有得到实际应用。因此，许多理论仅在概念层面被讨论和区分，缺乏实证数据支持。为填补这一研究空白，我们旨在提供一个涵盖景观视觉层面的综合评分框架，以实现潜在结构的同步评估、识别和验证。

通过对现有问卷的回顾，我们还确定了条目中涉及的三个主要内容层面：（1）景观特征的感知，如场景中的绿色植被数量；（2）景观引发的认知和注意过程，如“柔和的魅力”效应；（3）情感/评价反应，如感到愉悦、恢复精力或放松，或者认为景观“美丽”。将这些层面混合使用可能会混淆原因（景观特征）和结果（积极评价或情感反应）。因此，通过加入“纯粹情感”问题（即观看景观时产生的情绪或评价），我们试图验证景观评估条目与情感反应条目是否可区分。

**本研究目标**
该研究的首要目标是验证在概念层面区分开来的健康促进景观理论是否也能在实证层面得到区分（即不同的潜在构念）。为此，我们开发了一个统一的评分框架，整合了基于不同理论的条目，并进行了探索性因子分析。这种综合方法可为揭示健康促进景观的差异性方面提供实证基础，从而更好地理解它们对人类福祉的贡献。在开发这一综合工具时，我们将成熟的景观评分量表（PRS、CLM）与基于未先前应用过的理论（PFA、AA、IPT、PRF）的新开发条目相结合，并纳入了情感反应评分。
其次，我们检验景观评分条目（尤其是与景观引发的过程相关的条目，如“魅力”）是否代表与纯粹情感反应不同的心理结构，或在潜在因子层面上存在重叠。如果能发现不同的因素，将有助于在自我报告框架内区分景观特征及其潜在的情感效应，从而更清晰地理解景观特定方面如何影响心理反应。

最后，我们通过检验因子分析中识别出的景观维度是否与人们对景观图像的情感反应相关，来验证景观评价量表的普遍适用性。使用多层回归模型，我们评估了这些维度是否能够解释情感评分的方差，从而初步表明它们对情绪反应的相关性。方法研究设计和参与者我们进行了一项在线研究，该研究得到了当地心理伦理委员会的批准（批准编号：LPEK-0741，日期：2024年3月30日），并在线进行了预先注册（https://aspredicted.org/78zh-8qrb.pdf）。该研究是在Unipark平台（www.unipark.com）上创建和运行的，在2024年3月至2025年1月期间，通过Prolific（www.prolific.com）在线招募了300名参与者。调查以英语进行。纳入标准是年龄在18至100岁之间，没有视力限制，并且居住在根据Kottek等人（2006年）定义的完全湿润、温暖温带气候区的国家（例如，英国、德国、波兰、匈牙利）。设立这一气候区标准是为了确保参与者之间的景观熟悉度相当。排除标准包括情绪不稳定和有视力限制（例如色盲），但视力矫正后正常的参与者仍被允许参与。参与者被告知，调查的目的是识别可能具有促进健康效果的景观特征。根据我们系统招募的两个不同年龄组的前10名参与者的完成时间（Munder65 = 83.25分钟，Mover65 = 108.40分钟），65岁及以上的参与者获得20英镑奖励，65岁以下的参与者获得16英镑奖励（因为年长者完成调查所需时间更长）。目标是确保每小时大约8.00英镑的公平补偿。问卷和刺激物（景观图像）为了创建一个能够全面评估不同景观理论的调查，我们既包含了现有的问卷，也新增了15个定制的题目。为了提高问卷之间的可比性，所有题目都调整为了可以在0-100的视觉模拟量表（VAS）上回答。完整的调查可以在补充材料（SM）中的表A2找到。PRS最初由26个题目组成（T. Hartig等人，1997年；关于PRS的早期版本，另见T. Hartig, Korpela等人，1997年），后来Pasini等人（2014年）将其修改为11个题目的简化版本PRS-11。这些题目已被证明可以归入代表ART（S. Kaplan，1995年）四个景观维度的四个因素：“迷人”、“远离”、“连贯性”和“范围”。当前研究使用PRS-11作为ART的操作化工具。CLM（Olszewska等人，2016年）包括七个类别：“景观层次”、“地形”、“植被”、“色彩和光线”、“兼容性”、“原型元素”以及“宁静与和平的特征”。每个类别由一个题目代表。尽管CLM并不基于特定的景观理论，但根据Olszewska-Guizzo等人（2023年）的说法，它可以与ART（S. Kaplan，1995年）和SRT（Ulrich，1983年；Ulrich等人，1991年）等理论相对应。高CLM得分的景观与情绪改善（Olszewska-Guizzo, Fogel等人，2022年）以及表明放松和正念的大脑活动（Olszewska-Guizzo, Sia等人，2022年）相关。基于这些实证联系，我们得出结论，CLM有效地捕捉了与SRT中概述的恢复过程相关的环境特征。因此，认为没有必要再添加特定的SRT相关题目。我们使用了CLM，并对题目进行了轻微的调整（详情见SM中的表A2）。新理论基础题目的开发我们构建了15个新题目，以操作化以前未被转化为评分题目的理论概念，包括：前景与庇护理论（Appleton，1975年）、可供性理论（例如，Heras-Escribano & De Pinedo-García，2018年）、信息处理理论（R. Kaplan & Kaplan，1989年）和感知流畅性理论（Joye & Van Den Berg，2011年）。表1列出了这些新构建的题目及其所基于的理论。题目的开发是通过作者之间的迭代概念工作完成的。基于理论的核心方面，识别出相关的景观特征，将其转化为合适的题目格式，并通过多次反馈循环进行优化。表1. 调查中构建的新题目理论标签题目AA宜人气候这个景观呈现出支持生命（宜人）的气候。PRT安全这个景观看起来很安全。PRT视野/前景在这个景观中，我感受到良好的视野（前景）。PRT庇护/避难在这个景观中，我感受到良好的庇护机会（避难）。AAN新体验这个景观提供了丰富的新体验、活动、互动和学习的机会。IPT连贯性这个景观可以一目了然地被整体理解（无需太多努力或仔细观察）。IPT导向/可读性这个景观提供了良好的导向（例如通过地标、导航点等）。PFA对称性这个景观看起来是对称的。PFA分形这个景观显示出重复的图案/分形（例如树木群、岩石或形状）。IPT复杂性这个景观具有适中的复杂性（不枯燥也不过于刺激）。AAR生存资源这个景观提供了对生存必不可少的资源。PFA视觉放松这个景观在视觉上令人放松。AAS感官体验这个景观提供了丰富的感官体验（表面、纹理、声音景观、味道）。PFA视觉流畅性这个景观允许流畅的视觉流动。IPT神秘感这个景观充满了神秘感。注：AA = 可供性理论，PRT = 前景与庇护理论，IPT = 信息处理理论，PFA = 感知流畅性理论。题目按照问卷中的相同顺序列出。情感反应评分Stemmler等人（2001年）创建了11个题目来测量自我报告的情绪，其中六个在单极量表上评分，五个在双极量表上评分。我们选择了八个与景观最相关且可能对视觉场景产生不同反应的题目：“恐惧”、“悲伤”、“快乐”、“放松与紧张”、“疲倦与活跃”、“消极与积极”、“困惑与警觉”以及“无聊与兴趣”。被排除的三个题目（“羞耻”、“愤怒”、“心跳加速”）被认为不太可能对景观图像产生显著的反应变化。请注意，这些只是题目名称，每个题目都包含多个形容词来描述一种情感反应，并将其锚定在VAS上（例如，“无聊（冷漠，沉闷）[= 0] vs. 感兴趣（好奇，有动力）[= 100]”；更多细节见SM中的表A2）。大多数题目都进行了调整，以便更高的评分表示更积极的情感反应（例如，“活跃与疲倦”被改为“疲倦与活跃”）。 “消极与积极”题目稍作修改（从“积极/愉快 vs. 消极/不愉快”改为“消极情绪状态，不愉快 vs. 积极情绪状态，愉快”），以更好地符合我们的研究目的。在开始这一部分之前，参与者收到了以下指示：“接下来，您需要根据对景观可能产生的不同情绪状态对每个景观进行评分。请凭直觉和自发地回答。”除了情感反应题目外，我们还在同一部分添加了一个关于美的题目（“请评价这幅图片中的景观的美感。”），因为我们假设美可以捕捉到对景观场景的即时评价反应，这与情感反应密切相关。这与Ulrich的观点一致，他认为审美偏好和愉悦感受紧密相关，通常在因素分析中落在同一个维度上，从而支持将审美偏好解释为情感的一种愉悦形式（Ulrich，1983年）。景观图像我们根据五种不同的景观类别选择了20张景观图像：“山脉”、“公园”、“草原”、“海滩/海洋”和“森林”。每个类别包含四张图像，其中两张包含水域，两张不包含。虽然我们试图在每个类别中选择在表面有效性方面相似的图像（例如，全景、封闭、特色明显、焦点突出的景观；更多细节见Smardon等人，1986年），但由于额外的选择标准，这并不总是可行的。图像入选的标准包括：晴朗的天气（即蓝天少云或无云）、场景中没有人物或动物、没有人造元素（“公园”类别除外，其中人造元素较少）、“真实”的个人视角（例如，不是鸟瞰图）、高分辨率（至少2667 x 2000像素）、日光条件、没有明显的对比度编辑。由于我们的目标是创建一个能够细致区分有益于健康的景观特征的调查，因此只包括了自然景观场景。图片来自不同的在线图片平台（Pexels、Shutterstock、iStock和Unsplash，详细图片参考见SM中的表A3）。对于调查，所有图片都被裁剪为3:4的格式，并且显示尺寸完全相同。表2显示了按类别分类的景观图像。表2. 调查中使用的景观图像类别无水山脉公园草原海滩/海洋森林程序研究程序如图1所示。在提供知情同意后，参与者开始进行调查。在第一部分中，他们使用Stemmler等人（2001年）的题目对20张景观图像的情感反应进行了评分。之后，参与者在三部分景观评分问卷中评估了这20张景观图像，这些问卷以随机顺序呈现：PRS、CLM和基于额外理论的15个新构建的题目（可供性理论、前景与庇护理论、信息处理理论、感知流畅性理论）。下载：下载高分辨率图片（195KB）下载：下载全尺寸图片图1. 调查程序注：PRS = 感知恢复力量表，CLM = 沉思景观模型，AA = 可供性理论，PRT = 前景与庇护理论，IPT = 信息处理理论，PFA = 感知流畅性理论。接着，参与者对每个景观的熟悉程度进行了评分，指导如下：“接下来，我们希望您评估每个呈现的景观在您看来有多熟悉（与陌生、异国、新奇、未知相比）。我们知道您在本次调查中已经看过这些景观多次。这个问题指的是您在日常生活中对这些景观的熟悉程度，而不是重复接触的次数。” “熟悉度控制评分”旨在确认参与者对不同景观的熟悉程度相似。由于所有参与者都来自相同的气候区，预计他们对类似日常环境最为熟悉。随后，所有20张图像同时显示在屏幕上，参与者被要求选择他们个人最喜欢的图像。这使我们能够探索在调查维度上得分较高的图像是否更常被选为最喜欢。接下来，他们回答了两个控制问题（“您对您的评分总体上有多少信心？”和“回答前一个问卷的题目有多困难？”），评分范围从0到100），以及一个关于与自然联系的问题（“您感觉与自然有多联系？”；参见Schultz，2002年），并报告了他们的社会人口统计数据，包括他们是否目前患有（诊断出的）精神疾病。如果参与者表示他们目前患有精神疾病，那么会被要求具体说明疾病类型。每个问卷部分都在单独的页面上呈现（见图1）。某些部分中的某些题目需要更详细的解释（例如CLM题目），因此我们将类似的题目放在一起，以提高参与者的清晰度和理解力。 “情感反应评分”、“PRS”、“CLM”、“额外理论”和“熟悉度控制评分”每个部分针对每张图像重复了20次，然后再进入下一部分。因此，在这些部分中，参与者每次只看到一张图像。数据分析探索性因子分析的程序为了探索新的综合调查的因子结构，我们遵循Reise等人（2005年；另见Muthén，1991年，1994年）提出的四步程序进行了多层探索性因子分析（EFA）。根据因子分析的指南（Comrey & Lee，1992年；Tabachnick & Fidell，2013年），选择了N = 300的目标样本。我们还计算了Kaiser-Meyer-Olkin样本 adequacy（MSA；Kaiser，1970年）指标。单个题目的MSA在0.77到0.98之间，整个调查的MSA为0.85，这些都是良好的值，表明样本将提供适当的因子解（Hutcheson，1999年；Kaiser，1974年）。我们在EFA中包括了既有的（并部分调整的）题目（Olszewska等人，2016年的CLM；Pasini等人，2014年的PRS-11；Stemmler等人，2001年的情感反应题目）以及15个新题目，总共42个题目。为了测试已建立问卷的因素结构是否可以在整合工具中得到复制，以及新开发的条目是否能够加载到代表它们所基于的理论的因子上，我们本可以进行验证性因子分析。然而，我们特别选择了一种探索性方法来研究因子结构，而不做任何先前的假设，这样就有可能出现跨理论的因素。此外，我们在EFA中加入了情感评分，以检查它们是否与一些景观评分条目加载到同一个因子上，这将暗示在自我报告评估中潜在原因（景观特征）和效果（情感反应）之间存在混淆。我们进行了最大似然EFA，并使用了斜交Promax旋转。要提取的因素数量是使用平行分析（Horn, 1965）确定的。由于每个参与者对相同的42个条目进行了评分，因此采用了多层次方法。Reise等人（2005）提出了一个进行多层次EFA的四步程序。第一步是基于总协方差（或相关性）矩阵进行常规EFA。这可以提供一个关于潜在因子结构的概览，但技术在上是不正确的，因为它假设所有观察值都是独立的，并且数据内部不存在系统性的个体间差异。因此，第二步是估计调查中每个条目的组内相关性（ICC）。ICC为零表示所有变化都在个体内部，而ICC大于零则意味着个体之间存在变化，这就表明多层次EFA是“适当且必要的”（Reise等人，2005，第128页）。接下来的步骤是将协方差矩阵分为（3）一个合并的组内协方差矩阵和（4）一个组间协方差矩阵，并对这两个矩阵分别进行EFA。

在我们的研究中，多层次结构并不是基于经典的嵌套设计，而是基于涉及两个聚类因素的数据：参与者和图像。每个观察值（即一个评分）同时在参与者和景观图像内部嵌套，这反映了这两个来源都对变异有贡献，但它们并不是层次化的。为了适应数据的交叉分类性质，我们计算了每个聚类因素（参与者和图像）的组均值，并从每个观察值中减去了相应的组均值。然后，我们使用Muthén（1994）的方法，用双重去均值的数据来计算观察值级别的组内协方差矩阵，以及组间协方差矩阵。对于组间协方差矩阵，我们采用了修正方法来获得用于EFA的总体级别协方差矩阵的无偏估计（Muthén，1994）。第一个组间矩阵指的是参与者之间的方差（跨图像平均），而第二个组间矩阵指的是图像之间的方差（跨参与者平均）。因此，（合并的）组内协方差矩阵允许我们在排除混淆因素（图像和参与者）的情况下探索因子结构，这也是我们主要感兴趣的。

所有统计分析都是使用R（R Core Team, 2024）和R-Studio（Posit team, 2024）在R-Studio版本2024.12.0.467以及R版本4.4.0（2024-04-24 ucrt）中完成的。我们使用了psych包（Revelle, 2024）来进行因子分析，以及nfactors包（Ra?che & Magis, 2022）来进行平行分析。

## 可靠性评估方法
我们对从EFA中得出的量表计算了McDonald’s omega的一个版本。更具体地说，我们使用了Lai（2021）描述的公式，为配置或个体构念应用了多层次复合可靠性估计，这些构念是通过Muthén的最大似然（MUML）估计器（Muthén, 1994）拟合的交叉分类多层次CFA模型得出的。

## 测试派生的景观维度是否能解释情感反应
在EFA之后，我们使用有序贝塔混合效应模型探索了从EFA中出现的量表之间的关联。目的是评估景观量表是否有助于解释对景观图像的情感反应，前提是景观和情感反应条目不会加载到同一个因子上。因为回归诊断表明正常模型不适用，我们改用了有序贝塔混合效应模型，因为数据在0到100之间是有双界限制的（Kubinec, 2023；另见Geissinger等人，2022）。线性回归的模型假设是使用sjPlot包（Lüdecke, 2024）以及DHARMa包（F. Hartig, 2024）进行视觉审查的。模型是使用glmmTMB包（Brooks等人，2017；McGillycuddy等人，2025）估计的。Pseudo-R2值（Nakagawa等人，2017）是使用performance包（Lüdecke等人，2021）计算的。

## 参与者
研究共包括300名年龄在18至87岁之间的非专业参与者（平均年龄=53.12岁，标准差=18.92岁）。参与者在研究过程中可以随时休息。平均完成时间为130.08分钟（标准差=48.72分钟，ntime=267，因为无法计算休息的参与者的完成时间）。详细的样本特征可以在表3中找到。

## 表3. 300名参与者的社会人口统计特征
| 特征 | 百分比 |
|-----------------------------|-----------:|
| 年龄（岁） | 299 |
| 生物性别 | 男 | 159 |
| 性别 | 女 | 141 |
| 婚姻状况 | 单身 | 121 |
| 住在关系中 | 是 | 35 |
| 正式教育年限（年） | 13.4 |
| 职业资格年限（年） | 3.8 |
| 当前居住地 | 农村地区（人口<10,000） | 66 |
| | 城市/镇（人口>10,000） | 122 |
| | 大城市（人口>100,000） | 112 |
| 居住国家 | 英国 | 23 |
| | 波兰 | 25 |
| | 匈牙利 | 16 |
| | 德国 | 6 |
| | 法国 | 3 |
| | 荷兰 | 3 |
| | 爱尔兰共和国 | 20 |
| | 斯洛文尼亚 | 20 |
| | 瑞士 | 20 |
| | 比利时 | 10 |
| | 捷克共和国 | 10 |

## 探索性因子分析的结果
由于所有的ICC都明显高于零（范围0.45–0.69，详见SM中的表A4），因此进行了多层次EFA。对我们研究目的来说，最重要的是基于合并的组内相关矩阵的EFA，它允许我们在排除组间混淆因素的情况下探索景观图像评分之间的差异（参见Reise等人，2005）。因此，在下文中，我们将主要关注这个EFA，并在SM中报告基于总相关矩阵以及两个组间相关矩阵的EFA（表A5、A6和A7）。

## 合并组内相关矩阵的EFA
平行分析建议提取10个因子，因子载荷在表4中呈现。这十个因子解释了总共51%的方差。载荷≥|.30|被认为具有解释意义。结果因子可以解释为“负面情感和评价”、“情绪价值和警觉性”、“PRS迷恋”、“PRS远离感”、“PRS连贯性”、“PRS范围”、“CLM”、“进化解释”、“视觉质量”和“神秘感和不安全感”。

## 结果
所有统计分析都是在R（R Core Team, 2024）中使用R-Studio（Posit team, 2024）进行的，版本为R-Studio 2024.12.0.467和R版本4.4.0（2024-04-24 ucrt）。我们使用了psych包（Revelle, 2024）进行因子分析，以及nfactors包（Ra?che & Magis, 2022）进行平行分析。

## 可靠性评估方法
对于从EFA中得出的量表，我们计算了McDonald’s omega的一个版本。更具体地说，我们使用Lai（2021）描述的公式，为应用Muthén的最大似然（MUML）估计器（Muthén, 1994）拟合的交叉分类多层次CFA模型计算了多层次复合可靠性估计。

## 测试衍生的景观维度是否可以解释情感反应
在EFA之后，我们使用有序贝塔混合效应模型探索了从EFA中出现的量表之间的关联。目的是评估景观量表是否能够有效地作为解释对景观图像的情感反应的预测因子，前提是景观和情感反应条目不会加载到同一个因子上。因为回归诊断表明正常模型不合适，所以我们改用了有序贝塔混合效应模型，因为数据的范围在0到100之间（Kubinec, 2023；另见Geissinger等人，2022）。线性回归的模型假设是使用sjPlot包（Lüdecke, 2024）和DHARMa包（F. Hartig, 2024）进行视觉审查的。模型是使用glmmTMB包（Brooks等人，2017；McGillycuddy等人，2025）估计的。Pseudo-R2值（Nakagawa等人，2017）是使用performance包（Lüdecke等人，2021）计算的。

## 参与者
研究共包括300名年龄在18至87岁之间的非专业参与者（平均年龄=53.12岁，标准差=18.92岁）。参与者在研究过程中可以随时休息。平均完成时间为130.08分钟（标准差=48.72分钟，ntime=267，因为无法计算休息参与者的完成时间）。详细的样本特征可以在表3中找到。

## 表3. 300名参与者的社会人口统计特征
| 特征 | 百分比 |
|-----------------------------|-----------:|
| 年龄（岁） | 299 |
| 生物性别 | 男 | 159 |
| 性别 | 女 | 141 |
| 婚姻状况 | 单身 | 121 |
| 住在关系中 | 是 | 35 |
| 正式教育年限（年） | 13.4 |
| 职业资格年限（年） | 3.8 |
| 当前居住地 | 农村地区（人口<10,000） | 66 |
| | 城市/镇（人口>10,000） | 122 |
| | 大城市（人口>100,000） | 112 |
| 居住国家 | 英国 | 23 |
| | 波兰 | 25 |
| | 匈牙利 | 16 |
| | 德国 | 6 |
| | 法国 | 3 |
| | 荷兰 | 3 |
| | 爱尔兰共和国 | 20 |
| | 斯洛文尼亚 | 20 |
| | 瑞士 | 20 |
| | 比利时 | 10 |
| | 捷克共和国 | 10 |

由于所有的ICC都明显高于零（范围0.45–0.69，详见SM中的表A4），因此进行了多层次EFA。对于我们的研究目的来说，最重要的是基于合并的组内相关矩阵的EFA，它允许我们在排除组间混淆因素的情况下探索景观图像评分之间的差异（参见Reise等人，2005）。因此，在下文中，我们将在正文中主要关注这个EFA，并在SM中报告基于总相关矩阵以及两个组间相关矩阵的EFA（表A5、A6和A7）。

## 合并组内相关矩阵的EFA
平行分析建议提取10个因子，因子载荷在表4中呈现。这十个因子解释了总共51%的方差。载荷≥ |.30|被认为具有解释意义。结果因子可以解释为“负面情感和评价”、“情绪价值和警觉性”、“PRS迷恋”、“PRS远离感”、“PRS连贯性”、“PRS范围”、“CLM”、“进化解释”、“视觉质量”和“神秘感和不安全感”。

## 结果
- **表4. 合并组内相关矩阵的EFA的因子载荷**
| 条目 | 因子载荷 |
|----------------|-------------|
| 1 | 负面情感和评价 | -0.81 |
| 2 | 情绪价值和警觉性 | 0.23 |
| 3 | 混乱与警觉 | 0.23 |
| 4 | 无聊与兴趣 | 0.08 |
| 5 | 负面与正面 | -0.04 |
| 6 | 疲劳与活跃 | 0.12 |
| 7 | 放松与紧张 | -0.14 |
| 8 | PRS迷恋 | 20.06 |
| 9 | PRS远离感 | 20.05 |
| 10 | PRS连贯性 | 0.02 |
- **表4. 合并组内相关矩阵的EFA的因子载荷（续）**
| 11 | PRS连贯性 | 0.02 |
| 12 | CLM | -0.02 |
| 13 | 进化解释 | 0.02 |
| 14 | 视觉质量 | 0.03 |
| 15 | 神秘感和不安全感 | -0.02 |
| 16 | 兼容性 | 0.02 |
| 17 | 视觉流畅度 | 0.02 |
| 18 | 概览/前景 | 0.03 |
| 19 | 方向/可读性 | 0.03 |
| 20 | 视觉流畅度 | 0.06 |
| 21 | 神秘感 | 0.03 |
| 22 | 不安全性 | 0.02 |

## 探索因子结构是否反映不同的景观理论
关于现有的工具（PRS和CLM），我们能够复制原始出版物中发现的因子结构（参见Olszewska等人，2016；Pasini等人，2014）。只有PRS-11量表的第四个条目加载到了两个因子“PRS迷恋”和“PRS远离感”上，但在后一个因子上的载荷更高。这表明，即使作为VAS在非专业样本中使用，以及作为综合问卷的一部分，PRS和CLM的理论维度也得到了保留。新构建的条目加载到了三个不同的因子上，这些因子并不直接反映它们所基于的四个理论，即前景和避难所理论（Appleton, 1975）、可供性理论（例如Heras-Escribano & De Pinedo-García, 2018）、信息处理理论（R. Kaplan & Kaplan, 1989）和感知流畅性理论（Joye & Van Den Berg, 2011）。然而，两个新出现的因子“进化解释”和“视觉质量”似乎部分地将这些理论中的某些方面归为一类：“进化解释”因子包括了所有基于可供性理论的条目、所有前景和避难所理论的条目，以及一个基于信息处理理论的条目（“方向/可读性”）。总体而言，这些条目反映了与生存或支持人类生活的环境相关的景观特征。“视觉质量”因子包括了四个感知流畅性理论条目中的三个，以及一个基于信息处理理论的条目（“连贯性”），所有这些都与感知的简单性/可理解性有关。值得注意的是，感知流畅性理论条目“分形”以及信息处理理论条目“复杂性”并没有显示出有意义的因子载荷≥|0.30|。基于新构建条目的第三个因子难以解释。它包括了“安全性”和“概述/前景”条目的负载荷，以及“感官体验”和“神秘感”条目的正载荷。本质上，得分高的景观在这种因子下会表现出缺乏安全感和全景视野，但同时也有丰富的感官体验和神秘感。虽然“安全性”和“概述/前景”条目反映了景观的积极方面，但“感官体验”和“神秘感”条目可以有两种解释方式：可能是积极的，也可能是消极的。这个因子可能代表了一种令人困惑或不安的刺激形式——但这种解释仍然是推测性的。此外，四个条目中有三个在“进化解释”因子上有较高的载荷，表明存在显著的概念和统计上的重叠。

## 调查景观评价和情感反应是否代表可分离的维度
EFA的因子结构显示，景观评分条目（包括更多的评价性条目）和情感反应条目加载到了不同的因子上，因此代表了可分离的维度。情感反应条目加载到了我们称为“负面情感和评价”和“情绪价值和警觉性”的两个因子上。这些条目中没有一个加载到了其他任何因子上，也没有任何一个景观评分条目加载到了这两个情感因子中的任何一个上。这表明情感反应和景观评价反映了不同的心理构念重要的是，尽管景观评价因素和情感反应因素在经验上是可分离的，但这些关联仍然出现了，这支持了所提取的景观维度对景观图像情感反应的心理相关性。模型的条件伪R2分别为0.72（模型1）和0.94（模型2），表明当考虑固定效应和随机效应时，很大一部分方差得到了解释。然而，相对较低的边际R2值（分别为0.25和0.09）表明，大部分解释的方差归因于随机效应——特别是主体和图像之间的差异——而不仅仅是固定预测因子。尽管如此，显著的系数表明，既有的和新提出的景观量表都是对景观图像情感反应的有意义预测因子。对于感兴趣的读者，我们在补充材料A9中报告了额外分析，以证明所提取量表在表面层面的有效性。总之，对五种语义图像类别（“山脉”、“公园”、“海滩/海洋”、“草原”、“森林”）以及有无水的图像进行描述性比较后发现，“山脉”和“公园”景观图像以及在有水的情况下的图像在PRS、CLM、进化解释和视觉质量量表上的得分更高。同样，有水的情况下，“山脉”和“公园”图像最常被选为最喜欢的图像（见补充材料A10）。

在本文中，我们开发并评估了一个新的综合景观评价框架，该框架涵盖了来自多个理论框架的景观特征，这些理论关注景观的积极心理效应。我们的第一个目标是为之前仅在概念层面上区分的关于景观积极心理效应的理论提供实证基础。为此，我们开发了一种统一的景观评价格式，结合了两种已建立的工具（CLM，Olszewska等人，2016；PRS，Pasini等人，2014）以及15个基于以前未操作化的理论的新构建的项目，这些理论包括可供性理论（例如，Heras-Escribano & De Pinedo-García，2018）、前景与避难所理论（Appleton，1975）、信息处理理论（R. Kaplan & Kaplan，1989）和感知流畅性理论（Joye & Van Den Berg，2011）。实证因素结构复制了PRS-11（四个子量表；Pasini等人，2014）和CLM（一个因子；Olszewska等人，2016）的原始因素结构。此外，新开发的项目形成了两个不同且可解释的因子：“进化解释”，涵盖了反映景观对生存或支持人类生活重要性的项目；以及“视觉质量”，包括与场景的感知简单性/可理解性相关的项目。“进化解释”因子主要涵盖了基于可供性理论（例如，Heras-Escribano & De Pinedo-García，2018）和前景与避难所理论（Appleton，1975）的项目，而“视觉质量”因子主要涵盖了基于感知流畅性理论（Joye & Van Den Berg，2011）的项目。这两个新因子的出现很有趣，因为它从实证上证明了先前仅在理论层面上区分的两种健康促进景观的方面，并且现有的评价工具中没有系统地涵盖这一点。

本研究的第二个目标是调查不同的景观评价内容层次，特别是景观评价项目和情感组成部分是否代表可分离的维度，这体现在不同的因子中。虽然描述性景观项目和与认知/注意过程相关的项目（第1和2层）被合并在一个因子中，但我们发现情感反应项目（第3层）加载在不同的因子上。这支持了在自我报告层面上因果关系（景观属性）和可能的结果（情感反应，通常被概念化为结果）的心理测量学区分——这种区分在早期的研究中经常被模糊，现在已通过实证得到证明。然而，如果目标是识别能够带来积极心理效应的景观特征，我们认为在描述性景观特征（第1层）及其效果（例如，情感反应）的评估之间做出明确区分是明智的，并有助于避免语义自相关。我们还应用混合模型回归方法探讨了景观评价维度与情感反应量表之间的关联。所有景观评价量表都被证明是对“负面情感和评价”和/或“情绪价值和警觉性”这些情感结果的有意义预测因子。当在同一模型中进行测试时，无论是现有的还是新开发的量表都显示出显著的关联，尽管随机因素（主体、图像）解释了总方差的更大比例。这表明每个量表在同时应用时都有其解释价值，并突显了它们在改善情感状态方面的潜在相关性。

关于问卷构建，没有进行认知预测试或出声思考协议（参见Artino等人，2014；Yusoff，2019）。因此，在普通样本中对一些抽象或技术术语（例如，“复杂性”或“分形”）的理解仍然未经验证。未来的研究应包括更详细的项目描述或预测试，以确保所有项目都被理解。此外，调查的块结构可能影响了我们找到的因素结构。新构建的项目、PRS的项目（Pasini等人，2014）、CLM的项目（Olszewska等人，2016）和情感反应项目（Stemmler等人，2001）分别出现在单独的页面上。调查是这样设计的，因为问卷需要不同的指导说明（特别是CLM），因此完全随机化可能会使参与者感到困惑。尽管块结构可能有一定的影响，但它并不是定义调查因素结构的唯一关键点，因为我们即使在块内部也能够找到多个因子。

对于我们的评价框架，我们为之前未操作化的理论开发了3-4个项目。我们认识到，为了全面且详尽地测量任何特定理论，可能需要更多的项目，但我们的目标是开发一组具有代表性的项目，以便在理论之间进行系统比较，同时不使调查过于冗长。然而，由于本研究的目的是同时评估多个理论框架，参与者不得不对几个问卷块和刺激中的相对大量的项目做出回应。这可能会增加疲劳风险或在调查的后期部分降低注意力。我们采取了几项研究设计措施来减轻潜在的疲劳效应。明确鼓励参与者在块之间休息，并且问卷块的顺序和景观图像的呈现顺序都是随机的。这些程序可能减少了特定问卷部分或图像的系统性疲劳效应。未来的研究可以从使用最适合其研究目的的问卷子量表中受益，从而在评价刺激或假设性地研究景观刺激的积极效应时使用更简短的工具。此外，研究包括了不同心理评价水平的项目，以测试它们是否形成可区分的潜在维度，即（1）描述性景观特征，（2）认知/注意过程，以及（3）情感/评价反应。我们注意到，原则上也可以使用行为任务来评估注意力和认知过程，但这些措施超出了本研究的范围。同样，情感反应也可以使用生理传感器来评估。

两个情感反应因子的项目表述存在系统差异，这可能表明了一种方法伪影：所有单极情感反应项目都加载在“负面情感和评价”因子上，而所有双极项目都加载在“情绪价值和警觉性”因子上。这也可能解释了为什么我们没有发现情绪价值和唤醒之间的区别，尽管已经证明两者代表不同的维度（Russell，1980；Russell & Barrett，1999）。虽然所有项目都采用相同的回答格式（0-100 VAS），但未来的研究应仅使用单极或双极项目表述，以避免方法伪影的可能性。总体而言，我们提取的因子解释了51%的方差。尽管更高的百分比通常是理想的，但这可以被认为是总体上可接受的值。对解释方差量较小的一个可能解释是，一些因子包含相对异质的项目，因此单个因子捕获的共享方差有限。尽管如此，提取的因素结构提供了关于理论定义的构造如何在实证上聚类的见解，从而为这些维度的未来研究提供了基础。我们研究的另一个限制是使用静态景观图像作为刺激。这些图像仅捕捉了景观的视觉方面，不包括动态或多感官元素（例如，运动、声音、气味）。因此，我们的发现并没有完全反映个体如何感知或回应真实的、多感官的景观。此外，虽然使用的CLM版本（Olszewska等人，2016）强调了一个潜在的构造（与我们因素分析的发现一致），但也有一个更新的CLM版本（Olszewska-Guizzo等人，2023），它识别了景观的静态与动态方面。未来的研究应包括动态刺激和多感官评估，以更好地理解健康促进景观的复杂性质。

我们的研究为不同理论关于健康促进景观的独特性提供了第一个实证基础。除了阐明与景观相关的构造的潜在结构外，我们的发现为未来的研究开辟了几条途径。首先，这里识别的维度可以用于理论驱动的刺激选择，例如，通过选择在“视觉质量”量表上得分较高但在“进化解释”量表上得分较低（或相反）的图像，直接对比感知流畅性与进化解释对幸福感结果的预测。其次，未来的工作可以开发更全面和精细的量表来识别这些新维度，并使用客观的生理或行为测量来验证它们（例如，压力生物标志物、眼动追踪或基于表现的注意力任务）。最后，为了进一步扩展调查的生态有效性，该工具可以适应并应用于现实世界空间或动态刺激，例如，通过使用虚拟现实或实际的景观干预。在同一背景下，目前关注视觉感知景观属性的框架可以扩展到包括非视觉和多感官方面（例如，声音、气味、触觉质量），并整合更广泛的社会和文化维度。例如，Zhao等人（2018）探讨了视觉和听觉刺激的结合，并建议声音偏好也可能受到进化历史的影响。结合多感官方面将提高我们对健康促进景观及其潜在维度的理解。

我们的研究结果有几个含义。在理论层面，我们的分析结果支持不同的理论基础量表确实涵盖了不同的潜在景观评价维度的观点。考虑到实际应用和影响，无论是已建立的还是新（实证）识别的维度都可以用于指导刺激选择或健康促进环境的设计（例如，医院花园、公园或诊所）。例如，为了设计在“视觉质量”量表上得分高的刺激或景观，可以目标提供易于快速理解的对称景观；而在设计在“进化解释”量表上得分高的刺激或景观时，景观需要包括支持生存的资源（例如，食物、庇护所、视野）以及丰富的感官体验（可供性）。类似的方法可以用于基于PRS子量表（例如，“PRS范围”的广阔景观）或基于CLM的设计，后者提供了非常明确的设计原则（例如，原型元素、景观层次），并与压力减轻相关。未来的研究需要评估哪些维度对特定心理效应（例如，美学、偏好、压力减轻、积极情感）最为相关。另一个焦点可以是差异化临床或幸福感背景中的应用。在这里，未来的研究可以考察特定子量表（例如，“PRS远离”或“视觉质量”）是否对特定临床人群或情境（例如，焦虑、抑郁或痴呆症患者）特别相关。

本研究为区分不同理论关于健康促进景观的观点提供了实证基础。除了阐明与景观相关的构造的潜在结构外，我们的发现为未来的研究开辟了几条途径。首先，这里识别的维度可以用于理论驱动的刺激选择，例如，通过选择在“视觉质量”量表上得分高但在“进化解释”量表上得分较低（或相反）的图像，直接对比感知流畅性与进化解释对幸福感结果的预测。其次，未来的工作可以开发更全面和精细的量表来识别这些新维度，并使用客观的生理或行为测量来验证它们（例如，压力生物标志物、眼动追踪或基于表现的注意力任务）。最后，为了进一步扩展调查的生态有效性，该工具可以适应并应用于现实世界空间或动态刺激，例如，通过使用虚拟现实或实际的景观干预。在同一背景下，目前关注视觉感知景观属性的框架可以扩展到包括非视觉和多感官方面（例如，声音、气味、触觉质量），并整合更广泛的社会和文化维度。例如，Zhao等人（2018）探讨了视觉和听觉刺激的结合，并建议声音偏好也可能受到进化历史的影响。结合多感官方面将提高我们对健康促进景观及其潜在维度的理解。

我们的研究结果有几个含义。在理论层面，我们的分析结果支持不同理论基础量表确实涵盖不同潜在景观评价维度的观点。考虑到实际应用和影响，无论是已建立的还是新（实证）识别的维度都可以用于指导刺激选择或健康促进环境的设计（例如，医院花园、公园或诊所）。例如，为了设计在“视觉质量”上得分高的刺激或景观，可以旨在提供易于快速理解的 symmetric 景观；而在设计在“进化解释”上得分高的刺激或景观时，景观需要包括支持生存的资源（例如，食物、庇护所、视野）以及丰富的感官体验（可供性）。类似的方法可以用于基于ARS子量表（例如，“PRS范围”的广阔景观）或基于CLM的设计，后者提供了非常明确的设计原则（例如，原型元素、景观层次），并与压力减轻相关。未来的研究需要评估哪些维度可能对特定心理效应（例如，美学、偏好、压力减轻、积极情感）最为相关。另一个焦点可以在不同的临床或幸福感背景下应用。在这里，未来的研究可以考察特定子量表（例如，“PRS远离”或“视觉质量”）是否对特定人群或情境（例如，焦虑、抑郁或痴呆症患者）特别相关。除了复制现有问卷的因素结构外，分析还发现了两个先前较少被关注但在理论上具有重要意义的维度的实证证据：“进化解释”和“视觉质量”。这些维度整合了前景-避难理论、基于可供性的视角以及感知流畅性理论等框架中的要素，表明这些方法能够捕捉到超出ART和SRT等经典模型的景观评价的连贯方面。同时，在自我报告测量框架内，对景观的情感反应（如焦虑、幸福感）明显可以与景观评价因素区分开来，但无论是已建立的量表还是新发现的维度，在量表层面都显著地预测了情感反应。这种模式表明，这些衍生维度代表了与景观引发的情感反应相关的独特评价结构。未来的研究可能会基于这两个新维度开发更全面的量表，通过神经生理学测量来验证它们，或者通过探索视觉领域之外的理论来扩展我们的发现。这些步骤将共同促进对景观健康促进潜能的多理论理解，并支持基于更细致、更具理论依据的方法来评估环境如何塑造心理福祉。

作者贡献声明：
Larissa Samaan：撰写初稿、可视化处理、项目管理、方法论、数据分析、数据整理、概念化。
Nour Tawil：撰写与编辑、概念化。
Mark Lustig：撰写与编辑、方法论、数据分析。
Sophie Rupp：撰写与编辑、可视化处理、数据整理。
Simone Kühn：撰写与编辑、监督工作、项目管理、资金获取、概念化。
Leonie Ascone：撰写与编辑、监督工作、项目管理、方法论、资金获取、概念化。