特大城市舒適度與中老年情緒健康的響應機制分析*

黃煥春 鄧 鑫 陳圖農 朱柏葳 劉俊杰

0 引言

城市微氣候，是指由于下墊面性質以及人類和生物生活的影響而形成的近地層大氣的小范圍氣候。近年來，隨著世界城市化不斷加快，熱島強度和面積迅速擴大，導致了城市微氣候的改變，夏季高溫熱浪的強度、頻率和范圍增強[1]。城市微氣候中，使人體暴露在熱島增強的夏季高溫環境溫度中[2]，嚴重危害了城市居民的身體及心理健康[3]，尤其對老年人這一脆弱群體的影響最為顯著[4-5]。

城市微氣候與身體健康之間的聯系已經被廣泛研究[6-7]，但與心理健康的研究較少[8-9]。已有研究大多數集中于自殺和心理疾病[10-11]，并指出溫度與自殺人數增加、心理健康疾病人群和急癥風險增加具有顯著相關性[12-13]。這些研究都表明城市微氣候會影響人體的心理健康，但大部分研究集中于關注高溫熱浪天氣的舒適度對精神疾病的影響，較少關注普通人群的情緒健康。

城市微氣候中，高溫會顯著增加情緒健康的風險[11]。高溫通過生理的熱敏感機能作用，導致睡眠障礙、疲勞和熱應激[14-15]，從而可能會引發焦慮、疲勞、情緒不適、改變精神狀態[16]，降低情緒健康、增加攻擊性[17]。相關研究表明，環境溫度超過21 ℃，正向情緒（如高興、快樂）會減少，負向情緒（如壓力、憤怒）增加；超過32 ℃，負向情緒會顯著增加[18]；超過35 ℃，情感障礙發生明顯增多[19]。這些研究主要探討溫度對情緒的總體影響特征，而缺乏綜合考慮濕度、風速、溫度進行研究，也沒有深入到負向情緒的具體因子。已有的城市微氣候心理健康危害研究非常有限[20]，研究成果多是基于西方國家的社會文化背景、城市空間結構，相關研究成果也缺乏應用于健康城市規劃、環境健康治理的實踐知識。

因此，本文側重于以35 ℃以上的高溫熱浪天氣影響的典型特大城市——中國南京市作為研究區，基于高溫熱浪天情緒問卷調查及實測溫度、濕度、風速數據，利用GIS、SPSS和MATLAB等軟件進行數據處理分析，探討高溫熱浪的舒適度對40歲以上的中老年人群的負向情緒因子的影響，以期為減輕微氣候惡化對情緒健康的危害、促進健康城市的規劃建設提供基礎研究。

1 研究方法

1.1 問卷設計

1.1.1 問卷設計理論與方法

情緒是來自于正在進行著的環境中好的或不好的信息的生理心理反應的組織[21]。情緒二維模式理論，把情緒分為正向情緒（積極）和負向情緒（消極）兩種類型[22]。已有研究表明情緒會影響健康和行為，減少負向情緒也成為處理健康和行為問題的常用策略。因此，研究與實踐中非常需要對負向情緒的強度和形式進行評定，而形容詞經常被作為描述情緒及測度其強度的專業術語。澤文（Zevon）和特勒根（Tellegen）對情緒的結構進行了測度，其中選取了60個形容詞描述情緒[23]。沃森（Watson D）等人從60個形容詞中里選定了20個代表正負向情緒的詞匯，編制了正負性情緒量表，對正負向情緒強度進行測度，其中負向情緒包括坐立不安、心煩、內疚、驚恐、敵意、易怒、羞愧、緊張、心神不寧、害怕[24]。黃麗等人研究了對該情緒量表的中國人群適用性，結果表明該表適用于中國人群[25]。在實踐中，該量表被廣泛應用于評定社區人群的心理健康狀況[26-27]。

1.1.2 問卷設計與有效性檢驗

根據研究目的與對象，本文基于情緒健康測度的理論與實踐，構建了夏季舒適度對城市居民情緒影響的測度量表。量表充分考慮到問卷的高溫熱浪天氣及負向情緒因子與環境的關聯性，因此本問卷僅采用簡短的心煩、易怒、緊張、敵意4個因子進行測度。問卷的具體內容包括“您現在感覺到心煩的”“您現在感覺到敵意的”“您現在感覺易怒的”“您現在感覺緊張的”。對于每個問題，受訪者根據當前的情緒可以選擇回答“1幾乎沒有”“2比較少”“3中等程度”“4比較多”“5極其多”或者拒絕回答。情緒變量測試采用心理學的1—5連續型，便于進行量化分析。

本問卷的信效度檢驗表明，克朗巴赫系數Cronbach’sα值大于0.71，KMO值為0.715，說明問卷的信效度較好，具有一致性和可靠性，能夠應用于本研究中。

1.2 問卷調查區域

樣本數據來源于南京市城區2019年7月28日至8月27日的高溫熱浪天的居民情緒健康影響的隨機問卷調查。調查對象為高溫熱浪天戶外出行的40歲以上中老年人群，地點分布在南京市江南、江北的各大居住區、廣場、公園，樣本覆蓋城區的高溫、中溫、低溫區域（圖1）。調查的方式為隨機抽取，因此調研過程中不能排除受試者受之前經歷的活動或突發性事件的影響。為了盡量降低這些影響對數據分析的誤差，本研究在保證抽樣隨機性的同時，對調研對象進行初步篩選，排除在外劇烈運動的人群，并擴大樣本數量。

圖1 研究區與數據采集Fig.1 study area and data collection

南京市（31°14′N～32°37′N, 118°22′E～119°14′E）是中國人口高度密集的特大城市，2020年亞洲城市排名第11位，2020年的中國二線城市。南京屬北亞熱帶濕潤氣候，四季分明，雨水充沛，年平均溫度15.4 ℃，2019年夏季平均日最高氣溫31.1 ℃。隨著人口和經濟的快速增長，南京城市化快速進行，城市微氣候改變日益嚴重[34]，對城市居民的身體和心理健康產生了負向影響。因此，研究南京市高溫熱浪天氣中，舒適度對居民情緒健康的影響具有典型意義。

1.3 舒適度實測與計算方法

舒適度數據要素來源于離地面1.5 m高的小型WS-30手持氣象站。該設備的精度為±0.3 ℃、濕度為±3%、風速±0.3 m/s，數據穩定之后，每隔1 min自動記錄一次，具有反應快、精度高的優點，適合在城市室外環境使用。溫度記錄采用的熱敏電阻記錄原理，隨著溫度變化，電阻值也隨之變化。氣象站與問卷調查地點保持一致，主要布置在江南、江北各大居住區、廣場、公園的中央空曠處。

人體舒適度指數是較為常用的表征人體舒適度的方法，主要取決于氣溫、濕度和風速三個指標[28]，氣溫是判斷氣候舒適度的主要指標，濕度和風速是輔助指標[29]。自1966年特吉旺（Terjung）[30]提出了氣候舒適性指數的概念后，國內外學者對人體舒適度提出了一系列的研究，提出眾多計算公式[31-32]。本文選用我國氣象臺站常用的、也是近年來國內較流行的ICHB經驗公式[33]，該公式同時考慮溫度、濕度、風速對人體舒適度的影響，公式如下：

式中：T為溫度/（℃）；RH為濕度/（%）；V為風速/（m·s-1）。

1.4 競爭神經網絡分類方法

競爭神經網絡分類方法是一種應用廣泛的無導師神經網絡。無導師學習神經網絡在學習過程中無需知道期望的輸出，與真實人腦中的神經網絡類似，通過不斷地觀察、分析與比較，自動揭示樣本中的內在規律和本質，從而對具有近似特征（屬性）的樣本進行準確地分類和識別。而高溫環境對人的情緒健康影響研究成果缺乏，目前處于無法或者很難獲得期望的輸出的研究階段，基于有導師學習的神經網絡無法解決，只能采用無導師神經網絡。競爭神經網絡分類計算方法為以下四種。

第一，網絡初始化。設輸入層由R個神經元構成，競爭層由S1個神經元構成，為不失一般性，設訓練樣本的輸入矩陣為

其中，Q為訓練樣本的個數，Pij表示第個訓練樣本的第i個輸入變量，并記

則網絡的初始連接權值為

其中，

網絡的初始閾值為

同時，在學習之前需初始化相關參數。設權值的學習速率為α，閾值的學習速率為β，最大迭代次數為T，迭代次數初始值N=1。

第二，計算獲勝神經元。隨機選取一個訓練樣本P，根據

設競爭層第k個神經元為獲勝神經元，則應滿足

的要求。

第三，權值、閾值更新。獲勝神經元k對應的權值和閾值分別按照

第四，迭代結束判斷。若樣本沒有學習完，則再另外隨機抽取一個樣本，返回步驟（2）。若N＜T，令N=N+1，返回步驟（2）；否則，迭代結束。

1.5 數據處理

本次調查共發放問卷992份，回收了問卷417份，剔除空白、未完成及年齡在40歲以下等無效問卷，完成篩選后有效問卷共379份。通過SPSS軟件繪制樣本溫度數據盒狀分布圖，分析數據的分布情況（圖2）。結果表明，樣本數據覆蓋范圍30～52 ℃，具有較好的空間分布。四分位距為9 ℃，占極差40.91%，表明溫度樣本沒有集中在某一區間內，而是分散分布在各溫度區間，這保證了各區間內足夠的樣本數量。同時，中位數為42 ℃，表明樣本能夠較好地覆蓋高溫熱浪35 ℃以上天氣。通過基礎性的描述性分析，說明數據能夠用于研究高溫熱浪天氣的熱舒適度對居民情緒健康的影響研究。

圖2 樣本溫度覆蓋區間Fig.2 sample temperature coverage interval

根據調查問卷的記錄時間，將問卷數據與相對應地點的同一時刻溫度、濕度、風速數據相匹配，并計算得到舒適度指數，進而將舒適度指數劃分為1的等間隔區間。利用SPSS的交叉表分析，得到不同程度的心煩、易怒、敵意、緊張四類因子占各溫度區間的百分比。然后，將四類因子的影響程度百分比進行加權，得到各區間內因子的綜合影響程度指標。進而，對數據進行平滑處理，并將影響指標按最大值進行標準化。

2 結果分析

2.1 舒適度與負向情緒相關性分析

將舒適度、溫度、濕度、風速與情緒因子進行相關系數分析，結果表明舒適度對心煩、敵意、易怒、緊張和綜合負向情緒均有顯著影響，通過0.00的信度檢驗（表1）。舒適度對綜合負向情緒的影響最大，對心煩、敵意、易怒、緊張等單因子同樣具有顯著相關性，其中：心煩＞易怒＞敵意＞緊張。舒適度主要影響因子是溫度，其次是濕度和風速。溫度對易怒的影響最大，其次是心煩；濕度與緊張無明顯關系，對心煩、敵意、易怒具有負相關性；而風速則通過心煩影響負向情緒。

表1 舒適度對情緒健康因子的相關系數Tab.1 correlation coefficient of comfort and emotional elements

負向情緒受影響程度在年齡、性別類型上存在顯著性差異。通過皮爾遜相關系數和卡方檢驗，分析舒適度與負向情緒5項指標的關系（表2），結果表明年齡與心煩、易怒、綜合情緒等三個因子具有明顯負相關性，這表明環境舒適性對心煩、易怒、及其情緒總體特征影響具有年齡特征；而性別僅與心煩具有統計的顯著相關性，表明環境的舒適性只對個別情緒因子影響具有性別特征，而負向情緒總體特征并無明顯差異。

表2 情緒因子與年齡、性別的相關性Tab. 2 correlation coefficient between emotional elements and age and gender

2.2 舒適度對綜合負向情緒的影響

2.2.1 舒適度與綜合負向情緒的曲線關系

舒適度對負向情緒的綜合影響，是心煩、易怒、緊張、敵意在個體的綜合過程，因此本文將四因子進行疊加，分析舒適度對情緒健康的綜合影響。結果表明，舒適度對負向情緒的綜合影響的回歸方程為：

其中R2為0.98，RMSE為0.01。回歸方程顯示（圖3），舒適度指數越高負向情緒越嚴重。

圖3 舒適度對綜合情緒的影響Fig.3 the effect of comfort on combined emotion

環境舒適性對綜合情緒的影響，在不同年齡段中存在差異（圖4）。年齡在40—49歲區間的人，綜合情緒平均值為1.7，在受影響最嚴重區間的比例遠高于其他年齡段。年齡在50—59歲、60—69歲及＞80歲區間的人，綜合情緒平均值分別為1.5、1.4、1.3。較40—49歲年齡區間的人，綜合情緒有階梯式下降趨勢。70—79歲年齡區間的人，綜合情緒平均值較60—69歲年齡區間的人并無明顯下降趨勢，且這一現象在心煩、易怒、敵意、緊張四種情緒中均有體現，具體原因有待于后續研究。總體而言，隨著年齡的增長，人的平均耐熱性增強，由環境所引起的情緒波動通常更為微弱。這可能是因為隨著年齡的增長，一方面人的生理和心理應激反應減弱；另一方面，人的閱歷也更加豐富，心境逐漸平靜，更容易適應環境的變化。

圖4 不同年齡人群的綜合情緒平均值Fig.4 comprehensive emotional average of people of different ages

環境舒適性對綜合情緒的影響，在不同性別中存在差異（表3）。總體而言，女性的綜合情緒平均值略高于男性。在不受影響的等級，男性較女性有更大比例。綜合情緒中等等級，男女比例大致相當。在綜合情緒高等級，女性占更大比例。相較于男性，女性對于環境舒適性變化表現出更復雜的情緒反應。說明女性耐熱性更差，隨環境舒適度指數降低，更易產生負面情緒。

表3 綜合情緒與性別交叉分析Tab.3 intersection analysis between comprehensive emotion and gender analysis

2.2.2 綜合情緒受影響的神經網絡分類

心煩、易怒、敵意、緊張等情緒因子，受個體所處社會、生態與物理環境的影響。在負向情緒組成方面，不同的人會對溫度環境的應激反應產生不同的類型組合。針對這一現象，在不設定任何前提條件下，采用無導師學習神經網絡模型進行聚類分析，以分析綜合情緒受影響的類型。模型參數設置如下：kohonenLR權值的學習速率設置為0.01，conscienceLR閾值的學習速率設置為0.001，采用隨機權重規則對樣本數據進行500次聚類運算。

本研究中競爭型神經網絡按照科霍嫩（Kohonen）學習規則，對獲勝神經元的權值進行調整，通過輸入向量進行神經元權值的調整。通過學習，那些最靠近輸入向量的神經元權值向量得到修正，使之更靠近輸入向量，其結果是獲勝的神經元在下一次獲勝的輸入向量出現時，獲勝的可能性會更大；而對于那些與輸入向量相差很遠的神經元權值向量，獲勝的可能性變得很小。本研究通過大量調研數據的訓練，在模型中具有相似輸入向量的各類模式作為輸入向量時，其對應神經元輸出為1，否則對應的神經元輸出為0。

利用競爭神經網絡分類方法，在不考慮舒適度指數高低的情況下，將負向情緒綜合影響分為三種類型：類型一為不受影響；類型二為受影響較為微弱；類型三受影響較為明顯。如圖7所示，在不同年齡階段三種類型略有差異。40—49歲，類型一綜合情緒值均小于1.25，類型二值穩定在1.5～1.75，并較少分布在1.25～1.5、1.75～2，類型三值在2～5。50—59歲、60—69歲類型一、類型二的分布規律與40—49歲類似，但類型三值在2～3.75。70—79歲，類型一的值均在1，類型二值均在1.25～2，類型三的值均在2.25～5。80歲以上，類型一的值均在1，類型二值均在1.25～2，類型三的值均在2.75～3.25。這表明隨著年齡的增長，70歲以后三種類型界限劃分更為明顯，情緒表現更為穩定。這主要是隨著年齡的增長、人的閱歷增加和生理機能降低，由熱環境所引起的情緒波動通常更為微弱。

圖7 不同年齡階段的心煩指數 Fig.7 distress index at different ages

2.3 舒適度與負向情緒單因子的關系分析

2.3.1 舒適度與心煩的關系

在不同的舒適度指數范圍，舒適度與心煩相關關系具有明顯的變化。通過MATLAB進行回歸分析，發現三次曲線能夠較好地擬合兩者之間的關系，回歸方程為：

其中R2為0.96，RMSE為0.01。

回歸方程顯示（圖6），隨著溫度升高，舒適度對心煩的影響呈階段性變化：舒適度指數84～88時，影響程度迅速上升；舒適度指數88～94時，影響程度相對緩慢下降；舒適度指數94～95時，又緩慢上升。主要是因為：舒適度指數84～88時，人體對高溫的調節能力能啟動緊急預警機制，此時并未將高溫列入危險因素，喚醒程度不高，因此處于心煩上升階段[35]；舒適度指數88～94時，人體體溫調節機制進入二級預警階段，人體開始自我保護，進入抵抗階段，血液淺靜脈擴展、血液循環健康、排汗量增多，將精力集中于應對外界的高溫刺激，從而帶來心理的心煩程度降低[36]。舒適度指數94～95時，此時嚴重超出生理預警機制的溫度有效調節范圍，個體在應對高溫中消耗大量的能量，機體無法恢復到平衡狀態，個體將高溫再次列入威脅，進入衰竭階段，從而出現心煩的上升階段[37]。

圖5 年齡對綜合情緒影響的分類Fig.5 classification of age influence on comprehensive emotions

圖6 舒適度對心煩的影響Fig.6 the effect of comfort on distress

舒適度對心煩的影響存在顯著性別、年齡差異。男性呈現出M型特征（表4），在不影響和影響最嚴重的等級，男性所占比例均高于女性。這說明面對惡化的環境舒適性，女性較男性更為容易呈現出心煩的特征，環境不舒適性初始更容易被女性捕捉。女性在心煩指數低程度，較男性具有更大的比例；在中等程度，男女比例大致相當。不同年齡階段，環境不舒適性的心煩也具有差異。分析結果表明，隨著年齡的增長，心煩指數下降（圖7）。這主要與個體經歷相關，年齡越大越具有豐富的自然和社會經驗，更容易調整個體狀態適應背景環境應激，從而表現為較低的心煩指數。

表4 不同性別人群心煩程度Tab. 4 distress index at different genders

2.3.2 舒適度與易怒的關系

舒適度與易怒具有明顯的相關關系。分析表明三次曲線能夠較好的擬合二者關系，回歸方程為：

其中R2為0.98，RMSE為0.02。

回歸方程顯示（圖8），舒適度指數83～93時，隨著舒適度指數升高，對易怒的影響程度呈持續上升趨勢；舒適度指數93～95時，影響程度較緩慢下降。主要原因是：舒適度指數83～93時，隨著舒適度指數升高，高溫對人體危險性增加，喚醒強度也在持續的增加，應對外界的高溫環境刺激的投入逐漸增多[38]，此時人體會處于“易激怒狀態”，稍不順心就容易上火發怒，有的人還會失去情緒控制；舒適度指數93～95時，超出生理預警機制的溫度有效調節范圍，機體無法恢復到平衡狀態，人此時只想逃離熱環境[39]，使得易怒逐漸減少。

圖8 舒適度對易怒的影響 Fig.8 the effect of comfort on irritability

在不同年齡階段，舒適度對易怒的影響程度具有較大差異。利用不同年齡階段舒適度對易怒的影響程度指數，繪制成二者的變化趨勢折線圖。由圖9可知，總體上隨著年齡增長，易怒逐步下降，下降約35%。60—79歲，隨著曲線下降趨勢發生逆轉，較45—65歲略有上升；75—85歲后又迅速下降。

圖9 不同年齡階段的易怒指數Fig.9 irritability index at different ages

2.3.3 舒適度與敵意的關系

舒適度與敵意具有明顯的相關關系。分析表明三次曲線能夠較好的擬合兩者之間的關系，回歸方程為：

其中R2為0.98，RMSE為0.01。

回歸方程顯示（圖10），隨著舒適度指數的升高，對敵意的影響程度呈持續上升趨勢：舒適度指數83～93時，影響程度迅速上升；舒適度指數93～95時，影響程度趨向平穩。主要原因是：隨著舒適度指數升高，外界環境熱舒適度對人體的健康威脅越來越大，個體將越來越多的體力與精力集中于應對環境高溫的調節，因此對外界環境干擾刺激的敵意就逐漸增強。

圖10 舒適度對敵意的影響Fig.10 the effect of comfort on hostility

2.3.4 舒適度與緊張的關系

舒適度與緊張具有明顯的正相關關系。回歸分析表明三次曲線能夠較好的擬合兩者之間的關系，回歸方程為：

其中R2為0.96，RMSE為0.01。回歸方程顯示（圖11），隨著舒適度指數的升高，對緊張的影響呈階段性變化：舒適度指數83～86時，影響程度迅速上升；舒適度指數86～91時，影響程度處于平穩狀態；舒適度指數91～95時，影響程度緩慢上升。主要是因為：隨著舒適度指數的升高，人體的不舒適程度在增加，情緒喚醒程度提升，并與高溫帶來的不愉快維度的復合疊加，導致情緒的緊張狀態。而隨著人體對高溫的預警機制的啟動，個體將集中于應對高溫環境刺激，緊張情緒進入平穩階段。隨著舒適度指數的繼續升高，人體無法應對新的更高環境的不舒適刺激，緊張情緒會再次攀升。

圖11 舒適度對緊張的影響Fig.11 the effect of comfort on nervousness

2.3.5 舒適度對負向情緒因子影響差異

將舒適度對不同負向情緒因子的影響進行對比分析，發現不同因子受舒適度影響程度存在較大差異，依次為：心煩＞易怒＞緊張＞敵意（圖12）。高溫對心煩、易怒和緊張的影響呈起伏波動，敵意呈單調遞增。原因是高溫環境對人體的影響是多層次且逐層增強的；人體進入到高溫環境中，首先心理層次的應激反應往往敏感于其他層次，在不能很快適應的情況下，個體會通過心煩、焦慮的情緒對環境產生熱應激。當過高或過長時間高溫暴露引發許多不良的身心反映，超過人體的心理承受程度，個體會表現出沖動易怒。

圖12 舒適度對負向情緒因子影響差異Fig.12 differences in the impact of comfort on negative emotion factors

3 討論

本研究采用心理學的直接問卷調查法，分析高溫熱浪環境中，舒適度對情緒健康的影響，這便于實時獲取高溫環境下真實情緒狀態和強度，避免了訪談的時間滯后誤差。正負性情緒量表包含20個因子，被試者需要長時間停留和訪談。由于人群在高溫下停留時間較短，過多問題會導致問卷拒絕率高，因此問卷僅簡化為4個因子。因子來源于正負性情緒量表的負向情緒條目，從量表中篩選出4個與舒適度及環境影響聯系緊密的因子，包括易怒、心煩、敵意、緊張，剔除內疚、羞愧、害怕等關系不密切的因子。

在心理學研究中，4個等級可作為連續變量，本文采用5個級別。再經過標準化后處理的情緒數據，確保屬于連續變量質量。研究表明環境舒適度對情緒影響存在較為明顯的人群分布特征。四個情緒因子之間的組合關系所形成的類型特征難以通過人為判斷，可以通過競爭型神經網絡進行了較為適宜的分類，區分舒適度對人的情緒健康影響關系。競爭神經網絡的分類性能與權值和閾值有關系，而目前還沒有效的方法對各種因素的影響進行評判。因此，本研究僅根據經驗和MATLAB工具算法推薦，進行較小學習率和閾值的不斷嘗試，從而得出分類，再結合實踐觀察和理論知識，至于是否存在其他的規律特征分類，目前尚未發現。

本研究分析了中老年人群大概率的一般規律，結果表明舒適度對40歲以上年齡組人群情緒健康的影響具有普遍規律，但65歲以上年齡組，情緒因子受舒適度影響的規律更加突出，部分曲線會出現滯后現象。該研究為背景環境對特定脆弱人群的總體普遍規律特征研究，而對于特定影響因子會加重或減弱該背景應激的情緒反應強度的影響，本文僅探討了性別和年齡兩種因子。而經濟條件、教育程度、工作狀態等另文單獨論述。

4 結論

第一，高溫熱浪天氣，環境舒適度對中老年人情緒健康具有顯著影響，在不同年齡、性別中存在明顯差異，綜合負向情緒及因子的影響程度隨舒適度指數升高總體呈上升的特征。

第二，舒適度對負向情緒因子分為不受影響、影響較微弱、影響較明顯3種類型，不同類型具有不同的情緒狀態，隨著年齡增長，分類越趨于穩定。

第三，舒適度指數與負向情緒因子的影響程度，存在明顯曲線類型差異，影響程度大小呈現：心煩＞易怒＞緊張＞敵意。

第四，隨著舒適度指數的升高，情緒因子的受影響呈現階段性的變化。高溫對心煩、易怒和緊張的影響呈起伏波動，敵意呈單調遞增加趨勢。

圖表來源：

圖1-12：作者繪制

表1-4：作者繪制