《Applied Acoustics》：Noise annoyance mapping for wind turbines: a psychoacoustic approach incorporating noise sensitivity
編輯推薦：
為更精準地評估風力發電機噪聲（WTN）對社區感知的影響，本研究創新性地引入了心理聲學與個體差異視角。研究人員在愛爾蘭韋克斯福德郡的風電場附近采集噪聲，通過實驗室受控聽力實驗評估煩惱度，并構建了納入響度（Loudness）、波動強度（Fluctuation Strength）和粗糙度（Roughness）等心理聲學指標及噪聲敏感度（WNSS）的廣義線性混合效應模型。研究證實響度是預測煩惱的最強指標，且個體敏感度顯著影響響應閾值。通過建立LAeq,24h與響度的經驗關系，并利用ArcGIS和克里金插值，生成了不同敏感度人群的煩惱概率空間地圖，為風能項目的環境噪聲管理與可持續規劃提供了更包容、基于證據的分析框架。
風力發電作為一種清潔的可再生能源，在過去十年受到了廣泛關注，但其發展也伴隨著“成長的煩惱”——風力發電機運行時產生的噪聲。這種噪聲常被描述為“嗖嗖聲”和“砰砰聲”，對風電場附近居民的生活質量構成了顯著干擾，成為制約風能項目被社區接納的重要因素之一。傳統的噪聲評估主要依賴于A計權等效聲級（LAeq）等物理聲學指標，但這些指標在解釋人類實際聽覺感受和由此引發的煩惱度方面存在局限。問題的關鍵在于，噪聲的物理強度并不等同于人的主觀感知，不同的人對相同聲音的耐受程度也可能天差地別。為了彌合物理測量與主觀感知之間的鴻溝，更精準地預測和管理風力發電機噪聲對社區的影響，一項結合了前沿心理聲學、個體差異研究和地理空間技術的研究由此展開。
這項研究旨在將心理聲學指標整合到風力發電機噪聲煩惱度評估中，以提供對噪聲感知及其社區影響的更準確表征。研究人員通過在愛爾蘭韋克斯福德郡四個運營中的風電場附近14個監測點收集噪聲數據，并進行實驗室受控聽力實驗，最終構建了包含心理聲學指標和個體噪聲敏感度的煩惱度預測模型，并生成了空間化的煩惱概率地圖。這項研究已發表在《Applied Acoustics》期刊上。
為開展此項研究，作者主要運用了以下幾個關鍵技術方法：1. 現場噪聲數據采集與處理：在風電場周邊14個監測點使用Bruel & Kjaer 2250聲級分析儀進行噪聲測量和音頻錄音，并提取響度（Loudness）、尖銳度（Sharpness）、波動強度（Fluctuation Strength）、粗糙度（Roughness）等心理聲學指標。2. 受控實驗室聽力實驗與心理測量：招募46名聽力正常的參與者，在隔音實驗室內聆聽經過聚類篩選出的代表性風力發電機噪聲樣本，使用5點李克特量表評估主觀煩惱度。實驗前通過在線問卷收集了參與者的人口學信息和基于Weinstein噪聲敏感度量表（WNSS）的噪聲敏感度得分。3. 統計建模與預測：使用廣義線性混合效應模型（GLMM）分析心理聲學指標、噪聲敏感度及其交互作用對煩惱度（二分類變量）的影響。4. 噪聲傳播模擬與空間預測：利用Predictor-LimA軟件基于ISO 9613-2標準模擬研究區域的噪聲傳播，得到高空間分辨率的LAeq譜數據，并據此計算響度。通過建立實測與計算響度之間的關系，使用ArcGIS軟件和克里金（Kriging）插值技術，將統計模型預測的煩惱概率進行空間化制圖。
3.1. WTN的聲學特性
研究人員分析了167段、每段10分鐘的風力發電機噪聲錄音。監測點的LAeq值在32.39至46.32 dB(A)之間，而強調低頻成分的LCAQ值則顯著更高（50.32至67.10 dB），兩者差異大部分超過20 dB，證實了低頻成分是WTN聲學特征的重要組成部分。通過聚類分析從錄音中選出了18段具有代表性的90秒音頻作為聽力實驗的刺激材料，這些材料在響度、尖銳度、波動強度和粗糙度等心理聲學指標上呈現出明顯的組間差異，確保了實驗能覆蓋廣泛的感知屬性。
3.2. 多重共線性分析
在構建煩惱度模型前，對心理聲學預測因子進行了多重共線性分析。發現尖銳度（Sharpness）與其他變量（尤其是粗糙度，r = -0.87）存在強相關性，其方差膨脹因子（VIF）高達31.47，存在嚴重共線性。因此，為確保模型穩定，在最終模型中排除了尖銳度這一指標。
3.3. WTN煩惱度建模
廣義線性混合效應模型結果顯示，響度是預測煩惱度的最強指標（β = 0.80, p < 0.001）。粗糙度、波動強度和實驗中的暴露時長（Exposure）也是顯著的正向預測因子。個體噪聲敏感度（WNSS）不僅本身是顯著的主效應（β = 1.29, p = 0.018），還與響度、粗糙度和暴露時長存在顯著的交互作用，表明高敏感度個體會放大這些聲學指標對煩惱度的影響。模型預測表明，在觀測到的現場最高響度水平（5.5 sone）下，低、中、高敏感度個體的預測煩惱概率分別為0.4、0.73和0.91，差異巨大。
3.4. LAeq與響度之間的關系
研究建立了現場實測響度與LAeq,24h之間的經驗關系（N_measured = 0.0214 exp(0.1269 L_Aeq,24measured)），以及通過噪聲傳播模型計算得到的響度與LAeq,24h之間的關系（N_calculated = 0.0214 exp(0.1242 L_Aeq,24calculated)）。兩者高度一致，最大差異（0.67 sone）在可察覺差異（JND）范圍內，驗證了利用常規噪聲模擬輸出（LAeq譜）來可靠估算感知響度并進行空間外推的可行性。
3.5. 煩惱概率的空間預測與噪聲煩惱地圖繪制
基于已建立的模型和LAeq與響度的關系，研究利用ArcGIS生成了研究區域的響度空間分布圖，并進一步繪制了針對低、中、高三種噪聲敏感度人群的煩惱概率地圖。
- •
響度地圖顯示，響度在風機附近最高（超過30.9 sone），隨著距離增加而逐漸降低，在500米退讓距離處，敏感接收點的響度在1.9至5.5 sone之間。
- •
低敏感度人群的煩惱概率在大部分地區都極低，超過500米后概率普遍低于0.10，影響甚微。
- •
中等敏感度人群的煩惱影響范圍更廣。在500米退讓距離附近，煩惱概率在0.30-0.52之間；在1500米處，概率仍可達0.10-0.20。
- •
高敏感度人群受到的影響最為顯著和廣泛。在風機近場，煩惱概率可超過0.90；在500-1000米范圍內，概率仍維持在0.45-0.70的高位；直至1500米，概率依然在0.30-0.45之間。
這些地圖清晰地揭示，固定的噪聲退讓距離無法均等地保護所有居民，個體噪聲敏感度是決定煩惱空間范圍與強度的關鍵調節因素。
結論與討論
本研究通過整合心理聲學分析與個體差異研究，證實響度是預測風力發電機噪聲煩惱度的最強且最穩定的聲學指標，而個體噪聲敏感度是調節這種關系的關鍵變量。這意味著，僅基于物理聲壓級的傳統評估方法會忽略人群內部感知反應的巨大差異，可能導致規劃和管理措施失效。本研究的創新之處在于，通過建立物理聲級（LAeq）與感知響度之間的轉換關系，成功地將心理聲學指標和個體敏感性整合到一個可空間化的預測框架中。生成的煩惱概率地圖直觀顯示，對于高敏感人群，煩惱影響可延伸至遠超常規退讓距離（如500米）的范圍，這挑戰了“一刀切”式的噪聲管控思路。
該研究的重要意義在于，它為環境噪聲管理，特別是風能項目的可持續規劃，提供了一個更包容、更基于證據的框架。該方法強調在評估噪聲影響時，需要同時考慮聲音的知覺屬性（心理聲學）和聆聽者的人格特質（噪聲敏感性），從而實現從“聲源導向”到“受體導向”的視角轉變。未來研究可將此框架擴展，納入視覺影響、對風電的態度等非聲學因素，并結合長期現場數據進行驗證，從而進一步增強其在復雜現實環境中的預測能力和政策指導價值。總之，這項工作推動了從簡單的物理合規性檢查，邁向對社區感知健康影響進行精細化、人性化評估的重要一步。
