It is not always greener on the other side: Greenery perception across demographics and personalities in multiple cities

Questo studio analizza le discrepanze tra la percezione soggettiva e la misurazione oggettiva del verde urbano in cinque paesi, rivelando che, sebbene i dati demografici e la personalità non influenzino significativamente la percezione, il luogo di residenza dell'individuo è il fattore determinante che modella come le persone osservano il verde nelle città.

L'essenziale

🌳 Non è sempre più verde dall'altra parte: Cosa pensiamo davvero del verde urbano?

Immagina di camminare per strada e guardare intorno a te. Ti chiedi: "Quanto è verde questa città?".
Da un lato, potresti avere un robot che conta pixel verdi sulle foto (un metodo scientifico e preciso). Dall'altro, c'è la tua mente che fa una valutazione basata su come ti senti, su cosa vedi e su cosa ti aspettavi di vedere.

Questo studio, condotto da ricercatori di tutto il mondo, ha messo alla prova proprio questa differenza: la realtà misurata dal robot coincide con quella che sentiamo noi?

La risposta breve è: No, non sempre. E la cosa più sorprendente è che chi sei (la tua età, il tuo sesso, la tua personalità) conta molto meno di dove vivi.

Ecco i punti chiave spiegati con delle metafore:

1. Il Robot vs. L'Artista (Obiettivo vs. Soggettivo)

Immagina che il Green View Index (GVI) sia un contatore di pixel molto noioso. Se guardi una foto, lui conta quanti pixel sono verdi e ti dice: "Qui c'è il 20% di verde". È preciso, ma freddo.

La percezione umana, invece, è come un artista che guarda lo stesso quadro. L'artista non conta solo i pixel, ma nota come sono disposti.

• Il risultato: Spesso le persone vedono più verde di quanto il robot ne misuri. È come se il nostro cervello "colorasse" la scena con un filtro positivo, o forse nota dettagli che il robot ignora (come un piccolo albero ben posizionato che fa sembrare tutto il quartiere più fresco).

2. Non è la tua età, è il tuo "Passaporto" (Demografia vs. Luogo)

Lo studio ha intervistato 1.000 persone di 5 paesi diversi (dai Paesi Bassi al Cile, dalla Nigeria a Singapore), chiedendo loro di valutare delle foto.
Hanno scoperto una cosa curiosa:

• Chi sei non importa molto: Che tu sia un uomo o una donna, giovane o vecchio, ricco o povero, estroverso o introverso... il modo in cui vedi il verde è quasi lo stesso per tutti.
• Dove vivi è tutto: La cosa che cambia davvero la percezione è la tua città di residenza.
  • L'analogia: Immagina due persone che guardano lo stesso bicchiere d'acqua. Se uno viene da un deserto (dove l'acqua è preziosa e rara), quel bicchiere gli sembrerà un tesoro. Se l'altro viene da una zona di pioggia costante, lo stesso bicchiere gli sembrerà normale.
  • Allo stesso modo, chi vive a Singapore (dove il verde è ovunque) guarda una foto di un quartiere con pochi alberi e pensa: "Non è molto verde". Chi vive in una città grigia e industriale potrebbe guardare la stessa foto e pensare: "Wow, c'è un po' di verde!".

3. La disposizione conta più della vicinanza (Il puzzle verde)

C'era un'altra domanda: "È più importante avere un albero proprio davanti al naso, o avere alberi sparsi un po' ovunque?"
Lo studio ha scoperto che la disposizione è più importante della vicinanza.

• La metafora: Pensate a un puzzle. Se avete un unico pezzo verde gigante incollato in un angolo, il quadro non sembra "verde". Ma se spargete piccoli pezzi verdi in modo uniforme su tutto il puzzle, l'immagine sembra molto più fresca e naturale, anche se la quantità totale di verde è la stessa.
• Le persone preferiscono il verde distribuito (spalmato ovunque) piuttosto che concentrato solo vicino a loro. È come se il nostro cervello apprezzi la "tessitura" del verde più che la sua semplice presenza immediata.

4. Perché questo è importante per le città?

Se un urbanista costruisce un parco basandosi solo sui dati del robot (il GVI), potrebbe sbagliare.

• Potrebbe pensare di aver fatto un ottimo lavoro perché ha piantato molti alberi, ma i residenti potrebbero non sentirsi "avvolti dal verde" se quegli alberi sono tutti ammassati in un punto e non distribuiti.
• Inoltre, non ha senso chiedere a un turista o a un modello di intelligenza artificiale globale di giudicare il verde di una città specifica. Bisogna ascoltare i residenti, perché loro hanno un "riferimento interno" basato sulla loro esperienza quotidiana.

In sintesi

Questo studio ci insegna che il verde non è solo una questione di numeri. È una questione di esperienza, abitudine e contesto.
Non serve essere esperti per capire il verde, ma serve essere locali. E per rendere le città più piacevoli, non basta piantare alberi a caso; bisogna distribuirli in modo che l'occhio umano li percepisca come un abbraccio naturale, non come un semplice dato statistico.

La morale della favola: Non fidarti ciecamente del contatore verde del robot; ascolta chi vive lì, perché per loro il verde ha un sapore (e un aspetto) tutto suo.

Sommario tecnico

Ecco un riassunto tecnico dettagliato del paper "It is not always greener on the other side: Greenery perception across demographics and personalities in multiple cities", presentato in italiano.

1. Il Problema

La quantificazione e la valutazione della vegetazione urbana sono fondamentali per la pianificazione urbana, la mitigazione climatica e il benessere dei cittadini. Esistono due approcci principali per valutare il verde:

• Oggettivo: Misurazioni tecniche come l'Indice di Vista Verde (Green View Index - GVI), calcolato tramite immagini a livello stradale (Street View Imagery - SVI) per determinare la percentuale di pixel verdi.
• Soggettivo: Percezioni umane ottenute tramite sondaggi o valutazioni visive.

Il problema centrale affrontato dallo studio è il disallineamento tra queste due misure. Spesso, ciò che le persone percepiscono come "verde" non corrisponde alle misurazioni tecniche della copertura vegetale. Inoltre, la letteratura esistente si è concentrata su singole città o non ha esplorato approfonditamente come fattori demografici, personalità e disposizioni spaziali della vegetazione influenzino questa discrepanza su scala globale.

2. Metodologia

Lo studio si basa su un approccio multidisciplinare che combina analisi di immagini, dati di percezione umana e modelli di machine learning.

• Dataset (SPECS): I ricercatori hanno utilizzato il dataset Street Perception Evaluation Considering Socioeconomics (SPECS), che include:

  • Immagini: 400 immagini a livello stradale (80 per città) provenienti da 5 città globali: Santiago (Cile), Amsterdam (Paesi Bassi), Abuja (Nigeria), Singapore e San Francisco (USA). Le immagini sono state selezionate per garantire diversità culturale, morfologica e socioeconomica.
  • Partecipanti: 1.000 persone da 5 paesi corrispondenti alle città delle immagini. Per ogni partecipante sono stati raccolti dati demografici dettagliati (età, reddito, etnia, ecc.) e i punteggi del "Big Five Inventory" (tratti di personalità).
  • Valutazione: I partecipanti hanno effettuato 50 confronti a coppie (pairwise comparisons) per immagine, valutando diversi indicatori percettivi, incluso il "verde" ("Which place looks greener?").

• Metriche Oggettive (Machine-Derived):

  • GVI (Green View Index): Calcolato utilizzando modelli di segmentazione semantica panottica per isolare i pixel di vegetazione e terreno.
  • Entropia Spaziale: Misura la distribuzione omogenea o eterogenea della vegetazione all'interno dell'immagine (calcolata tramite entropia di Shannon su finestre scorrevoli).
  • Prossimità: Distanza della vegetazione rispetto all'osservatore, stimata tramite modelli di profondità monoculare (Depth Anything V2).

• Metriche Soggettive:

  • Punteggi di percezione (Q scores) derivati dai confronti a coppie, normalizzati nell'intervallo [0, 1] per essere confrontabili con il GVI.

• Analisi Statistica e Modelli:

  • Correlazione e Bias: Analisi di Pearson e grafici di Bland-Altman per quantificare la relazione lineare e le differenze sistematiche tra GVI e Q scores.
  • Test Non Parametrici: Test di Wilcoxon e Mann-Whitney U per verificare differenze significative nelle distribuzioni.
  • Modellazione Predittiva: Addestramento di un modello Random Forest per prevedere i punteggi di percezione del verde utilizzando come input: caratteristiche dei partecipanti, metriche derivate dalle immagini (GVI, entropia, ecc.) e punteggi di altri indicatori percettivi (sicurezza, bellezza, ecc.). È stata utilizzata l'importanza delle caratteristiche permutata condizionale per gestire la multicollinearità.

3. Risultati Chiave

• Correlazione Moderata ma Non Sostitutiva: Esiste una correlazione positiva moderata tra il GVI e la percezione soggettiva (R ≈ 0.64 globalmente), ma non sono intercambiabili. In molti casi, i partecipanti sovrastimano la quantità di verde rispetto al GVI.
• Il Ruolo della Posizione (Location): Il fattore demografico più influente sulla percezione del verde è il luogo di residenza dei partecipanti. La cultura, l'ambiente e l'esperienza vissuta modellano le aspettative e le valutazioni. Ad esempio, i residenti di San Francisco potrebbero percepire scene di Singapore come meno verdi rispetto ai residenti locali, a causa di diversi punti di riferimento urbani.
• Demografia e Personalità: Contrariamente alle aspettative, fattori come genere, età, reddito, etnia e tratti di personalità (eccetto in casi specifici e limitati) non hanno un impatto significativo sulla percezione del verde. Questo suggerisce che i risultati dei sondaggi sul verde urbano possono essere generalizzabili globalmente senza bisogno di un bilanciamento demografico estremo.
• Disposizione Spaziale vs. Prossimità:
  • La disposizione spaziale (entropia) è un fattore critico: immagini percepite come molto verdi tendono ad avere vegetazione distribuita uniformemente in tutta la scena, piuttosto che concentrata in un'area specifica.
  • La prossimità (distanza della vegetazione dall'osservatore) ha un'influenza minore e contestuale. La percezione del verde non dipende necessariamente dal fatto che la vegetazione sia vicina, ma da come è organizzata nello spazio visivo.
• Predittività: Nel modello Random Forest, il GVI è il predittore più forte, seguito dall'entropia spaziale e dall'indice di vista del cielo (Sky View Index). I dati demografici dei partecipanti hanno un contributo trascurabile alla predizione.

4. Contributi Principali

1. Scalabilità Globale: È uno dei primi studi a esaminare sistematicamente la relazione tra misure oggettive e soggettive del verde su più città e culture, superando i limiti degli studi su singola città.
2. Decoupling Demografico: Dimostra che, a differenza di altri indicatori urbani, la percezione del verde è sorprendentemente uniforme tra diversi gruppi demografici, ma fortemente dipendente dal contesto geografico di residenza.
3. Nuova Metrica Spaziale: Introduce e valida l'importanza dell'entropia spaziale (distribuzione) rispetto alla semplice quantità o prossimità nel determinare la percezione umana.
4. Raffinamento del GVI: Conferma che il GVI da solo è insufficiente per la progettazione centrata sull'uomo, poiché ignora fattori contestuali e culturali che influenzano la percezione.

5. Significato e Implicazioni

Lo studio ha profonde implicazioni per l'urbanistica e la progettazione del paesaggio:

• Progettazione Centrata sull'Uomo: I pianificatori non devono limitarsi a massimizzare la copertura vegetale (GVI). Per migliorare la percezione del verde, è cruciale ottimizzare la disposizione spaziale della vegetazione (rendendola più diffusa e visibile) piuttosto che concentrarla.
• Valutazioni Locali: Le valutazioni soggettive del verde dovrebbero essere condotte dai residenti locali piuttosto che da modelli globali aggregati, poiché le norme culturali e le esperienze locali influenzano drasticamente la percezione.
• Integrazione di Metriche: Per una valutazione completa della qualità urbana, è necessario integrare metriche oggettive (GVI) con approcci soggettivi che tengano conto del contesto culturale e spaziale.
• Efficienza degli Interventi: Investire in spazi verdi di alta qualità e ben distribuiti potrebbe essere più efficace per la percezione pubblica rispetto alla semplice massimizzazione della copertura verde totale.

In sintesi, il paper conclude che "il prato non è sempre più verde dall'altra parte": la percezione del verde è un costrutto complesso plasmato dall'ambiente locale e dalla disposizione visiva, piuttosto che da semplici fattori demografici o dalla quantità assoluta di vegetazione.