¶ Analisi automatica di qualità
del paesaggio sonoro
Nicola Corebllini
nicola.corbellini@edu.unige.it
Gualtiero Volpe
gualtiero.volpe@unige.it
Casa Paganini - InfoMus
DIBRIS - Università degli Studi di Genova
www.casapaganini.org
¶ Introduzione
La nostra vita quotidiana è immersa nel suono degli ambienti che frequentiamo. Il paesaggio sonoro di un luogo riveste pertanto un ruolo fondamentale per la qualità della nostra esistenza. Ad esempio, l’inquinamento acustico è stato associato a livelli più elevati di reattività allo stress e di distrazione (De Paiva Vianna et al., 2015) e può essere causa di disturbi del sonno, di scarso rendimento scolastico dovuto alla diminuzione delle capacità di apprendimento, di scarsa comprensione della lettura e di deficit di concentrazione (Hammer et al., 2014). Viceversa, è stato mostrato che i suoni comunemente associati agli ambienti naturali favoriscono il ripristino dell’attenzione percepita in soggetti sani (Ratcliffe, 2021; Ratcliffe et al., 2013), supportano il recupero dagli stress rispetto ai paesaggi sonori urbani (Alvarsson et al., 2010) e producono un miglioramento delle funzioni cognitive (Berman et al., 2008; Van Hedger et al., 2019), della salute e del benessere (Twohig-Bennett & Jones, 2018; White et al., 2019; Zhang et al., 2020).
Migliorare la qualità ecoacustica dei luoghi di vita e di lavoro richiede una profonda comprensione dei paesaggi sonori, degli effetti che essi producono e dei meccanismi alla base di tali effetti. Questa maturata consapevolezza ha guidato lo sviluppo di recenti attività di ricerca. Ad esempio, riguardo ai meccanismi che entrano in gioco, Stobbe e colleghi (2023) hanno studiato i percorsi neurali alla base dei suddetti effetti ambientali. Relativamente agli effetti prodotti, uno studio recente (Longman et al., 2025) suggerisce che gli elementi acustici degli ambienti forestali svolgano un ruolo nel mediare il miglioramento dello stato psicologico e delle funzioni cognitive, ma non sembrano influenzare lo stress fisiologico né i parametri immunologici.
In tale contesto, la contaminazione tra le competenze dell’acustemologia e dell’etnomusicologia e le tecniche computazionali sviluppate dall’informatica apre nuove direzioni di ricerca. In particolare, le metodologie approntate nell’ambito dell’intelligenza artificiale e, più specificamente, dell’apprendimento automatico, coniugate con le tecniche per l’analisi automatica del suono, costituiscono strumenti utili per analizzare le caratteristiche acustiche di un paesaggio sonoro, allo scopo di identificare quelle che influenzano principalmente la qualità della vita delle persone che lo abitano.
In questo studio viene presentato un approccio basato su tecniche di apprendimento automatico per classificare paesaggi sonori urbani, annotati manualmente come “Rumorosi” o “Silenziosi”. Nello specifico, lo studio indaga quali caratteristiche acustiche quantitative (metriche fisiche del segnale audio) e quali caratteristiche acustiche qualitative (valutazioni soggettive degli annotatori) rivestano un ruolo rilevante affinché il classificatore automatico distingua tra un paesaggio sonoro annotato come rumoroso e uno annotato come silenzioso, nonché in quale misura l’integrazione di caratteristiche quantitative e qualitative migliori le prestazioni della classificazione automatica. In tal modo, la ricerca si propone di identificare le caratteristiche fisiche dell’ambiente e quelle soggettive degli annotatori che hanno portato a valutare un paesaggio sonoro come rumoroso o silenzioso.
Nella prospettiva di pervenire allo sviluppo di tecnologie capaci di fornire ad utenti comuni informazioni sui paesaggi sonori e di suggerire quelli più adatti a ciascun utente e alle attività da svolgere, lo studio analizza anche le differenze di prestazione tra modelli addestrati su segnali audio acquisiti con registratori professionali Zoom H1n e su segnali audio acquisiti con dispositivi di largo consumo come gli smartphone commerciali. Inoltre, è stata valutata l’influenza della durata dei segmenti audio analizzati sulle prestazioni dei modelli addestrati: la capacità delle tecniche approntate di fornire suggerimenti all’utente anche a fronte di brevi registrazioni può infatti favorire l’adozione della tecnologia.
¶ Metodologia
¶ Dataset
Il dataset è costituito da registrazioni audio di paesaggi sonori e dalle relative valutazioni soggettive, raccolte da gruppi di partecipanti volontari nella città di Torino. Le acquisizioni sono state effettuate in diversi luoghi di interesse (parchi e monumenti), collezionando per ciascun sito una coppia di registrazioni simultanee mediante due dispositivi: uno smartphone commerciale e un registratore digitale Zoom H1n.
In totale, il corpus comprende 138 registrazioni (69 registrazioni uniche per ciascun dispositivo).
Al termine di ogni sessione di registrazione, i partecipanti hanno compilato individualmente un questionario per valutare le caratteristiche qualitative del paesaggio sonoro (caratteristiche acustiche qualitative). Successivamente, per ogni traccia audio, sono state estratte metriche computazionali descrittive delle proprietà fisiche del segnale (caratteristiche acustiche quantitative).
¶
Caratteristiche Acustiche Qualitative
Le valutazioni soggettive sono state raccolte tramite un questionario che comprende le seguenti tipologie di domande:
- scale Likert (1-5): per quantificare la presenza di specifiche sorgenti (ad esempio, "Quanto si sente il rumore del traffico? (auto, moto, autobus, treno, nave, aereo, ecc.)", "Quanto si sentono i suoni della natura (animali, vento, acqua, pioggia, alberi, ecc.)");
- domande a scelta multipla: per valutare la percezione generale (ad esempio, "Cosa ne pensi del contesto sonoro del luogo in cui ti trovi in questo momento?" [Molto confortevole - Molto a disagio], oppure "Il paesaggio sonoro sia..." [Monotono - Vibrante]);
- domande a risposta aperta: per identificare fonti specifiche di comfort o disagio (ad esempio, “Identifica dal contesto sonoro generale una fonte sonora (se presente) che ti trasmette un senso di confortevolezza”).
Per la costruzione del dataset per l’addestramento dei modelli computazionali, è stata effettuata una selezione delle caratteristiche: sono state escluse le domande a risposta aperta e quelle a scelta multipla con risposte opzionali mancanti. Il set finale comprende 19 caratteristiche acustiche qualitative, che sono state raggruppate secondo le seguenti categorie:
- Luogo & Setting:
- In che tipo di ambiente ti trovi in questo momento? [Parco - Monumento]
- Credi che il contesto sonoro sia rilevante per l’apprezzamento di questo luogo? [No - Non so - Sì]
- Il contesto sonoro generale di questo luogo corrisponde alle aspettative che te ne eri fatto prima di arrivare qui? [No - Non so - Sì]
- Ritieni che il contesto sonoro generale rappresenti una caratteristica esclusiva di questo luogo? [No - Non so - Sì]
- Ritieni che questo luogo necessiti di misure di controllo del rumore? [No - Non so - Sì]
- Ritieni che in questo luogo vi siano suoni da tutelare? [No - Non so - Sì]
- Cosa ne pensi del contesto sonoro del luogo in cui ti trovi in questo momento? [Mi mette molto a disagio - Mi mette a disagio - Neutrale - Confortevole - Molto confortevole]
- Ritieni che la tua presenza abbia un impatto sul paesaggio sonoro generale? [No - Non so - Sì]
- Impatto Percettivo
- Come definiresti l'ambiente acustico in cui ti trovi attualmente? [Irritante - Né l’uno né l’altro - Piacevole]
- Pensi che il paesaggio sonoro sia… [Caotico - Né l’uno né l’altro - Calmo]
- Pensi che il paesaggio sonoro sia… [Monotono - Né l’uno né l’altro - Vibrante]
- Valuta il tuo grado di partecipazione al paesaggio sonoro generale secondo la seguente scala di valori: [1 - 5]
- Il paesaggio sonoro ha qualche tipo di evento? [Senza eventi (quotidianità) - Né l'uno né l'altro - Con eventi (evento straordinario)]
- Sorgenti di Rumore:
- Quanto si sente il rumore del traffico? (auto, moto, autobus, treno, nave, aereo, ecc.) [1 - 5]
- Quanto si sente il suono di costruzioni, industria, apparecchiature elettroniche, elettrodomestici, ecc. [1 - 5]
- Quanto si sente il suono di musica, radio, musica amplificata, strumenti musicali, discoteca, ecc. [1 - 5]
- Quanto si sentono altri suoni (come campanelli, campana, fischietti, fuochi d'artificio, sirene, ecc.) [1 - 5]
- Quanto si sentono i suoni della natura (animali, vento, acqua, pioggia, alberi, ecc.) [1 - 5]
- Quanto si sentono i suoni umani (voci, conversazioni, risate, canti, vicini, passi, ecc.) [1 - 5].
Inoltre, sono state aggiunte caratteristiche di contesto relative all’orario ed al giorno della registrazione:
- Orario:
- ora [0 - 24];
- minuti [1- 60];
- giorno della settimana [Lunedì - Domenica];
- momento della giornata [mattina - pomeriggio - sera - notte]
¶ Caratteristiche Acustiche Quantitative
Le metriche fisiche sono state calcolate suddividendo le registrazioni in segmenti temporali di 90, 60 e 30 secondi. Il set finale include 38 caratteristiche quantitative ispirate da precedenti lavori di analisi e classificazione dei paesaggi sonori (ad esempio, Thorogood et al., 2015; Torija et al., 2014; Bellisario et al., 2019; Toffa et al., 2020).
Le caratteristiche comprendono:
- Coefficienti Cepstrali Mel (Mel-Frequency Cepstral Coefficients, MFCC): sono stati estratti i primi 13 coefficienti cepstrali sulla scala Mel. Questi coefficienti rappresentano l’inviluppo spettrale a breve termine del suono. Per ogni finestra di analisi, è stata calcolata la media temporale di ciascun coefficiente.
- Cromagramma: è stato calcolato il cromagramma (Chroma Short-Time Fourier Transform), che proietta l'energia dello spettro acustico sulle 12 classi di altezza della scala cromatica musicale. Anche in questo caso, è stata utilizzata la media temporale per aggregare il contenuto armonico del segmento audio.
- Contrasto Spettrale: questa metrica misura la differenza di livello (in decibel) tra i picchi e le valli dello spettro sonoro all’interno di diverse bande di frequenza.
- Tasso di Attraversamento dello Zero (Zero-Crossing Rate, ZCR): è stata calcolata la frequenza con cui il segnale audio cambia segno (passando da positivo a negativo e viceversa). Questa metrica è un indicatore della “rumorosità” del segnale.
- Valore Efficace dell’Energia (RMS): rappresenta la radice quadrata della media dei quadrati dell'ampiezza del segnale. Questa metrica fornisce una stima dell'energia media (volume o livello) del segnale audio.
- Livello Sonoro Continuo Equivalente: rappresenta il livello medio di energia sonora, pesato A, su un determinato periodo, calcolato come il logaritmo della media dei quadrati del segnale pesato.
- Livello Percentile: indica il livello sonoro superato per l’1% del tempo di misurazione (calcolato come il 99° percentile dell’energia pesata A). Questo parametro è utile per identificare i picchi di rumore transitori.
- Livello Minimo: rappresenta il valore minimo del livello sonoro pesato A registrato nella finestra di analisi.
- Fattore di Cresta: costituisce il rapporto tra il valore di picco (ampiezza massima assoluta) e il valore RMS del segnale. Questo parametro descrive quanto è “impulsivo” un segnale: un fattore di cresta elevato indica la presenza di picchi brevi e intensi rispetto al livello medio di fondo.
¶ Setup Sperimentale
L'obiettivo dello studio è la classificazione binaria dei paesaggi sonori in “Rumorosi” o “Silenziosi”, in base alle annotazioni fornite dai partecipanti.
¶ Modelli
Sono stati impiegati modelli Random Forest. La scelta di questo algoritmo, basato su un insieme di alberi decisionali, è motivata dalla sua interpretabilità e dalla capacità di mitigare la capacità di memorizzazione che il modello ha su dataset di dimensioni modeste, garantendo buone prestazioni di generalizzazione rispetto a singoli alberi decisionali.
I modelli sono stati addestrati su due varianti di dati di input:
- Dataset Qualitativo (Q): input limitato alle sole risposte del questionario (caratteristiche acustiche qualitative).
- Dataset Ibrido (Ibrido): input composto dalla combinazione di caratteristiche acustiche qualitative e quantitative.
¶
Protocollo di valutazione
Per valutare la robustezza dei modelli computazionali in scenari reali, è stato escluso il 20% dei dati come test set. La suddivisione tra dati di addestramento e di test è stata effettuata secondo tre strategie di stratificazione, progettate per simulare diversi livelli di generalizzazione:
- Utenti mai visti (Utenti): il test set contiene utenti assenti nel set di addestramento, ma le registrazioni audio valutate potrebbero essere le stesse (già “ascoltate” dal modello in fase di addestramento tramite altri utenti). Questa situazione corrisponde a un nuovo utente che non ha quindi mai risposto alle domande del questionario, ma che desidera ottenere informazioni su un paesaggio sonoro già valutato da altri utenti.
- Audio mai visti (Audio): il test set contiene registrazioni audio assenti nel set di addestramento, ma il modello ha potenzialmente accesso a valutazioni soggettive dello stesso utente che ha caricato più registrazioni. Questa situazione corrisponde a un utente che ha già valutato un paesaggio sonoro e, quindi, ha già risposto alle domande del questionario, ma desidera ottenere informazioni su un paesaggio sonoro mai registrato e valutato.
- Utenti e audio mai visti (Utenti x Audio): la condizione più complessa, in cui sia i soggetti sia le registrazioni nei dati di test sono completamente inediti. Questa situazione corrisponde a un nuovo utente che non ha mai risposto alle domande del questionario e desidera ottenere informazioni su un paesaggio sonoro mai registrato e valutato.
¶ Risultati
La Tabella 1 riporta l'accuratezza dei modelli computazionali nelle tre condizioni di test, per le diverse varianti dei dati in input: Dataset Ibrido (I) oppure Qualitativo (Q), suoni registrati da smartphone (M) oppure con il dispositivo Zoom H1n (Z), finestre di analisi di 30, 60 o 90 secondi. Ad esempio, il codice IM30 si riferisce al dataset ibrido ottenuto da suoni registrati con uno smartphone e analizzati con finestre temporali da 30 secondi. L’accuratezza è calcolata fornendo ai modelli le caratteristiche acustiche dei segmenti audio presenti nel test set e confrontando la classificazione generata dal modello (“Rumoroso” oppure “Silenzioso”) con le annotazioni manuali dei partecipanti. In particolare, il valore di accuratezza è il rapporto tra il numero di segmenti audio correttamente classificati dal modello e il numero totale di segmenti presenti nel test set.
| Utenti | Audio | Utenti x Audio | |
| Ibrido Mobile 30 (IM30) | 0.93 | 0.91 | 0.91 |
| Ibrido Mobile 60 (IM60) | 0.93 | 0.91 | 0.90 |
| Ibrido Mobile 90 (IM90) | 0.93 | 0.91 | 0.91 |
| Ibrido Zoom 30 (IZ30) | 0.93 | 0.90 | 0.91 |
| Ibrido Zoom 60 (IZ60) | 0.93 | 0.91 | 0.90 |
| Ibrido Zoom 90 (IZ90) | 0.92 | 0.90 | 0.90 |
| Qualitativo (Q) | 0.92 | 0.92 | 0.91 |
Tabella 1. Risultati dei modelli computazionali nelle diverse configurazioni di input (ossia tipologia di dati, dispositivo di acquisizione e durata dei segmenti analizzati) e in diversi scenari sperimentali. Il valore rappresenta l’accuratezza della classificazione calcolata sul test set, ossia il rapporto tra il numero di segmenti audio correttamente classificati da ciascun modello e il numero totale di segmenti nel test set.
Inizialmente, i modelli mostrano una notevole stabilità in tutte le condizioni, con prestazioni elevate (accuratezza ≅ 0.90-0.93).
La condizione Utenti risulta, come atteso, la più semplice, beneficiando del fatto che il modello ha già elaborato le caratteristiche fisiche dell’ambiente sonoro durante l’addestramento.
Lo scarto di prestazione tra la condizione Utenti e le più complesse Audio e Utenti x Audio è minimo (max 0.03).
Non si osservano differenze significative iniziali tra l’approccio solo Qualitativo e quello Ibrido, né tra i dispositivi (Mobile e Zoom) né tra le diverse finestre temporali.
¶ Importanza delle Caratteristiche
L'analisi dell’importanza delle caratteristiche per permutazione (Fig. 1) ha rivelato che le prestazioni iniziali erano guidate quasi esclusivamente da un’unica caratteristica qualitativa appartenente alla categoria Impatto Percettivo.
In particolare, la domanda "Pensi che il paesaggio sonoro sia... (Caotico/Calmo)" ha mostrato una correlazione quasi perfetta con la predizione dei modelli, oscurando il contributo delle altre caratteristiche. Per investigare le reali capacità predittive del modello in assenza di questa ed altre “caratteristiche oracolo”, è stato condotto uno studio di ablazione, rimuovendo iterativamente le variabili qualitative dominanti. Nello specifico, sono state rispettivamente rimosse le seguenti caratteristiche:
- Pensi che il paesaggio sonoro sia… (Ambiente Caotico)
- Cosa ne pensi del contesto sonoro del luogo in cui ti trovi in questo momento? (Contesto Sonoro)
- Come definiresti l'ambiente acustico in cui ti trovi attualmente? (Definizione Ambiente Acustico)
- Quanto si sente il rumore del traffico? (auto, moto, autobus, treno, nave, aereo, ecc.) (Rumore Traffico)
- Quanto si sentono i suoni della natura (animali, vento, acqua, pioggia, alberi, ecc.) e Quanto si sente il suono di musica, radio, musica amplificata, strumenti musicali, discoteca, ecc. (Suono Natura e Musica)
¶ Risultati dopo la rimozione della caratteristiche qualitative dominanti
A seguito della rimozione delle caratteristiche qualitative dominanti, la distribuzione dell'importanza è cambiata drasticamente (Fig. 2).
Emergono due andamenti distinti a seconda del dispositivo:
- Nei modelli Mobile (IM90, IM60), le caratteristiche della categoria Energia (barre rosse) diventano i principali predittori.
- Nei modelli di Zoom, la categoria Contrasto Spettrale (barre verdi) acquista maggiore rilevanza.
Inoltre, il grafico delle prestazioni dei modelli dopo la rimozione delle caratteristiche qualitative domanti (Fig. 3) mostra un calo dell’accuratezza che, pur rimanendo in generale sopra 0.75, è notevolmente inferiore rispetto ai valori precedenti, che si attestavano intorno a 0.9.
Mentre nella condizione Utenti le performance rimangono sostanzialmente stabili, nelle condizioni Audio e Utenti x Audio si osserva un calo rilevante quando vengono rimosse le informazioni sul traffico e sulla definizione dell’ambiente acustico.
¶ Discussione
Di seguito, un’analisi delle dinamiche che intercorrono tra la tipologia di dati (qualitativi vs ibridi), la natura del dispositivo di registrazione, la durata dei segmenti audio e la capacità di generalizzazione dei modelli.
¶ Tipologia di dati
Nella condizione Utenti, la stabilità delle prestazioni dei modelli computazionali suggerisce che, se il modello ha già "ascoltato" l'ambiente nel set di addestramento, può compensare la mancanza di dati qualitativi sfruttando la ridondanza delle informazioni acustiche apprese. In questo scenario, infatti, i modelli addestrati esclusivamente con dati qualitativi subiscono un calo drastico delle prestazioni, mentre i modelli ibridi restano comparabilmente stabili. Da notare, infatti, l’eterogeneità della distribuzione dell’importanza delle caratteristiche quantitative in Fig. 2, in particolare per i modelli addestrati con dati acquisiti tramite il registratore Zoom.
Al contrario, negli scenari Audio e Utenti x Audio, in cui l’ambiente è ignoto, la rimozione delle caratteristiche qualitative (ad es. “Quanto si sente il rumore del traffico?”) comporta una diminuzione complessiva delle prestazioni. Tuttavia, in questi scenari, emerge il valore dell'approccio ibrido, poiché i modelli che integrano caratteristiche quantitative (IM e IZ) mantengono prestazioni comparabili o superiori rispetto alla baseline puramente qualitativa (Q).
Da notare, infine, che le caratteristiche qualitative risultate come dominanti e rimosse progressivamente dall’analisi suggeriscono che i partecipanti, nel complesso, tendono a valutare come rumorosi paesaggi sonori caotici, caratterizzati da rumori di traffico o da musica ad alta intensità sonora. Se da un lato questa osservazione può apparire piuttosto ovvia, dall’altro denota anche una certa omogeneità culturale e nelle pratiche di ascolto da parte dei partecipanti alla raccolta e all’annotazione dei dati.
¶ Tipologia del dispositivo di registrazione
Un risultato controintuitivo è la performance competitiva (e talvolta superiore) dei modelli addestrati su dati Mobile rispetto a quelli addestrati su dati Zoom, nonostante la minore fedeltà audio dello smartphone. Sosteniamo che tale fenomeno sia interpretabile considerando le pre-elaborazioni audio che lo smartphone apporta durante la registrazione, a differenza della natura non elaborata dei dati ottenuti con il registratore Zoom. Per tale ragione, i modelli Mobile si affidano ampiamente alle caratteristiche appartenenti alla categoria Energy, imparando una correlazione robusta: in ambito urbano, “volume alto” equivale a “disturbo”. Al contrario, i modelli di Zoom dispongono di una rappresentazione più ricca e complessa dei segmenti audio. I modelli non possono basarsi solo sull’energia (ad esempio, il vento può avere elevata energia ma risultare piacevole) e devono imparare a modellare le caratteristiche spettrali del segnale audio. Tale compito è più difficile e limita la capacità di generalizzazione dei modelli addestrati con dataset di dimensioni limitate.
¶ Lunghezza temporale dei segmenti
In generale, non emergono differenze significative tra l’uso di segmenti audio da 30, 60 o 90 secondi. Sebbene le prestazioni siano comparabili, i modelli addestrati con finestre di 30 o 60 secondi tendono a ottenere prestazioni leggermente superiori. Questo suggerisce che i segmenti audio brevi consentano una rappresentazione più granulare delle dinamiche necessarie alla classificazione.
¶ Conclusioni
Il presente studio ha affrontato la classificazione automatica di paesaggi sonori urbani in "Rumorosi" o "Silenziosi". La classificazione è stata condotta utilizzando un dataset di registrazioni audio e relative valutazioni soggettive raccolte da partecipanti volontari nella città di Torino, addestrando modelli di apprendimento automatico e applicando tre protocolli di test di crescente complessità.
In primo luogo, la comparazione dei modelli addestrati su segmenti audio di lunghezza differente non ha evidenziato differenze significative tra segmenti di 30, 60 o 90 secondi, sebbene i modelli addestrati su finestre più brevi (30s e 60s) mostrino una tendenza a performance leggermente superiori. In secondo luogo, i modelli basati su dati acquisiti da smartphone (Mobile) hanno dimostrato prestazioni competitive, talvolta superiori, rispetto a quelli sviluppati con dati raccolti mediante strumentazione professionale (Zoom). Questo è probabilmente dovuto alla rappresentazione semplificata generata dagli smartphone, in contrapposizione alla ricchezza spettrale delle registrazioni professionali, che richiede una modellazione più complessa, più difficile da generalizzare senza una mole di dati maggiore. La capacità dei modelli di effettuare la classificazione anche con segmenti audio brevi, acquisiti con dispositivi di largo consumo come gli smartphone, è un risultato positivo nella prospettiva dello sviluppo futuro di sistemi in grado di fornire agli utenti informazioni e suggerimenti relativi ai paesaggi sonori in cui sono immersi. Infine, lo studio conferma il valore aggiunto dell'approccio ibrido. Sebbene le valutazioni puramente qualitative (soggettive) siano forti predittori nella maggior parte degli scenari, l’integrazione con metriche quantitative migliora le prestazioni.
¶ Riferimenti bibliografici
Alvarsson, J. J., Wiens, S., & Nilsson, M. E. (2010). Stress recovery during exposure to nature sound and environmental noise. International Journal of Environmental Research and Public Health, 7(3), 1036–1046.
Bellisario, K. M., Broadhead, T., Savage, D., Zhao, Z., Omrani, H., Zhang, S., ... & Pijanowski, B. C. (2019). Contributions of MIR to soundscape ecology. Part 3: Tagging and classifying audio features using a multi-labeling k-nearest neighbor approach. Ecological Informatics, 51, 103-111.
Berman, M. G., Jonides, J., & Kaplan, S. (2008). The cognitive benefits of interacting with nature. Psychological Science, 19(12), 1207–1212.
de Paiva Vianna, K. M., Alves Cardoso, M. R., & Rodrigues, R. M. (2015). Noise pollution and annoyance: an urban soundscapes study. Noise & health, 17(76), 125–133.
Hammer, M. S., Swinburn, T. K., & Neitzel, R. L. (2014). Environmental noise pollution in the United States: developing an effective public health response. Environmental health perspectives, 122(2), 115–119.
Ratcliffe, E., Gatersleben, B., & Sowden, P. T. (2013). Bird sounds and their contributions to perceived attention restoration and stress recovery. Journal of Environmental Psychology, 36, 221–228.
Ratcliffe, E. (2021). Sound and soundscape in restorative natural environments: A narrative literature review. Frontiers in Psychology, 12, 570563.
Thorogood, M., Fan, J., & Pasquier, P. (2015). Bf-classifier: Background/foreground classification and segmentation of soundscape recordings. In Proceedings of the Audio Mostly 2015 on Interaction With Sound (pp. 1-6).
Toffa, O. K., & Mignotte, M. (2020). Environmental sound classification using local binary pattern and audio features collaboration. IEEE Transactions on Multimedia, 23, 3978-3985.
Torija, A. J., Ruiz, D. P., & Ramos-Ridao, Á. F. (2014). A tool for urban soundscape evaluation applying support vector machines for developing a soundscape classification model. Science of the Total Environment, 482, 440-451.
Twohig-Bennett, C., & Jones, A. (2018). The health benefits of the great outdoors: A systematic review and meta-analysis of greenspace exposure and health outcomes. Environmental Research, 166, 628–637.
Van Hedger, S. C., Nusbaum, H. C., Clohisy, L., Jaeggi, S. M., Buschkuehl, M., & Berman, M. G. (2019). Of cricket chirps and car horns: The effect of nature sounds on cognitive performance. Psychonomic Bulletin & Review, 26(2), 522–530.
White, M. P., Alcock, I., Grellier, J., Wheeler, B. W., Hartig, T., Warber, S. L., Bone, A., Depledge, M. H., & Fleming, L. E. (2019). Spending at least 120 minutes a week in nature is associated with good health and wellbeing. Scientific Reports, 9(1), 1–11.
Zhang, Y., Mavoa, S., Zhao, J., Raphael, D., & Smith, M. (2020). The association between green space and adolescents’ mental well-being: A systematic review. International Journal of Environmental Research and Public Health, 17(18), Article 6642.