Геолокализованные фотографии в интернете как источник данных для географических исследований
https://doi.org/10.31857/S2587556620030061
Аннотация
В статье представлен обзор научных работ, в рамках которых проводились исследования территориального распределения координат точек съемки фотографий, загруженных пользователями на различные открытые ресурсы сети Интернет: фотохостинги, социальные сети и т.п. Обозначены подходы к классификации такого рода географических исследований по охвату территории, тематической направленности, методологическим принципам. Проанализированы способы наименования геолокализованных фотографий в научной литературе. Выявлены тематические группы научных работ, где объектом исследования служат геолокализованные фотографии пользователей. Описаны их особенности и приведены примеры таких исследований в разных отраслях географической науки: географии туризма, поведенческой географии, эстетической географии, культурной географии и других. Сделаны выводы о возможностях и особенностях использования такого источника данных, как геолокации фотографий, при проведении географических исследований, а также о перспективах подобного рода исследований для российских территорий.
Ключевые слова
геолокации фотографий,
геолокализованные фотографии,
социальные сети,
большие данные,
информационная география
При поддержке: Работа выполнена при поддержке РФФИ, проект № 18-35-00160
Список литературы
1. Голубчиков Ю.Н., Клименко С.В., Кружалин В.И., Тикунов В.С. Туризм в индивидуализации и геогра-физации познания: Сб. тр. Междунар. конф. “Ситуационные центры и информационно-аналитические системы класса 4i для задач мониторинга и безопасности” (SCVRT2015-16). Пущино, 2016. С. 219-227.
2. Голубчиков Ю.Н., Клименко С.В. Народная география эпохи Интернета // Геоконтекст: Научный мультимедийный альманах. 2016. Т. 3. Дрезден. С. 5-14.
3. Соколова А.А. “Пространство в культуре”: уровень информационного освоения географических объектов по данным Google — Panoramio // Гуманитарный вектор. 2015. № 2 (42). С. 89-94.
4. Соколова А.А. Граница России в традиционной картине мира и интернет-образах (по данным Google Earth — Panoramio) // Вестн. Чит. ун-та. 2011. № 12 (79). С. 111—118.
5. Соколова А.А. Зона Волго-Балтийского водного пути на геоизображении Google Earth: виртуальное пространство и визуализированная реальность // Изв. РГПУ им. А.И. Герцена. 2011. № 141. С. 148—160.
6. Тикунов В.С., Белозеров В.С., Антипов С.О., Супрун-чук И.П. Социальные медиа как инструмент анализа посещаемости туристических объектов (на примере Ставропольского края) // Вестн. Моск. ун-та. Сер. 5: География. 2018. № 3. С. 89—95.
7. Agarwal A., Chaudhuri U., Chaudhuri S., Seetharaman G. Detection of potential mosquito breeding sites based on community sourced geotagged images // Geospatial InfoFusion and Video Analytics IV; and Motion Imagery for ISR and Situational Awareness II / International Society for Optics and Photonics. 2014. V. 9089. P. 90890M.
8. Alivand M., Hochmair H. Extracting scenic routes from VGI data sources // Workshop on Crowdsourced and Volunteered Geographic Information. ACM. N.Y., 2013. P. 23—30.
9. Antoniou V, Morley J., Haklay M. Web 2.0 geotagged photos: Assessing the spatial dimension of the phenomenon // Geomatica. 2010. V. 64. № 1. P. 99—110.
10. Bae S.H., Yun H.J. Spatiotemporal Distribution of Visitors’ Geotagged Landscape Photos in Rural Areas // Tourism Planning & Development. 2017. V. 14. № 2. P. 167—180.
11. Cooper C., Dickinson J., Phillips T., Bonney R. Citizen science as a tool for conservation in residential ecosystems // Ecology and Society. 2007. V. 12. № 2. http://www.ecologyandsociety.org/vol12/iss2/art11/ (accessed: 02.03.2020).
12. Crandall D.J., Backstrom L., Huttenlocher D., Kleinberg J. Mapping the world’s photos // Proceedings of the 18th international conference on World Wide Web. ACM. 2009. P. 761—770.
13. Da Rugna J., Chareyron G., Branchet B. Tourist behavior analysis through geotagged photographies: a method to identify the country of origin: CINTI, IEEE 13th Int. Symposium, 2012. P. 347—351.
14. ElQadi M.M., Dorin A., Dyer A., Burd M., Bukovac Z., Shrestha M. Mapping species distributions with social media geo-tagged images: Case studies of bees and flowering plants in Australia // Ecological informatics. 2017. № 39. P. 23—31.
15. Figueroa Alfaro R. W Evaluation of Cultural Ecosystem Aesthetic Value of the State of Nebraska by Mapping Geo-Tagged Photographs from Social Media Data of Panoramio and Flickr / Community and Regional Planning Program: Student Projects and Theses. USA: Univ. of Nebraska, 2015. 81 p.
16. Garcia-Palomares J.C., Gutierre J., Minguez C. Identification of tourist hot spots based on social networks: a comparative analysis of European metropolises using photosharing services and GIS // Appl. Geogr. 2015. № 63. P. 408—417.
17. Gliozzo G, Pettorelli N, Haklay M. Using crowdsourced imagery to detect cultural ecosystem services: a case study in South Wales, UK // Ecology and Society. 2016. V. 21. № 3. https://doi.org/10.5751/ES-08436-210306
18. Goodchild M.F Citizens as sensors: the world of volunteered geography // GeoJournal. 2007. V. 69. № 4. P.211—221. https://doi.org/10.1007/s10708-007-9111-y
19. Goodchild M.F., Glennon J.A. Crowdsourcing geographic information for disaster response: a research frontier // Int. J. Digital Earth. 2010. V. 3. № 3. P. 231—241.
20. Haider C.M.R., Ali M.E. Can We Predict the Scenic Beauty of Locations from Geo-tagged Flickr Images? // 23rd Int. Conf. on Intelligent User Interfaces. ACM. 2018. P. 653-657.
21. Hauthal E., Burghardt D. Using VGI for analyzing activities and emotions of locals and tourists // Proceedings of AGILE 2016: 19th AGILE Conf. on Geographic Information Science. Helsinki, 14-17 June 2016.
22. Hochmair H. Spatial Association of Geotagged Photos with Scenic Locations // GIFORUM. 2010. P. 1-10.
23. Hollenstein L., Purves R. Exploring place through usergenerated content: Using Flickr to describe city cores // J. Spat Inform. Sci. 2010. № 1. P. 21-48. https://doi.org/10.5311/JOSIS.2010.1.3
24. Hovgesen H.H., Nielsen T.A.S., Lassen C., Godtved S. The potential for the exploration of activity patterns in the urban landscape with GPS-positioning and electronic activity diaries // Int. conf. for integrating urban knowledge & practice: Conf. 3roceedings, Life in the Urban Landscape. Gothenburg, Sweden, May 30-June 4, 2005.
25. Hu Y., Gao S., Janowicz K., Yu B., Li W, Prasadd S. Extracting and understanding urban areas of interest using geotagged photos // Comput. Environ. Urban Syst. 2015. № 54. P. 240-254.
26. Kaneko T., Yanai K. Visual event mining from geo-tweet photos // IEEE Int. Conf. on Multimedia and Expo Workshops (ICMEW), 2013. P. 1-6.
27. Kim Y, Kim C.K., Lee D.K., Lee H. Ж, Andrada R.I.T Quantifying nature-based tourism in protected areas in developing countries by using social big data // Tourism Manag. 2019. № 72. P. 249-256.
28. Kisilevich S., Mansmann F., Keim D. P-DBSCAN: A density based clustering algorithm for exploration and analysis of attractive areas using collections of geotagged photos // 1st Int. Conf. on Computing for Geospatial Research & Application, 2010. P. 38.
29. Leung D., Newsam S. Exploring geotagged images for land-use classification // Proc. of the ACM multimedia workshop on Geotagging and its applications in multimedia. ACM, 2012. P. 3-8.
30. Levin N, Kark S, Crandall D. Where have all the people gone? Enhancing global conservation using night lights and social media // Ecolog. Appl. 2015. № 25. P. 2153-2167.
31. Levin N, Lechner A.M., Brown G. An evaluation of crowdsourced information for assessing the visitation and perceived importance of protected areas // Appl. Geogr. 2017. № 79. P. 115-126.
32. Miah S.J., Vu H. Q., Gammack J., McGrath M. A big data analytics method for tourist behaviour analysis // Inf. Manag. 2016. https://doi.org/10.1016/j.im.2016.11.011
33. Okuyama K., Yanai K. A travel planning system based on travel trajectories extracted from a large number of geotagged photos on the web // The Era of Interactive Media. NY: Springer, 2013. https://doi.org/10.1007/978-1-4614-3501-3_54
34. Schlieder C., Matyas C. Photographing a city: An analysis of place concepts based on spatial choices // Spat. Cognition and Computation. 2009. V. 9. № 3. P. 212-228.
35. Schonefelder S, Axhausen K., Antille N., Bierlaire M. Exploring the potentials of automatically collected GPS data for travel behaviour analysis: A Swedish data source. Zurich: Arbeitsberichte Verkehrund Raumpla-nung, 2002. https://doi.org/10.3929/ethz-a-004403386
36. Su S., Wan C., Hu Y, Cai Z. Characterizing geographical preferences of international tourists and the local influential factors in China using geo-tagged photos on social media // Appl. Geogr. August. 2016. V. 73. P. 26-37.
37. Sreenivasamurthy S., Frank S. Efficacy of season prediction for geo-locations using geo-tagged images // 2015 IEEE Int. Conf. on Information Reuse and Integration. 2015. P. 476-484.
38. Sun Y, Fan H, Bakillah M, Zipf A. Road-based travel recommendation using geo-tagged images // Computers Env. Urban Syst. 2015. № 53. P. 110-122
39. Tenerelli P, Demsar U., Luque S. Crowdsourcing indicators for cultural ecosystem services: a geographically weighted approach for mountain landscapes // Ecolog. Indicators. 2016. № 64. P. 237-248.
40. Walden-Schreiner C., Leung Yu.-F., Tateosian L. Digital footprints: Incorporating crowdsourced geographic information for protected area management // Appl. Geogr. 2018. V. 90. P. 44-54.
41. Willemen L., Cottam A.J., Drakou E.G., Burgess N.D. Using Social Media to Measure the Contribution of Red List Species to the Nature-Based Tourism Potential of African Protected Areas // PloS One. V. 10. № 6. https://doi.org/10.1371/journal.pone.0129785
42. Xu G, Zhu X., Fu D, Dong J., Xiao X. Automatic land cover classification of geo-tagged field photos by deep learning // Env. Modelling & Software. 2017. № 91. P. 127-134.
43. Yanai K, Bingyu Q. Mining regional representative photos from consumer-generated geotagged photos / Handbook of Social Network Technologies and Applications. Boston, MA: Springer, 2010. P. 303-316.
44. Yanai K, Yaegashi K, Qiu B. Detecting cultural differences using consumer-generated geotagged photos // Proc. of the 2nd Int. Workshop on Location and the Web. ACM. 2009. P. 12.
45. Zhang H., Korayem M., Crandall D.J., LeBuhn G. Mining photo-sharing websites to study ecological phenomena // Proc. of the 21st Int. Conf. on World Wide Web. 2012. P. 749-758.
46. Zou Z, He X., Xie X., Huang Q. Enhancing the Impression on Cities: Mining Relations of Attractions with Geo-Tagged Photos // SmartWorld/SCAL-COM/UIC/ATC/CBDCom/IOP/SCI. IEEE. 2018. P. 1718-1724.
Ключевые рисунки
|
1. PDF | |
| Тема | ||
| Тип | Исследовательские инструменты | |
Скачать
(3MB)
|
Метаданные ▾ | |
- Геолокализованные фотографии — новый источник данных для исследований в поведенческой, культурной, эстетической и других отраслях географии.
- Больше всего научных работ с анализом геолокаций изображений представлено в географии туризма.
- При крупномасштабных исследованиях анализируются не только геолокации, но и сами фотографии, подписи и тэги к ним.
Рецензия
Для цитирования:
Грибок М.В. Геолокализованные фотографии в интернете как источник данных для географических исследований. Известия Российской академии наук. Серия географическая. 2020;84(3):461-469. https://doi.org/10.31857/S2587556620030061
For citation:
Gribok M.V. Geotagged Photos on the Internet as a Data Source for Geographic Research. Izvestiya Rossiiskoi Akademii Nauk. Seriya Geograficheskaya. 2020;84(3):461-469. (In Russ.) https://doi.org/10.31857/S2587556620030061
Просмотров:
631
Послать статью по эл. почте 
+7-977-804-81-87