Preview

Известия Российской академии наук. Серия географическая

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Геолокализованные фотографии в интернете как источник данных для географических исследований

https://doi.org/10.31857/S2587556620030061

Полный текст:

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.

Об авторе

М. В. Грибок
Московский государственный университет имени М.В. Ломоносова
Россия
Москва


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.


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: 61


ISSN 2587-5566 (Print)
ISSN 2658-6975 (Online)