Туристско-рекреационная нагрузка в макрорегионе “Из Москвы в Санкт-Петербург”: полимасштабная оценка с использованием больших данных

Рассмотрены возможности использования одной из разновидностей больших данных — геолокализованных фотографий — в качестве объективного показателя пространственного распределения и интенсивности туристско-рекреационной нагрузки в пределах туристского макрорегиона “Из Москвы в Санкт-Петербург”, выделенного в рамках Государственной программы Российской Федерации “Развитие туризма”. В исследовании используется оригинальная геоинформационная модель, собранная на основе свободно распространяемых слоев OpenStreetMap и локализованных в пространстве и времени точек фотосъемки. Она позволяет, с одной стороны, охарактеризовать особенности размещения аттракторов (природных, культурных) и туристско-рекреационной инфраструктуры, с другой — объективно оценить пространственное распределение присутствия туристов и рекреантов в пределах макрорегиона и описать специфику их внутригодового (сезонного) притяжения. Агрегирование точек фотосъемки в полигоны с учетом дифференцированной дистанции кластеризации дало возможность сформировать ареалы сезонного (летнего, зимнего и весенне-осеннего) пребывания туристов, а также получить представление о минимальных круглогодичных и максимальных эпизодических ареалах в пределах макрорегиона и отдельных областей, подвергающихся потенциальному воздействию туристов и рекреантов. Различия между минимальными и максимальными ареалами пребывания туристов и рекреантов предлагается использовать для оценки эффективности функционирования отрасли в областях макрорегиона. Полученные пространственные ареалы и паттерны присутствия туристов открывают возможности для объективной оценки потенциальной нагрузки на объекты природного и культурного наследия. Выявлена неравномерность включения как природных, так и культурных аттракторов в сферу туризма и рекреации, что приводит к ситуации, когда одни объекты природного и культурного наследия испытывают значительный отраслевой пресс, в то время как другие — остаются почти или совершенно не затрагиваемыми присутствием туристов и рекреантов. Обнаруженные слабые стороны использования геолокализованных фотоизображений для оценки распределения и интенсивности рекреационной нагрузки заключаются в невозможности разделения локального и транзитного потоков туристов и приведения общего объема фотографий к числу пользователей. Однако эти обстоятельства могут быть преодолены при участии заинтересованных сторон — держателей данных и менеджеров туристско-рекреационной сферы.

1. Антонов Е.В., Беляев Ю.Р., Битюкова В.Р., Бредихин А.В., Дехнич В.С., Еременко Е.А., Колдобская Н.А., Прусихин О.Е., Сафронов С.Г. Интегральная оценка антропогенного воздействия на Байкальской природной территории: методические подходы и типология муниципальных районов // Изв. РАН. Сер. геогр. 2023. T. 87. № 3. С. 430-447. https://doi.org/10.31857/S2587556623030032

2. Антонов Е.В., Битюкова В.Р. Подходы к оценке антропогенного воздействия в муниципальных образованиях (на примере Байкальской природной территории) // Региональные исслед. 2023. Т. 80. № 2. С. 51-65. https://doi.org/10.5922/1994-5280-2023-2-5

3. Битюкова В.Р. Экономико-географическая оценка экологических последствий трансформации отраслевой структуры хозяйства регионов и городов России в 2000-2020 гг. // Изв. РАН. Сер. геогр. 2022. Т. 86. № 3. С. 416-434. https://doi.org/10.31857/S2587556622030050

4. Воробьёв А.Н. Большие данные в изучении локализации и мобильности населения // География и природные ресурсы. 2020. № 5. С. 203-207. https://doi.org/10.21782/GIPR0206-1619-2020-5(203-207)

5. Вострова Е.И. Большие данные как инструмент преобразований в туристической отрасли // Социально-гуманитарные знания. 2022. № 4. С. 157-164. https://doi.org/10.34823/SGZ.2022.4.518862

6. Грибок М.В. Геолокализованные фотографии в интернете как источник данных для географических исследований // Изв. РАН. Сер. геогр. 2020. Т. 84. № 3. С. 461-469. https://doi.org/10.31857/S2587556620030061

7. Землянский Д.Ю., Климанова О.А., Колбовский Е.Ю., Илларионова О.А. Экологическая емкость туристских территорий: подходы к оценке, индикаторы и алгоритмы расчета. М.: ВАВТ, 2020. 102 с.

8. Климанова О.А., Илларионова О.А., Климанов В.В. Природные туристские аттракторы в регионах России: методика анализа и пространственное распределение // Региональные исслед. 2023. № 2. С. 66-78. https://doi.org/0.5922/1994-5280-2023-2-6

9. Климанова О.А., Колбовский Е.Ю., Илларионова О.А., Землянский Д.Ю. Концепция экологической емкости: современное содержание и алгоритм оценки для разных типов туристских территорий // Вестн. Санкт-Петербург. ун-та. Науки о Земле. 2021. № 66 (4). С. 806-830. https://doi.org/10.21638/spbu07.2021.409

10. Колбовский Е.Ю. Пространственный анализ в геоэкологии. М.: МГУ, 2022. 820 с.

11. Колбовский Е.Ю. Экологический туризм и экология туризма. М.: Академия, 2011. 256 с.

12. Колбовский Е.Ю., Медовикова У.А. Оценка эстетических свойств ландшафтов для управления территориями выдающейся культурно-исторической и природной ценности // Изв. РГО. 2016. Т. 3. С. 61-75.

13. Мухина Л.И., Рунова Т.Г. О логике изучения географических аспектов взаимодействия в системе “население-хозяйство-природа” // Изв. АН СССР. Сер. геогр. 1977. № 4. С. 54-68.

14. Радченко Т.А., Банникова К.А., Кочеткова Н.М. Развитие туриндустрии: геоаналитические данные как инструмент принятия решений // Вопросы гос. и муниц. управления. 2022. № 3. C. 193-218. https://doi.org/10.17323/1999-5431-2022-0-3-193-218

15. Тикунов В.С., Белозеров В.С., Антипов С.О., Супрунчук И.П. Социальные медиа как инструмент анализа посещаемости туристических объектов (на примере Ставропольского края) // Вестн. Моск. ун-та. Серия 5: География. 2018. № 3. С. 89-95.

16. Dunkel A. Visualizing the perceived environment using crowdsourced photogeodata // Landscape and Urban Planning. 2015. № 142. P. 173-186. https://doi.org/10.1016/j.landurbplan.2015.02.022

17. Formica S., Uysal M. Destination attractiveness based on supply and demand evaluations: An analytical framework // J. of Travel Research. 2006. № 44 (4). P. 418-430. https://doi.org/10.1177/0047287506286714

18. Gatrell A.C., Bailey T.C., Diggle P.J., Rowlingson B.S. Spatial point pattern analysis and its application in geographical epidemiology // Transactions of the Institute of British Geographers. 1996. № 21. P. 256-274.

19. Grekousis G. Spatial analysis methods and practice: De-scribe-Explore-Explain through GIS. NY: Cambridge Univ. Press, 2020. 535 p.

20. Kadar B., Gede M. Where do tourists go? Visualizing and analysing the spatial distribution of geotagged photography // Cartographica. The Int. J. for Geographic Information and Geovisualization. 2013. Vol. 48. № 2. P. 78-88. https://doi.org/10.3138/carto.48.2.1839

21. Langemeyer L., Calcagnia F., Barya F. Mapping the intangible: Using geolocated social media data to examine landscape aesthetics // Land Use Policy. 2018. № 77. P. 542-552. https://doi.org/10.1016/j.landusepol.2018.05.049

22. O'Sullivan D., Unwin D. Geographic Information Analysis. John Wiley & Sons, 2010. 2nd Ed. 432 p.

23. Openshaw S., Clark G. Developing Spatial Analysis Functions Relevant to GIS Environments / Spatial Analytical Perspectives on GIS / M. Fisher, H.J. Scholten, D. Unwin (Ed.). UK: Taylor & Francis Ltd., 2005. P. 24-44.

24. Oyana T.J., Margai F. Spatial Analysis: Statistics, Visualization, and Computational Methods. CRC Press, 2015. 296 p. https://doi.org/10.1201/b18808

25. Ribeiro J.C., da Cruz Vareiro L.M. The Tourist Potential of the Minho-Lima Region (Portugal) / Visions for Global Tourism Industry: Creating and Sustaining Competitive Strategies. 2012. P. 339-356. https://doi.org/10.5772/38197

26. Yoshimura N., Hiura T. Demand and supply of cultural ecosystem services: use of geotagged photos to map the aesthetic value of landscapes in Hokkaido // Ecosystem Services. 2017. № 24. P. 68-78. https://doi.org/10.1016/j.ecoser.2017.02.009