利用游客受雇拍摄法和云图标注应用程序接口探究均质化景观的识别与分类——以日本东京桥区河流景观为例

对景观照片进行有效的分类是数据处理和环境分析中至关重要的一步。随着地理信息的收集逐渐采用众包模式,越来越多的研究开始利用带有地理标记的照片,将人们对场所的感知与互动可视化,并探究场所的美学、文化和游憩价值。近年来,图像识别机器学习算法的应用极大提高了关键词匹配的效率,并实现了大批量照片的自动分类。然而,这类方法在景观分类实践中—尤其是针对具有相似特点的均质化景观—应用仍显不足。本研究利用谷歌云视觉API和多层次聚类法,研发了一种半自动化的分类器来识别均质化景观照片,并将其应用于日本东京桥区城市河流均质化景观照片的分类中。分类器将所有河流景观划分为9个特征组,这些特征组的视觉印象与人们的直观感知一致。研究中所应用的混淆矩阵显示,分类器分类结果总体上的准确性达82.61%,表明机器分类与人工分类的结果十分相近。因此,该分类器对均质化河流景观照片的分类切实有效。这种方法可大力推动评估过程中的公众参与及城市旅游管理。