Fotos in Social Media zeigen den soziokulturellen Wert von Landschaften.

Jeden Tag laden die Nutzer Millionen von Fotos auf Plattformen wie Flickr, Instagram und Facebook hoch. Eine Studie von Forschern des Karlsruher Instituts für Technologie (KIT) zeigt nun, dass mit diesen Fotos die soziale Bedeutung bestimmter Landschaften bewertet werden kann. Zu diesem Zweck entwickelten sie ein neues Bildanalyseverfahren auf Basis künstlicher Intelligenz. Die Ergebnisse können für die Landschaftspflege und -präsentation von besonderer Bedeutung sein. Die Ergebnisse werden in der Zeitschrift Ecological Indicators veröffentlicht.

Funktionierende Ökosysteme sind für den Menschen von entscheidender Bedeutung. Sie liefern wichtige Ressourcen wie Nahrung, Wasser oder Treibstoff. Aber auch als Resorts, Urlaubsziele oder ästhetische Fotomotive spielen sie eine kulturelle Rolle. „Die vielen Fotos, die von Menschen auf Online-Plattformen veröffentlicht werden, zeigen, dass Landschaften eine enorme kulturelle Bedeutung haben“, sagt Dr. Heera Lee vom Institut für Meteorologie und Klimaforschung des KIT in Garmisch-Partenkirchen. Dies ist ihrer Meinung nach bei der nachhaltigen Entwicklung und Landschaftsplanung zu berücksichtigen. Lee und ihr Team haben daher eine Methode entwickelt, mit der Landschaftsplaner schnell und zuverlässig Fotos in Social Media nutzen können, um Rückschlüsse auf die soziokulturelle Bedeutung von Landschaften zu ziehen.

Ihre Studie „Mapping cultural ecosystem services 2.0-Potential and Defomings from unlabeled crowd-sourced images“ deckt am Beispiel der Region Mulde in Sachsen ab. „Hier ziehen die Erzgebirge Menschen an, die wandern, mountainbiken oder Wintersport betreiben wollen“, sagt Lee. Entsprechend hoch ist die Anzahl der Fotos, die Besucher auf verschiedenen Plattformen veröffentlichen. Für ihre Studie sammelten Lee und ihr Team Fotos, die vom 01. Januar 2005 bis 31. Dezember 2016 auf Flickr veröffentlicht wurden. In diesem Zeitraum haben 725 verschiedene Personen rund 13.000 Fotos der Region auf die Online-Plattform hochgeladen.

Die Auswertung der Fotos spiegelt in hohem Maße wider, wie Touristen und die lokale Bevölkerung das Gebiet des Muldebeckens für Freizeitaktivitäten oder Naturgenuss nutzen. Jetzt können Landschaftsplaner die „Hotspots“ identifizieren und die soziokulturelle Bedeutung bestimmter Bereiche besser verstehen. Auf dieser Grundlage können sie den Zugang zu gefährdeten Bereichen einschränken oder Angebote und Einrichtungen zur Unterstützung ihrer Aktivitäten schaffen.

Bildauswertung mit Hilfe von Machine Learning und Künstlicher Intelligenz

Um zuverlässige und relevante Aussagen über die soziokulturelle Nutzung von Landschaften zu erhalten, entwickelten Lee und ihr Team eine neue Methode, die auch den Inhalt des Fotos berücksichtigt: „Wir wollten nicht nur wissen, wo und wann die Fotos gemacht wurden, sondern vor allem, was fotografiert wurde. Nur so konnten kulturelle Hotspots in der untersuchten Region identifiziert werden.“

Informationen über die Fotos erhielten die Forscher aus den Tags, die die Nutzer zum Zeitpunkt der Veröffentlichung angegeben haben. Sie zeigen, wo ein Foto gemacht wurde und was darauf zu sehen ist. Allerdings mussten die Forscher zwei Herausforderungen bewältigen: die Qualität der von den Nutzern gegebenen Tags und die Dauer der Auswertung. Obwohl Flickr Tags für Fotos und Videos vorschlägt, werden sie nicht von allen Benutzern verwendet. Da 2500 dieser untersuchten Fotos überhaupt keine Tags und 590 nur einen einzigen Tag hatten, entschied sich das Forscherteam, automatische Tags aus einem Bilderkennungsalgorithmus zu verwenden, der auf tiefen Faltungsneuronalen Netzen über eine Cloud-Computing-Plattform namens Clarifai basiert. Dieser Algorithmus wies jedem Foto 20 Tags zu. Insgesamt wurden 2317 verschiedene Tags auf rund 13.000 Fotos aufgebracht.

„Wir gingen dann davon aus, dass ähnliche Fotos ähnliche Tags enthielten. Wenn die ähnlichen Tags auf mehreren Fotos zusammenkamen, betrachteten wir dies als Indikator für die Zugehörigkeit der Fotos zueinander“, sagt Lee. Mit Hilfe von Social-Network-Analysen teilten die Forscher die Tags in neun thematische Cluster auf und ordneten die Fotos einem oder mehreren dieser Cluster zu. Nahaufnahmen von Blumen oder Schmetterlingen wurden dem Cluster „Existenz“ zugeordnet, da sie Objekte zeigten, die in den untersuchten Gebieten existieren. Lee und ihr Team überprüften dann die Genauigkeit der Methode durch eine manuelle Auswertung: Etwa 20 Prozent der Tags waren falsch zugeordnet. Die Forscher erwarten jedoch, dass die Zuverlässigkeit der Zuweisung durch die Weiterentwicklung der künstlichen Intelligenz deutlich verbessert wird. Darüber hinaus verglichen Lee und ihr Team die Ergebnisse mit empirischen Studien zur kulturellen Nutzung landwirtschaftlicher Flächen mit ähnlichen Ergebnissen.

Die entwickelte Methode beschleunigt auch die Auswertung. Die Zuordnung der Tags zu den fast 13.000 Fotos dauerte etwa drei Stunden. Zum Vergleich: Manuell kann eine Person etwa 140 Fotos pro Stunde markieren. „Mit dieser Methode konnten wir Fotos aus Social Media zuverlässig und schnell klassifizieren und zuordnen“, sagt Lee. Das Verfahren kann auch auf andere Regionen übertragen werden, von denen Fotos im Internet veröffentlicht wurden. Die Europäische Union und das Bundesministerium für Bildung und Forschung förderten die Forschung von Heera Lee mit zwei Projekten, nämlich OPERAs und CONNECT of BiodivERsA 2011.

Mehr Informationen:
Heera Lee et al. Mapping cultural ecosystem services 2.0 – Potenziale und Unzulänglichkeiten von nicht gekennzeichneten Bildern aus der Menge, Ecological Indicators (2018). DOI: 10.1016/j.ecolind.2018.08.035

Teilen Ist Liebe! ❤

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

shares