Abstract Inspired by the narrative nature of Landscape Character Assessment (LCA), we present a complete workflow to (i) build a collection of almost 7000 online texts capturing first-person perception of the Lake District National Park in England, and (ii) analyse these for sight, sound and smell perception. We extract and classify more than 28,000 descriptions referring to sight, almost 1500 to sound and 78 to smell experiences using text analysis. The resulting descriptions can be explored for the whole Lake District revealing for example, how traffic noise intrudes on experiences in the mountains close to transportation axes. Linking descriptions to LCA areas allow us to compare properties of different regions in terms of scenicness or tranquillity at a macro-level by identifying, for example, LCA areas dominated by descriptions of tranquillity or anthropogenic sounds. At a micro-level, we can zoom in to individual descriptions and landscape elements to understand how particular places are experienced in context. Local experts gave positive feedback about the utility of such information as a monitoring tool complementary to existing approaches. Our method has potential for use both in allowing comparison over time and identifying emerging themes discussed in online texts. It provides a scalable way of collecting multiple perspectives from written text, however, more work is required to understand by whom, and why, these contributions are authored.

中文翻译：

---

从在线文本到景观特征评估：以计算方式收集和分析第一人称景观感知

摘要 受景观特征评估 (LCA) 叙事性质的启发，我们提出了一个完整的工作流程，以 (i) 构建包含近 7000 篇在线文本的集合，以捕捉英格兰湖区国家公园的第一人称感知，以及 (ii) 分析这些用于视觉、听觉和嗅觉感知。我们使用文本分析提取并分类了 28,000 多个涉及视觉的描述、近 1500 个涉及声音的描述和 78 个涉及气味体验的描述。可以探索整个湖区的结果描述，例如揭示交通噪音如何影响靠近交通轴的山区的体验。将描述与 LCA 区域联系起来，使我们能够在宏观层面比较不同区域的风景或宁静属性，例如通过识别，LCA 区域以宁静或人为声音的描述为主。在微观层面，我们可以放大个别描述和景观​​元素，以了解特定地点在上下文中的体验。当地专家对此类信息作为现有方法的补充监测工具的效用给予了积极的反馈。我们的方法有可能用于允许随着时间的推移进行比较和识别在线文本中讨论的新兴主题。它提供了一种从书面文本中收集多个观点的可扩展方式，但是，需要做更多的工作来了解这些贡献的作者和原因。当地专家对此类信息作为现有方法的补充监测工具的效用给予了积极的反馈。我们的方法有可能用于允许随着时间的推移进行比较和识别在线文本中讨论的新兴主题。它提供了一种从书面文本中收集多个观点的可扩展方式，但是，需要做更多的工作来了解这些贡献的作者和原因。当地专家对此类信息作为现有方法的补充监测工具的效用给予了积极的反馈。我们的方法有可能用于允许随着时间的推移进行比较和识别在线文本中讨论的新兴主题。它提供了一种从书面文本中收集多个观点的可扩展方式，但是，需要做更多的工作来了解这些贡献的作者和原因。