王东旭
, 诸云强, 潘鹏
WANG Dongxu, ZHU Yunqiang, PAN Peng
通讯作者:
收稿日期: 2015-05-22
修回日期: 2015-09-10
网络出版日期: 2016-04-20
版权声明: 2016 《地球信息科学学报》编辑部 《地球信息科学学报》编辑部 所有
基金资助:
作者简介:
作者简介:王东旭(1990-),男,湖北仙桃人,硕士生,研究方向为地学数据共享和地理信息技术与应用。E-mail: wang_dongxu23@163.com
展开
摘要
随着新地理信息时代的来临,地理数据已经呈现出爆炸式增长的趋势。如何在海量的地理数据中准确、及时地找到人们所需要的数据,并把相关联的数据智能地推荐给用户,成为亟待解决的一大难题。针对传统以关键词、主题词等字符串匹配为核心的数据发现方法存在的查不全、查不准的问题,本文通过对地理空间中的概念、属性、关系、规则,以及相应实例的详细表达,初步提出了地理空间本体构建框架,并在此基础上构建了较为完整的地理数据空间本体,以实现地理数据的智能关联,最后在地球系统科学数据共享平台中进行应用实践。结果表明,引入地理数据空间本体后,检索的结果在数据的查全和查准方面显著提高,而且还能智能推荐相关联的数据信息。本文构建的地理数据空间本体对于大数据时代背景下地理数据的精确发现和共享有重要意义。
关键词：
Abstract
Geodata has been increasing at a tremendous speed in what we call the new era of Geographic Information. It is a challenge to accurately find the needed data in a real-time fashion amongst the massive spatial data and to recommend the associated required data intelligently to users. In light of the problem that the data retrieval by traditional searching methods based on keywords and topic words cannot satisfy the real needs emerged in the geoscience research, this study built a Geodata Spatial-Ontology Model through a detailed expression of the concepts, characteristics, relationship and instances of spatial data. In addition, this article presents the qualitative and quantitative spatial relationship, which plays an inestimable role in describing the inner connection between spatial objects. Then a Geodata Spatial-Ontology is built according to the Geodata Spatial-Ontology Model, and most of the concepts, instances and the relationship between them are elaborated. At the end of this paper, an application has been developed to parse the ontology and extract the semantic information using Apache Jena, which is a free and open source Java framework designed to build the Semantic Web and linked data applications. By associating the Geodata Spatial-Ontology with the Data Sharing Infrastructure of Earth System Science, the experiment in this research proves that the proposed ontology shows a significant improvement in data discovery. The Geodata Spatial Ontology constructed in this paper will have an important significance to the accurate data discovery and data sharing in the era of big data.
Keywords：
地理数据是指与地球参考空间（二维或三维）位置有关、表达地理客观世界中各种实体和过程状态属性的数据[1]。空间是地理事物和地理现象的基本维度,也是地理数据的本质属性和主要内容,绝大部分地理数据都直接或间接包含空间信息。如何利用这些空间信息准确地获取所需要的地理数据,成为人们关注的问题。目前,研究人员主要基于元数据进行关键词、主题词等以字符串匹配为核心的方法来发布和共享空间数据[2]。但由于这些方法所提取出来的信息关联性较弱,经常会出现查不全和查不准的问题,不能给用户提供启发式服务（自动启发用户搜索相关联的数据,并将相关信息智能推送给用户）,严重阻碍了地理空间数据的传播和共享。
本体作为共享的概念模型的形式化说明[3],能对地理领域所涉及的知识库和知识系统,甚至是地理信息系统和地理信息服务中的对象以及概念之间的相互关系进行明确的定义,从而使空间数据之间的语义关系能够被表达清楚,实现数据的智能关联。正是由于本体在空间数据语义表达、数据检索和共享方面的优势,近年来国内外学者开展了大量有关空间本体的研究工作[4-9]。
在地理数据空间本体的概念体系方面,景东升等[10]基于地理信息系统的地理本体概念模式,将地理概念划分为原子空间概念、地理事物概念和应用性地理概念;宋佳等[11]基于GML规范将地理本体概念模型分为要素模型、几何模型、空间关系模型和时态模型4大类;GeoNames本体则是通过对地名的详细说明将地理概念划分为9大类,包括行政机构、行政区划、居民点等。在空间本体的构建方面,Vandecasteele等[12]通过将空间本体与地理推理引擎联系起来,构建出一个用于海事预警的空间本体;美国宇航局地球办公室通过对地球科学领域相关概念的详细表述,构建了SWEET本体[13];此外,曹泽文等[14]构建了战场空间本体,杜萍等[15]构建了中国行政区划本体,李淑霞[16]构建了中国地名本体等。在空间本体的关系表达和模型构建方面,Pais[17]通过引入试探函数和第一最优算法来描述地理空间面状实体的拓扑关系,并通过空间推理得到各个实体之间的拓扑关系;潘燕群等[18]详细阐述了空间关系的表达模型,并在此基础上通过本体推理机制和引入Jena推理机,实现了拓扑和方向组合模型的推理功能。
但是,这些研究仍然存在问题：本体的构建仅限于某一特定研究领域,没有构建较为完整的地理数据空间本体;地理空间概念体系结构不够完善、属性特征表达也不够丰富。为了使地理空间数据能被精确地发现,本文从地理空间数据的基本概念和特征着手,建立地理数据空间本体模型,并对其中所涉及到的概念体系、空间属性和空间关系表达和规则约束进行论述;最后,构建较为完整的地理数据空间本体,并将构建完成的地理数据空间本体应用在地理数据智能发现中。
从现实世界到地理概念世界,再到地理空间世界（数字世界）,人类对地理领域的认知过程是地理信息不断抽象和概括的过程（图1）,地理数据是这些信息的载体,地理空间数据则主要用来刻画空间尺度上的地理信息,是地理数据的重要组成部分。地理数据的内容主要包括2部分：（1）对地理对象本身的描述;（2）地理空间世界中对地理对象进行表达所需要的规范和数学基准。
从地理对象的角度出发,人们对于这些对象的认识主要是基于其外在属性（如地理对象的大小、形状、空间大致位置等）,地理空间数据通过一些定性的表述来说明这些信息。而地理概念表达的则是地理事物、地理现象或地理演变过程的本质属性,是认识各种地理事物的基础、区分不同地理事物的依据,主要包括地理术语等基本单元（如当需要土地资源的相关数据时,必须提前准备“耕地”、“建设用地”、“林地”等相关概念）,是地理空间数据的重要内容。
为了将现实世界的地理对象转变为能在计算机或者图纸上直接进行处理的几何符号,并且能以统一的标准规范在几何符号之间进行定性或定量的分析以反映现实世界相应对象的状况,需在现实世界和数字世界之间建立一定的数学基准。这些数学基准主要包括地图投影、参考椭球、坐标系统、高程系统、维度系统和比例尺等。根据地理对象空间特征的不同,在不同的空间尺度下,用几何概念对地理对象做出抽象表述,一般将其分为点对象（如学校、机关单位、邮局等）、线对象（如道路、河流、等值线等）、面对象（如湖泊、行政区划等）和体对象（如建筑模型、桥梁的三维结构等）。而描述几何符号之间关系的信息则主要体现在地理空间数据的空间特征和非空间特征。空间特征是指通过一系列空间坐标来对空间实体进行定位,是地理空间数据区别于其他数据的基本特征,此外空间特征还包括空间实体的形状、大小、空间发展规律等自身的几何特性,以及用来描述空间实体之间联系的空间关系;非空间特征主要对空间实体相应行为进行语义描述,包括空间实体的结构、组成成分、构造方式、分类依据等,如“土地覆被类型”、“湖泊类型”、“地图投影变形方式”等。
地理数据空间本体的原始目的是确定表达哪些地理空间对象以及如何详细表达这些对象,是对地理空间领域上的概念进行形式化说明和表达,其本体建模的核心是明确地理空间领域中的概念、概念的属性和约束条件、概念之间的层次关系等[19]。Perez等[20]认为本体可按照分类法来进行组织,基本的建模元语有：概念（Concepts）、关系（Relations）、函数（Functions）、公理（Axioms）和实例（Instances）。黄茂军[21]结合本体的构建实践提出了三元宏观逻辑结构：O_macro=<Class,Property,Individual>,以及七元微观逻辑结构：O_micro=<C,R,H,P,PR,PC,I>,其中,C表示概念;R表示概念之间的语义关系;H表示概念之间的层次关系;P表示属性;PR表示对属性的限制;PC表示属性的特征;I表示类的实例。此外,还有易茹兰[22]提出的四元组模型Ont={C,R,A,I},其中,C代表概念;R代表关系;A代表公理;I代表实例。
通过上述有关本体建模元语的阐述,并结合地理数据的空间概念和特征,通过Protégé中地理数据空间本体构建的实践,本文认为一个完整的地理数据空间本体主要由概念、关系、属性、规则和实例5部分组成,相应的地理数据空间本体五元组模型（SGDO）如式（1）所示。
式中：SC（Spatial Concepts)）代表地理空间概念,是具有相同特征的地理事物的集合;SRE（Spatial Relationships）代表地理空间概念之间、概念与实例之间、实例与实例之间某种性质的关系,包括语义关系和空间关系;SP（Spatial Properties）代表地理空间属性,其本质是一个二元关系,主要是人们为了更好地认识地理事物而对地理事物的本质特征做出的概括性描述;SRU（Spatial Rules）代表地理空间规则,主要是对属性取值以及其组合进行约束,其实质是对地理对象属性及地理对象间关系进行限制;SI（Spatial Individuals）代表地理空间实例,主要是地理空间概念下面的一些典型实例。
地理空间概念是对地理空间本质属性的概括性描述,本文以人类活动是否占主导地位作为划分依据,将其分为自然地理空间概念和人文地理空间概念。前者主要是对自然界客观存在的地理对象的概括,如平原、森林等;后者主要是人们为了更好地认识自然而设定的地理对象,如行政区划、等高线等。为了能在实际应用中更好表示这些对象,从其几何特征入手,引入原子空间概念以进行抽象表达。这些概念主要包括点、线、面、体和聚合对象。根据以上表述,地理概念的语义定义FC如式（2）所示。
式中：C为概念术语;Ca代表原子空间概念集合（点、线、面等）。
3.3.1 地理空间语义关系形式化表达
语义关系是用来描述描述概念与概念之间、概念与实例之间、实例与实例之间在语义层次上的关联关系。根据有关学者的研究,相关的语义关系主要有12种,包括上下位关系、等同关系、与关系和交叉关系、或关系、非关系、矛盾关系等[23]。这些关系划分较为详细,能将概念中的关系详细表达清楚,但这些关系主要是从叙词表的词间关系衍生而来,其中很多关系在地理空间概念的实际表达中没有参考价值,例如能愿关系（表达概念间存在的可能、意愿和必须关系,强调内在联系）、动作关系（类似于语言学中的“动宾谓”关系,强调概念之间存在某种动作意义上的关联）;部分关系表达比较赘余,如或关系、互补关系、矛盾关系等在一定程度上表达的是同级概念或实例之间不相交、互斥的关系。通过对这12种语义关系进行筛选、组合,并结合在protégé中地理数据空间本体构建的实践,本文认为地理本体中主要的语义关系有：父子关系（SubClassOf/SuperClassOf）,主要用来描述地理概念之间的父子关系,如“自然地理”与“陆地水系”）;等同关系（EquivalentTo,用来描述同级地理概念或实例之间的等价关系,如“鄂”与“湖北省”）;互斥关系（DisjointWith,用来描述同级地理概念之间及相同性质实例之间的互斥关系,如“平原”与“山地”）;相似关系（SimilarTo,用来描述意思上相近的同级地理概念或实例,如“第三世界”与“发展中国家”）;类与个体关系（Members,用来描述地理概念与相应实例之间的关系,如“湖泊”与实例“青海湖”）。定义概念间的语义关联表达为FCC（式（3））概念与实例间语义关联表达为FCI（式（4））,实例与实例之间的语义关联表达为FII（式（5））。
式中：C表示地理空间概念;RCC表示概念间语义关系的集合;I表示C的相应实例;RCI表示概念与实例间语义关系集合;RII表示实例与实例间语义关系集合。
3.3.2 地理空间关系形式化表达
空间关系是指地理空间实例之间存在的与空间特性有关的关系,是数据组织、查询、分析和推理的基础[24],主要包括拓扑关系、距离关系和方位关系。其中,拓扑关系有相交、相离、相接、包含、被包含、覆盖、被覆盖、重合等,由于与拓扑有关的研究目前已经较成熟,故文中不做详细表述。距离关系分为定性和定量表达,定性表达主要按照各种渐近层空间组织的需要划分,一般有非常近、近、中等、远、非常远等模糊性的描述[25];定量表达则是通过目标之间的位置准确计算出相应的距离。本文仅考虑同类性质的距离关系,忽略目标的大小,相应距离（Dij）的计算公式如式（6）所示。
式中：(xi, yi)和(xj, yj)代表相应实例中心的空间坐标。在本体构建时,根据实际情况设定距离阈值,实现定性和定量距离之间的转化。定义阈值集合为
阈值的设定需考虑相应的距离尺度,由于距离尺度设定的不同,相同定性距离的描述在实际中可能会对应完全不同的定量距离。例如,“天安门”与“奥林匹克公园”相距10 km,一般定性表述二者相距“远”;而“北京”与“天津”相距约110 km,却将二者距离定性表述为“近”。显然,定性表述需要在一定的距离尺度标准下才能与定性距离相关联。本文以区划距离为例来简要说明相关信息,将城市距离尺度定义为城内和城际（S城内,S城际）,在城际尺度下,以“北京”为例,处于京津冀都市圈内层范围内（约35 km）定性描述为“非常近”;处于都市圈外层（约300 km）定性描述为“近”;处于半天高铁距离行程（约1200 km）定性描述为“中等”;超出此距离定性表示为“远”。在城内尺度下,以“物流配送方案”为例,距离在3 km以内的（10 min车程）,定性描述为“非常近”;在8 km以内的定义为“近”;在15 km以内的定义为“中等”;在15 km以上的定义为“远”。
当基于地理数据空间本体进行数据检索时,如果需获取距离关系上的数据,可通过设置合理的距离尺度,就可推出与目标在距离上呈现一定关系的信息。例如,当用户输入关键词“北京市”时,根据用户需求选定距离尺度。当选择“城市尺度”时,地理数据空间本体可以智能推荐用户搜索与“北京市”距离“近”的“天津”的相关数据。其中对于“近”的判断,既可通过相关定性描述(即数据集中含有关键词“近”),也可通过式(7)计算出相应的信息。
方位关系主要是定性表达,包括外方位关系和内方位关系。定性的描述主要有东(E)、南(S)、西(W)、北(N)、东北(NE)、东南(SE)、西南(SW)、西北(NW)、中(Same)等模糊性的表达（由于目前大部分地理空间信息的表达集中的二维层面上,所以,本文暂时只考虑二维平面上的方向关系）,定义A(xi,yi),B(xi,yi)为地理空间目标中心点A和B的坐标,定义DIR(A,B)为A在B的某个方向。
锥形模型在外方向关系的可推理性和形式化程度方面有较大的优势[26],在此基础上不断地改进优化,并在实际研究中得到了广泛的应用[27],本文将采用其中一种改进的锥形模型来对外方位关系进行表达。相关模型如图2所示。
图2（a）其中,ABCD为参考目标的MBR（Minimum Bounding Rectangle）,A1、B1、C1、D1、A2、B2、C2、D2分别是MBR的4条边延长线与锥形区域线的交点,具体方向的表示如图2（b）所示。在判断A、B之间方向时,B总会落在A的其中一个方向区域中,相关方向关系矩阵如式（8）所示。
式中：如目标B与A的某一方向区域的交集非空,则矩阵中对应的元素为1,否则为0。
在表达内方位关系时,由于2个目标的MBR是包含与被包含的关系,用锥形模型不能体现相应的方位关系。不少学者对内方位关系模型的构建,以及基于内方位关系的定性推理都做出了深入的研究,本文采用Liu等[28]提出的9元模型ICD-9（Internal Cardinal Direction-9）（图3）来对2个目标之间的内方位关系进行说明,以空间目标A和B为例,其中A包含B。
图3表示将目标A的MBR拆分成9部分后的示意图,其中,M代表A的MBR的中心部分（Middle Part）,其余部分表示相应的方向,主要有东(E)、南(S)、西(W)、北(N)、西北(NW)、东南(SE)、西南(SW)、东南(SE)。通过确定M的大小来将目标A和B之间的内方位关系转换为M与B的外方位关系。根据Liu等进行的相关实验,在HM/HMBR= WM/WMBR=1/3时（其中,HM,WM为中心部分矩形的高度和宽度;HMBR和WMBR为目标A的MBR的高度和宽度）,利用ICD-9模型能够很好地描述内方位关系。在确定M的大小之后,M与B之间的方位关系就可以利用改进的锥形模型来求解。
当基于地理数据空间本体进行数据检索时,地理数据空间本体可根据相应的地理空间坐标信息推理得出目标间的相应方位关系。例如,当用户输入关键词“北京市东北”时,既可通过关键词匹配直接得出相关结果,也可通过地理数据空间本体库里面实例的坐标,根据式(8)推理得出“北京市东北”的相关实例。
定义实例之间空间关系关联为FSII,则有式（9）：
式中：I表示地理空间实例;RSII表示实例间空间关系的集合。
属性特征是用来描述事物或现象的特性,即用来说明“是什么”。地理空间属性主要包括对象属性和数据属性：对象属性描述的是地理空间对象之间的属性特征,主要包含将现实地理世界表征到数字世界时所使用的数学基准（如“投影系统是”、“参考椭球是”、“坐标系统是”、“高程系统是”、“维度系统是”和“比例尺是”等）,以及对地理空间对象在某一特定领域的应用中所概括出来的性质（如“土地覆被类型是”、“河流类型是”等）;数据属性描述的是地理空间对象与数值之间的特定关系,是对地理空间对象的定量表示（如长江“长度为”6397 km）。定义实例与实例（或数值）之间的属性关联关系表达为FPII,则有式（10）。
式中：I表示地理空间实例（或相应的数值）;P表示地理空间属性集合。
地理空间规则主要是用来对地理空间属性进行限制,包括函数（如一些单位换算公式）、公理（如河流的长度不能为负数）等。定义RU为地理空间规则集合,FRU为对属性的规则限制表达,则有式（11）。
根据上述的阐述,地理数据空间本体的完整表述FGDO为式（12）。
以“华北平原”数据为例,通过构建与“华北平原”相关联的信息来详细解释地理数据空间本体的表达信息（图4）。
当搜索“华北平原”时,地理数据空间本体可根据“华北平原”直接得到含有字符串“华北平原”相关的数据,还可搜索到与“华北平原”语义关联的数据,如意思相同的含字符串“黄淮海平原”的数据、空间上呈包含关系的含有字符串“山东省”、“河北省”的数据,甚至还可智能推荐用户搜索“东北平原”的相关数据。
地理数据空间本体的构建指根据地理数据空间本体模型,确定地理空间中所涉及到的概念、实例、属性、关系和规则,然后利用本体构建工具建立基于某种特定本体语言的本体文件。地理数据空间本体的构建是一个工程化、系统化的过程,为了保证信息的准确性和全面性,需要在本体构建中提供可扩展、可进化维护的功能。
地理数据空间本体是对地理空间领域共享的概念模型的形式化说明,构建较为完整的地理数据空间本体需将相关领域的概念表达清楚。根据地球系统科学共享平台中相关元数据集所涉及的地理空间概念,参考“地理科学叙词表”[29]以及“地名分类与类别代码编制规则”中对地理相关概念和实例的表达,利用层级分类法对地理数据空间本体中的概念进行分类。首先,以人类活动是否占主导地位将地理空间对象分为自然地理对象和人文地理对象;再根据地理对象所处的位置将自然地理对象分为陆地和海洋;最后,依据地理对象的社会属性从政治、经济、文化、社会以及境界区划5个方面对人文地理对象进行表达。地理空间属性包括对象属性和数据属性：对象属性包括地理参考和应用属性;关系主要包括语义关系和空间关系。地理数据空间本体总体框架如图5所示。
图4 地理数据空间本体对象表达——以华北平原为例
Fig. 4 The expression of Geodata Spatial Ontology object-taking the North China Plain as an example
根据该框架,在Protégé中进行相应的本体构建。在Classes模块中构建地理空间对象概念及概念之间的语义关系;在ObjectProperties和DataProperties中添加相应的属性概念、对象属性和数据属性;在Individuals中构建相应概念的实例,并把不同实例的关系、属性,以及规则约束表达清楚。地理数据空间本体是通过“自上而下的本体设计思路,自下而上的本体构建方法”来设计和构建本体,即在设计本体时宏观把握所需要构建本体的框架,逐级向下延伸,阐述清楚地理空间概念体系和实例;在构建本体时从底层概念和实例出发,不断向上完善,同时预留可能需扩展的空间,将地理数据空间本体拆分为多个子本体,最后再集成为总本体。通过上述思路,本文已构建完成境界区划本体（包括国家和地区本体、中国各级行政区划本体、生态区划本体、流域本体、气候区划本体等）、陆地水系本体（包括中国河流本体、中国湖泊本体和中国湿地本体）、陆地地形本体（包括高原本体、盆地本体、山地本体、平原本体和丘陵本体）、海域本体（包括海本体、洋本体、海湾本体和海峡本体）等相关的领域本体。
国家地球系统科学数据共享平台是23个国家认定的科技平台。截止到2014年8月,平台已经整合集成了1851个元数据集,共54.66 TB数据,内容主要有全国层面的地表过程与人地关系数据、典型区域地表过程与人地关系数据、全球变化与区域响应综合集成数据产品、日地系统与空间环境数据等方面的数据资源等。但由于数据集内容繁多且结构复杂,用户在以关键词匹配进行数据检索时,经常出现查不全、查不准的问题,严重地制约了数据信息的共享与传播。
本文以国家地球系统科学数据共享平台中的数据集为基础,将其中人工提取和语义标注的具有代表性的378条元数据集作为数据源,把构建的地理数据空间本体作为本体库,并基于开源的语义网和关联数据开发框架Jena开发了地理空间数据语义检索原型系统,系统检索流程如图6所示。
图6 地理数据空间本体在语义检索中的应用流程
Fig. 6 The application of Geodata Spatial Ontology in semantic retrieval
当输入“长江三角洲”时,基于传统关键词匹配（分词后）的搜索方法共搜索到45条数据（数据库中相关数据共有53条）。通过对检索结果进行分析,发现其中“长江三角洲洪涝灾害数据集”、“1:50万长江三角洲地区水文地质、工程地质与第四纪地质钻孔数据集”、“长江三角洲乡镇社会经济数据集”等与“长江三角洲”信息相关联的元数据集有16条,且数据集呈无序排列,用户难以快速地找到所需数据;其余元数据集描述的内容主要是“长江上（下）游”、“黄河三角洲”等,这些显然不是所需的数据。经过计算,其查准率（式（13））和查全率（式（14））分别为30.2%和35.6%。而通过地理数据空间本体的搜索方法得到的元数据集（图7）共有62条,除了搜索得出上述16条描述“长江三角洲”相应信息的元数据集,并在列表靠前展示外,还通过一阶推理搜索得出“长江三角洲”空间包含的“江苏省”、“上海市”、“浙江省”,以及空间被包含的“华东”的相关数据,并列表显示在完全匹配数据集的下面。此外,语义检索还能智能指导用户搜索相关联的数据,例如,推荐用户搜索“长江三角洲”位置上相关的“华东”等数据。经过计算,其查全率和查准率分别为100%和85.5%。由于语义推理类型设置的不同,其中“中华人民共和国”的相关数据也是通过“被包含”语义关联得出,但由于其所包含的范围过大,故本文认为其不符合要求,所以,对查准率会有一定的影响。分别选取境界区划本体、陆地水系本体、陆地地形本体、海域本体中所构建的实例,进行基于关键词和地理空间本体的检索查询,得到的统计结果如表1所示。
通过以上2种检索方法的对比,可以得出以下结论：基于地理数据空间本体的搜索方法,在数据查准率和查全率上相较于以字符串匹配为核心的搜索方法有较大优势;同时,基于地理数据空间本体的数据搜索方法还能智能推荐用户搜索与目的信息相关联的数据,提供启发式服务,能极大地促进地理空间数据的共享利用。
图7 基于地理数据空间本体搜索结果展示
Fig. 7 The searching results based on Geodata Spatial Ontology
表1 基于关键词和地理空间本体的检索结果统计表
Tab. 1 The table of retrieval results based on keywords and Geodata Spatial Ontology
| 序号 | 检索词汇 | 数据库中相关数据 | 关键词检索 | 地理空间数据本体检索 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 检索结果总数 | 检索结果相关数 | 查全率/（%） | 查准率/（%） | 检索结果总数 | 检索结果相关数 | 查全率/(%) | 查准率/(%) | ||||
| 1 | 华北地区 | 7 | 5 | 2 | 28.6 | 40.0 | 9 | 7 | 100 | 77.8 | |
| 2 | 华东地区 | 21 | 4 | 1 | 4.7 | 25.0 | 29 | 21 | 100 | 72.4 | |
| 3 | 黄河流域 | 18 | 17 | 8 | 44.4 | 47.1 | 23 | 18 | 100 | 78.3 | |
| 4 | 一级流域 | 48 | 38 | 29 | 60.4 | 76.3 | 71 | 48 | 100 | 67.6 | |
| 5 | 太湖 | 18 | 13 | 10 | 55.6 | 76.9 | 26 | 18 | 100 | 69.2 | |
| 6 | 东北平原 | 12 | 11 | 6 | 50.0 | 54.5 | 19 | 12 | 100 | 63.2 | |
| 7 | 青藏高原 | 35 | 37 | 22 | 62.9 | 59.5 | 42 | 35 | 100 | 83.3 | |
| 8 | 南海 | 33 | 18 | 13 | 39.4 | 72.2 | 48 | 33 | 100 | 68.8 | |
本文从地理空间数据的基本概念和特征着手,通过对地理领域相关概念的详细分析,提出了地理空间概念分类体系,并结合本体相关知识,提出了地理数据空间本体五元组模型。根据此模型,结合人们对于现实世界中实例及现象的理解,对地理空间领域相关地理概念、属性、关系、规则和实例做了详细的阐述,并以此构建了地理数据空间本体。通过在国家地球系统科学共享平台中的应用,证明了地理数据空间本体在数据检索中“查准、查全”方面相较于关键词匹配的方法有较大的优势。
本文构建的地理数据空间本体涉及地理领域的各个方面,内容繁多且复杂,其中大部分实例和关系由手工构建,工作繁多且效率极低,故实现本体的自动构建是下一步的研究重点。由于现实世界处于不断变化之中,其相应的地理实例、现象和关系也会发生变化,怎样实现本体的实时更新也是未来研究的重点。此外,地理数据空间本体可通过不同的空间关系推理得出一系列相关的数据,怎样对这些数据进行排序和筛选,并把相对重要的信息在结果页面靠前位置体现出来也是今后需要开展的工作。本体的研究和构建是一个庞大的系统工程,需要各个领域的学者参与进来,如此地理数据空间本体才能构建得更加全面完整,才能有更广阔的认可性和应用性,对促进数据检索和共享也有重要意义。
The authors have declared that no competing interests exist.
| [1] |
地学数据特征分析 [J].https://doi.org/10.3969/j.issn.1000-0690.1999.02.013 URL Magsci [本文引用: 1] 摘要
地理信息系统的广泛应用使地学数据的使用大为扩展,但关于地学数据的一些基本认识,如地学数据概念、地学数据的基本特征等并没有达成共识.在分析地学数据概念和来源的基础上,对地学数据的基本特征,如多尺度特征、分布式特征、空间拓扑特征等进行了详细的说明.
Analysis on the characteristics of geospatial data [J].https://doi.org/10.3969/j.issn.1000-0690.1999.02.013 URL Magsci [本文引用: 1] 摘要
地理信息系统的广泛应用使地学数据的使用大为扩展,但关于地学数据的一些基本认识,如地学数据概念、地学数据的基本特征等并没有达成共识.在分析地学数据概念和来源的基础上,对地学数据的基本特征,如多尺度特征、分布式特征、空间拓扑特征等进行了详细的说明.
|
| [2] |
https://doi.org/10.3778/j.issn.1002-8331.2011.05.035 URL [本文引用: 1] 摘要
以地理信息领域为应用背景,面向地理空间语义检索,基于地球信息科学中的空间拓扑理论,以空间本体为语义检索的概念空间,提出了一种语义相关度的算法。其特点是考虑了传统字面匹配相关度与语义关系相关度两部分的融合,同时引入了本体关系权值的机制控制在不同语义检索应用中本体的关联程度,并体现了其与语义距离的反比关系。通过所作的相关实验,验证了该语义相关度算法在地理空间语义检索应用中可以达到良好的效果,并且也为其他领域应用提供了较好的参考和借鉴价值。
Research on relevancy for semantic retrieval based on geographic spatio-ontology [J].https://doi.org/10.3778/j.issn.1002-8331.2011.05.035 URL [本文引用: 1] 摘要
以地理信息领域为应用背景,面向地理空间语义检索,基于地球信息科学中的空间拓扑理论,以空间本体为语义检索的概念空间,提出了一种语义相关度的算法。其特点是考虑了传统字面匹配相关度与语义关系相关度两部分的融合,同时引入了本体关系权值的机制控制在不同语义检索应用中本体的关联程度,并体现了其与语义距离的反比关系。通过所作的相关实验,验证了该语义相关度算法在地理空间语义检索应用中可以达到良好的效果,并且也为其他领域应用提供了较好的参考和借鉴价值。
|
| [3] |
Toward principles for the design of ontologies used for knowledge sharing [J].https://doi.org/10.1006/ijhc.1995.1081 URL [本文引用: 1] 摘要
Recent work in Artificial Intelligence (AI) is exploring the use of formal ontologies as a way of specifying content-specific agreements for the sharing and reuse of knowledge among software entities. We take an engineering perspective on the development of such ontologies. Formal ontologies are viewed as designed artifacts, formulated for specific purposes and evaluated against objective design criteria. We describe the role of ontologies in supporting knowledge sharing activities, and then present a set of criteria to guide the development of ontologies for these purposes. We show how these criteria are applied in case studies from the design of ontologies for engineering mathematics and bibliographic data. Selected design decisions are discussed, and alternative representation choices are evaluated against the design criteria.
|
| [4] |
地理时空本体研究进展 [J].https://doi.org/10.3321/j.issn:1000-1190.2006.01.034 URL [本文引用: 1] 摘要
地理现实的动态性早已被人们所 广泛接受,目前关于时空G IS的研究也越来越多.本体技术的引进,为地理时空研究提供了一条新途径.从地理时空本体的起源基础介绍了时间本体、空间本体的基元、特性、表示模型等, 综述了目前时空本体的研究进展,总结了目前研究中存在的一些问题并展望了未来的发展方向.
Research progress in geographical spatio-temporal ontologies [J].https://doi.org/10.3321/j.issn:1000-1190.2006.01.034 URL [本文引用: 1] 摘要
地理现实的动态性早已被人们所 广泛接受,目前关于时空G IS的研究也越来越多.本体技术的引进,为地理时空研究提供了一条新途径.从地理时空本体的起源基础介绍了时间本体、空间本体的基元、特性、表示模型等, 综述了目前时空本体的研究进展,总结了目前研究中存在的一些问题并展望了未来的发展方向.
|
| [5] |
Ontology 研究综述 [J].Magsci 摘要
Ontology是描述概念及概念之间关系的概念模型，通过概念之间的关系来描述概念的语义。作为一种有效表现概念层次结构和语义的模型，Ontology被广泛地应用到计算机科学的众多领域。本文作者对目前Ontology的研究与应用现状进行了综述性地介绍，从Ontology的定义Ontology理论研究、Ontology在信息系统中的应用以及在语义Web中的地位等方面加以了系统阐述。
Overview of ontology [J].Magsci 摘要
Ontology是描述概念及概念之间关系的概念模型，通过概念之间的关系来描述概念的语义。作为一种有效表现概念层次结构和语义的模型，Ontology被广泛地应用到计算机科学的众多领域。本文作者对目前Ontology的研究与应用现状进行了综述性地介绍，从Ontology的定义Ontology理论研究、Ontology在信息系统中的应用以及在语义Web中的地位等方面加以了系统阐述。
|
| [6] |
A translation approach to portable ontology specifications [J].https://doi.org/10.1006/knac.1993.1008 URL 摘要
We discuss how the translation approach to portability addresses several technical problems. One problem is how to accommodate the stylistic and organizational differences among representations while preserving declarative content. Another is how to translate from a very expressive language into restricted languages, remaining system-independent while preserving the computational efficiency of implemented systems. We describe how these problems are addressed by basing Ontolingua itself on an ontology of domain-independent, representational idioms.
|
| [7] |
Ontology learning for the semantic web [J].https://doi.org/10.1109/5254.920602 URL 摘要
The Semantic Web relies heavily on the formal ontologies that structure underlying data for the purpose of comprehensive and transportable machine understanding. Therefore, the success of the Semantic Web depends strongly on the proliferation of ontologies, which requires fast and easy engineering of ontologies and avoidance of a knowledge acquisition bottleneck. Ontology Learning greatly facilitates the construction of ontologies by the ontology engineer. The vision of ontology learning that we propose here includes a number of complementary disciplines that feed on different types of unstructured, semi-structured and fully structured data in order to support a semi-automatic, cooperative ontology engineering process. Our ontology learning framework proceeds through ontology import, extraction, pruning, refinement, and evaluation giving the ontology engineer a wealth of coordinated tools for ontology modeling. Besides of the general framework and architecture, we show in this paper some exemplary techniques in the ontology learning cycle that we have implemented in our ontology learning environment, Text-To-Onto, such as ontology learning from free text, from dictionaries, or from legacy ontologies, and refer to some others that need to complement the complete architecture, such as reverse engineering
|
| [8] |
The sequence ontology: a tool for the unification of genome annotations [J].https://doi.org/10.1186/gb-2005-6-5-r44 URL PMID: 1175956 摘要
The Sequence Ontology (SO) is a structured controlled vocabulary for the parts of a genomic annotation. SO provides a common set of terms and definitions that will facilitate the exchange, analysis an
|
| [9] |
Geospatial ontology development and semantic analytics [J].https://doi.org/10.1016/j.neulet.2005.04.024 URL [本文引用: 1] 摘要
Mutations in DJ-1 (PARK7) were recently identified as the cause for an autosomal recessive early onset form of familial Parkinson's disease, however, the function of the protein in the brain is yet to be elucidated. Here we report on the development, characterisation and epitope mapping, of two novel monoclonal antibodies to DJ-1. One of them (DJ-1 "clone16") has its epitope between amino acids 56-78 of the human DJ-1 protein and has very similar properties to a commercially available DJ-1 antibody clone 3E8. The second antibody recognised both the rat and human DJ-1 (DJ-1 "clone 48") and its epitope is between amino acids 26-56. We have used immunohistochemistry with these two antibodies to compare the distribution of DJ-1 in human and rat brain tissue. Both antibodies gave similar patterns of labelling in human brain with marked astrocytic expression. Neuronal labelling was weak or absent and the antibodies did not label Lewy bodies or Lewy neurites. In the rat brain, DJ-1 was ubiquitously expressed in neurones but exhibited low expression in astrocytes. These antibodies could be exploited as important tools in dissecting out DJ-1 expression in different species and examination of the role of DJ-1 in Parkinson's disease.
|
| [10] |
基于本体的地理空间信息语义表达和服务研究[D] .A research on geo-spatial information semantic expression and service based on ontology [J]. |
| [11] |
基于GML的时空地理本体模型构建及应用研究 [J].https://doi.org/10.3969/j.issn.1560-8999.2009.04.006 URL Magsci [本文引用: 1] 摘要
时空地理本体模型是一套描述地 理时空知识的形式化说明规范,是构建时空地理本体实例的基础和参考。本文基于GML规范及时空推理理论提出了一种时空地理本体模型的框架,并详细阐述了其 组成:要素模型、几何模型、空间关系模型、时态模型中类的关系和所涉及到的属性定义,并基于该本体模型给出了应用实例——行政区划本体设计和构建方法。文 中所提出的时空地理本体模型,对开展面向不同应用的地理本体实例的构建和共享研究具有一定参考意义。
A Study on the model of Spatio-temporal Geo-ontology based on GML [J].https://doi.org/10.3969/j.issn.1560-8999.2009.04.006 URL Magsci [本文引用: 1] 摘要
时空地理本体模型是一套描述地 理时空知识的形式化说明规范,是构建时空地理本体实例的基础和参考。本文基于GML规范及时空推理理论提出了一种时空地理本体模型的框架,并详细阐述了其 组成:要素模型、几何模型、空间关系模型、时态模型中类的关系和所涉及到的属性定义,并基于该本体模型给出了应用实例——行政区划本体设计和构建方法。文 中所提出的时空地理本体模型,对开展面向不同应用的地理本体实例的构建和共享研究具有一定参考意义。
|
| [12] |
Spatial ontologies for detecting abnormal maritime behavior [J]. |
| [13] |
https://doi.org/10.3969/j.issn.1674-5698.2010.09.009 URL [本文引用: 1] 摘要
SWEET本体是规范地球科学 概念空间的重要本体,也是本体技术应用于地理学的成功案例。SWEET本体的内容基本涵盖了地球系统科学的主要研究范畴,并通过可扩展性设计保证不断增补 学科领域的新知识,为实现基于语义网和Web服务(SWS)的e-Science发展奠定了地球系统科学知识重用和资源共享的基础。文章详细阐述了 SWEET本体研究与建设的背景、语言基础、建设原则、版本演进、现状与趋势等,旨在为国内本体研究和地理本体相关领域的研究工作提供借鉴。
Review of sweet ontology [J].https://doi.org/10.3969/j.issn.1674-5698.2010.09.009 URL [本文引用: 1] 摘要
SWEET本体是规范地球科学 概念空间的重要本体,也是本体技术应用于地理学的成功案例。SWEET本体的内容基本涵盖了地球系统科学的主要研究范畴,并通过可扩展性设计保证不断增补 学科领域的新知识,为实现基于语义网和Web服务(SWS)的e-Science发展奠定了地球系统科学知识重用和资源共享的基础。文章详细阐述了 SWEET本体研究与建设的背景、语言基础、建设原则、版本演进、现状与趋势等,旨在为国内本体研究和地理本体相关领域的研究工作提供借鉴。
|
| [14] |
战场空间本体构建方法研究 [J].https://doi.org/10.3969/j.issn.1002-0640.2008.06.006 URL [本文引用: 1] 摘要
从构建战场空间知识基础设施,进而形成一体化的知识处理平台、获取知识优势出发,将本体思想 引入战场空间知识建模领域,提出了战场空间本体体系,即战场空间本体包括上层本体、领域本体、应用本体;并重点研究了一种战场空间领域本体的构建方法 BOC,包括基于上层本体BUO的领域本体构建方法,基于上层本体BUO的领域本体合并方法。基于本体的战场空间知识建模从根本上解决了战场空间中知识系 统之间的知识共享和重用问题,便于知识系统的集成。
Research on battle-space ontologies construction method [J].https://doi.org/10.3969/j.issn.1002-0640.2008.06.006 URL [本文引用: 1] 摘要
从构建战场空间知识基础设施,进而形成一体化的知识处理平台、获取知识优势出发,将本体思想 引入战场空间知识建模领域,提出了战场空间本体体系,即战场空间本体包括上层本体、领域本体、应用本体;并重点研究了一种战场空间领域本体的构建方法 BOC,包括基于上层本体BUO的领域本体构建方法,基于上层本体BUO的领域本体合并方法。基于本体的战场空间知识建模从根本上解决了战场空间中知识系 统之间的知识共享和重用问题,便于知识系统的集成。
|
| [15] |
基于本体的中国行政区划地名识别与抽取研究[D] .Study on the ontology-based extraction of the names of chinese administrative division[D]. |
| [16] |
地名本体及其在地理空间数据组织中的应用研究[D] .Research on ontology of place and its applications in geospatial data organization[D]. |
| [17] |
Search strategies for reasoning about spatial ontologies [ |
| [18] |
地理本体中空间关系的表达和推理研究[D] .Research on the representation and reasoning of spatial relations in geographical ontology[D]. |
| [19] |
本体的概念、建模与应用 [J].https://doi.org/10.3969/j.issn.1009-3443.2005.02.005 URL [本文引用: 1] 摘要
为了阐述本体的内涵,讨论了本体的概念、分析了本体与其他知识表 示方法的本质区别,总结了本体的分类.本体建模是应用的基础,论述了本体的建模原始建模方法,总结了常用的本体建模语言和建模工具.本体可以应用于知识管 理、系统分析、异构信息集成等领域.作为本体应用的演示性实例,讨论了基于本体的网管信息语言层集成,证明基于本体可以解决网管信息的语义异构性.
Concept, modeling and application of ontology [J].https://doi.org/10.3969/j.issn.1009-3443.2005.02.005 URL [本文引用: 1] 摘要
为了阐述本体的内涵,讨论了本体的概念、分析了本体与其他知识表 示方法的本质区别,总结了本体的分类.本体建模是应用的基础,论述了本体的建模原始建模方法,总结了常用的本体建模语言和建模工具.本体可以应用于知识管 理、系统分析、异构信息集成等领域.作为本体应用的演示性实例,讨论了基于本体的网管信息语言层集成,证明基于本体可以解决网管信息的语义异构性.
|
| [20] |
Overview of knowledge sharing and reuse components: Ontologies and problem-solving methods[R]. Workshop on ontologies and problem-solving methods: lessons learned and future trends (IJCAI99) , deAgosto, |
| [21] |
地理本体的形式化表达机制及其在地图服务中的应用研究[D] .Study on formal representation of geographic ontolpgy and its application in map services[D]. |
| [22] |
基于地理本体的地理信息予以表达与查询方法研究[D] .Research on methods of semantic representation and query of geographic information via geo-ontology[D]. |
| [23] |
Ontology构建中概念间关系的研究[D] .The study of concept-to-concept relations in ontology construction[D]. |
| [24] |
空间关系及其应用 [J].https://doi.org/10.3321/j.issn:1005-2321.2006.03.010 URL [本文引用: 1] 摘要
GIS中的空间关系主要描述空间对象之间的各种关系,为GIS的分析提供基本的理论和方法支持.空间关系主要包括距离关系、方向关系、拓扑关系及空间关系 相似性等.从空间关系的内涵来讲,空间关系模型应该能够反映目标尺度、人类认知、目标层次、现象的不确定以及随时间变化等特性对空间关系的影响;从数学角 度来看,空间关系模型必须是可形式化和可推理的,以方便操作和实现;空间关系从人们认知的角度对空间现象和目标间的关系进行建模,因而在空间数据查询、检 索、空间数据挖掘、空间场景相似性评价以及图像理解等应用领域得到了广泛应用.现有GIS模型主要针对二维平面的简单对象、确定的现象进行建模,因而大多 数空间关系模型只描述和推理二维平面对象和确定现象的空间关系,三维空间关系、不确定空间关系、复杂目标间的多层次空间关系推理、遥感图像空间关系的抽 取、描述与推理将是未来空间关系研究和发展的重要方向.
The spatial relations in GIS and their applications [J].https://doi.org/10.3321/j.issn:1005-2321.2006.03.010 URL [本文引用: 1] 摘要
GIS中的空间关系主要描述空间对象之间的各种关系,为GIS的分析提供基本的理论和方法支持.空间关系主要包括距离关系、方向关系、拓扑关系及空间关系 相似性等.从空间关系的内涵来讲,空间关系模型应该能够反映目标尺度、人类认知、目标层次、现象的不确定以及随时间变化等特性对空间关系的影响;从数学角 度来看,空间关系模型必须是可形式化和可推理的,以方便操作和实现;空间关系从人们认知的角度对空间现象和目标间的关系进行建模,因而在空间数据查询、检 索、空间数据挖掘、空间场景相似性评价以及图像理解等应用领域得到了广泛应用.现有GIS模型主要针对二维平面的简单对象、确定的现象进行建模,因而大多 数空间关系模型只描述和推理二维平面对象和确定现象的空间关系,三维空间关系、不确定空间关系、复杂目标间的多层次空间关系推理、遥感图像空间关系的抽 取、描述与推理将是未来空间关系研究和发展的重要方向.
|
| [25] |
锥形空间方向关系模型的改进 [J].https://doi.org/10.3321/j.issn:1671-8860.2007.01.021 URL Magsci [本文引用: 1] 摘要
提出了一种融入方向关系矩阵模型思想的改进型锥形模型。该模型同时具备了两者的优点，尤其对多尺度空间目标的空间方位关系的表达比较有效．并顾及到了多尺度的包容性。
Improvement of cone-Shaped spatial direction-relation model [J].https://doi.org/10.3321/j.issn:1671-8860.2007.01.021 URL Magsci [本文引用: 1] 摘要
提出了一种融入方向关系矩阵模型思想的改进型锥形模型。该模型同时具备了两者的优点，尤其对多尺度空间目标的空间方位关系的表达比较有效．并顾及到了多尺度的包容性。
|
| [26] |
一种改进的锥形方向关系模型 [J].https://doi.org/10.13203/j.whugis20120688 URL Magsci [本文引用: 1] 摘要
根据Gestalt心理学的空 间认知原理,提出了一种改进的锥形方向关系模型,其基本思想是:首先以参考目标的MBR(minimum bounding rectangle)的四条边界的中点作为起点,分别构建N、S、W、E等4个锥形方向区域;然后,利用锥形方向区域的边界、MBR的边界及其延长线,对 空间方向重新进行划分,从而得到改进的锥形模型。实验表明该模型能够有效地克服现有锥形模型中存在的缺陷。
An improved cone-based model for decribling spatial direction relations [J].https://doi.org/10.13203/j.whugis20120688 URL Magsci [本文引用: 1] 摘要
根据Gestalt心理学的空 间认知原理,提出了一种改进的锥形方向关系模型,其基本思想是:首先以参考目标的MBR(minimum bounding rectangle)的四条边界的中点作为起点,分别构建N、S、W、E等4个锥形方向区域;然后,利用锥形方向区域的边界、MBR的边界及其延长线,对 空间方向重新进行划分,从而得到改进的锥形模型。实验表明该模型能够有效地克服现有锥形模型中存在的缺陷。
|
| [27] |
方向关系与距离关系的定性描述与推理 [J].https://doi.org/10.3969/j.issn.1673-064X.2001.01.017 URL [本文引用: 1] 摘要
由于空间问题固有的复杂性和不 确定性 ,空间关系的描述和推理普遍采用定性的方法 .方向关系和距离关系是两类重要的空间关系 ,用以确定空间目标的方位 .当前方向和距离关系分别使用各自独立的描述推理模型 ,限制了推理的准确度 .而人们对空间目标方位的确定通常是同时考虑目标的方向和距离 .在形式化定性描述方向关系和距离关系推理的基础上 ,将方向关系和距离关系的推理结合起来 ,形成方向关系和距离关系的集成组合运算 ,方向和距离关系相互限制 ,能够进一步准确推断目标的方位 .最后 ,以实例说明方向关系和距离关系的集成组合运算将提高空间目标方位推断的准确度 .
Qualitative description and reasoning of spatial distance and direction [J].https://doi.org/10.3969/j.issn.1673-064X.2001.01.017 URL [本文引用: 1] 摘要
由于空间问题固有的复杂性和不 确定性 ,空间关系的描述和推理普遍采用定性的方法 .方向关系和距离关系是两类重要的空间关系 ,用以确定空间目标的方位 .当前方向和距离关系分别使用各自独立的描述推理模型 ,限制了推理的准确度 .而人们对空间目标方位的确定通常是同时考虑目标的方向和距离 .在形式化定性描述方向关系和距离关系推理的基础上 ,将方向关系和距离关系的推理结合起来 ,形成方向关系和距离关系的集成组合运算 ,方向和距离关系相互限制 ,能够进一步准确推断目标的方位 .最后 ,以实例说明方向关系和距离关系的集成组合运算将提高空间目标方位推断的准确度 .
|
| [28] |
|
| [29] |
|
/
| 〈 |
|
〉 |
