期刊专刊 | 《地球大数据国际期刊》：地理语义、本体和知识图谱在地球大数据中的应用

地理语义；本体；知识图谱；地球大数据

专刊简介

专刊名称：Geospatial semantics,ontology and knowledge graphs for big Earth data
地理语义、本体和知识图谱在地球大数据中的应用

客座主编：诸云强

专刊组成：包括六篇原创研究以及综述论文，涉及地理语义、本体和知识图谱在地学多个领域中的挑战及应用，包括制作全球土地覆盖图中所遇到的语义问题；利用概率本体来提升地理信息检索的表现；遥感数据分类中的语义挑战；志愿者地理信息的应用语义增强；本体技术在地理数据融合及共享中的应用；基于网络文本挖掘的地理知识图谱构建。另外，专刊中还包含一篇编者按，对该专刊的筹划背景和讨论主题的前景进行了梳理和展望。

专刊链接：https://www.tandfonline.com/toc/tbed20/3/3（点击文末阅读原文查看专刊详情）

客座主编推语

地理空间数据，不仅是地球大数据的重要组成部分，也是地球大数据主要的组织和可视化表现形式，更是多源地球大数据及其与其他学科数据资源整合集成的基础。随着新地理信息时代的到来，地理空间数据获取方式越来越丰富和多样，遥感影像、志愿者采集、网络文本等已经成为地理空间数据产品的重要来源；越来越多的地理空间数据也被广泛共享到互联网上，正在推动和支撑着以数据密集型为典型特征的地学科研范式的变革。在这样一个背景下，如何利用多源数据集，降低数据采集的偏差，生产高质量的地理空间数据产品仍然是重要的研究内容；同时，通过地理空间数据本体、知识图谱等，解决语义异构问题，促进网络开放共享地理空间数据的精准发现与推荐，是大数据时代下地理空间数据增值和高效利用的重要研究热点。

本专刊通过多源数据整合的全球土地覆被制图、基于卷积神经网络的遥感图像分类、考虑空间偏差提高志愿地理信息应用语义三篇文章，介绍不同数据来源的高精度地理空间数据产品的生产方法；通过地理空间数据本体：地理空间数据集成与共享的语义基础、基于贝叶斯网络和本体的时空数据推荐方法、基于上下文增强的网络文本地理知识三元组地理关系探测三篇文章，来探讨语义支持下的地理空间数据精准发现与高效利用问题。期望通过本专刊文章，引发从高精度地理空间数据生产到地理空间数据语义本体与数据关联及知识图谱的讨论研究，进而推动地理空间数据科学的发展。

诸云强，男（1977-），博士、博士生导师，中国科学院地理科学与资源研究所研究员、所学术委员会委员，中国科学院现有关键技术人才。兼任国际科联科学数据委员会（CODATA）发展中国家数据保藏与开放任务组设施能力小组共同主席、中国地理学会地理大数据工作委员会副主任、全国地理信息标准化技术委员会委员、全球变化科学数据出版系统副主编等。长期从事地学数据共享与知识图谱、资源环境信息系统研究与应用。出版专著7部，发表论文120多篇，获得国家科技进步奖二等奖、河南省科技进步奖一等奖、地理信息科技进步奖一等奖等项科技奖励。

专刊缘起

当前地球科学与大数据研究的结合愈加紧密。这种紧密的连接促成了数据驱动的地球科学研究新范式的产生，产出了一系列令人惊叹的研究成果。同时，这样的深度结合也带来了一系列挑战，其中之一便是语义挑战。

多源数据的产生势必带来了数据融合与共享的需求，而要满足这一要求，首先我们应该理解数据的语义，即数据中的涵义。假想我们现在有两个地理数据集来表述某地的文化遗产，现在我们需要融合这两个数据集以讲述此地的故事。我们首先要弄清数据的含义，例如，两个数据集对文化遗产的定义是否相同（也许一个数据集只包含了建筑遗产，而另一个则还包含自然遗产等），数据的句法（syntax）是否相同（例如表示日期的格式是否相同），数据的粒度是否相同等。在现实生活中，研究人员和开发者几乎每天都会遇到类似的在数据融合和共享中的语义挑战。

语义挑战在地理数据/模型搜索和匹配中亦是难以忽视。从上个世纪中叶开始，许多国家投入了大量的资源以构建空间数据基础设施（Spatial Data Infrastructure），旨在促进地理数据/模型的共享。数据/模型搜索是其重要的组成部分。很多这样的搜索工作都是通过纯关键字匹配完成，忽视了语义问题。例如，用户搜索关于 “灾害” 的地理数据集时，关键词里只标注了 “地震” 的数据集却无法被匹配，因为搜索引擎不具备语义理解的能力去理解这二者之间的联系。

为了解决这些语义挑战，本体和知识图谱技术（又被称为语义网技术）被越来越多的应用于地学大数据的研究中。在此框架下，数据和模型的语义可以被定义在形式化，可以被机器理解的语言中，而多源数据则被组织在以图结构为基础的三元组模型中，并连接在一起。回到刚才的例子中，在本体的帮助下，搜索引擎便可以理解“地震”是“灾害”的子集，当我们对后者搜索时自然亦应该返回前者相关的数据。

另一方面，在当今时代有越来越多的通用知识图谱被构建出来，例如以Wikipedia为基础的DBpedia，而地理数据在其中占有相当的份额。可以说，知识图谱的兴起帮助了地理数据的融合与应用，扩展了地球大数据的研究边界。现在，在知识图谱的帮助下，理论上来说我们有了无限的可能，例如我们可以轻松地做出这样的空间分析“哪些历史名人在长江沿岸出生、生活、且移居过多个城市？”——这样的空间分析过去需要大量的数据融合工作，但有了知识图谱的赋能，一切会变得更加简单。然而，我们也应该意识到，构建知识图谱存在着很多挑战，如何把如潮水般产生的数据放入结构化的知识图谱中，不仅仅是我们的工作，更是整个信息科学领域的愿景。

在这样的背景下，专刊文章针对在地球大数据中的语义挑战，以及本体和知识图谱的应用，做出了一些富有洞见且颇具应用前景的贡献。下面我们一起来掠览它们吧。

专刊掠览

Editorial

Geospatial semantics, ontology and knowledge graphs for big Earth data

地理空间语义、本体和知识图谱在地球大数据中的应用

论文类型：Editorial客座主编：Yunqiang Zhu论文链接：https://doi.org/10.1080/20964471.2019.1652003

Article 1

A global land cover map produced through integrating multi-source datasets

基于多源数据融合的全球土地覆盖制图

论文类型：Research Article论文作者：Min Feng & Yan Bai论文链接：https://doi.org/10.1080/20964471.2019.1663627全球土地覆被融合数据(SYNLCover)

Article 2

A vocabulary recommendation method for spatiotemporal data discovery based on Bayesian network and ontologies基于贝叶斯网络和本体的时空数据发现论文类型：Research Article论文作者：Kejin Cui, Yongyao Jiang, Yun Li & Dieter Pfoser论文链接：https://doi.org/10.1080/20964471.2019.1652431

基于贝叶斯网络的数据发现

Article 3

A survey of remote sensing image classification based on CNNs
基于卷积神经网络的遥感影像分类综述论文类型：Review Article论文作者：Jia Song, Shaohua Gao, Yunqiang Zhu & Chenyan Ma
论文链接：https://doi.org/10.1080/20964471.2019.1657720

卷积神经网络结构图

Article 4

Enhancing VGI application semantics by accounting for spatial bias修正空间偏差以增强志愿者地理信息的应用场景语义
论文类型：Research Article论文作者：Guiming Zhang论文链接：https://doi.org/10.1080/20964471.2019.1645995

基于MaxEnt模型的旅鸫（北美知更鸟）分布图

Article 5

Geospatial data ontology: the semantic foundation of geospatial data integration and sharing地理空间数据本体：地理空间数据融合与共享的语义基石论文类型：Research Article论文作者：Kai Sun, Yunqiang Zhu, Peng Pan, Zhiwei Hou, Dongxu Wang, Weirong Li & Jia Song论文链接：https://doi.org/10.1080/20964471.2019.1661662地理空间数据本体的总体框架

Article 6

Detecting geo-relation phrases from web texts for triplet extraction of geographic knowledge: a context-enhanced method基于语境增强及网络文本的地理知识抽取论文类型：Research Article论文作者：Peiyuan Qiu, Li Yu, Jialiang Gao & Feng Lu
论文链接：https://doi.org/10.1080/20964471.2019.1657719

地理知识抽取的工作流程

转载自：地球大数据国际期刊 

经作者授权转载

文章仅代表作者观点，与本公众号无关，版权归原作者所有

更多请点击文末“阅读全文”

排版：林真真

责任编辑：黄莘绒

审编：鲁嘉颐

终审：颜子明  黄宗财  梁龙武

猜你喜欢

扫描二维码，关注我们

都看到这里了，点个【在看】再走呗~