基于本体的地理空间模型自动数据匹配方法研究

With the development of modern geo-science research, geospatial models are becoming more and more complex, and thus require more and more input datasets. Consequently the preparation of such input datasets is becoming more difficult and time-consuming. Meanwhile, under the era of big data, a huge number of geospatial datasets have been publicly shared online. Therefore, automatic matching and recommending these public datasets is an innovative, efficient and economical way of preparing input datasets for geospatial models. . To address this issue, this study proposes an automatic data matching method for geospatial models based on geo–ontology. Firstly, the fine description for input datasets of geographic models is proposed to exactly represent the syntax and semantic requirements of running geographic models. And then data matching calculation algorithms are designed based on geo-ontology to measure the similarity degree between public datasets and input datasets. A RDF (Resource Description Framework)-based triple-elements vector, i.e. similarity value, semantic relation and matching extent description is adopted to formally and accurately express the matching result. Therefore, the data differences can be precisely identified to guide intelligent selecting and combining geographic information web services. And finally public datasets are automatically transformed and processed with these web services.. As a case study, the population spatialization model (PSM) is taken as the target model, and the China National Data Sharing Platform of Earth System Science (Geodata.CN) is adopted as the public data resource. Through the experiment of automatic matching datasets for PSM from Geodata.CN, the proposed method is further validated and optimized. This study will be helpful to improve the efficiency of the application and integration of comprehensive geographic models. Moreover, it is significant to promote the development of fourth research paradigm, data-intensive research.

地理空间模型是认知地理现象（对象）时空分布格局、演变过程，模拟预测其变化趋势的主要方法。现代地理空间模型变得愈加庞大和复杂，需要的输入数据也越来越多，输入数据的制备更加困难和耗时。与此同时，大数据时代下，大量的地理空间数据已经在网络上公开共享。因此，如何利用这些网络数据，自动为地理空间模型应用匹配数据，是快速、高效、经济制备地理空间模型输入数据的新途径。. 针对这一问题，本项目基于地学数据本体，开展地理空间模型输入数据精细化描述、数据匹配度计算模型及形式化表达方法研究，以及基于此的数据差异精准识别、数据处理服务智能组合与数据自动转换处理研究。通过从国家地球系统科学数据共享平台中为人口空间化模型自动匹配输入数据的实验，进一步对项目技术方法进行验证评价。通过本项目研究，可有效提升地理空间模型的应用效率，促进复杂地学模型的综合集成，并推动第四科研范式下地球数据科学的创新发展。

随着全球环境变化、人地关系和地球系统综合研究等发展，地理空间模型变得越来越庞大和复杂，需要的输入数据也越来越多，输入数据的制备更加困难和耗时。与此同时，大量的地理空间数据已经在网络上公开发布和共享。如何充分利用这些开放共享的数据资源，自动发现与地理空间模型应用相匹配的数据资源，提供主动的数据推荐服务，是大数据时代快速、高效、经济制备地理空间模型输入数据的新途径与新方法。. 项目的主要研究内容包括：地理空间模型输入数据精细化描述方法、地理空间模型数据匹配计算模型、地理空间模型数据差异精准识别与智能处理，以及地理空间模型数据自动匹配原型与验证评价。. 项目重要结果：一系统研究分析了地理空间模型及开放地理空间数据特征，提出地理空间模型数据匹配理论模型及总体技术方案；二研究提出了包含数据空间、时间、主题、语义、形态等方面的统一的地理空间数据-模型描述因子，为地理空间模型数据匹配计算奠定语义基础；三设计实现了多层次的地理空间模型-数据相似度计算方法以及判定策略，可定量化评估开放地理空间数据与地理空间模型输入数据需求的差异；四是研究设计了地理空间模型数据匹配结果精准表达方法和计算机可理解的形式化结构，通过定量的相似度值和语义匹配集精准记录差异的类型及大小，为地理空间数据自动化处理服务智能组合与执行提供基础；五是提出了基于匹配结果精准表达的数据处理服务智能组合及其地理空间数据自动化处理方法，实现面向地理空间模型需求的开放地理空间数据的自动化处理。. 项目研究成果，一方面可以极大减轻模型应用输入数据制备的难度，节省数据制备的时间与重复投入的经费，提升地理空间模型的应用效率；另一方面可以充分利用网络上公开共享的数据资源，创新数据共享服务模式，扩大共享数据的应用价值，进而推动“数据-模型”的一体化共享，为地学科研范式的变革提供技术方法支撑。