全球地表覆蓋信息語義目錄服務(wù)共享

石海博，孫亞琴，顧和和，徐生磊

(中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院，江蘇 徐州 221116)

地表覆蓋信息是自然資源管理、氣候變化分析、地理國(世)情監(jiān)測等相關(guān)地學(xué)領(lǐng)域的重要基礎(chǔ)數(shù)據(jù)和關(guān)鍵參量[1- 3]。相關(guān)學(xué)者為了實現(xiàn)全球地表覆蓋信息的有效共享做了許多研究工作，如文獻[4]中借助開放地理空間信息聯(lián)盟(Open Geospatial Consortium，OGC)目錄服務(wù)規(guī)范構(gòu)建了地表覆蓋元數(shù)據(jù)共享系統(tǒng)，文獻[3]中提出建立一個全球地表覆蓋資源共享的基礎(chǔ)設(shè)施，但都僅從元數(shù)據(jù)共享的角度進行分析和研究。

隨著地表覆蓋信息共享領(lǐng)域研究的不斷深入，元數(shù)據(jù)的不足也逐漸凸顯。由于元數(shù)據(jù)缺乏語義描述能力和邏輯推理能力，不能很好地解決地表覆蓋信息中常見的語義異構(gòu)問題，相關(guān)人員在進行地表覆蓋資源發(fā)現(xiàn)時，無法獲得匹配度較高的有效信息，并且檢索到的相關(guān)資源數(shù)量較少。綜上，本文在研究本體理論知識的基礎(chǔ)上，將本體技術(shù)與傳統(tǒng)OGC目錄服務(wù)相結(jié)合，即在元數(shù)據(jù)層基礎(chǔ)上添加了本體層。針對目前缺少統(tǒng)一的地表覆蓋專用元數(shù)據(jù)標(biāo)準(zhǔn)，本文以國家地理信息元數(shù)據(jù)標(biāo)準(zhǔn)為原型，結(jié)合地表覆蓋信息及其應(yīng)用特點進行相應(yīng)的元數(shù)據(jù)擴展，構(gòu)建地表覆蓋元數(shù)據(jù)模型；隨后通過網(wǎng)絡(luò)本體語言O(shè)WL和UML映射，構(gòu)建地表覆蓋元數(shù)據(jù)本體模型；并利用Lucene全文索引技術(shù)和本體查詢語言SPARQL，借助于Jena語義解析工具包實現(xiàn)語義查詢功能；最后通過語義目錄服務(wù)原型系統(tǒng)的開發(fā)和構(gòu)建，促進多源異構(gòu)的全球地表覆蓋資源有效共享。

1 地表覆蓋信息共享現(xiàn)狀分析

現(xiàn)階段地表覆蓋資源整合主要通過元數(shù)據(jù)互操作實現(xiàn)，元數(shù)據(jù)目錄服務(wù)是目前實現(xiàn)地表覆蓋信息集成和共享的重要手段。但從地表覆蓋共享領(lǐng)域研究現(xiàn)狀來看，單一的元數(shù)據(jù)目錄服務(wù)存在以下問題：

(1) 作為地表覆蓋信息集成和共享的前提，在進行資源發(fā)現(xiàn)時，由于用戶認(rèn)知的概念和現(xiàn)實世界的概念與系統(tǒng)模型定義的概念間存在語義異質(zhì)導(dǎo)致所查找到的信息與需求信息不符，容易造成誤用，這一點在地表覆蓋領(lǐng)域內(nèi)尤為明顯[5]。

(2) 目錄服務(wù)僅針對統(tǒng)一的元數(shù)據(jù)模型(標(biāo)準(zhǔn))，在地表覆蓋領(lǐng)域，各組織機構(gòu)在所發(fā)布的地表覆蓋共享平臺中使用的元數(shù)據(jù)標(biāo)準(zhǔn)不一，利用傳統(tǒng)的元數(shù)據(jù)交換方式，對不同標(biāo)準(zhǔn)間具有多詞同義現(xiàn)象的元數(shù)據(jù)項，難以進行有效的語義互操作。

(3) 傳統(tǒng)地理信息目錄服務(wù)檢索方法一般是利用關(guān)鍵詞詞形匹配的方式進行信息檢索，忽略了語義信息，但是自然語言語義靈活多變且具有多義性，檢索結(jié)果與需求信息往往有一定偏差。

除了在地表覆蓋領(lǐng)域，在其他地學(xué)領(lǐng)域中也會出現(xiàn)上述類似問題，為此相關(guān)學(xué)者在各自領(lǐng)域內(nèi)引入了本體概念，并做了一些研究工作[6- 8]。但目前地理信息領(lǐng)域本體的構(gòu)建并不完善，難以提供完整的語義支持，而在地表覆蓋領(lǐng)域中對于本體的研究，更是寥寥無幾?；诖?，本文引入本體技術(shù)，將其應(yīng)用在地表覆蓋信息共享的實際解決方案中。

2 地表覆蓋語義目錄服務(wù)

2.1 語義目錄服務(wù)的提出

鑒于OGC目錄服務(wù)更適合構(gòu)建分布式異構(gòu)環(huán)境下可擴展和可集成的目錄應(yīng)用并具有Web服務(wù)全部特性，本文借鑒了OGC的CSW(catalog service for the web)規(guī)范[9]，結(jié)合本體技術(shù)形成了地表覆蓋語義目錄服務(wù)參考模型，如圖1所示。

OGC目錄服務(wù)參考模型主要包括應(yīng)用端、目錄服務(wù)、元數(shù)據(jù)庫和其他資源服務(wù)。其運行原理為：用戶通過接口與目錄服務(wù)進行交互，目錄服務(wù)從本地元數(shù)據(jù)庫、其他資源服務(wù)或另一目錄服務(wù)調(diào)取資源來響應(yīng)用戶請求。

語義目錄服務(wù)參考模型則在OGC目錄服務(wù)參考模型基礎(chǔ)上增加了本體服務(wù)，即用戶與目錄服務(wù)進行交互時，首先通過本體推理機制擴展查詢內(nèi)容，使用戶不僅可通過知識擴展精確查詢所需資源，而且可以獲得更多的相關(guān)地表覆蓋信息。

為了實現(xiàn)地表覆蓋語義目錄服務(wù)，至少需要包括3種核心要素：①符合CSW接口規(guī)范；②統(tǒng)一的地表覆蓋元數(shù)據(jù)模型；③地表覆蓋元數(shù)據(jù)本體模型。

2.2 地表覆蓋元數(shù)據(jù)模型

目前，國內(nèi)外通用的地理信息元數(shù)據(jù)標(biāo)準(zhǔn)主要有3種：FGDC(美國聯(lián)邦地理數(shù)據(jù)委員會)研制的CSDGM(數(shù)字地理空間元數(shù)據(jù)標(biāo)準(zhǔn))；ISO(國際標(biāo)準(zhǔn)化組織)發(fā)布的ISO 19115系列；GB/T 19710—2005(國家地理信息元數(shù)據(jù)標(biāo)準(zhǔn)，下文稱為國標(biāo))。在地表覆蓋領(lǐng)域，全球范圍內(nèi)還沒有統(tǒng)一且完善的元數(shù)據(jù)標(biāo)準(zhǔn)。

為了滿足相關(guān)人員對地表覆蓋數(shù)據(jù)和服務(wù)有效共享和便捷應(yīng)用的迫切需要，本文以國標(biāo)為原型結(jié)合地表覆蓋信息及其在應(yīng)用中必要的資源特點,嚴(yán)格依據(jù)擴展規(guī)范，設(shè)計了地表覆蓋元數(shù)據(jù)模型[10]。為了保證兼容性，采用和保留了國標(biāo)中能夠?qū)Φ乇砀采w信息進行描述的包結(jié)構(gòu)，并對包中相關(guān)的類進行了必要的特化和修改。重點在標(biāo)識包和內(nèi)容包中增加了相應(yīng)的元數(shù)據(jù)項(類和屬性)對地表覆蓋信息進行描述，包括地表覆蓋數(shù)據(jù)在處理和應(yīng)用過程中密切相關(guān)的輔助信息、算法模型和各類地表覆蓋服務(wù)。

由于國標(biāo)主要針對矢量數(shù)據(jù)，為了對地表覆蓋輔助信息中影像數(shù)據(jù)全面描述，本系統(tǒng)借鑒了ISO 19115—2中對遙感影像的描述[11]。在對服務(wù)資源描述時，主要依據(jù)我國近期發(fā)布的地表覆蓋信息服務(wù)標(biāo)準(zhǔn)[12]。除修改標(biāo)識和內(nèi)容信息包外，對其他包中的元數(shù)據(jù)類和屬性也作了細(xì)微改動，如地表覆蓋領(lǐng)域字符集多為英文和中文，刪除字符集代碼中多余的拉丁字母項?？傮w而言，本文設(shè)計的地表覆蓋元數(shù)據(jù)模型具有以下特點：

(1) 針對地表覆蓋信息相關(guān)資源特性進行設(shè)計，符合目前全球地表覆蓋領(lǐng)域有效共享及熱點應(yīng)用需要。

(2) 增加了必要的元數(shù)據(jù)項，對地表覆蓋相關(guān)輔助信息、算法模型進行詳細(xì)描述，特別是算法模型，幾乎涵蓋了其所有的儲存形式和來源。

(3) 提供了對各類地表覆蓋信息服務(wù)的詳細(xì)且實用描述，使用戶能夠快速發(fā)現(xiàn)、正確理解并合理應(yīng)用這些信息服務(wù)。

(4) 與國家和國際上的元數(shù)據(jù)標(biāo)準(zhǔn)相兼容，確保與其他平臺不同元數(shù)據(jù)標(biāo)準(zhǔn)間交換和互操作的便捷與暢通。

2.3 地表覆蓋元數(shù)據(jù)模型本體構(gòu)建

2.3.1 地表覆蓋元數(shù)據(jù)本體建模

通過上述地表覆蓋信息共享現(xiàn)狀分析和元數(shù)據(jù)模型設(shè)計，并結(jié)合目前地表覆蓋共享領(lǐng)域發(fā)展需求，本文提出了地表覆蓋元數(shù)據(jù)本體模型，如圖2所示。

從圖2中可以看出，本文將地表覆蓋元數(shù)據(jù)本體看作為一種領(lǐng)域本體，它被分為數(shù)據(jù)子本體、算法模型子本體、輔助信息子本體及服務(wù)子本體，下一層次的子本體同樣也可以稱為應(yīng)用本體。各應(yīng)用本體再往下細(xì)分，最終表示為各類地表覆蓋資源，在本體模型中最重要的是各元數(shù)據(jù)項、屬性和類之間橫縱交織的語義關(guān)系。

本文針對地表覆蓋信息特點，參考文獻[13]提出的目前應(yīng)用廣泛的五元組結(jié)構(gòu)，與地表覆蓋元數(shù)據(jù)模型相對應(yīng)，進行了相應(yīng)的地表覆蓋元數(shù)據(jù)本體形式化表達(dá)，描述如下

〈OLC〉=〈CLC，PLC，RLC，ALC，ILC〉

(1) CLC(Concept_LandCover)：表示對地表覆蓋元數(shù)據(jù)進行分類描述的概念的集合，在地表覆蓋元數(shù)據(jù)模型中借助元數(shù)據(jù)類、代碼表和枚舉實現(xiàn)了地表覆蓋信息的抽象和歸類，將這些元數(shù)據(jù)類、代碼表和枚舉進行提取并整合，就形成了本體中的概念集合。

(2) PLC(Property_LandCover)：表示對本體中的概念進行描述的屬性集合，在地表覆蓋元數(shù)據(jù)模型中元數(shù)據(jù)元素作為描述元數(shù)據(jù)類的屬性，在本體概念中，這些元數(shù)據(jù)元素可以直接轉(zhuǎn)化為本體中的屬性概念，包括對象屬性和數(shù)據(jù)屬性。

(3) RLC(Relationship_LandCover)：一方面表示用來描述本體中概念與概念之間、屬性與屬性之間相互關(guān)系的集合，如“instance- of”(表示概念與概念實例間的關(guān)系)，簡單來說即概念或?qū)傩灾g的橫向關(guān)系的集合。另一方面可以將關(guān)系上升到本體的層次，如可以借助“equivalentXxx(Xxx包括Class、Property，下同)”和“sameAs”等關(guān)系，提取出與地表覆蓋元數(shù)據(jù)模型進行互操作的元數(shù)據(jù)標(biāo)準(zhǔn)(如FGDC、ISO 19115、基礎(chǔ)地理信息數(shù)字產(chǎn)品元數(shù)據(jù)等)中具有相同語義的元數(shù)據(jù)，并利用本體的關(guān)系對其進行表達(dá)，從而實現(xiàn)了語義層次上不同元數(shù)據(jù)標(biāo)準(zhǔn)之間的互操作。如國標(biāo)中的“EX_地理邊界矩形”(EX_GeographicBoundingBox)與CSDGM中Bounding_Coordinate是同一含義，利用equivalentClass可以有效地對其關(guān)系進行等效表達(dá)，那么用戶在使用關(guān)鍵詞“地理邊界矩形”進行資源發(fā)現(xiàn)時，也能到搜索到CSDGM中的邊界坐標(biāo)。

(4) ALC(Axion_LandCover)：表示在本體中概念和屬性上的限制與規(guī)則的集合，借助這些限制與規(guī)則可以對地表覆蓋信息實現(xiàn)更加清晰的表達(dá)。

(5) ILC(Individual_LandCover)：表示地表覆蓋領(lǐng)域內(nèi)的概念實例的集合，在地表覆蓋元數(shù)據(jù)本體中基于元數(shù)據(jù)類的概念的實例就是描述具體地表覆蓋數(shù)據(jù)集的元數(shù)據(jù)值，基于代碼表的概念實例就是表中的內(nèi)容項。

2.3.2 地表覆蓋元數(shù)據(jù)本體形式化表達(dá)

考慮到OWL對領(lǐng)域知識定義的完備性及其良好的擴展性，本文選用W3C推薦的網(wǎng)絡(luò)本體語言O(shè)WL的子語言O(shè)WL DL對地表覆蓋元數(shù)據(jù)模型進行建模。

通過上文對地表覆蓋元數(shù)據(jù)本體形式化表達(dá)的描述，借鑒文獻[14]中本體映射方法及文獻[15]中UML和OWL映射規(guī)則，結(jié)合地表覆蓋元數(shù)據(jù)模型中的數(shù)據(jù)字典，給出元數(shù)據(jù)元素與OWL語言對應(yīng)關(guān)系見表1，數(shù)據(jù)類型與OWL語言對應(yīng)關(guān)系見表2。

表1 OWL語言與元數(shù)據(jù)元素對應(yīng)關(guān)系

表2 OWL語言與數(shù)據(jù)類型對應(yīng)關(guān)系

在確定地表覆蓋元數(shù)據(jù)模型中元素和數(shù)據(jù)類型與元數(shù)據(jù)本體建模語言O(shè)WL的完整映射關(guān)系后，依據(jù)映射規(guī)則，利用Protege本體建模工具建立地表覆蓋元數(shù)據(jù)本體,并利用Protege的可視化工具，截取本文構(gòu)建的元數(shù)據(jù)本體中MD_內(nèi)容信息部分，如圖3所示。

3 共享原型系統(tǒng)開發(fā)與語義檢索試驗

本文采用Java編程語言并參考CSW3.0服務(wù)規(guī)范在Eclipse開發(fā)工具中進行了原型系統(tǒng)的開發(fā)[9]，對于語義檢索的實現(xiàn)則采用Pallet推理機。本體的引入能夠提高多源異構(gòu)地表覆蓋資源檢索的查全率，但由于概念解析量的增大，傳統(tǒng)數(shù)據(jù)庫Like模糊查詢機制已經(jīng)不能滿足需要，因此本文在高級檢索中應(yīng)用了Lucene全文檢索工具。

3.1 系統(tǒng)功能結(jié)構(gòu)

系統(tǒng)采用傳統(tǒng)Brower/Server三層架構(gòu)并依據(jù)上述CSW規(guī)范的參考模型進行架構(gòu)設(shè)計，自頂而下分別為應(yīng)用客戶端、目錄服務(wù)層、信息存儲層和分布式全球地表覆資源層，如圖4所示。

整個系統(tǒng)運行流程如下：用戶發(fā)出關(guān)鍵字檢索請求，Lucene分詞器會對關(guān)鍵詞進行分詞處理，分詞經(jīng)過語義交互機制，通過本體查詢語言SPARQL和Jena工具包查詢OWL中與分詞語義一致的概念集合(OWL為Protégé創(chuàng)建的元數(shù)據(jù)本體經(jīng)過Pallet推理機進行推理后生成本體模型)。這樣就擴大了與關(guān)鍵字相關(guān)的地表覆蓋檢索范圍，不僅增大了與關(guān)鍵字相關(guān)的地表覆蓋數(shù)據(jù)量，而且提高了搜索到的資源相關(guān)性，有效促進了全球地表覆蓋信息的共享。

除了進行地表覆蓋信息發(fā)現(xiàn)外，各類用戶可以通過目錄服務(wù)的基本功能對地表覆蓋信息進行管理、發(fā)布和獲取，并能夠通過服務(wù)接口與其他分布目錄服務(wù)和站點進行全球地表覆蓋數(shù)據(jù)、服務(wù)交互，進行地表覆蓋資源發(fā)現(xiàn)、數(shù)據(jù)處理分析和應(yīng)用、在線數(shù)據(jù)驗證和在線制圖等。

3.2 原型系統(tǒng)開發(fā)

在上述理論和技術(shù)的指導(dǎo)下進行原型系統(tǒng)開發(fā)，本地數(shù)據(jù)庫使用的是PostgreSQL關(guān)系數(shù)據(jù)庫，用來儲存元數(shù)據(jù)和用戶信息，目前系統(tǒng)仍處于試驗階段，數(shù)據(jù)庫中主要包括部分全球和區(qū)域地表覆蓋數(shù)據(jù)、生態(tài)地理分區(qū)數(shù)據(jù)、專題數(shù)據(jù)等，以及少量影像數(shù)據(jù)，另外還有一些常見的地表覆蓋數(shù)據(jù)算法和服務(wù)，如變化檢測算法、數(shù)據(jù)剪切服務(wù)等，數(shù)據(jù)量總計約4千多條。除此之外通過API(application programming interface)與GEOSS、ArcGIS等其他站點的元數(shù)據(jù)服務(wù)建立連接，能夠進行相應(yīng)的資源檢索和發(fā)現(xiàn)。原型系統(tǒng)的開發(fā)可以為接下來建立成熟且功能完善的全球地表覆蓋信息共享平臺奠定基礎(chǔ)。

3.3 語義檢索試驗

為了進行語義檢索試驗，在系統(tǒng)中添加了普通檢索模塊，即不經(jīng)過語義交互機制，直接利用關(guān)鍵字全文檢索工具進行的檢索。其界面分布與高級檢索一致，僅缺少時間和空間范圍的限定功能。

鑒于外源平臺提供的API會出現(xiàn)網(wǎng)絡(luò)波動，不可控因素較多，為了增強語義檢索的對比性，在進行檢索試驗時僅訪問本地數(shù)據(jù)庫。另外由于普通檢索中沒有時間和空間的限定功能，在高級檢索中同樣不進行限定。

在普通檢索和高級檢索功能模塊的輸入框中輸入關(guān)鍵字“水體”，在高級檢索中出現(xiàn)的信息如圖5所示。共檢索到356條記錄(在本地元數(shù)據(jù)庫中與“水體”相關(guān)的元數(shù)據(jù)約206條)，查全率幾乎100%。從圖5中可見，第一個元數(shù)據(jù)條就是想要的水體元數(shù)據(jù)信息，并且語義檢索對于不同元數(shù)據(jù)模型描述的水體元數(shù)據(jù)條目位于查詢結(jié)果的前列，另外356條記錄中還包括一些服務(wù)和算法。

若使用關(guān)鍵字全文檢索工具進行查詢，所查詢到的數(shù)據(jù)量為89條，少于數(shù)據(jù)庫中水體相關(guān)數(shù)據(jù)量的50%，第5位才為匹配的元數(shù)據(jù)，有些關(guān)聯(lián)度不是很高的元數(shù)據(jù)條目中會在前列出現(xiàn)，普通檢索結(jié)果如圖6所示。

通過對比可以明顯看出，語義檢索結(jié)果的查全率和查準(zhǔn)率要優(yōu)于普通關(guān)鍵詞檢索。資源找不到、查不準(zhǔn)，以及數(shù)據(jù)缺少語義關(guān)聯(lián)，是實現(xiàn)地表覆蓋資源充分共享的障礙。本文提出了地表覆蓋語義目錄服務(wù)，將元數(shù)據(jù)和本體緊密聯(lián)系在一起，實現(xiàn)地表覆蓋資源有效共享服務(wù)，并通過語義檢索試驗驗證了其實用性。

4 結(jié) 語

OGC目錄服務(wù)對網(wǎng)絡(luò)中分布式信息資源的組織、管理和訪問提供了良好的支持，但由于全球地表覆蓋信息資源海量、龐大且地表覆蓋信息存在復(fù)雜的語義異構(gòu)現(xiàn)象，普通檢索方式需要用戶仔細(xì)從海量的資源中篩選出所需的信息，耗費了大量時間和精力。本文構(gòu)建的地表覆蓋語義目錄服務(wù)，克服了普通關(guān)鍵字檢索的弊端，為地表覆蓋信息的智能檢索提供了語義支持，大大縮短了用戶獲有效信息的時間，促進了全球地表覆蓋資源共享。

本文構(gòu)建的地表覆蓋語義目錄服務(wù)仍有一些不足，這也為下一步工作指明方向：①人工本體建模的方式繁重，有些項之間語義關(guān)系不能準(zhǔn)確描述，有必要借助本體建模新技術(shù)來構(gòu)建完善的本體庫；②地表覆蓋元數(shù)據(jù)本體、屬性和概念相互之間語義關(guān)系較為單一，但客觀世界中各項之間關(guān)系是錯綜復(fù)雜的，有必要針對語義關(guān)系作進一步研究；③語義檢索試驗樣本數(shù)據(jù)量較少，沒有做到真正的隨機性檢驗，試驗結(jié)果雖有一定的參考性，但不能作為檢索精度評判依據(jù)，隨著海量地表覆蓋資源的不斷涌入，接下來需要進行多次試驗。