=Paper=
{{Paper
|id=Vol-1535/paper-16
|storemode=property
|title=Modélisation sémantique et publication d’observations environnementales du nord canadien
|pdfUrl=https://ceur-ws.org/Vol-1535/paper-16.pdf
|volume=Vol-1535
|authors=Philippe Genoud,Marianne Douglas,Danielle Ziebelin
|dblpUrl=https://dblp.org/rec/conf/sageo/GenoudDZ15
}}
==Modélisation sémantique et publication d’observations environnementales du nord canadien==
https://ceur-ws.org/Vol-1535/paper-16.pdf
Modélisation sémantique et publication
d’observations environnementales du nord
canadien.
Philippe Genoud1, Marianne Douglas 2, Danielle Ziébelin1
1. Laboratoire d’Informatique de Grenoble, Université Grenoble Alpes
LIG-STEAMER, 681 rue de la passerelle 38041 Grenoble CEDEX, France
Philippe.Genoud@imag.fr, Danielle.Ziebelin@imag.fr
2. Queen’s University, Department of Biology Kingston, ON, Canada K7L 3N6
Cette recherché a été faite au CCI University of Alberta
msvdouglas@gmail.com
RESUME. Ce travail issu d'une collaboration entre le département de biologie de l’Université
de Queen’s, le Canadian Circumpolar Institute (CCI) de l’Université d’Alberta et le
Laboratoire d'Informatique de Grenoble (LIG) pour la mise en place d’une plate-forme de
publication et d'analyse de données environnementales s'appuyant sur les standards du web
sémantique. Les données concernent la chimie et la biologie de l’eau des régions arctiques et
subarctiques. Elles sont structurées en des séries de mesures effectuées lors de campagnes de
prélèvements estivales.
Le système présenté est un premier prototype qui démontre l'intérêt de publier et exploiter les
données en s'appuyant sur les standards du web sémantique. Nous verrons ainsi : comment
des données initialement tabulaires peuvent être représentées sous la forme d'un graphe RDF
en s'appuyant sur des vocabulaires issus d'ontologies de domaine permettant de leur associer
une sémantique plus riche, comment elles peuvent être liées à d'autres données disponibles
sur le web des données ouvertes et liées et comment ainsi enrichies elles peuvent être
interrogées, via une interface cartographique, au travers de requêtes exploitant leur
sémantique.
ABSTRACT. This work, stemming from a collaboration between the departments of biology of
the University of Queen’s, the Canadian Circumpolar Institute (CCI) of Alberta University
and the Laboratory of Computing of Grenoble (LIG), is dedicated to the implementation of a
platform for publishing and analyzing environmental data by using semantic Web standards.
The data concern the chemistry and the biology of the water in Arctic and subarctic regions.
These data sets are structured in a series of measurements made during summer sampling
collections.
This platform is a first prototype which demonstrates the interest in publishing and exploiting
the data using semantic Web standards. We shall demonstrate how initial tabular data can be
represented by an RDF graph based on vocabularies according to domain ontologies which
allow the data a richer semantics; how these data can be linked to other data available on the
Web; and how these enriched data then can be queried, via a cartographic interface, through
requests which exploit their semantics.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
2 SAGEO'2015
MOTS-CLES : Web sémantique, Ontologies, OWL, RDF, SPARQL, GeoSPARQL, Données
Ouvertes et Liées, Observations environnementales.
KEYWORDS: Semantic Web, Ontologies, OWL, RDF, SPARQL, GeoSPARQL, Linked Open
Data, Environmental Observations.
1. Introduction
Dans le domaine de l’environnement, l’étude de l’évolution de données
d’observation est une tâche centrale, ainsi au-delà de l’analyse de leurs propres
données, il est primordial pour les chercheurs de les croiser avec d’autres données.
L’évolution d’internet facilite grandement ces possibilités d’accès et d’échange de
données, comme en témoigne en géomatique la mise en place d’infrastructures de
données spatiales. Cependant, l’hétérogénéité des modèles, données, métadonnées et
des formats, leur changement au cours du temps, demeure une difficulté majeure
lors de l’intégration de sources différentes. Actuellement, après le formidable essor
du web 2.0, nous assistons à une évolution du world wide web vers ce que le W3C
désigne sous le terme de web des données : un modèle de données simple, flexible et
puissant, le Resource Description Framework (RDF) (Cyganiak et al., 2014), qui en
s’appuyant sur l’infrastructure du web, facilite la publication et l’échange de
données à l’échelle du web ; des modèles de représentation, en particulier RDFS
(Brickley et Guha 2004) et OWL (Hitzler et al., 2012), permettant de définir sous
forme d’ontologies la connaissance permettant de donner une sémantique aux
données, sémantique qui pourra être exploitée par des programmes informatiques.
C’est dans cette lignée que s’inscrit l’initiative des données ouvertes et liées (Linked
Open Data) (Bizer et al., 2009) dont les principes ont été énoncés par Tim Berners-
Lee (Berners-Lee 2006) : (1) utiliser des URIs (Uniform Resource Identifiers) pour
nommer (identifier) les choses, (2) utiliser des URIs HTTP de sorte de pouvoir
consulter ces adresses, (3) quand une URI est consultée, fournir une information
utile en utilisant des standards ouverts (RDF, SPARQL, …), (4) inclure des liens
vers d’autres URI afin de pouvoir découvrir plus de choses.
Ce sont ces principes que nous nous proposons d’appliquer à des données
environnementales concernant la qualité de l’eau dans le nord canadien et utilisées
entre autres pour l’étude de l’impact du changement climatique dans ces régions
arctiques et subarctiques (Lim et al., 2008). Dans cet article nous présentons la
démarche qui a été la nôtre, de la transformation de données tabulaires en RDF en
leur associant un modèle sémantique, leur enrichissement en les liants à d’autres
données, à leur accès au travers d’une interface web cartographique. Ce travail nous
a permis d’appréhender les différentes étapes nécessaires à une telle démarche et
d’approcher différentes technologies nécessaires à sa mise en œuvre.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Modélisation et Publication de données d’observation 3
2. Représentation des données
Notre cas d’étude porte sur les écosystèmes arctiques et subarctiques, les
données biologiques et chimiques l’eau proviennent soit de stations de monitoring,
soit de campagnes de prélèvement. Le but de cet ensemble de données est d’aider le
chercheur à répondre à la question : quel est l’état de la biodiversité dans les zones
arctiques et subarctiques et établir une ligne d’évolution temporelle (Lim et al.,
2005). A titre d’exemple, la Figure 1 présente les données de chimie de l’eau
relevées sur l’ile de Banks durant l’été 2012.
Figure 1: Les données relevées sur différents sites d’observation sur l’île de Banks
(Territoires du Nord-Ouest, Canada) lors de la campagne 2012 et enregistrées sous
forme de tableaux excel. Chaque site de prélèvement (un lac ou une mare (pond))
est repéré par ses coordonnées géographiques (latitude et longitude) et désigné par
un identifiant unique (par exemple BKAF). Chaque site est associé à une région (par
exemple, ici l’île de Banks). Les observations correspondent aux colonnes de la
table. Le titre de la colonne décrit la nature de la mesure : par exemple la
température de l’eau en degrés Celsius, sa teneur en Sodium (Na) en mg par litre….
L’ensemble des mesures (measures set) effectuées à une date donnée pour un site
donné correspondent à une ligne de la feuille de calcul.
Au cours des années (25 ans) un certain nombre de données ont ainsi été
collectées, parfois de nature et de formes différentes, enregistrées dans fichiers de
format divers. Pour faciliter leur exploitation, nous proposons un modèle conceptuel
(ontologie) qui permettra de les représenter dans le format RDF et ensuite de les
relier à d’autres sources de données externes.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
4 SAGEO'2015
2.1. Ontologie de l’application
Pour modéliser ces données sous la forme d’un graphe RDF, une ontologie OWL
a été définie de manière spécifique pour cette application. Cette ontologie comprend
un certain nombre de classes et de propriétés permettant de représenter les données
d’observations. Pour représenter l’information spatiale (coordonnées des sites de
prélèvements, géométrie des régions) nous nous sommes appuyés sur le standard
GeoSPARQL proposé par l’OGC (OGC, 2012) (Battle et Kolas, 2012). La Figure 2
présente sous la forme d’un diagramme UML les différentes classes, et relations
(owl:ObjectProperties) les liant, définies pour notre application.
Figure 2 : l’ontologie de l’application et ses liens avec l’ontologie GeoSPARQL.
Les classes Region et SamplingSite sont définies comme sous-classes de la
classe geo:Feature de l’ontologie GeoSPARQL. La représentation spatiale de ces
entités géographiques est réalisée en utilisant les types géométriques GeoSPARQL
basés sur l’OGC Simple Features model (OGC, 2011) et définis comme sous classes
de la classe geo:Geometry, dans notre cas: sf:Polygon pour les régions et
sf:Point pour les sites de prélèvement.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Modélisation et Publication de données d’observation 5
Figure 3 : Extrait du graphe RDF représentant, à partir des données extraites du
tableau excel de la Figure 1, le site BKAF et sa région d’appartenance l’île de
Banks.
Les coordonnées spatiales sont quant à elles définies sous la forme de littéraux
au format WKT (Well Known Text) associés à l’objet géométrie par la propriété de
données (owl:DataProperty) geo:asWKT (Figure 3).
2.2. Ontologie de domaine
Nous avons étendu notre ontologie d’application par une ontologie générale
issue du domaine de l’hydrologie proposée par le Consortium of Universities for the
Advancement of Hydrologic Science1 (CUAHSI) (Couch et al., 2014).
1
https://www.cuahsi.org/
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
6 SAGEO'2015
Figure 4 : un extrait de l’ontologie hydrosphère du CUAHSI. Seuls sont développés
sur cette hiérarchie, les classes correspondant aux concepts de métaux lourds.
Cette ontologie définit une taxonomie qui permet de structurer de manière
hiérarchique plus de 4000 termes décrivant des mesures physiques, chimiques et
biologiques liées à l’eau. Elle est utilisée par le Système d’Information du CUAHSI
(CUAHSI-HIS Hydrologic Information System) composé d’un ensemble de
serveurs et bases de données connectés à des applications clientes sous la forme de
services web pour faciliter la découverte de séries temporelles de données collectées
en un point donné. Nous avons repris cette ontologie définie sous forme tabulaire2
pour la traduire sous la forme d’une hiérarchie de classes OWL (Figure 4).
L’utilisation de cette ontologie dans notre modèle, s’effectue en associant aux
descripteurs des mesures relevées lors des campagnes de prélèvements le type de la
mesure correspondante dans la terminologie du CUAHSI (Figure 5).
2
http://his.cuahsi.org/ontologyfiles.html
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Modélisation et Publication de données d’observation 7
Figure 5 : sur le site BKAI de Banks Island un ensemble de mesures MS94 a été
effectué. La mesure M1881 de valeur 12.10 est associée à un descripteur qui indique
qu’il s’agit d’une mesure du Calcium et que son unité est mg/l. Ce descripteur est
relié à l’ontologie de domaine du CUAHSI par une relation rdf:type.
2.3. Liaison vers des jeux de données externes
Un second enrichissement des données initiales que permet leur représentation
sous la forme d’un graphe RDF est la possibilité de les lier avec d’autres jeux de
données externes publiés en respectant les principes des données liées et ouvertes.
Pour démontrer le potentiel d’un tel enrichissement nous avons liés nos données
représentées à l’aide de notre ontologie de domaine avec des données issues de
DBpedia3 (Lehmann et al., 2015), et nos données concernant les régions d’étude
avec des données issues de GeoNames4.
2.3.1. Liaison avec Geonames
Le gazetteer GeoNames propose une base de données géographique libre et
gratuite, accessible par Internet sous une licence Creative Commons, contenant plus
de 10 millions de toponymes. Outre les coordonnées géographiques de chaque lieu
répertorié, GeoNames propose des données comme l'altitude, la population, la
subdivision administrative, le code postal et des liens vers les éventuelles pages
Wikipedia correspondantes dans plusieurs langues. Outre un accès via des services
web, ou à une copie brute « dump » de la base de données, GeoNames publie ses
3
http://wiki.dbpedia.org
4
http://www.geonames.org
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
8 SAGEO'2015
données en RDF. Ainsi, chaque entité géographique (feature) de GeoNames est
représentée comme une ressource web identifiée par une URI stable qui par
négociation de contenu donne accès soit à la page HTML montrant l’entité sur une
carte, soit à une description RDF de l’entité basée sur un vocabulaire défini par une
ontologie OWL5 (Figure 6).
Figure 6 : Négociation de contenu avec GeoNames. Selon la valeur de l’entête
accept d’une requête HTTP demandant la ressource le serveur enverra soit une page
HTML, soit une description RDF de cette ressource.
Pour chacune des régions dans lesquelles se trouvent les sites, nous avons
recherché dans GeoNames une entrée correspondant au nom utilisé en filtrant les
résultats sur la base du pays et de la géolocalisation. Cette région du grand nord
canadien étant relativement peu couverte, nous avons parfois été conduits à ajouter
de nouvelles entrées dans GeoNames (ce fût le cas par exemple de l’île de Bathurst).
Un lien owl:sameAs permet alors d’associer à une région sa représentation dans
GeoNames (Figure 7).
2.3.2. Liaison avec DBpedia
Nous avons effectué la liaison avec DBpedia en cherchant pour chacune des
classes de notre ontologie de domaine une ressource correspondante dans DBpedia.
Pour effectuer cet alignement, nous avons écrit un programme comparant le label
des concepts issus de l’ontologie du CUASHI avec les labels des ressources
5
http://www.geonames.org/ontology/ontology_v3.1.rdf
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Modélisation et Publication de données d’observation 9
DBpedia (plus de 11 000 000 de ressources). Une fois les labels normalisés (casse
minuscule, suppression des espaces et caractères non alphabétiques) une recherche
de labels identiques est effectuée. Ainsi plus de 2000 des 4000 concepts définis ont
pu être automatiquement retrouvés dans DBpedia et un lien rdfs:seeAlso a été ajouté
entre la classe de notre ontologie et la ressource DBpedia correspondante (Figure 7).
Pour les concepts pour lesquels cette étape a échoué, une comparaison basée sur une
distance de Levenshtein (Levenshtein 1966) a été effectuée et une liste des meilleurs
candidats potentiels a été produite, nécessitant ensuite une étape manuelle pour
éventuellement effectuer une liaison.
Figure 7 : Liaison des données vers GeoNames et DBpedia.
3. Architecture et implémentation du système
Pour explorer et analyser les données d’observation ainsi représentées, nous
proposons une interface web cartographique qui permet de requêter les données au
travers de SPARQL et son extension spatiale GeoSPARQL. Pour cela les données
brutes issues des fichiers excel produits lors des campagnes de prélèvement ont été
converties en RDF et stockées dans une base de données spécialement conçue pour
le stockage et la récupération de données RDF appelé « triplestore ».
3.1. Stockage des données RDF
Bien que publié en 2012, peu de triplestores supportent actuellement le standard
GeoSPARQL (Athanasiou et al., 2013): Strabon (Kyzirakos et al., 2012), uSeekM6 et
6
https://dev.opensahara.com/projects/useekm/
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
10 SAGEO'2015
Parliament.7. Notre choix s’est porté sur Parliament, qui offre un relativement bon
compromis entre facilité d’installation et d’utilisation, un support de GeoSPARQL
et des performances acceptables (bien que dans l’état actuel loin des performances
offertes par les bases de données spatiales (Patroumpas et al., 2014)).
Sur le serveur Parliament, un graphe RDF est créé dans lequel sont chargés :
- les ontologies utilisées : l’ontologie de domaine (préfixe cuahsionto:),
l’ontologie d’application (préfixe ccionto:) ;
- les données d’observation issues des fichiers excel et transformées en RDF
en utilisant les vocabulaires définis par les ontologies précédentes et le
vocabulaire GeoSPARQL pour leur dimension spatiale.
Lors du chargement, Parliament effectue automatiquement un certain nombre
d’inférences : inférences RDFS plus un certain nombre d’inférences OWL (classes
et propriétés, équivalentes, propriétés inverses, symétriques, fonctionnelles, inverses
fonctionnelle et transitives). Une fois chargées, ces données peuvent être
interrogées via des requêtes GeoSPARQL transmises (via http) au point d’accès du
serveur Parliament (serveur Jetty + Joseki).
7
http://parliament.semwebcentral.org
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Modélisation et Publication de données d’observation 11
Figure 8 : Architecture du système MAP-EON
3.2. L’application web MAP-EON
L’application MAP-EON se présente sous la forme d’une application web.
L’interface utilisateur s’exécute dans un navigateur web sur le poste client. Réalisée
avec les technologies HTML5, CSS3 et JavaScript elle s’appuie sur les
bibliothèques Leaflet8 pour l’interface cartographique, et jQuery9, jQueryUI10 pour
la gestion de l’interaction et les communications AJAX avec le serveur.
Le serveur MAP-EON a quant à lui été implémenté en utilisant les technologies
web JEE. Un certain nombre de servlets, s’exécutant dans un conteneur Apache
Tomcat, se chargent de traiter les requêtes issues du client. Comme, nous le verrons
par la suite, ces traitements se traduisent pour certains en l’envoi de requêtes
SPARQL vers des points d’accès SPARQL (le serveur Parliament, les serveurs
8
http://leafletjs.com
9
https://jquery.com/
10
https://jqueryui.com/
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
12 SAGEO'2015
DBpedia) ou à récupérer des données RDF (serveur GeoNames). Pour effectuer ces
traitements RDF et SPARQL nous nous appuyons sur le framework Java open
source Apache Jena11. Les données retournées par le serveur au client se font en
utilisant les formats d’échange JSON et GeoJSON (Buttler et al., 2008) pour les
informations géographiques ayant vocation être affichées sur l’interface
cartographique.
L’interface de l’application MAP-EON permet à l’utilisateur de visualiser les
différents sites de prélèvement sur une carte interactive. La sélection d’un site sur la
carte permet d’accéder aux différentes observations effectuées sur ce site. Dans la
fenêtre de dialogue qui apparaît l’utilisateur dispose de trois onglets (Figure 9) qui
lui permettent :
- de filtrer les mesures à afficher. Le filtrage est réalisé grâce à la hiérarchie
des concepts de l’ontologie de domaine (les inférences RDFS effectuées au
chargement des données ont permis de rajouter automatiquement aux
descripteurs de mesures un lien rdfs:subClassOf vers chacune des super-
classes de la classe de l’ontologie cuahsi Ne sont affichées que les
observations dont le descripteur de mesure est un sous concept (une sous
classe) des concepts sélectionnés.
- de visualiser toutes les observations pour une date donnée,
- de visualiser toutes les observations pour une mesure donnée (série
temporelle).
Grâce aux liens vers DBpedia et GeoNames que nous avons présentés au
paragraphe 2.3, l’utilisateur peut accéder à des informations supplémentaires que
l’application va chercher dynamiquement dans le web des données (Figure 10) :
11
http://jena.apache.org
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Modélisation et Publication de données d’observation 13
Figure 9 : Filtrage des observations utilisant la hiérarchie des concepts de domaine.
Ne sont affichées que les observations concernant les métaux lourds et pesticides.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
14 SAGEO'2015
Figure 10: Recherche d’informations complémentaires dans le web des données en
utilisant les liens GeoNames d’une région (ici Banks Island) ou DBpedia d’une
mesure (ici l’Aluminum).
- le lien GeoNames permet de retrouver la région administrative de niveau
supérieur et les pages Wikipedia décrivant une région ;
- le lien DBpedia permet pour une observation donnée d’aller chercher dans
Wikipedia une description de l’élément mesuré.
Figure 11 : Requête combinant filtre spatial et filtre « sémantique ».Seuls sont
affichés les étangs (points jaunes) de la région sélectionnée et ayant une valeur de
métal lourd supérieure à 15.2 mg/l.
Par ailleurs l’utilisation de GeoSPARQL permet de faire de requêtes combinant à
la fois une composante spatiale et une composante sémantique. Par exemple, la
requête suivante « Trouver tous les sites situés dans une zone donnée pour lesquels
il existe une observation pour un métal lourd dont la valeur est supérieures à 15.2
mg/l » peut s’exprimer à l’aide d’une requête GeoSPARQL (Figure 11) qui :
- utilise les inférences de type RDFS pour ne sélectionner que les sites de type
« Etang » (Pond) (pattern de triplet RDF ?site rdf:type ccionto:Pond)
et qui ont une observation correspondant à un métal lourd (pattern de triplet
?md rdf:type cuahsionto:c2268 où ?md est un descripteur de mesure et
cuahsionto:c2268 l’URI du concept « Major Metal » dans l’ontologie de
domaine (ontologie du CUAHSI)) ;
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Modélisation et Publication de données d’observation 15
- utilise les capacités de traitement spatial quantitatif de GeoSPARQL en ne
sélectionnant que les sites dont la géométrie est à l’intérieur zone
sélectionnée: les patterns de triplets ?site geo:hasGeometry ?siteGeom.
et ?siteGeom geo:asWKT ?siteWKT. permettent de récupérer la géométrie
d’un site au format WKT dans la variable ?siteWKT; le filtre spatial
FILTER(geof:sfWithin(?siteWKT," POLYGON((-132.35 69.74, -132.35 75.26, -132.35
69.74, -132.35 69.74))"^^geo:wktLiteral)) permet de ne retenir que
les sites dont la géométrie est à l’intérieur de la zone sélectionnée.
Conclusion
Cet article présente l’intérêt de l’utilisation des techniques de web sémantique
pour l’intégration, la publication et la visualisation de données d’observation
hétérogènes dans leur contenu, leur format et leur temporalité. L’utilisation de
requêtes sémantiques à l’aide d’opérateurs spatio-temporels a aussi permis de
montrer toute la puissance d’un tel mécanisme dans le croisement de données brutes
et la déduction de données synthétiques. Pourtant cette expérimentation a permis de
mettre à jour un certain nombre d’insuffisances. Nous avons défini notre propre
modèle d’observations dans notre ontologie d’application en nous appuyant sur
GeoSPARQL pour la partie spatiale. Si cela présentait l’avantage de la simplicité en
nous permettant de « coller » aux données brutes dont nous disposions, nous
perdons en généralité et en interopérabilité. Des ontologies existent pour les
observations terrestres telles OBOE (Madin et al., 2007) et un travail conséquent a
été mené par l’OGC pour la définition du standard Observations and Measurements
(OGC, 2013). L’utilisation de ces ontologies devrait permettre une meilleure analyse
sémantique de ce qu’est une observation et une mesure en définissant en particulier
de façon fine les conditions d’obtention des données et spécifications des paramètres
associées. Au niveau intégration, les liens vers DBpedia et Geonames ont permis de
montrer l’intérêt de lier les données. Il serait intéressant d’aller un peu plus loin dans
la recherche d’autres informations disponibles sur le web et qui pourraient enrichir
notre application. Enfin d’un point de vue architecture, il n’existe pas encore de
triplestore qui implémente complètement le standard GeoSPARQL et qui offre des
performances entièrement satisfaisante. Mais l’utilisation de standards nous permet
d’envisager sereinement la migration vers de nouveaux outils.
Bibliographie
Athanasiou S., Bezati L., Giannopoulos G., Patroumpas K., Skoutas D. (2013). Market and
Reaserach Overview. GeoKnow Deliverable 2.1.1.
Battle R., Kolas D. (2012). GeoSPARQL: Enabling a Geospatial Semantic Web with
Parliament and GeoSPARQL. Semantic Web Journal, vol. 3, n° 4, p. 355-370.
Berners-Lee T. (2006). Linked Data – design issues, publié en 2006, révisé en 2009,
http://www.w3.org/DesignIssues/LinkedData.html.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
16 SAGEO'2015
Bizer C., Heath T., Berners-Lee T. (2009). Linked Data - The story so far. International
Journal on Semantic Web and Information Systems, vol.5, n° 3, p. 1-22.
Brickley D. Guha R. V. (2004). RDF vocabulary description language 1.0: RDF Schema.
W3C Recommendation 10 February 2004. http://www.w3.org/tr/rdf-schema/.
Butler H., Daly M., Doyle A., Gillies S., Schaub T., Schmidt C. (2008). The GeoJSON
Format Specification, http://geojson.org/geojson-spec.html.
Couch A., Hooper R., Pollak J., Martin M., Seul M. (2014), Enabling Water Science at the
CUAHSI Water Data Center, 7th Int’l Congress on Env. Modelling and Software, San
Diego, California, USA.
Cyganiak B., Wood D., Lanthaler M. (2014). RDF 1.1 Concepts and Abstract Syntax. W3C
Recommendation 25 February 2014. http://www.w3.org/tr/rdf11-concepts/.
Harris S., Seaborne. A. (2012). SPARQL 1.1 Query Language. W3C Proposed
Recommendation 8 November 2012. http://www.w3.org/tr/sparql11-query/.
Hitzler P., Krötzsch M., Parsia B., Patel-Schneider P.F., Rudolph. S. (2012). OWL 2 Web
Ontology Language Primer (Second Edition). W3C Recommendation 11 December 2012.
http://www.w3.org/tr/owl2-primer/
Madin J., Bowers S., Schildhauer M., Krivov S., Pennington D., Villa F. (2007). An ontology
for describing and synthesizing ecological observation data. Ecological Informatics, vol.2,
p. 279-296.
Lehmann J., R. Isele, Jakob M., Jentzsch A., Kontokostas D., Mendes P. N., Hellmann S.,
Morsey M., van Kleef P., Auer S., Bizer C. (2015). DBpedia – A Large-scale,
Multilingual Knowledge Base Extracted from Wikipedia, Semantic Web Journal, vol.6,
n° 2, p. 167-195.
Levenshtein V. I. (1966). Binary Codes Capable of Correcting Deletions, Insertions and
Reversals. Soviet Physics Doklady, vol. 10, n° 8, p. 707-710.
Lim D., Douglas M., Smol J. (2005). Limnology of 46 lakes and ponds on Banks Island,
N.W.T, Canadian Arctic Archipelago, Hydrobiologia, vol. 545, n° 1, p. 11-32.
Lim D., Smol J., Douglas M. (2008). Recent environmental changes on Banks Island
(N.W.T., Canadian Arctic) quantified using fossil diatom assemblages. Journal of
Paleolimnology, vol. 40, n° 1, p. 385-398.
Open Geospatial Consortium (2011). OpenGIS® Implementation Standard for Geographic
information - Simple feature access - Part 1: Common architecture.
http://portal.opengeospatial.org/files/?artifact_id=25355
Open Geospatial Consortium (2012). OGC GeoSPARQL - A Geographic Query Language for
RDF Data, https://portal.opengeospatial.org/files/?artifact_id=47664
Open Geospatial Consortium (2013). OGC Abstract Specification, Geographic information -
Observations and measurements. https://portal.opengeospatial.org/files?artifact_id=41579
Patroumpas K., Giannopoulos G., Athanasiou S. (2014). Towards GeoSpatial semantic data
management: strengths, weaknesses, and challenges ahead. Proceedings of the 22nd ACM
SIGSPATIAL International Conference on Advances in Geographic Information Systems,
Dallas, Texas, USA.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.
Modélisation et Publication de données d’observation 17
Parundekar R., Knoblock C.-A., Ambite J.-L. (2010). Aligning Geospatial Ontologies on the
Linked Data Web, Proceedings of the GIScience Workshop on Linked Spatiotemporal
Data, 2010 (LSTD-2010), Zurich, Switzerland.
Kyzirakos K., Karpathiotakis M., Koubarakis M. (2012). Strabon: A Semantic Geospatial
DBMS. 11th International Semantic Web Conference (ISWC 2012), Boston, USA.
Copyright © by the paper’s authors. Copying permitted for private and academic
purposes. Proceedings of the Spatial Analysis and GEOmatics conference, SAGEO
2015.