Sémantisation des données pour le monde environnemental

1. Sémantisation des données pour le mondeenvironnemental Danielle Ziébelin Philippe Genoud LIG STEAMER Université de Grenoble Prenom.Nom@imag.fr

2. Données environnementales • Que sont les données environnementales : • Collections : spécimens, échantillons, prélèvements … • Études Écologiques • Séquences génomiques • Analyses d’images, LIDAR • Monitoring de la biodiversité • Quels sont les traitements : • identifier, comparer, évaluer les populations ou des quantités, localiser et dater des données et/ou des analyses • Les données de la biodiversité sont • Globalement distribuées et volumineuses • Hautement hétérogènes au niveau de leur structure et leur contenu • Augmentent rapidement

3. Le web sémantique peut aider à l’intégration et au partage de données • Métadonnées • Directive Inspire • Directive SEIS (SharedEnvironmental Information System ) • Iso 19115, 19119,19110 … • Vocabulaires contrôlés • LTRE (Linked Thesaurus fRamework for Environement), • EARTh (Environmental Applications) • Thésaurus Ecoplanète (ministère Ecologie), • Thesaurus AnaEE-France, • EnVoc (en relation avec Convention sur la biodiversité), • … • Ontologies • OBOE (Extensible Observation Ontology) • SERONTO (Socio-Ecological Research and Observation oNTOlogy) • SWEET (Semantic Web for Earth and Environmental Terminology) • SSN ontology (SemanticSensor Network Ontology) • Envo (EnvironmentOntology), • …

4. Charactéristiques communes des architectures du web sémantiques (1) Quelleestl’évolution de cetécosystème (eau, sol) par rapport au réchauffementclimatique ? Accéder à des ressources : données ou des connaissances Quelles sont les ressources en eaux que je peux allouer à un projet d’extraction pétrolière et gazière ? Web Services WEB configurés pour ajouter de l’information Applications WEB applications pour des utilisateurs avec un GUI adapté Collecter de nouvellesdonnées

5. Plan • Introduction et objectifs • Architecture • Données et modèles de données • Ontologies • Lier les données • Requêtessémantiques • Conclusions

6. Exemple d’Architecture MAP-EON MapEON Client Query Processor (SPARQL) Ontology manager RDF Graph LOD Cloud OWL DL ontologies MapEON server OWL reasoner Triplestore Ontology Loader Data Loader … Adaptator1 Adaptatorn …

7. Exemple d’architecture ObsBD “Lightweight Ontology-Based Tools for Managing Observational Data” Shawn Bowers, Riley Englin, Carlos Fonseca, Paul Jewell, Lauren Joplin, Patrick Mosca, Tyler Pacheco, Jacob Troxel, Tyler Weeks, Proceedings of the First International Workshop on Semantics for Biodiversity Montpellier, France, May 27, 2013

8. Technologies de Web Sémantique • Données et Ontologies • Ontologies (RDFS/OWL ) • Annotations (RDF) • Déduction (Pellet, Hermit, BraidComposer …) • Requêtes (SPARQL) • Services • WFS - WPS • Web services sémantiques

9. Plan • Introduction et objectifs • Architecture • Données et modèles de données • Ontologies • Lier les données • Requêtessémantiques • Conclusions

10. Données de MAP-EON • tabular data (excel file) Measure Descriptor Region Measure Measures Set Site location site type

11. Modèle de données de l’application Quelques classes et relations qui décrivent les concepts utilisésdansl’application

12. Graphe RDF Les donnéessonttransformées en un graphe RDF qui utilise le vocabulairedéfinidans le modèled’application. • RDF Resource Description Framework (W3C standard) subject predicate object object property individual individual (resourceidentified by an URI) data property literal value rdf:type Owl class defining the rdf:type of the individual • RDFS and OWL add semantic to RDF rdf:type rdf:type wgs84_pos:lon :region :hasMeasureSet wgs84_pos:lat rdf:type rdf:type rdf:type :contains :descriptor :symbol :unit :value

13. Exemple d’ontologie de Domaine • Le graphe peut être enrichi en exploitant une ontologie de domaine HydrologicOntology for Discovery (http://his.cuahsi.org/ontologyfiles.html) The purpose of this ontology is to support the discovery of time-series data collected at a fixed point, including physical, chemical, and biological measurements.

14. Modèle de l’application + Ontologie de domaine • Le graphepeutêtreenrichi par des éléments de l’ontologie de domaine domainontology rdf:type rdf:type wgs84_pos:lon :region rdf:type :hasMeasureSet wgs84_pos:lat rdf:type rdf:type rdf:type :contains :descriptor :symbol :unit :value

15. usesStandard Domain-Specific Ontology Weight Mass Unit hasCharacteristic is-a SONet: Scientific Observations Network Dr. Mark Schildhauer Director of Computing NCEAS, UCSB USA is-a is-a Biomass Tree Bio.Entity is-a is-a is-a part-of is-a Tree Leaf Leaf Litter Wet Weight Dry Weight Gram has-part ofEntity ofCharacteristic OBOE Semantic Annotation usesStandard Observation hasMeasurement Measurement Structural Metadata <attribute id=“att.4”> <attributeName> Mass </attributeName> </attribute> Data

16. Ontologied’observations : OBOE Multiples modèles pour les observations : Exemples O&M, PATO/EQ, ODM, OBOE “core concepts” décrit : Entities, propertiesmeasured, units, protocols, etc. Observations et mesures : ISO 19156 O&M : dépencesdirectes • Feature ISO 19109 • Geometry ISO 19107 • Temporal ISO 19108 • Coverage (fields) ISO 19123 • Metadata ISO 19115-12 • Meta-model ISO 19150-2 • Basic datatypes ISO 19103 O&Min OWL | Simon Cox Cox, OGC Abstract Specification – Topic 20: Observations and Measurements 2.0 ISO 19156:2011 Geographic Information – Observations and measurements hasContext * ofEntity * Observation Entity * 1..1 1..1 hasMeasurement * * ofCharacteristic Measurement Characteristic * 1..1 * * 1..1 1..1 usesStandard 1..1 hasValue usesProtocol Protocol Standard Value Extensible OBservationOntology (OBOE) 16

17. Plan • Introduction et objectifs • Architecture • Données et modèles de données • Ontologies • Lier les données • Requêtessémantiques • Conclusions

18. Types d’ontologies : différents objectifsCatherine Roussey (ISTREA) • Ontologies terminologiques : • Interopérabilité lexicale • Ontologies de données : • Interopérabilité sur les données • Ontologie Logique • Interopérabilité d’objets

19. Types d’ontologies : différents objectifsCatherine Roussey (IRSTEA) • Ontologies terminologiques : Interopérabilité lexicale * Property LogicalDefinition TextualDefinition Relation * 1 * * 1 * hasArgument hasLabel Concept/ Class * Semantic Relation * isInstanceOf hasName hasName hasArgument Object/Instance Object Relation * * * 1 hasArgument Term Linguistic Relation hasName

20. Types d’ontologies : différents objectifsCatherine Roussey (IRSTEA) • Ontologies de données : Interopérabilité sur les données Property LogicalDefinition TextualDefinition Relation * 1 * * 1 * hasArgument hasLabel Concept / Class Semantic Relation * * isInstanceOf hasName hasName hasArgument Object/Instance Object Relation * * * 1 hasArgument Term Linguistic Relation hasName

21. Types d’ontologies : différents objectifsCatherine Roussey (IRSTEA) • Ontologie Logique : Interopérabilité d’objets / de concepts Property LogicalDefinition TextualDefinition Relation * 1 * * 1 * hasArgument hasLabel Concept / Class Semantic Relation * * hasName isInstanceOf hasName hasArgument * * Object/Instance Object Relation * 1 hasArgument Term Linguistic Relation hasName

22. Plan • Introduction et objectifs • Architecture • Données et modèles de données • Ontologies • Lier les données • Requêtessémantiques • Conclusions

23. Lier les données au LOD cloud • Lien avec l’ontologie de domaine • Lien avec des jeux de donnéesouvertes domainontology rdfs:seeAlso corresponding geonames resource :region application ontology :hasMeasureSet rdfs:seeAlso :descriptor corresponding DBpedia resource :contains legend :region Individual Object Property Owl class defining the rdf:type of the individual Data Property

24. Lien avec le LOD cloud • Liens avec les descriptions RDF de geonames resource URI http://sws.geonames.org/5892587/ RDF description geonames resource describing Northwest Territories

25. Lier des données de différentes sources • Lier des entités et les caractéristiques de 2 ontologies : Utilise des axiomes d’inclusion et d’équivalence de OWL • Équivalence : • propriété owl:equivalentClass • propriété owl:equivalentProperty • propriété owl:sameAs • … • Généralisation/Spécialisation : • rdfs:subClassOf • rdfs:subPropertyOf

26. Querying Data trough Ontology GlobalOntology Query Mapping LocalSchema LocalSchema LocalOntology MultiMedia Source Observation Data Base Observation Data Base

27. Caractéristiques communes des architectures du web sémantique • Intéroperabilité et intégration de différentes ressources • Données structurées ou non structurées • Documents • Data-bases • Données spatio-temporelles hétérogènes • Multi-sites avec multi-acteurs • Multi-modèles • Multi-formats

28. Plan • Introduction et objectifs • Architecture • Données et modèles de données • Ontologies • Lier les données • Requêtessémantiques • Conclusions

29. Requêtes sémantiques • Accéder à des informations inférées depuis l’ontologie de domaine • Accéder à des informations supplémentaires au travers de données liées (linked data)

30. Requêtes sémantiques • Interroger les données avec des données inférées (SPARQL)

31. Plan • Introduction et objectifs • Architecture • Données et modèles de données • Ontologies • Lier les données • Requêtessémantiques • Conclusions

32. Retour d’expérience sur les pratiques • Au niveau local : sources de données : • Amélioration de la qualité des données • Publication des sources de donnée avec les métadonnées • Recherche de documentation et de liaison des données • Architecture complexe avec des modules nouveaux : cartographie et du spatio-temporel • Au niveau communautaire • Standards ISO, OGC • Propriété intellectuelle, information privée et partagée, accès publique, VGI, licences. • Infrastructures et portails.

33. Retour d’expérience : les outils • Recherche et création de liens • outilsexistants • e.g. SILK A Link Discovery Framework for the Web of Data, http://wifo5-03.informatik.uni-mannheim.de/bizer/silk/) • exploitation de l’informationspatiale et temporelle • Publication des données • outilsgénériques pour transformer des jeux de données en RDF • dataLifthttp://datalift.org/ , • open refine (former google refine) http://openrefine.org/ )

34. Travauxconnexes • GEO BON Biodiversity Observation Network within GEOSS Global Earth Observation System of Systems, Portal (global) • Worldwidevoluntary effort • GEOSS Earth Observation infrastructure • GEO portal : web portal, searchregistries • GEOSS components and services registry (catalogue) • GEOSS clearinghouse (connects the differents components) • GEOSS standards and interoperability (catalologue of standards) • http://www.geoportal.org/web/guest/ • http://wiki.ieee-earth.org/Documents/GEOSS_Tutorials/ • GEOSS Water Services

35. Travauxconnexes • SharedEnvironmental Information System (Europe) http://ec.europa.eu/environment/seis/ • Semantic Web for Earth and Environmental Terminology (SWEET), http://sweet.jpl.nasa.gov/sweet/ • Extensible Observation Ontology (OBOE) https://code.ecoinformatics.org/code/semtools/trunk/dev/oboe/oboe.1.1rc1/oboe-core.owl • SemantEco/SemantAqua : Rensselaer Polytechnic Institute (D. McGuinness) http://tw.rpi.edu/web/project/SemantEco • ObsDB : Gonzaga University Washington