.png){kind=icon}
返回
OFF-SETT: A Semantic Framework for Annotating Trends in Spatiotemporal Data
.png){kind=icon}
OA
AI
DOI：10.3390/ijgi15030132.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
世界正在经历由气候变化、社会经济压力和地缘政治紧张局势驱动的快速转型。监测这些动态对于理解和预测领土变化至关重要。尽管欧盟开放数据计划等倡议促进了时空数据集（如人口、土地利用）的推广，但随时间对这些数据的分析和解释仍然复杂，需要专业技术知识，限制了其可及性。本研究提出基于语义网的方法来检测和标注时空序列中的趋势，从而协助对时间模式进行系统分析。我们介绍了SETT本体（领土的语义轨迹）及其OFF-SETT框架（SETT的本体框架），实现了对领土趋势的正式描述，并将其作为语义轨迹发布在链接开放数据云中。本研究提供了：（i）一种用于检测和描述时空数据集中轨迹的通用方法；（ii）一个自动生成知识图以捕捉这些轨迹的框架；（iii）一个描述法国和瑞士研究区域人口和卫星衍生变量（如温度、水、植被）轨迹的知识图；（iv）一个基于网络的地理可视化平台。该方法表明，语义网技术连接了复杂的时空分析与公众可及性。通过将领土轨迹作为知识图发布，它促进了数据的透明度、互操作性和重用，支持知情决策和公民参与。
Keyword:
semantic web
ontology
knowledge graphs
trends annotation
change detection
time series
spatiotemporal data
期刊
I
IF:
2.8
论文数:
619
被引数:
0
机构
引用论文
An Introduction to the Spatio-Temporal Analysis of Satellite Remote Sensing Data for Geostatisticians《面向地质统计学家的卫星遥感数据时空分析导论》
.png){kind=icon}
PREAI
分享收藏Exploring the contributions of open data intermediaries for a sustainable open data ecosystem探索开放数据中介机构对可持续开放数据生态系统的贡献
PREAI
分享收藏分享收藏An Evaluation and Comparison of Four Dense Time Series Change Detection Methods Using Simulated Data
OAAI
OAAI分享收藏分享收藏
查看更多内容