互联数据中的地理覆盖与对地观测(CEO-LD)启动会报告

Coverages and Earth Observation in Linked Data (CEO-LD) Kickoff Meeting (London) Report

会议时间：2015年9月29-30日

参会人员:

英国方面

Geoffrey Boulton, Simon Hodson (国际科学协会理事会数据理事会/CODATA)

Phil Archer (万维网联盟/W3C)

Denise Mckenzie (开放地理联盟/OGC)

Jeremy Tandy (英国气象局/UK Met Office)

Maik Riechert (英国里丁大学/University of Reading)

Yang Gao, Adina Gillespie, (萨里卫星技术公司/Surrey Satellite Technology)

Payam Baraghi, (英国萨里大学/University of Surrey)

Simon Agass, (卫星应用弹射/Satellite Applications Catapult)

China

黎建辉/Li Jianhui, (中科院计算机网络信息中心/CNIC/CAS)

胡春明/Chunming Hu, (北京航空航天大学，万维网联盟/Beihang University/W3C)

杨吉涛Jitao Yang, (中科院遥感所/Institute of Remote Sensing/CAS)

会议纪要：第一天（9月29日）, 第二天（9月30日）. 更多讨论内容请参阅项目 Wiki页.

会议概况

CEO-LD项目的启动会于2015年9月29－30日在英国伦敦市中心的皇家科学院（Royal Society）举行。与会者报告了来自卫星数据产业、学术界等对卫星数据等空间覆盖数据在Web上分享的共同兴趣和巨大需求。其中，Maik Riechert 在启动会的自我介绍环境，特别强调：我来自Web开发者社区， 我需要一种更便捷的方式，能够帮助使用这些覆盖数据.

数据规模问题是这两天会议中被反复提及的问题。地球观测产生的海量的数据，研究者和其他用户希望通过Web以自动化、标准化的方式使用这类大数据。本项目组关注的重要任务就是：使这些具有地理覆盖特征的海量数据有效的在Web上共享（making the data available）。我们关注数据的共享访问，而数据如何从卫星下载到地面、如何加解密、如何扩展和处理并不是本项目关注的范围。

Simon Agass 强调了情境化（contextualised）卫星数据的价值。历史上，尽管或许有些元数据通过Web发布，但卫星数据并不是通过Web来共享的。将数据连接起来，相互交叉引用和混合使用，为数据添加更多的上下文（情境，如数据如何采集到），可以帮助这些数据被更加有效的利用。这同时也引导我们思考：在本项目中，需要回答哪些问题。相对来说，我们比较容易回答这类问题——“这个位置（location）有哪些相关的属性？”，但如果反过来，我们问“具有这些属性的所有地点有哪些”时，这个问题就比较难回答。特别是，在不同的应用上下文场景中，属性的表达并不一致，回答这个问题就变得更加困难。例如：在对地观测中，某个地点的属性为“针叶林'coniferous forest'”，而在另外的场景中，它也可能被标记为“森林”。因此，在概念和概念之间建立关联和映射就变得非常重要，特别是在多个国家之间共享数据时，这种语义关联的需求就非常必要。类似的，不同的应用系统也可能为相同的事物给出不同的标识符，从外界看来，这可能是两个事物。

理解用户的需求是本次研讨会的一个重点任务。黎建辉介绍了中科院网络中心研发的服务于科学家的数据平台，并介绍了他们理解的用户需求。卫星应用弹射（The Satellite Applications Catapult）于终端用户直接交换并提供了一组用例。在讨论中，也提到了一些较为复杂的应用场景，如：定义和描述一个四维时空空间（空间三维＋时间维）的数据分片（slice），这是一个可以通过不同方法解决的问题。为了让数据能够更容易的在Web上共享，我们需要定义“覆盖数据”共享的方式，并从技术上给出解决方案。

会议识别了一组用户需求，并通过这些对用户进行大致分类：

1. 第一类用户：关注数据的观测（observation）和度量（measurement）;
2. 第二类用户：关注（i）中的数据如何和Web上的其他数据资产建立联系（linked to other assets on the Web）
3. 第三类用户：关注（i）和（ii）的同时，还需要提供数据的溯源能力（provenance data），以及对数据处理的流程（processes applied to the data）。

不同的用户具有的技术技能不同：许多中国科学院的数据科学家对数据本身有深入的理解，但并不熟悉Web技术,Web开发者可能恰恰相反。因此，不论使用何种方法，我们都需要具有更多技能的专家，但如何表达数据的语义，并将相互关联的数据链接起来，可能是一个解决问题的共同基础。

上述讨论，为后续关于项目最终技术报告的框架和内容提供了基础和素材。

在Web上共享覆盖数据的技术报告框架

该项目最后形成的技术报告，应当包括下面三个内容:

1. 目标（对Web上共享覆盖数据的范围有一个清楚的界定）
2. 功能原则（Functional principles）：达到上述目标所采用的基本原则
3. 支撑数据的访问于传递（Enabling Access and Delivery）：这部分提供实现目标的技术细节

在研讨会上，我们明确了功能性原则（functional principles）。

• 目标：将数据交付给需要使用和操作数据的人。他们可以不是地理数据方面的专家也可以理解和使用这些数据。
• 同时也支持专业用户、研究者根据自己需要从大数据集中寻找所需要的数据，及其所需的溯源信息（provenance info）。
• CEO-LD项目组必须保持开放：向 W3C/OGC 的相关工作组提供输入。
• 避免重复发明轮子。所提供的解决方案应当是可发布的、可操作的，不只是一个学术实验。
• 成本最小化。
• 项目的所有产出应当在Web上可发现，无论是我们所做的工作还是所描述的数据都应当发布在Web上。
• 提出的解决方案应当同时适用于实时数据发布场景，以及访问一个已有的数据集的场景（access to data archives）。

在如何支持覆盖数据（coverage data）的访问和发现的讨论中，我们提出了一系列的问题。

一个共识是，我们需要为数据集提供标识符（identifiers），并支持对数据的不同发布版。例如，在数据类别词汇表（Data Cataglogue Vocabulary）DCAT中，在Web上发布的数据集可能以不同的数据格式存在，每种格式的数据集都是同一个数据集的不同的发布版（distributions）。数据集需要首先被“发现”才能被使用，因此我们需要讨论如何提供这些数据的元数据。欧盟的GeoDCAT应用描述（GeoDCAT Application Profile）将 DCAT 与ISO19115中的术语很好的结合起来，可能为这一问题的解决提供可能的候选技术方案。

在处理GB或TB级的海量卫星数据中，一个有趣的需求是提供对数据分片（slice）及数据子集（subset）的标识方法。RDF数据立方（RDF Data Cube）提供了一种机制，但 RDF 在表达数据时相对冗长不够有效，因而可能不适用于存储卫星数据本身。在实践中，GeoTIFF、HDF5、JSON、NetCDF等格式得到非常广泛的应用，W3C的Web CSV工作组提供了很好的工作基础，可以表达元数据，并能够将表格数据在 RDF、JSON等其他数据格式之间进行转换。因此，一个可能的方案是在查询和共享时将数据临时转换成RDF。

为一个数据集的数据片段定义标识符的可能方法是采用 OGC 的 开放搜索的地理和时间扩展（OpenSearch Geo and Time Extensions） (PDF版)。该文档定义了一个技术中立的标识符，可用于在大数据集（如搜索引擎的索引）上对查询进行编码。

讨论还涉及了需要提供何种 API 来访问卫星数据，如通过地理位置、时间、所观测的属性等来访问数据。同时，也提出了是否需要为专家和非专家用户提供不同的API等问题。这些问题的解答需要后续持续深入的讨论。

讨论中也涉及到很多相对通用的数据发布问题，如有关数据质量和数据夙愿的标注（annotations）等。

后续工作

与会者的一项共识是确保所提出解决方案实际可行。为确保这一目标，CEO-LD项目将于 MELODIES 项目密切合作。该项目由英国里丁大学（University of Reading）领导。这两个项目的交叉融合，可以确保 Maik Riechert 参与到本项目中，开发一个在Web上共享覆盖数据的数据存储（data store），在一个广泛使用的开源数据分类平台CKAN上，验证本项目提出技术方案的可行性。

CEO-LD项目组计划于2016年5月发布最终报告，后续将通过邮件、电话会议及面对面会议继续我们的讨论。下一次面对面的技术研讨会将于2016年2月28-29日在北京航空航天大学举行，并由W3C/北航承办。下次面对面会议也于在日本举行的科研数据联盟大会（Research Data Alliance plenary）相衔接。