32、气象知识图谱模型：应用于法国气象局数据

气象知识图谱模型：应用于法国气象局数据

1. 引言

近年来，气象数据在众多应用领域中变得至关重要，吸引了广泛关注。气象观测通常涵盖了多个天气参数的测量，如风向、风速、气压、降雨量、湿度和温度等。然而，这些数据大多以表格形式分别存储在不同文件中，缺乏明确的语义信息，这给不同领域（如农业、气候变化研究或自然灾害监测）的研究人员进行数据整合和共享带来了困难。

使用链接数据（LD）原则在网络上发布这些数据，可以提高其可访问性、易发现性和可重用性。但要整合和解释气象数据，需要丰富的元数据，包括所研究的感兴趣特征（如空气）、观测属性（如温度或湿度）、采用的采样策略、气象站的具体位置以及属性测量的时间（时刻或时间段）等。为了深入理解这些异构数据，我们需要一个语义模型，其中特定领域的本体起着核心作用，为数据提供连贯的视图。

我们提出了一个语义模型，该模型依赖于一组模块化的本体和领域词汇表，能够在细粒度层面上捕捉气象观测数据的通用和特定特征，包括时间、位置、来源、测量单位等。我们特别关注使该模型符合LD最佳实践和标准，以便其他气象数据生产者能够重用和扩展它，并使其适用于多个应用领域。为了应对建模领域知识的复杂性，我们采用了SAMOD敏捷方法进行本体开发，该方法通过迭代过程中的小步骤，利用重要的示例数据创建完善且文档齐全的模型，从而生成易于人类使用和理解的语义模型。

我们还实现了一个可重现的软件管道，用于生成符合所提出语义模型的知识图谱。利用该管道，我们根据法国气象局发布的开放气象观测数据，构建了第一个版本的WeKG - MF RDF知识图谱，其中包含了2019年1月至2021年12月的气象观测数据。为了验证WeKG - MF和底层语义模型的有效性，我们将用例中确定的能力问题转化