This content is not available or only partially available in English.
This content is not available or only partially available in English.

Best Student Paper Award

Abbild eines Rasters aus einem realen Anwendungsfall einer Überflutung. Jeder Pixel steht für eine Fluthöhe die nun semantisch erschlossen werden kann, Grafik: i3mainz, CC BY-SA 4.0

Timo Homburg gewann auf der „19th international semantic web conference“ (ISWC) den Best Student Paper Award. Dazu gratulieren wir ihm sehr herzlich!

Auf der „19th international semantic web conference“ (ISWC) gewann Timo Homburg den Best Student Paper Award. Dazu gratulieren wir ihm sehr herzlich!

Timo Homburg hatte gemeinsam mit Prof. Dr. Steffen Staab von der Universität Stuttgart, der seine Dissertation betreut, und Dr. Daniel Janke von der Universität Koblenz Landau ein Paper mit dem Titel „GeoSPARQL+: Syntax, Semantics and System for Integrated Querying of Graph, Raster and Vector Data“ eingereicht.

Abstraktes Modell eines Rasters mit einer Umgebungsgeometrie, verschiedenen Zellen und ihren Werten (den Pixeln), ihren Umgebungsgeometrien und einer Legende für die semantische Interpretation der Pixelwerte, Grafik: Timo Homburg, CC BY-SA 4.0

Darin stellen die Autoren einen Ansatz zur semantischen Darstellung und Abfrage von Rasterdaten in einem Semantic-Web-Graphen vor. Sie erweitern das GeoSPARQL-Vokabular und die Abfragesprache, um Rasterdaten als neuen Typ von Geodaten zu unterstützen. Sie erweitern die Abfragesprache um neue Filterfunktionen, Raster Algebra Funktionen und Funktionen, die Vektor- und Rasterdaten vergleichen können. Ihren Ansatz veranschaulichen sie durch Anwendungsfälle mit Datensätzen aus der realen Welt. Schließlich beschreiben sie eine prototypische Implementierung und validieren die Durchführbarkeit ihres Ansatzes.

Ontologiemodell für die Repräsentierung eines Rasters als Erweiterung der bereits existierenden GeoSPARQL Ontologie, Grafik: Timo Homburg, CC BY-SA 4.0

Als Beispiel dient etwa die vom Rhein überflutete Stadt Köln. Die Straßen werden durch Vektordaten, die Hochwasserhöhen durch Rasterdaten wiedergegeben. In einem realen Anwendungsfall würde eine Abfrage beispielsweise nach allen Straßenabschnitten suchen, die nicht von mehr als 10 cm Wasser bedeckt sind. Dies ist nur möglich, wenn das Datenmodell Rasterdaten, Vektordaten und Semantik (Straße, Wasser, Tiefe, 10 cm) darstellen kann und eine gemeinsame Abfrage dieser Darstellungen erlaubt.

Bestehenden geographischen Informationssystemen fehlt die Repräsentation der Semantik. Der GeoSPARQL-Standard [6] beschreibt aktuell keine Repräsentation von Rasterdaten und keine Abfragemöglichkeiten an diese. Systeme, die gegenwärtig geographische Informationen im Semantic Web unterstützen, können keine Rasterdaten verarbeiten und erlauben daher keine derartigen Abfragen.

Die Ergebnisse aus dieser Arbeit sollen in die nächste Version des GeoSPARQL Standards einfliessen. Eine entsprechende Anfrage hat Timo Homburg bereits beim Open Geospatial Consortium hinterlegt.