Разработка средств и методов представления в глобальной сети сведений о составе и структуре Государственного фонда данных по гидрометеорологии

Информация о состоянии окружающей природной среды имеет большое значение в деятельности отраслей экономики страны. Она широко используется при перспективном планировании валового национального продукта страны, мероприятий, связанных со здравоохранением, улучшением экологической ситуации, а также с организацией мер защиты от стихийных бедствий. Например, в мире по оценкам ученых, почти 70% явлений, вызывающих стихийные бедствия, имеют гидрометеорологическое происхождение [8, 35]. Поэтому потребителю необходима информация (в критических — ситуациях оперативная) о наступлении неблагоприятных условий погоды (а тем более стихийных гидрометеорологических условий), которая позволит выполнить предусмотренные регламентом меры защиты.

Для полноценного обслуживания необходимы качественные, регулярные по времени и упорядоченные данные, освещающие возможно большую территорию за продолжительный период времени. Данные должны храниться в Фонде данных в соответствующих (удобных для доступа, обработки и отображения) структурах, форматах, иметь языковые средства их описания. Они должны быть поддержаны информационными справочными системами, программными средствами и автоматизированными технологиями сбора, пополнения и распространения данных. Решение этих вопросов и составляет основу того, что принято называть ведением Фонда Данных [14, 21, 22, 23, 61].

В Росгидромете создан уникальный Государственный фонд данных о состоянии окружающей природной среды. В нем сосредоточены документы и данные наблюдений за состоянием природной среды по территории России и зарубежным территориям по различным разделам изучения природной среды, сформированные в результате деятельности станций и постов гидрометеорологической сети и других организаций.

Долговременное хранение данных Фонда на машиночитаемых носителях осуществляется централизованно во ВНИИГМИ-МЦД [84, 85]. К настоящему времени в Фонде накоплено и хранится только на технических носителях более 1,5 терабайт данных наблюдений [94]. Поэтому задача систематизации всей хранящейся информации, ее описание для получения сведений о наличии, поиск, и обеспечение эффективного доступа к данным с такими объемами является весьма актуальной и остро необходимой.

Мы являемся свидетелями того, что в развитых странах мира реализуется программа построения глобального информационного общества, в основе концепции которого лежат новые принципы информационного взаимодействия и сотрудничества. Создана и проводит ежегодные форумы Международная комиссия по глобальной информационной структуре. В резолюции одного из форумов говорится о том, что «Комиссия считает, что для расширения географии представления услуг связи, применения средств информационных технологий в образовании, науке и повышения эффективности и расширения международной торговли на основе систем электронной торговли необходимы согласованные действия коммерческих и государственных организаций как развитых, так и развивающихся стран» [30]. Поэтому проявляется большой интерес к сохранности данных, их управлению и обработке. С этой целью издаются соответствующие каталоги данных, публикуются отчеты данных. В работах [27] представлены сведения об имеющихся к 1985 году справочных системах и состоянии работ по их развитию. Результаты анализа, изложенные в работе [27], показывают, что вопросам создания автоматизированных систем каталогизации данных всегда уделялось большое внимание. В области гидрометеорологии реализованы и функционируют, например, такие справочные системы как АКОД, МЕДИ, INFOCLIMA, NEDRES, EDMED и др.

Во ВНИИГМИ-МЦД в начале 90-х годов разработана и используется система ГеКат, позволяющая описывать, систематизировать и предоставлять накопленную информацию [57, 63].

Кардинальное изменение средств и методов коммуникации между участниками информационной деятельности позволяет использовать новый инструментарий и иные способы предоставления информации потребителю. Следовательно, возникла необходимость разработки технологии, позволяющей обеспечить доступ к имеющейся информации не только локальных, но и удаленных пользователей. Автором разработана система описаний метаданных Госфонда и технология обеспечения удаленного доступа к ним. В основу обеспечения доступа удаленным пользователям положены WEB-технологии [82]. Актуальность создания этой технологии обусловливается еще тем, что постановлением Правительства Российской Федерации № 1414 от 21.12.99 «О создании и ведении Единого государственного фонда данных о состоянии окружающей природной среды, ее загрязнении». ВНИИГМИ-МЦД определен головной организацией по ведению этого фонда. ЕГФД представляет собой совокупность информации о состоянии окружающей природной среды, ее загрязнении, предоставляемой Росгидрометом для заинтересованных федеральных органов исполнительной власти, их территориальных органов, органов исполнительной власти субъектов Российской Федерации, физических и юридических лиц независимо от их организационно-правовой формы в области гидрометеорологии и смежных с ней областях. Таким образом, ЕГФД является распределенным фондом данных.

Основные цели и задачи исследования.

Диссертация посвящена разработке методов построения концептуальной и инфологической моделей, классификационных схем, новой информационной технологии для систематизации и описания коллекций гидрометеорологических данных.

Основными задачами, решаемыми в диссертации, являются:

• разработка новой модели описания предметной области «Сведения о ситуациях в природной среде» ;

• переложение разработанной модели описания на новые языковые средства, в частности RDF;

• разработка новой информационной системы позволяющей производить описания и систематизацию коллекций метеорологических данных для обеспечения в последующем доступа к этим описаниям с использованием WEB-технологий;

• разработка программных средств ввода и представления данных в реальном времени с применением WEB-технологии.

Решению поставленных задач способствовало применение современных методов системного анализа, информатики, программирования с применением современных СУБД и ОС, наличие уникального архива с данными наблюдений об окружающей природной среде, а также имеющийся у соискателя опыт работы с большими объемами данных и создания систем с применением WEB-технологий. Полученные результаты позволяют выдвинуть на защиту:

1. Новые классификационные модели системообразующих категорий: «Природные объекты», «Природные явления», «Географические объекты», «Методы получения данных» .

2. Методику создания RDF-схем для представления этих моделей в информационной системе.

3. Разработанные RDF-схемы описания коллекций гидрометеорологических данных.

4. Спроектированную БД для реализации машинных тезаурусов.

5. Усовершенствованные тезаурусы из системы ГеКат для использования в новой технологии.

6. Разработку и реализацию технологии регистрации коллекций гидрометеорологических данных на основе WEB-технологий и RDF-модели представления сведений из предметной области. Предложенные теоретические положения и практическая реализация позволяют сделать принципиально новый шаг в приближении пользователей к ресурсам Госфонда. Результаты проведенных исследований способствуют систематизации фондообразующей деятельности за счет предоставления географически удаленному пользователю возможности:

• непосредственно включать свои справочные ресурсы в базы фонда;

• удаленного доступа к метаданным.

Созданные программные средства помогут будущим клиентам Фонда найти требующиеся данные, что расширит круг потребителей информации. Научная новизна.

В качестве новых в диссертации представлены следующие научные результаты:

• разработана обобщенная концептуальная модель представления сведений о гидрометеорологических ресурсах в информационных системах;

• разработана и реализована методика применения обобщенной модели к конкретной предметной области и представления ее в терминах языка RDF;

• сформулированы принципы выбора сущностных свойств объектов для построения классификационной схемы предметной области;

• разработана методика проектирования интерфейса пользователя средствами языка XML на примере сетевой версии Генерального Каталога Фонда данных о состоянии окружающей природной среды;

• сформулированы и реализованы основные организационные и технологические принципы представления данных на сайте в INTERNET, в виде удобном для потребителя.

Практическая значимость работы определяется направленностью ее на:

• создание действующего образца сетевого варианта Генерального.

Каталога Фонда данных о состоянии окружающей природной среды;

• разработку программных средств представления данных в.

Глобальной Сети INTERNET;

• обеспечение доступа (с применением WEB-технологии) к сведениям о наличии и характеристиках коллекций данных для категорий пользователей самого разного уровня подготовки.

Реализация работы. Выполненные в рамках диссертационной работы исследования позволяют сделать принципиально новый шаг в приближении пользователей к ресурсам Госфонда Результаты проведенных исследований способствуют систематизации фондообразующей деятельности за счет предоставления географически удаленному пользователю возможности:

1. непосредственно включать свои справочные ресурсы в базы фонда;

2. удаленного доступа к метаданным.

Созданные программные средства помогут будущим клиентам Фонда найти требующиеся данных, что расширит круг потребителей информации.

Результаты исследований реализованы в виде методических рекомендаций, описаний структур метаданных, программ, алгоритмовиспользуются при обслуживании различных потребителейвнедрены и эксплуатируются в опытном режиме во ВНИИГМИ-МЦДпланируется использовать в межотраслевых центрах ЕСИМО, создающихся в рамках Федеральной целевой программы «Мировой океан».

Основные положения и результаты диссертационной работы докладывались на семинарах и заседаниях ученого совета ВНИИГМИ-МЦД (Обнинск, 2000 — 2002 г.) — семинаре ГТО (2002г.) — Конференции молодых ученых национальных гидрометслужб стран СНГ (Москва,.

1999 г.), Международной конференции по интегрированным технологиям мониторинга окружающей среды и информационных ресурсов (Турция, Мармарис 2001 г.), Международной конференции по результатам исследований в области гидрометеорологии и мониторинга загрязнения природной среды в государствах — участниках СНГ, посвященная 10-летию образования Межгосударственного совета по гидрометеорологии. (ААНИИ, Санкт-Петербург, 2002 г.).

Результаты выполненных исследований опубликованы в 5-ти работах в зарубежных и российских научных сборниках.

Структура и объем. Диссертация состоит из введения, трех глав с выводами, заключения и приложений. Основной текст изложен на 164 стр. Диссертация содержит 25 рис., список литературы из 102 наименований и приложения.

Выводы.

1. Практическим воплощением концептуальных понятий обобщенной и понятийной моделей являются, в конечном счете, файлы баз данных различной структуры (реляционной, объектно-ориентированной). «Свойствам» в обобщенной модели соответствуют шкалы (как правило номинативные). В понятийной модели им (свойствам) соответствуют фасетно-иерархические структуры, отражающие структуру предметного знания. На уровне баз данных их представляют словари-тезаурусы — структурированные списки значений различных свойств ситуаций в природной среде, выраженные семантическим индексом, который и отражает предметные знания.

2. Создание и использование комплекса словарей-тезаурусов является сложным и трудоемким процессом:

• с точки зрения процесса представления и использования предметных знаний;

• с точки зрения взаимодействия с тезаурусом конечного пользователя (клиента), эксперта-индексатора, администратора системы;

• с точки зрения представления объектно-ориентированных структур вреляционной среде коммерческих СУБД (ORACLE и др.).

3. В работе сформулированы требования к «конструкции» словарей-тезаурусов, удовлетворяющих требованиям в указанных выше аспектах.

4. Оптимальным решением для хранения в информационной системе справочных сведений является раздельное хранение RDF-описаний сведений о коллекциях и словарных значениях в файлах базы данных. Такой подход позволяет использовать как изобразительные возможности RDF-языка для представления понятийных структур предметной области, так и операциональные возможности современных СУБД для структурированного поиска и выборки нужных сведений для обеспечения информационных потребностей пользователя.

В заключение вернемся снова к научному результату работы. Но не будем повторять итоговые выводы по главам, а попробуем осмыслить, какое же место занимают изложенные результаты в контексте современных тенденций в области WEB-технологий. С краткого изложения этих тенденций и начнем рассмотрение.

Уже говорилось о том, что современный Internet представляет собой, как правило, огромный массив слабо или даже плохо структурированных сведений из самых разных ПрО, представленных в самой разнообразной форме от традиционного текста до мультимедиа.

Существующий WEB целиком ориентирован на пользователя-человека. Машинам безразлично действительное информационное содержание: WEB-броузеры, WEB-серверы и даже поисковые машины в действительности не различают прогноз погоды от научной статьи, где речь идет о том же предмете, не могут отличить персональную WEB-страницу от корпоративного сайта т.д. Это ограничение, как считают специалисты, является серьезным препятствием для осмысленной работы в WEB. Это и послужило толчком к появлению нового направления — Semantic Web, целью развития которого является создание такого ЕИП, в котором информация понималась бы машинами, т. е. по существу речь идет уже не о ЕИП, а о Едином Пространстве Знаний (ЕПЗ). WEB-сообщество еще не успело привыкнуть к понятию ЕИП, а уже новая инициатива международного консорциума W3C предлагает новое качество работы WEB — Semantic WEB (www.ontoweb.org). Речь идет о так называемых онтологиях.

В современном словаре иностранных слов: «Онтология [гр. on (ontos) сущее] - философское учение о бытии, его основах, принципах, структуре и закономерностях». В этом определении еще не нашел отражения тот факт, что в начале 90-х годов этот термин был заново «осмыслен» в области искусственного интеллекта: «Онтология — это набор определений (на формальном языке) фрагмента декларативных знаний, ориентированный на совместное многократное использование различными пользователями в своих приложениях. В онтологии вводятся термины, типы и соотношения (аксиомы), описывающие фрагмент знания» .

В том же словаре находим определение тезауруса: «Тезаурус — словарь, в котором максимально полно представлены все слова языка с исчерпывающим перечнем примеров их употребления в текстах. В информатике — полный систематизированный набор данных о какой-либо области знаний, позволяющий человеку или вычислительной машине в ней ориентироваться''.

Видно, что определения Тезауруса и Онтологии по сути почти совпадают. Это и не удивительно, поскольку еще недавно сегодняшняя Онтология именовалась Тезаурусом. Если говорить о средствах компьютерного представления знаний о ПрО, то еще задолго до Internet были разработано целое семейство языков, наиболее известным из которых является KIF (Knowledge Interchange Format), и продолжают создаваться сейчас: KIF-based Ontololingua (http ://www-ksl. Stanford, edu/knowledge-sharing/papers/ README. html), Loom http://www.isi.edu/isd/ LOOM/LOOM-HOME.html), Frame-Logic (http.V/www.cs.sunysb.edu/~kifer/dood/papers.html).

Все они имеют разные выразительные возможности, но всем им присущ один «недостаток»: они не стандартизированы в WEB-сообществе. Появление XML в качестве языка — стандарта для обмена данными на WEB мотивировало создание нового поколения языков представления знаний, в которых используется синтаксис XML. В качестве примера можно привести SHOE (http://www.cs.umd.edu/projects/plus/SHOE/), Ontology Exchange Language — XOL (http://ecocyc.panbio.com/xol/xol.html), Ontology Markup Language (http://www.ontologos.org/), Resource Description Framework Schema Language [99] и Riboweb (http://www.smi.stanford.edu/projects/ helix/riboweb/kb-pub.html). Все они используют синтаксис XML. Но действительно прорывом в этой области явилось создание OIL (Ontology Interchange Language) (http://www.ontoknowledge.org/), который можно рассматривать как расширение RDF и RDFS Новое поколение «онтологических» языков (OIL, OWL) спроектировано именно так, чтобы компьютеры могли без участия людей понимать смысл, содержащийся в сетевых ресурсах. В частности, при создании средств поиска информации предлагается использовать онтологии, описывающие семантику представленных в сети ресурсов. При этом онтологии могут выступать и в качестве единого «канонического» описания, помогающего решить проблему несовместимости и противоречивости понятий, используемых для извлечения информации из больших массивов знаний.

OIL+RDFS обеспечивет два важных условия: стандарт на «примитивы» моделирования ПрО и стандартный синтаксис RDF для описания иерархии классов. OIL наследует эффективные средства языков, основанных на дискриптивной логике, позволяющие математически строго описать смысл (семантику) всех OIL-предложений, что позволяет строить классификации уже на строго теоретической основе.

Так как формирование Semantic Web возможно только при условии обеспечения стандартов не только для синтаксической формы документов, но и для их семантического наполнения, то можно считать создание языков для конструирования онтологий (тезаурусов ПрО) самой значительной среди предпринятых консорциумом W3C инициатив, связанных со стандартизацией, и базирующихся на стандартах RDF и его модели «сущность — свойство — значение» .

Несмотря на то, что RDF традиционно позиционируется как средство описания ПрО (или в более привычной лексике — для представления метаданных), этот язык столь же хорош и для представления собственно данных.

Сам RDF не содержит каких либо четких правил, ориентированных на моделирование данных. Эту функцию в новых языках и выполняют средства типа OIL-расширений RDF.

Сказанное выше позволяет сделать вывод, что представленные в Приложении 1 RDF-документы представляют по существу онтологии рассмотренных в главе 2 ПрО «Явления и параметры», «Природные объекты» и т. д. Онтология предметной области определяет словарь, то есть свойства и классы, которые могут использоваться для создания шаблонной информации в RDF.

Достаточно взглянуть на эти документы, чтобы понять, сколь трудоемкой является работа по ручной RDF-спецификации модели ПрО. Но как раз появление таких инструментов, как язык OIL позволяет уже на более высоком, нежели RDF, уровне проводить спецификацию модели ПрО с помощью специальных редакторов (например, http://ontoserver.aifb.uni-karlsruhe.de/ontoedit). После такой спецификации в терминах OIL-языка осуществляется конвертирование описания (http://www.ontoknowledge.org /oil/rdf-schema/2000/ll/10-oil-standard) в традиционные RDF-структуры, похожие на те, что приведены в Приложении 1.

Еще одним направлением унификации средств представления знаний о ПрО в WEB-пространстве является создание и применение языка UMLUnification Model Language (http://www.omg.org/uml). В частности, по инициативе и при участии Всемирной Метеорологической Организации (ВМО) разрабатывается международный стандарт ISO/DIS 19 115 на «Географические метаданные», где уже присутствуют не только синтаксические примитивы (как в RDF), но и понятия-примитивы, характерные для данной ПрО. После описания ПрО в терминах UML может осуществляться конвертирование в те же привычные RDF-структуры (http://www.interdataworking.com/converter).

Может показаться, что идеалом является получение универсального языка представления знаний для поддержки Semantic Web, но в силу различных прагматических и технологических причин, на практике это недостижимо. Новые «онтологические» языки только стандартизируют и упрощают процедуру построения онтологии — тезауруса. Сам же процесс выбора семантических категорий (см. раздел 1.3), построение системы понятий ПрО (разделы гл.2) по видимому всегда останется сугубо творческим процессом.

Краткое рассмотрение современных тенденций в области представления предметных знаний в WEB-пространстве позволяет сделать заключение, что выполненная в рамках диссертации работа находится в контексте современных тенденций развития WEB-технологий.