基于AtomSpace的土地利用地理实体知识表达与管理

李 怡

(江西理工大学土木与测绘工程学院,342300,江西,赣州)

0 引言

全球经济发展和人口增长导致土地资源供需矛盾加剧,高效地管理和利用土地资源成为全球难题。土地利用管理涉及的领域广泛,需要全面了解和分析土地资源的利用情况,以支持决策和规划,如城市规划、环境保护等[1]。随着信息技术的不断发展,如何运用新技术来提高土地利用地理实体知识管理的效率和精度,也成为了学术界普遍关注的焦点[2-3]。传统的土地利用数据通常以静态表格或数据库的形式存储[4-5],这种方式虽可满足一些简单的查询需求,但无法满足对土地利用情况的深度分析和挖掘。因此,建立基于知识图谱的土地利用地理实体知识表达和管理系统具有重要的意义。

国内外研究者致力于寻找高效精准的土地利用地理实体知识管理方法。例如,张鹏等[6]提出了基于多智能体系统和地理信息技术的土地利用规划方法优化土地利用布局。清华大学研究人员[7]融合土地利用、人口、经济等数据,利用大数据分析技术实现了土地利用的综合评估和预测。Liu等[8]提出了一种基于空间智能的土地利用规划方法,通过遗传算法优化土地利用布局,综合考虑了空间和属性信息。Smith等[9]开发了一个基于Web和GIS技术的土地利用信息系统,用于土地利用规划和管理。国际遥感与空间信息学会[10]提出了基于知识图谱的土地利用监测方法,融合空间数据和社会经济数据,实现土地利用情况的实时监测和预测。本文的研究目的是探究基于AtomSpace的土地利用地理实体知识表达与管理方法,以提高土地利用管理的效率和精度。

1 相关技术和概念介绍

AtomSpace是一种开源的知识表示技术,使用超图数据结构表示知识的实体和关系。它支持知识的表示、查询和推理,可存储和管理任何形式的知识,同时也是一个查询引擎和规则驱动的推理引擎。AtomSpace图数据库提供了14类140种的原子类型及相关操作,用于描述各种复杂信息及其关系。其中,LINK表示事实或关系,NODE代表实体、概念或属性,META代表抽象的概念和关系。其原子类型分类见表1。

表1 原子类型分类

2 土地利用地理实体知识表达与管理数据模型研究

本文在AtomSpace中设计超图模型,用于管理和查询不同行业部门的土地利用知识图谱。土地利用类型用节点表示,类型之间的关系用边表示,节点和边包含土地利用属性信息。同时,通过多重分类、多粒度划分和实体时间变化等方法,结合案例验证,更好地描述和管理地理实体的复杂性和多样性。

2.1 概念模型

概念模型的核心步骤包括:1)定义地理实体和属性;2)建立实体关系;3)设计知识表达模型;4)数据查询和分析。

2.1.1 土地利用地理实体多重分类 本文探讨了土地利用地理实体多重分类方法,从农业、建筑业、旅游业和商业服务业四个行业出发,如图1所示。

图1 不同行业对土地利用的分类

在图1中,部分一级地理特征和次一级地理特征在不同行业中存在交叉。例如,农业建设用地可以根据其用途分为农业和建筑业两个行业部门等,如图2所示。在次一级地理特征中交叉关系,如图3所示,分别以娱乐康体用地、景区、草地、农业建设用地和交通运输用地作为超边,各个地理特征作为节点,更加形象地表达出了不同行业部门对土地利用地理实体划分存在的交叉和关联关系。

图2 一级地理特征关系图系

图3 次一级地理特征关系

以上存在交叉的次一级地理特征可以描述为无向超图,如图4所示。无向超图是由节点和超边构成的一种图形结构。与传统的有向图和无向图不同,它的边可以连接多个节点,且边本身不具有方向性。一个无向超图可以表示为一个三元组G=(V,E,f),其中V是节点的集合,E是超边的集合,而f是一个将每个超边映射到超边覆盖V的子集的函数。无向超图可以用来表示地理特征的多重联系和复杂关系,例如土地利用中不同地块之间的空间邻近性、土地用途之间的约束关系、土地利用和环境因素之间的影响关系等。可以将这些地理特征以及它们之间的关系进行形式化表示,以便更好地进行分析、建模和决策。

2.1.2 土地利用地理实体多粒度划分 多粒度土地利用的超图,包含多个粒度和分类的节点,每个节点代表一个地理区域,而每个节点的不同粒度表示了对该区域的不同程度的细化。如图5所示,左边为四个行业的一级地理特征分类,右边为次一级地理特征分类。该设计使得超图中的节点既可作为上一级超图的属性节点,也可作为次一级超图中的超边,从而使土地利用的粒度划分更加精细。

图5 多粒度分类超图

2.2 逻辑模型

2.2.1 土地利用地理实体知识表达方法 AtomSpace的表示方式是面向对象的,因此使用Atom来表示知识的不同维度。Atom是AtomSpace中的最小知识单元,具有自己的类型、属性和关系等。通过AtomSpace,可以将地理实体知识组织成一个有结构的图形,并使用Atom、Link和TruthValue等概念表示不同维度的知识,从而将知识整合在一起,通过图形的形式进行分析和查询。主要步骤为:1)定义超图节点及属性;2)定义边及属性;3)添加关系到超图。

2.2.2 土地利用地理实体节点的表示 使用AtomSpace中原子节点来表示农业部门不同类型的地理实体。对于土地利用划分行业节点的定义为(以农业为例):(define industry_concept(ConceptNode“农业”))。对于土地利用类别节点的定义为(以耕地类别为例):(define category_concept(ConceptNode“耕地”))。通过连接这些节点,这些节点之间的关系和属性有益于更好地理解和分析不同领域的土地利用。

2.2.3 土地利用地理实体属性和值的表示 本文中土地利用地理实体包括面状和线状两种节点属性,面状属性包括实体名称、面积、经纬度和划分时间,线状属性包括实体名称、长度、经纬度和划分时间。这些地理实体的属性和值使用AtomSpace中的链接节点来表示,对于土地利用中地理实体节点的定义及其属性和值的定义方式以2020年划分的面积为50 000 m2的水田为例,代码如图6所示。

图6 属性和值表示的代码

2.2.4 土地利用地理实体关系的表示 在AtomSpace中,根据不同行业部门对土地利用类型划分的需要设置不同的关系类型及链接的属性,如表2所示。

表2 地理实体关系定义

以上各个关系类型在AtomSpace中的表示方式如下:1)类别关系(以该水田与耕地类别的所属关系为例);2)行业关系(以耕地类别与农业的所属关系为例);3)相接(Touches)关系(以水田、天然草地和农村住宅为例);4)重叠(overlaps)关系(以耕地和农业建设用地为例);5)包含(contains)关系(以景区和草地为例)。各关系表示方式如图7所示。

图7 各关系类型代码

2.2.5 土地利用地理实体知识管理和共享 AtomSpace提供了多种查询方法,包括基于模式匹配的查询方法、基于规则的查询方法及基于语义的查询方法等。以上查询方法主要通过以下5种链接节点进行查询:1)MeetLink和VariableNode基本查询;2)QueryLink查询;3)AndLink多条件查询;4)GreaterThanLink按数值过滤查询;5)ValueOfLink和SetValueLink考虑性能查询值。查询处理的执行过程如图8所示。

图8 查询处理执行过程

AtomSpace提供多种管理知识的方法,包括不同的存储、表示和查询方法,其超图数据结构是管理地理实体知识的主要方法,同时支持基于模式匹配、规则和语义的查询方法。使用AtomSpace可以更好地理解土地利用情况,做出更合理决策,并实现更好的交互和合作。

3 实验验证分析

3.1 实验环境和实验设计

本实验使用Ubuntu 20.04.5 LTS的64位操作系统,并使用Python 3.8.10、Guile 3.0.7开发语言、AtomSpace 4.1.0及AtomSpace Explorer可视化工具作为知识图谱的构建工具。

3.2 土地利用地理实体知识表达结果

地理知识图谱的基本思路参见图9。主要包括三部分:地理实体知识建模、地理实体知识存储管理及地理实体知识查询。

图9 地理知识图谱构建流程

由地理知识图谱构建的基本思路,图10给出土地利用地理知识图谱构建算法逻辑概要。

图10 土地利用地理知识图谱算法流程

土地利用地理实体知识表达的结果是以超图的形式表达出来的,该超图是用AtomSpace的一个开源的人工智能框架——AtomSpace Explorer来表达的。

1)空间知识表达结果。主要有相邻(Touches)、包含(Contains)、重叠(Overlaps)和相交(Intersect),其四种拓扑关系的主要代码如图11所示,表达结果如图12所示。

图11 空间拓知识表达主要代码

图12 空间知识表达结果

2)时间知识表达结果。时间用一个节点表示,用TimeLink链接指向所属地理实体。其主要代码和表达结果如图13所示。

图13 时间知识主要代码和表达结果

3)属性知识表达结果。在土地利用地理实体知识表达的属性知识中,其部分主要代码如图14所示,表达结果如15图所示。

图14 属性知识表达主要代码

图15 属性知识和类别关系与行业关系

以不同行业部门对土地利用划分的地理实体为核心,将生成的地理知识集合存储在AtomSpace图数据库中,形成一个以节点和关系互相关联的巨大网络,即地理知识图谱。如图16所示。

图16 在AtomSpace图数据库中存储的地理知识图谱示意图

3.3 知识推理和查询

3.3.1 知识推理 在用AtomSpace实现土地利用知识推理的主要步骤为:1)创建土地利用知识库;2)定义土地利用知识规则。以农业行业为例,假设有一个包含各种土地利用类型属性和关系的土地利用地理实体知识图谱,如农田的种植作物、耕地的土地质量等。需根据农业行业需求,推理出哪些土地适合种植哪些作物。首先将农业行业需求表述为规则,例如,定义一个规则,表示“如果土地的土地质量评分大于80,则适合种植小麦”。具体代码如图17所示。

图17 知识推理的规则表示主要代码

然后将规则应用到土地利用地理实体知识图谱上,使用模式匹配来实现规则匹配和推理。例如,从土地利用地理实体知识图谱中找到所有的土地节点和对应的土地质量评分,然后将这些信息和上述规则进行匹配。如匹配成功,则可得出结论:XX这些土地适合种植小麦。具体代码如图18所示。

图18 知识推理执行过程主要代码

3.3.2 知识查询 在用AtomSpace执行土地利用知识查询的主要步骤为:1)定义查询模式;2)执行查询规则。执行查询规则会匹配查询模式,并返回符合要求的实体和关系。以交通运输用地为例,假设查询土地利用地理实体知识图谱中与交通运输用地地理实体有关的行业等信息,需要定义的查询模式如图19所示。

图19 查询模式定义规则主要代码

上述查询模式中通过绑定land变量来存储符合条件的地块实例,并通过And操作符将多个条件进行逻辑连接。其中,Evaluation用于对原子进行谓词逻辑判断,Variable用于存储匹配到的实例信息。该查询模式的代码和结果如图20所示。

图20 知识查询代码和结果

3.4 试验评价与分析

AtomSpace基于土地利用地理实体知识图谱的实际应用案例验证,可提高地理信息的获取效率和土地利用地理实体知识的应用价值。实验结果表明,基于AtomSpace的土地利用地理实体知识图谱能够更全面地分析地理实体,并提高地理信息的获取效率,包括地理信息的检索和地理实体的分析。

4 结论与展望

本文提出了一种基于AtomSpace的地理实体知识表达与管理方法,能够有效地表达和管理土地利用地理实体的空间、时间、属性和复杂的关系信息。通过使用AtomSpace可以将土地利用地理实体及其复杂关系表示为一组可扩展的超图知识图谱形式,同时支持形式化的逻辑推理和知识查询。本文将土地利用地理知识概念模型中的节点和关系映射到图数据库逻辑模型中的节点和关系,以解决了结构化土地利用地理知识在图数据库中的存储问题。并通过实验验证了基于AtomSpace的土地利用地理实体知识表达与管理的准确性和可视化效果,同时,将该方法应用于土地利用地理实体知识的查询分析和推理中,验证了其在实际应用中的可行性和有效性。