In a variety of applications relying on geospatial data, getting insights into heterogeneous geodata sources is crucial for decision making, but often challenging. The reason is that it typically requires combining information coming from different sources via data integration techniques, and then making sense out of the combined data via sophisticated analysis methods. To address this challenge we rely on two well-established research areas: data integration and geovisual analytics, and propose to adopt an ontology-based approach to decouple the challenges of data access and analytics. Our framework consists of two modules centered around an ontology: (1) an ontology-based data integration (OBDI) module, in which mappings specify the relationship between the underlying data and a domain ontology; (2) a geovisual analytics (GeoVA) module, designed for the exploration of the integrated data, by explicitly making use of standard ontologies. In this framework, ontologies play a central role by providing a coherent view over the heterogeneous data, and by acting as a mediator for visual analysis tasks. We test our framework in a scenario for the investigation of the spatiotemporal patterns of meteorological and traffic data from several open data sources. Initial studies show that our approach is feasible for the exploration and understanding of heterogeneous geospatial data.

中文翻译：

---

结合基于本体的地理数据集成和地理可视化分析的框架

在各种依赖于地理空间数据的应用程序中，深入了解异构地理数据源对于决策至关重要，但通常具有挑战性。原因是它通常需要通过数据集成技术组合来自不同来源的信息，然后通过复杂的分析方法从组合数据中弄清楚。为了应对这一挑战，我们依靠两个完善的研究领域：数据集成和地理视觉分析，并建议采用基于本体的方法来消除数据访问和分析的挑战。我们的框架由围绕本体的两个模块组成：（1）基于本体的数据集成（OBDI）模块，其中映射指定基础数据与域本体之间的关系；（2）地理视觉分析（GeoVA）模块，通过显式使用标准本体来设计用于探索集成数据。在此框架中，本体通过提供异构数据的一致视图并充当可视化分析任务的中介来发挥中心作用。我们在一个场景中测试我们的框架，以调查来自几个开放数据源的气象和交通数据的时空模式。初步研究表明，我们的方法对于探索和理解异构地理空间数据是可行的。我们在一个场景中测试我们的框架，以调查来自几个开放数据源的气象和交通数据的时空模式。初步研究表明，我们的方法对于探索和理解异构地理空间数据是可行的。我们在一个场景中测试我们的框架，以调查来自几个开放数据源的气象和交通数据的时空模式。初步研究表明，我们的方法对于探索和理解异构地理空间数据是可行的。