Advertisement

e-science in den Geo- und Umweltwissenschaften

Ansätze und Anforderungen
  • Lars BernardEmail author
  • Stephan Mäs
HAUPTBEITRAG E-SCIENCE IN DEN GEO- UND UMWELTWISSENSCHAFTEN
  • 20 Downloads

Zusammenfassung

Die Geo- und Umweltwissenschaften arbeiten heute in großem Maße und entlang des gesamten Forschungsprozesses digital: Von der Beobachtung, Erfassung und kontinuierlichen Messung der Umweltphänomene mit unterschiedlicher Sensorik über die Analyse dieser Beobachtungsdaten und Erstellung von Modellen und Simulationen zum Verständnis oder der Vorhersage von Umweltprozessen, der Synthese von Daten verschiedener Quellen zur Beschreibung und Bewertung von Umweltveränderungen bis hin zur Publikation der Ergebnisse als wissenschaftliche Beiträge, Empfehlungen oder interaktive Visualisierungen. Allerdings gibt es viele Brüche in den Arbeitsprozessen und vielfache Hemmnisse für ein kollaboratives, auch interdisziplinäres wissenschaftliches Arbeiten im Sinne von e-science. Hier skizziert der Beitrag aktuelle Entwicklungsstände, derzeitige Forschungsansätze und verbleibende Herausforderungen für Informatik und Geoinformatik.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Belete GF, Voinov A, Morales J (2017) Designing the distributed model integration framework – DMIF. Environ Modell Softw 94:112–126, https://doi.org/10.1016/j.envsoft.2017.04.003CrossRefGoogle Scholar
  2. 2.
    Bernard L, Brauner J, Mäs S, Wiemann S (2016) Geodateninfrastrukturen. In: Freeden W, Rummel R (eds) Handbuch der Geodäsie: 5 Bde. Springer, Berlin Heidelberg, S 1–32Google Scholar
  3. 3.
    Bertelmann R, Gebauer P, Hasler T, Kirchner I, Peters-Kottig W, Razum M, Recker A, Ulbricht D, van Gasselt S (2014) Einstieg ins Forschungsdatenmanagement in den Geowissenschaften. Helmholtz-Zentrum Postdam – Deutsches GeoForschungszentrum GFZ, Potsdam, https://doi.org/10.2312/lis.14.01Google Scholar
  4. 4.
    Egenhofer M (1994) Spatial SQL: A query and presentation language. IEEE Trans Knowl Data Eng 6(1):86–95CrossRefGoogle Scholar
  5. 5.
    Henzen D, Müller M, Jirka S, Senner I, Kaeseberg T, Zhang J, Bernard L, Krebs P (2016) A scientific data management infrastructure for environmental monitoring and modelling. Paper presented at the 8th International Congress on Environmental Modelling and Software, Toulouse, FranceGoogle Scholar
  6. 6.
    Hofer B, Mäs S, Brauner J, Bernard L (2017) Towards a knowledge base to support geoprocessing workflow development. Intern J Geogr Inf Sci 31(4):694–716, https://doi.org/10.1080/13658816.2016.1227441CrossRefGoogle Scholar
  7. 7.
    Hu H, Lin T, Wang S, Rodriguez LF (2017) A cyberGIS approach to uncertainty and sensitivity analysis in biomass supply chain optimization. Applied Energy 203:26–40, https://doi.org/10.1016/j.apenergy.2017.03.107CrossRefGoogle Scholar
  8. 8.
    Hussain M, Chen D, Cheng A, Wei H, Stanley D (2013) Change detection from remotely sensed images: From pixel-based to object-based approaches. ISPRS J Photogr Remote Sens 80:91–106, https://doi.org/10.1016/j.isprsjprs.2013.03.006CrossRefGoogle Scholar
  9. 9.
    IEEE (2011) 1516 IEEE standard for modeling and simulation (M&S) high level architecture (HLA) framework and rules. Institute of Electrical and Electronics Engineers, New YorkGoogle Scholar
  10. 10.
    Knox S, Meier P, Yoon J, Harou JJ (2018) A python framework for multi-agent simulation of networked resource systems. Environ Modell Softw 103:16–28, https://doi.org/10.1016/j.envsoft.2018.01.019CrossRefGoogle Scholar
  11. 11.
    Mäs S, Henzen C, Müller M, Bernard L (2014) GLUES GDI – Eine Geodateninfrastruktur für wissenschaftliche Umweltdaten. gis.SCIENCE 2014(4):129–137Google Scholar
  12. 12.
    Müller M (2015) Hierarchical profiling of geoprocessing services. Comput Geosci 82:68–77, https://doi.org/10.1016/j.cageo.2015.05.017CrossRefGoogle Scholar
  13. 13.
    Müller M, Bernard L, Brauner J (2010) Moving code in spatial data infrastructures – web service based deployment of geoprocessing algorithms. Trans GIS 14(S1):101–118, doi:10.1111/j.1467-9671.2010.01205.xCrossRefGoogle Scholar
  14. 14.
    Nüst D, Konkol M, Pebesma E, Kray C, Schutzeichel M, Przibytzin H, Lorenz J (2017) Opening the publication process with executable research compendia. D-Lib Mag 23(1/2), https://doi.org/10.1045/january2017-nuestGoogle Scholar
  15. 15.
    NSF (2007) Cyberinfrastructure vision for 21st century discovery [online]. US National Science Foundation Cyberinfrastructure Council, https://www.nsf.gov/pubs/2007/nsf0728/nsf0728_1.pdf, last access: 29.9.2018Google Scholar
  16. 16.
    Rat für Informationsinfrastrukturen (2016) Leistung aus Vielfalt. Empfehlungen zu Strukturen, Prozessen und Finanzierung des Forschungsdatenmanagements in Deutschland. Rat für Informationsstrukturen, GöttingenGoogle Scholar
  17. 17.
    Rat für Informationsinfrastrukturen (2017) Entwicklung von Forschungsdateninfrastrukturen im internationalen Vergleich: Bericht und Anregungen Rat für Informationsinfrastrukturen. urn:nbn:de:101:1-201711084652Google Scholar
  18. 18.
    Scheider S, Gräler B, Pebesma E, Stasch C (2016) Modeling spatiotemporal information generation. Intern J Geogr Inf Sci 30(10):1980–2008, https://doi.org/10.1080/13658816.2016.1151520Google Scholar
  19. 19.
    de Smith MG, Longley P (2015) Geospatial analysis. http://www.spatialanalysisonline.com, last access: 19.12.2018Google Scholar
  20. 20.
    Stasch C, Foerster T, Autermann C, Pebesma E (2012) Spatio-temporal aggregation of European air quality observations in the Sensor Web. Comput Geosci 47:111–118, https://doi.org/10.1016/j.cageo.2011.11.008CrossRefGoogle Scholar
  21. 21.
    Stasch C, Scheider S, Pebesma E, Kuhn W (2014) Meaningful spatial prediction and aggregation. Environ Modell Softw 51:149–165, https://doi.org/10.1016/j.envsoft.2013.09.006CrossRefGoogle Scholar
  22. 22.
    Tomlin D (1990) Geographic information systems and cartographic modelling. Prentice-Hall, Englewood CliffsGoogle Scholar
  23. 23.
    Voinov A, Shugart HH (2013) “Integronsters”, integral and integrated modeling. Environ Modell Softw 39:149–158, http://dx.doi.org/10.1016/j.envsoft.2012.05.014CrossRefGoogle Scholar
  24. 24.
    Wang S, Anselin L, Bhaduri B, Crosby C, Goodchild MF, Liu Y, Nyerges TL (2013) CyberGIS software: a synthetic review and integration roadmap. Int J Geogr Inf Sci 27(11):2122–2145, https://doi.org/10.1080/13658816.2013.776049CrossRefGoogle Scholar
  25. 25.
    Wiemann S (2017) Formalization and web-based implementation of spatial data fusion. Comp Geosci 99:107–115, https://doi.org/10.1016/j.cageo.2016.10.014CrossRefGoogle Scholar
  26. 26.
    Wiemann S, Bernard L (2016) Spatial data fusion in spatial data infrastructures using Linked Data. Intern J Geogr Inf Sci 30(4):613–636, doi:10.1080/13658816.2015.1084420CrossRefGoogle Scholar
  27. 27.
    Wiemann S, Karrasch P, Bernard L (2018) Ad-hoc combination and analysis of heterogeneous and distributed spatial data for environmental monitoring – design and prototype of a web-based solution. Intern J Digit Earth 11(1):79–94, https://doi.org/10.1080/17538947.2017.1326984CrossRefGoogle Scholar
  28. 28.
    Wiemann SR, Karrasch P, Brauner J, Pech K, Bernard L (2012) Classification-driven air pollution mapping as for environment and health analysis. Paper presented at the iEMSs Sixth Biennial Meeting: International Congress on Environmental Modelling and Software (iEMSs 2012). International Environmental Modelling and Software SocietyGoogle Scholar
  29. 29.
    Wissenschaftsrat (2012) Empfehlungen zur Weiterentwicklung der wissenschaftlichen Informationsinfrastrukturen in Deutschland bis 2020, http://www.wissenschaftsrat.de/download/archiv/2359-12.pdf, letzter Zugriff: 19.12.2018Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2018

Authors and Affiliations

  1. 1.Fakultät Umweltwissenschaften, Professur für GeoinformatikTechnische Universität DresdenDresdenDeutschland

Personalised recommendations