Provenance tracking using semantic web technologies?
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 20/100
Direzione di ricerca
No files, tests, or entry points are named. Start by reviewing cf-xarray's current scope and the referenced METACLIP, PROV, RDF, rdflib, and climate4R materials; the issue does not define an implementation boundary or a concrete completion criterion, so done would require an agreed design and scope first.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
In recent years, Semantic Web technologies have been used to record the data processing steps involved in producing climate products (i.e. maps, plots or any other climate research outcome stored in a file).
While Python packages such as rook and ESMValTool simply define their own bespoke / narrow adaptation of the PROV / RDF data model to suit their own needs, there have been attempts to define a comprehensive ontology for climate products (e.g. Bedia et al 2019, Zhang et al., 2020).
As far as I can tell, the most widely used ontology is METACLIP (METAdata for CLImate Products; see their website, flyer and paper), which was initially developed for the Copernicus QA4Seas seasonal forecasting project and is now also being used for the VALUE downscaling initiative. The METACLIP developers work in R and have integrated their approach to provenance tracking into the climate4R package.
I'm wondering if there's any interest in trying to figure out how to incorporate provenance tracking into xarray? There isn't a Python implementation of METACLIP yet, but presumably one could implement the ontology using rdflib. @huard suggested cf-xarray might be a good place to start the conversation around this, but happy to move the discussion elsewhere if it would be more appropriate?
- Lingua principale
- Python
- Stelle
- 181
- Fork
- 49
- Merge medio
- 43m
- PR unite (30g)
- 1
Preparare l'ambiente
Non abbiamo ancora controllato i file di configurazione di questo progetto. Parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di xarray-contrib/cf-xarray
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
xarray-contrib/cf-xarray#623 ·
-
Consider adding opt-in support for circular axes when calling `bounds_to_vertices` (related to #594)Aperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 38/100
xarray-contrib/cf-xarray#596 · 1 commento ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100
xarray-contrib/cf-xarray#570 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 15/100
xarray-contrib/cf-xarray#568 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
xarray-contrib/cf-xarray#566 · 2 commenti ·
Tutte le issue di xarray-contrib/cf-xarray
Issue simili
-
needs triage
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
openvinotoolkit/openvino_notebooks#3665 ·
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 86/100
I maintainer di solito rispondono entro 1 giorno
-
docs
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
I maintainer di solito rispondono entro 1 giorno
-
benchmark-gap
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno