rows { options { physical_type: PHYSICAL_STREAM_TYPE_QUADS max_name_table_size: 128 max_prefix_table_size: 16 max_datatype_table_size: 16 logical_type: LOGICAL_STREAM_TYPE_DATASETS version: 2 } } rows { prefix { value: "https://w3id.org/np/" } } rows { name { value: "RAMOg50yfpeJXLGlPh1y_nnYYQKZCIMcC6EQ3z_JrmwbE" } } rows { namespace { name: "this" value { prefix_id: 1 } } } rows { prefix { value: "https://w3id.org/np/RAMOg50yfpeJXLGlPh1y_nnYYQKZCIMcC6EQ3z_JrmwbE/" } } rows { name { } } rows { namespace { name: "sub" value { prefix_id: 2 } } } rows { prefix { value: "http://www.nanopub.org/nschema#" } } rows { namespace { name: "np" value { prefix_id: 3 name_id: 2 } } } rows { prefix { value: "http://purl.org/dc/terms/" } } rows { namespace { name: "dct" value { prefix_id: 4 name_id: 2 } } } rows { prefix { value: "http://purl.org/pav/" } } rows { namespace { name: "pav" value { prefix_id: 5 name_id: 2 } } } rows { prefix { value: "http://www.w3.org/1999/02/22-rdf-syntax-ns#" } } rows { namespace { name: "rdf" value { prefix_id: 6 name_id: 2 } } } rows { prefix { value: "http://www.w3.org/2002/07/owl#" } } rows { namespace { name: "owl" value { prefix_id: 7 name_id: 2 } } } rows { prefix { value: "http://www.w3.org/2004/03/trix/rdfg-1/" } } rows { namespace { name: "rdfg" value { prefix_id: 8 name_id: 2 } } } rows { prefix { value: "http://purl.org/dc/elements/1.1/" } } rows { namespace { name: "dce" value { prefix_id: 9 name_id: 2 } } } rows { prefix { value: "http://www.w3.org/2001/XMLSchema#" } } rows { namespace { name: "xsd" value { prefix_id: 10 name_id: 2 } } } rows { prefix { value: "http://www.w3.org/2000/01/rdf-schema#" } } rows { namespace { name: "rdfs" value { prefix_id: 11 name_id: 2 } } } rows { prefix { value: "http://www.w3.org/ns/prov#" } } rows { namespace { name: "prov" value { prefix_id: 12 name_id: 2 } } } rows { prefix { value: "http://purl.org/nanopub/x/" } } rows { namespace { name: "npx" value { prefix_id: 13 name_id: 2 } } } rows { name { value: "hasAssertion" } } rows { name { value: "assertion" } } rows { name { value: "Head" } } rows { quad { s_iri { prefix_id: 1 name_id: 1 } p_iri { prefix_id: 3 name_id: 3 } o_iri { prefix_id: 2 } g_iri { } } } rows { name { value: "hasProvenance" } } rows { name { value: "provenance" } } rows { quad { p_iri { prefix_id: 3 } o_iri { prefix_id: 2 } } } rows { name { value: "hasPublicationInfo" } } rows { name { value: "pubinfo" } } rows { quad { p_iri { prefix_id: 3 } o_iri { prefix_id: 2 } } } rows { name { value: "type" } } rows { name { value: "Nanopublication" } } rows { quad { p_iri { prefix_id: 6 } o_iri { prefix_id: 3 } } } rows { prefix { value: "http://eurovoc.europa.eu/" } } rows { name { value: "2114" } } rows { prefix { value: "http://schema.org/" } } rows { name { value: "description" } } rows { quad { s_iri { prefix_id: 14 } p_iri { prefix_id: 15 } o_literal { } g_iri { prefix_id: 2 name_id: 4 } } } rows { name { value: "name" } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Oceanography" } } } rows { name { value: "DefinedTerm" } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 15 } } } rows { name { value: "2919" } } rows { quad { s_iri { prefix_id: 14 } p_iri { prefix_id: 15 name_id: 13 } o_literal { } } } rows { quad { p_iri { } o_literal { lex: "Environmental research" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 15 } } } rows { name { value: "c_a935cf3f" } } rows { quad { s_iri { prefix_id: 14 name_id: 17 } p_iri { prefix_id: 15 name_id: 13 } o_literal { } } } rows { quad { p_iri { } o_literal { lex: "Earth observation" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 15 } } } rows { prefix { value: "https://210507-004.oceansvirtual.com/view/content/skdwP611e3583eba2b/" } } rows { name { value: "ecf65c2aaf278557ad05c213247d67a54196c9376a0aed8f1875681f182daeed" } } rows { name { value: "author" } } rows { prefix { id: 4 } } rows { name { value: "mailto:environmental.ds.book@gmail.com" } } rows { quad { s_iri { prefix_id: 16 name_id: 18 } p_iri { prefix_id: 15 } o_iri { prefix_id: 4 } } } rows { name { value: "contentUrl" } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://210507-004.oceansvirtual.com/view/content/skdwP611e3583eba2b/ecf65c2aaf278557ad05c213247d67a54196c9376a0aed8f1875681f182daeed" } } } rows { name { value: "creator" } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { name { value: "dateCreated" } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-28 16:07:40.875698+00:00" } } } rows { name { value: "dateModified" } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:18.383109+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Related publication of the modelling published in OCEANS 2021" } } } rows { name { value: "license" } } rows { prefix { value: "https://choosealicense.com/no-permission/" } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Detecting macro floating objects on coastal water bodies using sentinel-2 data" } } } rows { name { value: "sdDatePublished" } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-28 16:07:40.875698+00:00" } } } rows { prefix { id: 7 value: "http://purl.org/dc/terms/" } } rows { name { value: "BibliographicResource" } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 7 name_id: 27 } } } rows { prefix { value: "http://purl.org/wf4ever/wf4ever#" } } rows { name { value: "Resource" } } rows { quad { o_iri { prefix_id: 8 } } } rows { name { value: "MediaObject" } } rows { quad { o_iri { prefix_id: 15 } } } rows { prefix { value: "https://doi.org/10.5194/" } } rows { name { value: "isprs-annals-V-3-2021-285-2021" } } rows { quad { s_iri { prefix_id: 9 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://doi.org/10.5194/isprs-annals-V-3-2021-285-2021" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-28 16:07:43.339740+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:10.761926+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Publication with further details of the modelling published in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Towards detecting floating objects on a global scale with learned spatial features using sentinel 2" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-28 16:07:43.339740+00:00" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 7 name_id: 27 } } } rows { quad { o_iri { prefix_id: 8 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { prefix { value: "https://doi.org/10.5281/" } } rows { name { value: "zenodo.5827376" } } rows { quad { s_iri { prefix_id: 10 name_id: 31 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://doi.org/10.5281/zenodo.5827376" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-28 16:07:34.662177+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:06.699231+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Contains input analysis-ready input images used in the Jupyter notebook of Detecting floating objects using deep learning and Sentinel-2 imagery" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Input images" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-28 16:07:34.662177+00:00" } } } rows { name { value: "Dataset" } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 8 name_id: 32 } } } rows { quad { o_iri { name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { name { value: "zenodo.5911143" } } rows { quad { s_iri { prefix_id: 10 name_id: 33 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://doi.org/10.5281/zenodo.5911143" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-28 16:07:38.160206+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:18.581833+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Contains outputs, (predictions and interactive figure), generated in the Jupyter notebook of Detecting floating objects using deep learning and Sentinel-2 imagery" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Outputs" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-28 16:07:38.160206+00:00" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 8 name_id: 32 } } } rows { quad { o_iri { name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { prefix { value: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/.binder/" } } rows { name { value: "environment.yml" } } rows { quad { s_iri { prefix_id: 11 name_id: 34 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/.binder/environment.yml" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-31 11:32:03.379546+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:11.773076+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Conda environment when user want to have the same libraries installed without concerns of package versions" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Conda environment" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-31 11:32:03.379546+00:00" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 8 name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { prefix { value: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/.lock/" } } rows { name { value: "conda-linux-64.lock" } } rows { quad { s_iri { prefix_id: 12 name_id: 35 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/.lock/conda-linux-64.lock" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-31 11:16:54.901085+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:11.425502+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Lock conda file for linux-64 OS of the Jupyter Book hosted by the Environmental Data Science Book" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Lock conda file for linux-64" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-31 11:16:54.901085+00:00" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 8 name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { name { value: "conda-osx-64.lock" } } rows { quad { s_iri { prefix_id: 12 name_id: 36 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/.lock/conda-osx-64.lock" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-31 11:16:56.332731+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:06.870068+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Lock conda file for osx-64 OS of the Jupyter Book hosted by the Environmental Data Science Book" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Lock conda file for osx-64" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-31 11:16:56.332731+00:00" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 8 name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { name { value: "requirements.txt" } } rows { quad { s_iri { prefix_id: 12 name_id: 37 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/.lock/requirements.txt" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-31 11:27:45.283002+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:07.441883+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Pip requirements file containing libraries to install after conda lock" } } } rows { name { value: "encodingFormat" } } rows { quad { p_iri { name_id: 38 } o_literal { lex: "text/plain" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Pip requirements for lock conda environments" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-31 11:27:45.283002+00:00" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 8 name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { prefix { value: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/" } } rows { name { value: "ocean-modelling-litter-philab.ipynb" } } rows { quad { s_iri { prefix_id: 13 name_id: 39 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/ocean-modelling-litter-philab.ipynb" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-28 16:07:32.857476+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:10.913044+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Jupyter Notebook hosted by the Environmental Data Science Book" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Jupyter notebook" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-28 16:07:32.857476+00:00" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 8 name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { prefix { id: 1 value: "http://w3id.org/ro/" } } rows { name { value: "earth-scienceJupyterNotebook" } } rows { quad { o_iri { prefix_id: 1 name_id: 40 } } } rows { prefix { id: 3 value: "https://the-environmental-ds-book.netlify.app/gallery/modelling/ocean-modelling-litter-philab/" } } rows { name { value: "ocean-modelling-litter-philab.html" } } rows { quad { s_iri { prefix_id: 3 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 4 } } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "https://the-environmental-ds-book.netlify.app/gallery/modelling/ocean-modelling-litter-philab/ocean-modelling-litter-philab.html" } } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-31 11:16:52.095424+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:18.188755+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Rendered version of the Jupyter Notebook hosted by the Environmental Data Science Book" } } } rows { quad { p_iri { name_id: 38 } o_literal { lex: "text/html" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Online rendered version of the Jupyter notebook" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-31 11:16:52.095424+00:00" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 8 name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { name { value: "publication" } } rows { quad { o_iri { name_id: 42 } } } rows { prefix { id: 2 value: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee/#" } } rows { name { value: "09573fe7-1995-4243-9989-816edef2d48d" } } rows { quad { s_iri { prefix_id: 2 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "POLYGON ((119.12620106576212 39.27393119797617, 119.19563809273966 39.27393119797617, 119.19563809273966 39.30980175207518, 119.12620106576212 39.30980175207518, 119.12620106576212 39.27393119797617))" } } } rows { name { value: "polygon" } } rows { quad { p_iri { name_id: 44 } o_literal { lex: "119.12620106576212 39.27393119797617, 119.19563809273966 39.27393119797617, 119.19563809273966 39.30980175207518, 119.12620106576212 39.30980175207518, 119.12620106576212 39.27393119797617" } } } rows { name { value: "GeoShape" } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 45 } } } rows { name { value: "1c45fdc9-4d14-41a5-9c10-1d0ce985da7e" } } rows { quad { s_iri { prefix_id: 2 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "POLYGON ((26.521543885417145 39.03722381230471, 26.52744474524991 39.03722381230471, 26.52744474524991 39.04105711064335, 26.521543885417145 39.04105711064335, 26.521543885417145 39.03722381230471))" } } } rows { quad { p_iri { name_id: 44 } o_literal { lex: "26.521543885417145 39.03722381230471, 26.52744474524991 39.03722381230471, 26.52744474524991 39.04105711064335, 26.521543885417145 39.04105711064335, 26.521543885417145 39.03722381230471" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 45 } } } rows { name { value: "38d5ca95-ddb5-4d9e-a3f1-5e1f46c34d8e" } } rows { name { value: "geo" } } rows { name { value: "749ddf8a-74ed-47dc-80b4-6ceeff5470c8" } } rows { quad { s_iri { prefix_id: 2 name_id: 47 } p_iri { prefix_id: 15 } o_iri { prefix_id: 2 } } } rows { name { value: "identifier" } } rows { quad { p_iri { prefix_id: 15 } o_literal { lex: "38d5ca95-ddb5-4d9e-a3f1-5e1f46c34d8e" } } } rows { quad { p_iri { name_id: 14 } o_literal { lex: "POLYGON ((-86.82548387 20.977342054, -86.751891297 20.977342054, -86.751891297 21.033273193, -86.82548387 21.033273193, -86.82548387 20.977342054))" } } } rows { name { value: "Place" } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 51 } } } rows { quad { s_iri { prefix_id: 2 name_id: 49 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "POLYGON ((-86.82548387 20.977342054, -86.751891297 20.977342054, -86.751891297 21.033273193, -86.82548387 21.033273193, -86.82548387 20.977342054))" } } } rows { quad { p_iri { name_id: 44 } o_literal { lex: "-86.82548387 20.977342054, -86.751891297 20.977342054, -86.751891297 21.033273193, -86.82548387 21.033273193, -86.82548387 20.977342054" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 45 } } } rows { name { value: "90cb952b-47f6-4a7c-ad0f-b8bae7580f04" } } rows { quad { s_iri { prefix_id: 2 name_id: 52 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "POLYGON ((-43.2315509040757 -22.80675019122663, -43.02418396071632 -22.80675019122663, -43.02418396071632 -22.678831998280632, -43.2315509040757 -22.678831998280632, -43.2315509040757 -22.80675019122663))" } } } rows { quad { p_iri { name_id: 44 } o_literal { lex: "-43.2315509040757 -22.80675019122663, -43.02418396071632 -22.80675019122663, -43.02418396071632 -22.678831998280632, -43.2315509040757 -22.678831998280632, -43.2315509040757 -22.80675019122663" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 45 } } } rows { name { value: "993ba5e9-67e3-496f-8e97-d43254eb571d" } } rows { quad { s_iri { prefix_id: 2 name_id: 53 } p_iri { prefix_id: 15 name_id: 48 } o_iri { prefix_id: 2 name_id: 52 } } } rows { quad { p_iri { prefix_id: 15 name_id: 50 } o_literal { lex: "993ba5e9-67e3-496f-8e97-d43254eb571d" } } } rows { quad { p_iri { name_id: 14 } o_literal { lex: "POLYGON ((-43.2315509040757 -22.80675019122663, -43.02418396071632 -22.80675019122663, -43.02418396071632 -22.678831998280632, -43.2315509040757 -22.678831998280632, -43.2315509040757 -22.80675019122663))" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 51 } } } rows { name { value: "9fa25356-ef26-449b-acd1-0bb285a4ab88" } } rows { quad { s_iri { prefix_id: 2 name_id: 54 } p_iri { prefix_id: 15 name_id: 48 } o_iri { prefix_id: 2 name_id: 43 } } } rows { quad { p_iri { prefix_id: 15 name_id: 50 } o_literal { lex: "9fa25356-ef26-449b-acd1-0bb285a4ab88" } } } rows { quad { p_iri { name_id: 14 } o_literal { lex: "POLYGON ((119.12620106576212 39.27393119797617, 119.19563809273966 39.27393119797617, 119.19563809273966 39.30980175207518, 119.12620106576212 39.30980175207518, 119.12620106576212 39.27393119797617))" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 51 } } } rows { name { value: "a77b9ac6-e3ac-48fc-a386-b444c3c658f1" } } rows { quad { s_iri { prefix_id: 2 name_id: 55 } p_iri { prefix_id: 15 name_id: 48 } o_iri { prefix_id: 2 name_id: 46 } } } rows { quad { p_iri { prefix_id: 15 name_id: 50 } o_literal { lex: "a77b9ac6-e3ac-48fc-a386-b444c3c658f1" } } } rows { quad { p_iri { name_id: 14 } o_literal { lex: "POLYGON ((26.521543885417145 39.03722381230471, 26.52744474524991 39.03722381230471, 26.52744474524991 39.04105711064335, 26.521543885417145 39.04105711064335, 26.521543885417145 39.03722381230471))" } } } rows { quad { p_iri { prefix_id: 6 name_id: 10 } o_iri { prefix_id: 15 name_id: 51 } } } rows { prefix { id: 14 value: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee/" } } rows { name { value: "doi" } } rows { quad { s_iri { prefix_id: 14 name_id: 2 } p_iri { prefix_id: 7 name_id: 56 } o_literal { lex: "https://doi.org/10.24424/xe24-7z73" } } } rows { prefix { id: 16 value: "http://purl.org/wf4ever/roevo#" } } rows { name { value: "isFinalized" } } rows { quad { p_iri { prefix_id: 16 } o_literal { lex: "False" } } } rows { name { value: "isSnapshotOf" } } rows { prefix { id: 9 value: "https://w3id.org/ro-id/" } } rows { name { value: "b34facfa-cea8-48f5-89f6-f11ce00812a9" } } rows { quad { p_iri { } o_iri { prefix_id: 9 } } } rows { name { value: "snapshotedAtTime" } } rows { quad { p_iri { prefix_id: 16 } o_literal { lex: "2022-10-27 21:00:20.753040+00:00" } } } rows { name { value: "snapshotedBy" } } rows { quad { p_iri { } o_iri { prefix_id: 4 name_id: 20 } } } rows { name { value: "about" } } rows { prefix { value: "http://eurovoc.europa.eu/" } } rows { quad { p_iri { prefix_id: 15 name_id: 62 } o_iri { prefix_id: 10 name_id: 12 } } } rows { quad { o_iri { name_id: 16 } } } rows { quad { o_iri { } } } rows { prefix { value: "mailto:https://orcid.org/" } } rows { name { value: "0000-0002-9480-7387" } } rows { quad { p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 11 name_id: 63 } } } rows { name { value: "0000-0003-0808-3480" } } rows { quad { o_iri { } } } rows { name { value: "contentLocation" } } rows { quad { p_iri { prefix_id: 15 } o_iri { prefix_id: 2 name_id: 47 } } } rows { quad { o_iri { name_id: 53 } } } rows { quad { o_iri { } } } rows { quad { o_iri { } } } rows { name { value: "contentSize" } } rows { datatype { value: "http://www.w3.org/2001/XMLSchema#integer" } } rows { quad { p_iri { prefix_id: 15 name_id: 66 } o_literal { lex: "386374" datatype: 1 } } } rows { quad { p_iri { name_id: 21 } o_literal { lex: "https://api.rohub.org/api/ros/59fb5813-d6c0-41b0-96a8-9ce42df766ee/crate/download/" } } } rows { name { value: "contributor" } } rows { prefix { value: "mailto:https://github.com/" } } rows { name { value: "acocac" } } rows { quad { p_iri { name_id: 67 } o_iri { prefix_id: 12 } } } rows { quad { p_iri { prefix_id: 15 name_id: 22 } o_iri { prefix_id: 4 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-28 16:07:18.008253+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2024-03-05 12:17:34.761343+00:00" } } } rows { name { value: "datePublished" } } rows { quad { p_iri { name_id: 69 } o_literal { lex: "2022-01-28 16:07:18.008253+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "The research object refers to the Detecting floating objects using deep learning and Sentinel-2 imagery notebook published in the Environmental Data Science book." } } } rows { quad { p_iri { name_id: 38 } o_literal { lex: "application/ld+json" } } } rows { name { value: "hasPart" } } rows { prefix { value: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee/folders/" } } rows { name { value: "210019b6-14d7-4167-9a67-d0faa36c2230" } } rows { quad { p_iri { name_id: 70 } o_iri { prefix_id: 13 } } } rows { name { value: "2e4ca777-a9bf-4055-90df-b731e829f20f" } } rows { quad { o_iri { } } } rows { name { value: "c009d2b5-9a96-4e42-9cb9-ace58e4f20ee" } } rows { quad { o_iri { } } } rows { name { value: "ed0503c9-bccc-43fa-9f9e-77d28623e39a" } } rows { quad { o_iri { } } } rows { prefix { id: 1 value: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee/resources/" } } rows { name { value: "1c57a67a-fa2c-45cf-8029-106468a2294e" } } rows { quad { o_iri { prefix_id: 1 } } } rows { quad { p_iri { prefix_id: 15 name_id: 50 } o_literal { lex: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee" } } } rows { name { value: "keywords" } } rows { quad { p_iri { name_id: 76 } o_literal { lex: "Environmental Science" } } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 5 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Detecting floating objects using deep learning and Sentinel-2 imagery (Jupyter Notebook) published in the Environmental Data Science book - snapshot" } } } rows { quad { o_literal { lex: "Detecting floating objects using deep learning and Sentinel-2 imagery (Jupyter Notebook) published in the Environmental Data Science book" } } } rows { prefix { id: 3 value: "http://w3id.org/ro-id/rohub/model#" } } rows { name { value: "community" } } rows { prefix { id: 8 value: "https://w3id.org/ro-id/communities/" } } rows { name { value: "379a4687-de50-44c7-b7bd-37125ebd4ff7" } } rows { quad { p_iri { prefix_id: 3 name_id: 77 } o_iri { prefix_id: 8 } } } rows { name { value: "creation_mode" } } rows { quad { p_iri { prefix_id: 3 } o_literal { lex: "MANUAL" } } } rows { name { value: "enrichmentSubject" } } rows { prefix { id: 6 value: "https://w3id.org/ro-id/enrichment/" } } rows { name { value: "0377b051-174a-4f00-a911-765a11cac2de" } } rows { quad { p_iri { } o_iri { prefix_id: 6 } } } rows { name { value: "06be9155-67d8-4ade-8901-151e0a272365" } } rows { quad { o_iri { } } } rows { name { value: "08e0351b-3858-4363-8ae0-bd551870937e" } } rows { quad { o_iri { } } } rows { name { value: "0ff7d5b8-1df3-4501-bc15-fd3227ddcd2f" } } rows { quad { o_iri { } } } rows { name { value: "184b9900-d4a3-43d5-afb8-572700f8f546" } } rows { quad { o_iri { } } } rows { name { value: "1c0ac02d-a05f-4590-a632-07c5ab8172fc" } } rows { quad { o_iri { } } } rows { name { value: "41665c0d-52de-4a82-965c-fad43a23d547" } } rows { quad { o_iri { } } } rows { name { value: "41e37786-e915-4bcb-b46d-e2e7e817686e" } } rows { quad { o_iri { } } } rows { name { value: "45742e8f-7b16-405d-8f3d-aeec6e45340a" } } rows { quad { o_iri { } } } rows { name { value: "4d59a2f4-ebcd-4a82-947c-8d33ab7c5547" } } rows { quad { o_iri { } } } rows { name { value: "5419a7d3-4081-4c9d-be89-bd9f557bef8a" } } rows { quad { o_iri { } } } rows { name { value: "57fe90d3-388e-49e7-b73e-6862f7e866bb" } } rows { quad { o_iri { } } } rows { name { value: "64aac535-e8dd-448b-b425-0b8733362880" } } rows { quad { o_iri { } } } rows { name { value: "659188ba-b8e4-4975-bac7-5254bf04d834" } } rows { quad { o_iri { } } } rows { name { value: "65f5b35d-5ee2-4a19-b5cf-4eaeffdde453" } } rows { quad { o_iri { } } } rows { name { value: "69c4353f-1d90-4954-a5e3-0abe77d68214" } } rows { quad { o_iri { } } } rows { name { value: "6e9ae2ab-b402-496f-9078-c39fc2065f2f" } } rows { quad { o_iri { } } } rows { name { value: "74041097-866a-443c-9e36-92aa480d7b97" } } rows { quad { o_iri { } } } rows { name { value: "74e626ea-1fd6-41bb-a080-dbf709c4c107" } } rows { quad { o_iri { } } } rows { name { value: "83c4f2b4-76de-4bd6-91b0-8fa162e1dc70" } } rows { quad { o_iri { } } } rows { name { value: "89b15b0d-5ef8-4885-b4c3-87f03af146bf" } } rows { quad { o_iri { } } } rows { name { value: "95a80c8a-2122-4df3-aa75-51b8fdd4ed4c" } } rows { quad { o_iri { } } } rows { name { value: "a77e9b99-5e96-446f-a5f0-2337e8e9f8c6" } } rows { quad { o_iri { } } } rows { name { value: "c08b67d6-3a2d-4b17-8541-a1352897af6f" } } rows { quad { o_iri { } } } rows { name { value: "cdace664-0fa8-4342-8944-812ca3625fd3" } } rows { quad { o_iri { } } } rows { name { value: "d480bfe3-baf5-490d-add2-964dd613b0f0" } } rows { quad { o_iri { } } } rows { name { value: "d86ab373-e962-47a6-aad4-d1cbaa2ff808" } } rows { quad { o_iri { } } } rows { name { value: "d9717b21-ae31-48ba-82c6-c0d9649ff1d4" } } rows { quad { o_iri { } } } rows { name { value: "dc60cc43-fa9e-4470-8828-cba3cb4828b2" } } rows { quad { o_iri { } } } rows { name { value: "f1cdfd01-89d2-4e38-bd6b-e5925060492c" } } rows { quad { o_iri { } } } rows { name { value: "f8dd1456-3282-4718-a3bf-d5cef9d76e65" } } rows { quad { o_iri { } } } rows { prefix { id: 14 value: "http://www.opengis.net/ont/geosparql#" } } rows { name { value: "hasGeometry" } } rows { prefix { id: 7 value: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee/" } } rows { name { value: "19f9ef3f-8678-48f5-a9ac-cf364939dcda" } } rows { quad { p_iri { prefix_id: 14 } o_iri { prefix_id: 7 } } } rows { name { value: "4b55fad1-092b-4657-a004-aafc05499e18" } } rows { quad { o_iri { } } } rows { name { value: "e2eba045-3c2c-44a1-aa39-06cc232d05f9" } } rows { quad { o_iri { } } } rows { prefix { id: 9 value: "http://www.w3.org/1999/02/22-rdf-syntax-ns#" } } rows { prefix { id: 16 value: "http://purl.org/wf4ever/ro#" } } rows { name { value: "ResearchObject" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 16 name_id: 116 } } } rows { prefix { id: 10 value: "http://purl.org/wf4ever/roevo#" } } rows { name { value: "SnapshotRO" } } rows { quad { o_iri { prefix_id: 10 } } } rows { quad { o_iri { prefix_id: 15 name_id: 32 } } } rows { prefix { value: "http://w3id.org/ro/" } } rows { name { value: "earth-scienceExecutableResearchObject" } } rows { quad { o_iri { prefix_id: 11 name_id: 118 } } } rows { prefix { id: 2 value: "https://w3id.org/ro/terms/earth-science#" } } rows { name { value: "ExecutableResearchObject" } } rows { quad { o_iri { prefix_id: 2 } } } rows { prefix { id: 12 value: "https://www.w3.org/ns/iana/link-relations/relation#" } } rows { name { value: "cite-as" } } rows { quad { p_iri { prefix_id: 12 } o_literal { lex: "Raquel Carmo, Jamila Mifdal, and Alejandro Coca-Castro. \"Detecting floating objects using deep learning and Sentinel-2 imagery (Jupyter Notebook) published in the Environmental Data Science book.\" ROHub. Jan 28 ,2022. https://doi.org/10.24424/xe24-7z73." } } } rows { prefix { id: 4 value: "https://doi.org/10.5281/" } } rows { quad { s_iri { prefix_id: 13 name_id: 71 } p_iri { prefix_id: 15 name_id: 70 } o_iri { prefix_id: 4 name_id: 31 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "input" } } } rows { prefix { id: 1 value: "http://purl.org/wf4ever/wf4ever#" } } rows { name { value: "Folder" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 1 name_id: 121 } } } rows { quad { o_iri { prefix_id: 15 name_id: 32 } } } rows { prefix { id: 5 value: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/.binder/" } } rows { quad { s_iri { prefix_id: 13 name_id: 72 } p_iri { prefix_id: 15 name_id: 70 } o_iri { prefix_id: 5 name_id: 34 } } } rows { prefix { id: 8 value: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/.lock/" } } rows { quad { o_iri { prefix_id: 8 } } } rows { quad { o_iri { } } } rows { quad { o_iri { } } } rows { prefix { id: 3 value: "https://github.com/Environmental-DS-Book/ocean-modelling-litter-philab/blob/main/" } } rows { quad { o_iri { prefix_id: 3 name_id: 39 } } } rows { prefix { id: 6 value: "https://the-environmental-ds-book.netlify.app/gallery/modelling/ocean-modelling-litter-philab/" } } rows { quad { o_iri { prefix_id: 6 name_id: 41 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "tool" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 1 name_id: 121 } } } rows { quad { o_iri { prefix_id: 15 name_id: 32 } } } rows { prefix { id: 14 value: "https://210507-004.oceansvirtual.com/view/content/skdwP611e3583eba2b/" } } rows { quad { s_iri { prefix_id: 13 name_id: 73 } p_iri { prefix_id: 15 name_id: 70 } o_iri { prefix_id: 14 name_id: 18 } } } rows { prefix { id: 7 value: "https://doi.org/10.5194/" } } rows { quad { o_iri { prefix_id: 7 name_id: 30 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "biblio" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 1 name_id: 121 } } } rows { quad { o_iri { prefix_id: 15 name_id: 32 } } } rows { quad { s_iri { prefix_id: 13 name_id: 74 } p_iri { prefix_id: 15 name_id: 70 } o_iri { prefix_id: 4 name_id: 33 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "output" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 1 name_id: 121 } } } rows { quad { o_iri { prefix_id: 15 name_id: 32 } } } rows { prefix { id: 16 value: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee/resources/" } } rows { prefix { id: 10 } } rows { quad { s_iri { prefix_id: 16 name_id: 75 } p_iri { prefix_id: 15 name_id: 19 } o_iri { prefix_id: 10 } } } rows { quad { p_iri { prefix_id: 15 name_id: 66 } o_literal { lex: "362051" datatype: 1 } } } rows { quad { p_iri { name_id: 21 } o_literal { lex: "https://api.rohub.org/api/resources/1c57a67a-fa2c-45cf-8029-106468a2294e/download/" } } } rows { quad { p_iri { } o_iri { prefix_id: 10 name_id: 20 } } } rows { quad { p_iri { prefix_id: 15 name_id: 23 } o_literal { lex: "2022-01-28 16:07:27.708716+00:00" } } } rows { quad { p_iri { } o_literal { lex: "2022-10-27 21:00:20.672095+00:00" } } } rows { quad { p_iri { name_id: 13 } o_literal { lex: "Image showing the prediction of marine litter, sargassum, in Cancun, Mexico" } } } rows { quad { p_iri { name_id: 38 } o_literal { lex: "image/png" } } } rows { prefix { value: "https://choosealicense.com/no-permission/" } } rows { quad { p_iri { name_id: 25 } o_iri { prefix_id: 11 name_id: 2 } } } rows { quad { p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Prediction of marine litter, sargassum in Cancun, Mexico" } } } rows { quad { p_iri { name_id: 26 } o_literal { lex: "2022-01-28 16:07:27.708716+00:00" } } } rows { prefix { id: 2 value: "http://purl.org/wf4ever/roterms#" } } rows { name { value: "Sketch" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 2 name_id: 122 } } } rows { quad { o_iri { prefix_id: 1 name_id: 28 } } } rows { quad { o_iri { prefix_id: 15 } } } rows { prefix { id: 12 value: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee/" } } rows { name { value: "ro-crate-metadata.json" } } rows { prefix { id: 5 value: "http://purl.org/dc/terms/" } } rows { name { value: "conformsTo" } } rows { prefix { id: 8 value: "https://w3id.org/ro/crate/" } } rows { name { value: "1.1" } } rows { quad { s_iri { prefix_id: 12 name_id: 123 } p_iri { prefix_id: 5 } o_iri { prefix_id: 8 } } } rows { quad { p_iri { prefix_id: 15 name_id: 62 } o_iri { prefix_id: 12 name_id: 2 } } } rows { name { value: "CreativeWork" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 15 name_id: 126 } } } rows { prefix { id: 3 value: "https://w3id.org/ro-id/b34facfa-cea8-48f5-89f6-f11ce00812a/" } } rows { name { value: "0edc91a9-9049-4357-bad7-677880c8fd8a" } } rows { prefix { id: 6 value: "http://www.opengis.net/ont/geosparql#" } } rows { name { value: "asWKT" } } rows { quad { s_iri { prefix_id: 3 } p_iri { prefix_id: 6 } o_literal { lex: "POLYGON ((26.521543885417145 39.03722381230471, 26.52744474524991 39.03722381230471, 26.52744474524991 39.04105711064335, 26.521543885417145 39.04105711064335, 26.521543885417145 39.03722381230471))" } } } rows { name { id: 1 value: "Geometry" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 6 name_id: 1 } } } rows { prefix { id: 14 value: "http://www.opengis.net/ont/sf#" } } rows { name { id: 3 value: "Polygon" } } rows { quad { o_iri { prefix_id: 14 name_id: 3 } } } rows { quad { s_iri { prefix_id: 3 name_id: 113 } p_iri { prefix_id: 6 name_id: 128 } o_literal { lex: "POLYGON ((-43.2315509040757 -22.80675019122663, -43.02418396071632 -22.80675019122663, -43.02418396071632 -22.678831998280632, -43.2315509040757 -22.678831998280632, -43.2315509040757 -22.80675019122663))" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 6 name_id: 1 } } } rows { quad { o_iri { prefix_id: 14 name_id: 3 } } } rows { quad { s_iri { prefix_id: 3 name_id: 114 } p_iri { prefix_id: 6 name_id: 128 } o_literal { lex: "POLYGON ((-86.82548387 20.977342054, -86.751891297 20.977342054, -86.751891297 21.033273193, -86.82548387 21.033273193, -86.82548387 20.977342054))" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 6 name_id: 1 } } } rows { quad { o_iri { prefix_id: 14 name_id: 3 } } } rows { quad { s_iri { prefix_id: 3 name_id: 115 } p_iri { prefix_id: 6 name_id: 128 } o_literal { lex: "POLYGON ((119.12620106576212 39.27393119797617, 119.19563809273966 39.27393119797617, 119.19563809273966 39.30980175207518, 119.12620106576212 39.30980175207518, 119.12620106576212 39.27393119797617))" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 6 name_id: 1 } } } rows { quad { o_iri { prefix_id: 14 name_id: 3 } } } rows { prefix { id: 7 value: "https://w3id.org/ro-id/" } } rows { prefix { id: 13 value: "http://purl.org/wf4ever/ro#" } } rows { quad { s_iri { prefix_id: 7 name_id: 59 } o_iri { prefix_id: 13 name_id: 116 } } } rows { prefix { id: 4 value: "https://w3id.org/ro-id/communities/" } } rows { quad { s_iri { prefix_id: 4 name_id: 78 } p_iri { prefix_id: 15 name_id: 13 } o_literal { lex: "Computational notebooks community focused on Environmental Data Science" } } } rows { name { id: 5 value: "email" } } rows { quad { p_iri { name_id: 5 } o_literal { lex: "environmental.ds.book@gmail.com" } } } rows { quad { p_iri { name_id: 14 } o_literal { lex: "Environmental Data Science Book Community" } } } rows { name { value: "url" } } rows { quad { p_iri { name_id: 6 } o_literal { lex: "https://github.com/alan-turing-institute/environmental-ds-book/issues/new/choose" } } } rows { prefix { id: 16 value: "http://w3id.org/ro-id/rohub/model#" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 16 name_id: 77 } } } rows { prefix { id: 10 value: "https://w3id.org/ro-id/enrichment/" } } rows { quad { s_iri { prefix_id: 10 name_id: 81 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Environmental Data Science book" } } } rows { prefix { value: "https://w3id.org/ro/terms/earth-science#" } } rows { name { value: "Phrase" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 7 } } } rows { name { value: "normScore" } } rows { quad { p_iri { } o_literal { lex: "15.259409969481181" } } } rows { name { value: "score" } } rows { quad { p_iri { } o_literal { lex: "15.0" } } } rows { quad { s_iri { prefix_id: 10 name_id: 82 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "detecting" } } } rows { name { id: 11 value: "Lemma" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "15.269086357947433" } } } rows { quad { p_iri { } o_literal { lex: "12.2" } } } rows { quad { s_iri { prefix_id: 10 name_id: 83 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Language" } } } rows { name { id: 4 value: "IPTC" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 4 } } } rows { name { id: 15 value: "path" } } rows { quad { p_iri { name_id: 15 } o_literal { lex: "Arts, culture and entertainment/Culture/Language" } } } rows { quad { s_iri { prefix_id: 10 name_id: 84 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Sentinel-2" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "17.521902377972463" } } } rows { quad { p_iri { } o_literal { lex: "14.0" } } } rows { quad { s_iri { prefix_id: 10 name_id: 85 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "learning" } } } rows { name { id: 27 value: "Concept" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 27 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "10.540915395284328" } } } rows { quad { p_iri { } o_literal { lex: "7.6" } } } rows { quad { s_iri { prefix_id: 10 name_id: 86 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "physical object" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 27 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "11.511789181692096" } } } rows { quad { p_iri { } o_literal { lex: "8.3" } } } rows { quad { s_iri { prefix_id: 10 name_id: 87 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "geology" } } } rows { name { id: 40 value: "FieldOfResearch" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 40 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "100.0" } } } rows { quad { p_iri { } o_literal { lex: "0.5625630021095276" } } } rows { quad { s_iri { prefix_id: 10 name_id: 88 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "research" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 27 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "12.621359223300972" } } } rows { quad { p_iri { } o_literal { lex: "9.1" } } } rows { quad { s_iri { prefix_id: 10 name_id: 89 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Education" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 4 } } } rows { quad { p_iri { name_id: 15 } o_literal { lex: "Education" } } } rows { quad { s_iri { prefix_id: 10 name_id: 90 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "book" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 27 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "14.147018030513175" } } } rows { quad { p_iri { } o_literal { lex: "10.2" } } } rows { quad { s_iri { prefix_id: 10 name_id: 91 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "publishing" } } } rows { prefix { id: 2 value: "https://w3id.org/contentdesc#" } } rows { name { id: 42 value: "Domain" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 2 name_id: 42 } } } rows { quad { p_iri { prefix_id: 11 name_id: 8 } o_literal { lex: "100.0" } } } rows { quad { p_iri { } o_literal { lex: "4.8" } } } rows { quad { s_iri { prefix_id: 10 name_id: 92 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "research object" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 7 } } } rows { quad { p_iri { } o_literal { lex: "34.28280773143439" } } } rows { quad { p_iri { } o_literal { lex: "33.7" } } } rows { quad { s_iri { prefix_id: 10 name_id: 93 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "imagery" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 27 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "13.730929264909848" } } } rows { quad { p_iri { } o_literal { lex: "9.9" } } } rows { quad { s_iri { prefix_id: 10 name_id: 94 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "The research object refers to the Detecting floating objects using deep learning and Sentinel-2 imagery notebook published in the Environmental Data Science book." } } } rows { name { id: 49 value: "Sentence" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 49 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "56.45645645645645" } } } rows { quad { p_iri { } o_literal { lex: "56.4" } } } rows { quad { s_iri { prefix_id: 10 name_id: 95 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "object" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "11.76470588235294" } } } rows { quad { p_iri { } o_literal { lex: "9.4" } } } rows { quad { s_iri { prefix_id: 10 name_id: 96 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "research" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "12.891113892365455" } } } rows { quad { p_iri { } o_literal { lex: "10.3" } } } rows { quad { s_iri { prefix_id: 10 name_id: 97 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "engineering" } } } rows { name { id: 44 value: "NASA" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 44 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "100.0" } } } rows { quad { p_iri { } o_literal { lex: "0.5148147940635681" } } } rows { quad { s_iri { prefix_id: 10 name_id: 98 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "notebook" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 27 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "12.621359223300972" } } } rows { quad { p_iri { } o_literal { lex: "9.1" } } } rows { quad { s_iri { prefix_id: 10 name_id: 99 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Literature" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 4 } } } rows { quad { p_iri { name_id: 15 } o_literal { lex: "Arts, culture and entertainment/Arts and entertainment/Literature" } } } rows { quad { s_iri { prefix_id: 10 name_id: 100 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "deep learning" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 7 } } } rows { quad { p_iri { } o_literal { lex: "5.391658189216684" } } } rows { quad { p_iri { } o_literal { lex: "5.3" } } } rows { quad { s_iri { prefix_id: 10 name_id: 101 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Book industry" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 4 } } } rows { quad { p_iri { name_id: 15 } o_literal { lex: "Economy, business and finance/Economic sector/Media/Book industry" } } } rows { quad { s_iri { prefix_id: 10 name_id: 102 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Detecting floating objects using deep learning and Sentinel-2 imagery (Jupyter Notebook) published in the Environmental Data Science book." } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 49 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "43.54354354354354" } } } rows { quad { p_iri { } o_literal { lex: "43.5" } } } rows { quad { s_iri { prefix_id: 10 name_id: 103 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "communications and radar" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 44 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "100.0" } } } rows { quad { p_iri { } o_literal { lex: "0.5148147940635681" } } } rows { quad { s_iri { prefix_id: 10 name_id: 104 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "detection" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 27 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "15.395284327323164" } } } rows { quad { p_iri { } o_literal { lex: "11.1" } } } rows { quad { s_iri { prefix_id: 10 name_id: 105 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "earth sciences" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 40 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "100.0" } } } rows { quad { p_iri { } o_literal { lex: "0.5625630021095276" } } } rows { quad { s_iri { prefix_id: 10 name_id: 106 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "refer to the detecting" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 7 } } } rows { quad { p_iri { } o_literal { lex: "1.7293997965412005" } } } rows { quad { p_iri { } o_literal { lex: "1.7" } } } rows { quad { s_iri { prefix_id: 10 name_id: 107 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "Environmental Data Science" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "16.02002503128911" } } } rows { quad { p_iri { } o_literal { lex: "12.8" } } } rows { quad { s_iri { prefix_id: 10 name_id: 108 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "notebook" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "12.891113892365455" } } } rows { quad { p_iri { } o_literal { lex: "10.3" } } } rows { quad { s_iri { prefix_id: 10 name_id: 109 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "imagery" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "13.642052565707132" } } } rows { quad { p_iri { } o_literal { lex: "10.9" } } } rows { quad { s_iri { prefix_id: 10 name_id: 110 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "imagery notebook" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 7 } } } rows { quad { p_iri { } o_literal { lex: "43.336724313326556" } } } rows { quad { p_iri { } o_literal { lex: "42.6" } } } rows { quad { s_iri { prefix_id: 10 name_id: 111 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "object" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 11 name_id: 27 } } } rows { quad { p_iri { name_id: 8 } o_literal { lex: "9.431345353675452" } } } rows { quad { p_iri { } o_literal { lex: "6.8" } } } rows { prefix { id: 1 value: "mailto:https://github.com/" } } rows { name { value: "affiliation" } } rows { quad { s_iri { prefix_id: 1 name_id: 68 } p_iri { prefix_id: 15 name_id: 45 } o_literal { lex: "The Alan Turing Institute" } } } rows { quad { p_iri { name_id: 14 } o_literal { lex: "Alejandro Coca-Castro" } } } rows { prefix { id: 5 value: "http://xmlns.com/foaf/0.1/" } } rows { name { id: 52 value: "Agent" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 5 name_id: 52 } } } rows { prefix { id: 8 value: "mailto:https://orcid.org/" } } rows { quad { s_iri { prefix_id: 8 name_id: 63 } p_iri { prefix_id: 15 name_id: 45 } o_literal { lex: "European Space Agency \316\246-lab" } } } rows { quad { p_iri { name_id: 14 } o_literal { lex: "Jamila Mifdal" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 5 name_id: 52 } } } rows { quad { s_iri { prefix_id: 8 name_id: 64 } p_iri { prefix_id: 15 name_id: 45 } o_literal { lex: "European Space Agency \316\246-lab" } } } rows { quad { p_iri { name_id: 14 } o_literal { lex: "Raquel Carmo" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 5 name_id: 52 } } } rows { prefix { id: 12 } } rows { name { id: 43 value: "mailto:service-account-enrichment" } } rows { quad { s_iri { prefix_id: 12 name_id: 43 } p_iri { prefix_id: 15 name_id: 14 } o_literal { lex: "service-account-enrichment" } } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 5 name_id: 52 } } } rows { prefix { id: 3 value: "https://w3id.org/np/RAMOg50yfpeJXLGlPh1y_nnYYQKZCIMcC6EQ3z_JrmwbE/" } } rows { name { id: 48 value: "assertion" } } rows { prefix { id: 6 value: "http://www.w3.org/ns/prov#" } } rows { name { id: 46 value: "wasDerivedFrom" } } rows { prefix { id: 14 value: "https://api.rohub.org/api/ros/59fb5813-d6c0-41b0-96a8-9ce42df766ee/crate/download/" } } rows { name { id: 51 value: "provenance" } } rows { quad { s_iri { prefix_id: 3 name_id: 48 } p_iri { prefix_id: 6 name_id: 46 } o_iri { prefix_id: 14 name_id: 123 } g_iri { prefix_id: 3 name_id: 51 } } } rows { prefix { id: 7 value: "https://w3id.org/np/" } } rows { name { id: 56 value: "RAMOg50yfpeJXLGlPh1y_nnYYQKZCIMcC6EQ3z_JrmwbE" } } rows { prefix { id: 13 value: "http://purl.org/dc/terms/" } } rows { name { value: "created" } } rows { datatype { value: "http://www.w3.org/2001/XMLSchema#dateTime" } } rows { name { value: "pubinfo" } } rows { quad { s_iri { prefix_id: 7 name_id: 56 } p_iri { prefix_id: 13 } o_literal { lex: "2026-03-03T15:22:12.362+01:00" datatype: 2 } g_iri { prefix_id: 3 } } } rows { prefix { id: 4 value: "https://w3id.org/kpxl/gen/terms/" } } rows { name { id: 60 value: "RoCrateBot" } } rows { quad { p_iri { prefix_id: 13 name_id: 22 } o_iri { prefix_id: 4 name_id: 60 } } } rows { prefix { id: 16 value: "http://purl.org/nanopub/x/" } } rows { name { value: "introduces" } } rows { prefix { id: 2 value: "https://w3id.org/ro-id/59fb5813-d6c0-41b0-96a8-9ce42df766ee/" } } rows { quad { p_iri { prefix_id: 16 } o_iri { prefix_id: 2 name_id: 2 } } } rows { name { id: 12 value: "RoCrateNanopub" } } rows { quad { p_iri { prefix_id: 9 name_id: 10 } o_iri { prefix_id: 16 name_id: 12 } } } rows { prefix { id: 10 value: "http://www.w3.org/2000/01/rdf-schema#" } } rows { name { id: 16 value: "label" } } rows { quad { p_iri { prefix_id: 10 name_id: 16 } o_literal { lex: "Detecting floating objects using deep learning and Sentinel-2 imagery (Jupyter Notebook) published in the Environmental Data Science book" } } } rows { name { value: "sig" } } rows { name { id: 65 value: "hasAlgorithm" } } rows { quad { s_iri { prefix_id: 3 } p_iri { prefix_id: 16 name_id: 65 } o_literal { lex: "RSA" } } } rows { name { id: 47 value: "hasPublicKey" } } rows { quad { p_iri { name_id: 47 } o_literal { lex: "MIIBIjANBgkqhkiG9w0BAQEFAAOCAQ8AMIIBCgKCAQEAxszSDYX5tuCSkP7UiCtftYPFNQVTjgNu0I5fwdML2DLRDlp0xzmsQXRk8oHuvwGvG1aMjj6cpUqO+0rz2Sg/wvHOgUpkRH8VJXvmlkhafMLCMtUtk5JIx7e+fkzCby+fnmD7kMkGLrT+OaExWwEDmNlCAt0TPKcHSdwsjso2isXjtAsGevyCMke8ufnFYpjs746JES1eNzVnHnn2Kp/lqcm60GM+J8dLgRZp7fX0anW098xhKym6+xXFzqeju0vYRIHBPerv+r7skWxwk+a7Sd8msqVeYEv6NTqnyWvyWb6Yh8cvj04N6qm/T6C5FUPLQhzSaQgMVMU6yLqjPuu9DwIDAQAB" } } } rows { name { id: 53 value: "hasSignature" } } rows { quad { p_iri { name_id: 53 } o_literal { lex: "erecS8IrI6CQOoZJaJcjW1ttlbK+jIAa1OZPqNI5KfDXTernKV0GGyT4Yb6oY5GazzTIT45PW737676XF5IZS3FZif44KEkf9H1Sq0UCt2MjrpwVbFEQi+m+b+qJcCdF/06jqy2o+6X5V6HFYjfehr3/aVxDzPxnTB6fnGXc86Jjg0ft4gIHQrH6Vb98RKVLTbIbPL0jD+aDJ3h411QRs81qV3KfSN657g26nrfvZoJuaMAbTE2pDFRDVam7M1T/GvCHRuf5Gyd8Ay4ZAeTn3KSsc0nc/3ia1TPUaUy9Hhs9SsLK267cKkDbbsjr/HdgfRdkBPzHsNjrbhOn2gGoXQ==" } } } rows { name { value: "hasSignatureTarget" } } rows { quad { p_iri { } o_iri { prefix_id: 7 name_id: 56 } } } rows { name { value: "signedBy" } } rows { quad { p_iri { prefix_id: 16 name_id: 55 } o_iri { prefix_id: 4 name_id: 60 } } }