一种基于Rust原生核心与代理调度的遥感数据处理方法

摘要: 本发明涉及遥感数据处理,具体涉及一种基于rust原生核心与代理调度的遥感数据处理方法。背景技术:1、遥感栅格数据处理是地理信息系统(geographicinfo...
一种基于Rust原生核心与代理调度的遥感数据处理方法

本发明涉及遥感数据处理,具体涉及一种基于rust原生核心与代理调度的遥感数据处理方法。

背景技术:

1、遥感栅格数据处理是地理信息系统(geographicinformationsystem,gis)与遥感应用领域的核心基础环节,广泛服务于测绘勘探、自然资源调查、生态环境监测、城市规划管理、农业估产及灾害应急评估等众多国计民生行业。近年来,随着对地观测卫星星座和无人机遥感技术的迅猛发展,遥感栅格数据的获取通量急剧增长,单景影像的数据规模已从传统的数百兆字节跃升至数吉字节乃至数十吉字节,数据类型从全色、多光谱向高光谱、sar等复杂模态不断扩展,这给数据的存储、传输、渲染、分析和解译带来了前所未有的挑战。在此背景下,如何高效、安全且智能化地处理大规模遥感栅格数据,已成为地理信息领域亟待突破的关键技术问题。

2、目前,业界普遍采用的第一类技术路线是基于桌面地理信息系统软件和遥感图像处理软件的传统处理方式。具有代表性的商业及开源软件包括地理信息系统软件平台(arcgeographicinformationsystem,arcgis)、量子地理信息系统(quantumgeographicinformationsystem,qgis)、图像可视化环境(theenvironmentforvisualizingimages,envi)、erdasimagine等,这些软件通过成熟的图形化交互界面、丰富的菜单工具、集成化的处理工具箱、可扩展的插件体系以及脚本编程接口,为用户提供了涵盖数据加载、图层渲染、空间参考识别与转换、影像重采样与裁剪、金字塔层级构建、像元统计分析、色彩拉伸与样式美化以及专题图输出等全流程功能。这类软件在地理空间数据管理和可视化制图方面积累了深厚的技术优势,业已成为行业应用的标准工具。然而,该类方式本质上高度依赖人工操作和专业经验,用户必须根据具体任务目标手动遴选合适的工具模块、反复调试参数配置并自主判断各处理步骤的先后逻辑,面对涉及数据读取、坐标转换、金字塔构建、统计分析以及多图层叠加渲染的复合型任务时,用户往往需要在纷繁的菜单层级、插件页面和脚本编辑器之间频繁切换,整个处理流程的效率严重受制于操作人员的熟练程度,且难以将这一复杂的手工操作链条转化为由用户自然语言需求直接驱动的自动化闭环处理流程。

3、第二类技术路线是基于解释型语言及其丰富的第三方算法库的脚本化与插件化处理方式。借助地理空间数据抽象库(geospatialdataabstractionlibrary,gdal)、rasterio(栅格输入/输出)、python科学计算的基础库(numericalpython,numpy)、xarray等开源地理数据处理库以及pytorch、tensorflow等深度学习框架,技术人员能够编写python脚本或开发gis插件来实现高度定制化的遥感数据读取、裁剪、重采样、多波段代数运算、典型植被指数提取、地物分类识别、变化检测以及批量并行处理等算法流程。这种方式赋予了研究人员极大的灵活性和算法创新能力,能够快速验证最新的遥感反演模型和深度学习网络。但是,该技术路线的固有缺陷同样不容忽视:其一,其运行时环境严重依赖于特定版本的python解释器、繁多且存在复杂二进制依赖关系的第三方库、系统级动态链接库以及gpu驱动等众多组件,在国产操作系统、国产处理器架构或端侧低功耗嵌入式设备等非主流软硬件环境下,极易陷入依赖项冲突、源码编译失败、abi(应用二进制接口)不兼容以及运行时环境难以维护的困境,严重制约了遥感算法流程在信创体系下的稳定部署与长期运维;其二,python等解释型语言的全局解释器锁和垃圾回收机制在处理超大尺寸栅格数据时,往往导致cpu利用率不足、内存占用不稳定以及总体计算延时显著增加,即便底层调用了c/c++编写的gdal等高效库,其在多线程并行调度和缓存管理策略上的不确定性依然无法完全满足实时或近实时交互处理的需求。

4、第三类是近年来随着人工智能技术突破而兴起的大语言模型工具调用及智能代理辅助处理方式。当前,主流大语言模型已普遍具备函数调用或工具调用能力,能够将用户的自然语言表述解析为结构化的函数调用请求,由外部应用程序侧执行相应代码并返回执行结果,这为降低遥感数据处理的操作门槛提供了极具前景的交互范式。例如,部分前沿研究已尝试将模型上下文协议(modelcontextprotocol,mcp)工具生态与地球观测数据结合,或利用状态驱动推理范式解耦任务规划与工具执行,以及通过函数调用机制实现对遥感影像分类过程的自然语言控制。然而,这类基于大语言模型的技术方案在面向专业遥感栅格数据处理时暴露出严重的水土不服:遥感任务本质上强依赖于一系列专业上下文信息,包括当前工程中加载的影像物理路径、有效波段组合方案、空间参考系与投影参数、金字塔构建状态、各级缓存有效性、文件写入权限以及单次操作的计算成本代价,而现有通用工具调用接口缺乏针对这些专业上下文的能力注册约束、形式化参数语义校验以及细粒度的风险防控机制,导致语言模型极易生成调用了不存在工具、传递了超范围参数、缺失必要影像上下文或误触发高成本全图计算及危险写文件操作的非法请求;此外,现有方案普遍缺少从初始自然语言请求到最终栅格产品输出的全链条统一追踪记录能力,用户请求语义、中间工具选择序列、各步骤实际参数、缓存命中情况、算法中间输出与最终结果的依赖关系往往散落在不同的系统模块和临时日志中,极大地影响了复杂处理过程的可解释性、审计追溯能力和科学研究可复现性。

5、与此同时,面向国产软硬件环境的适配工作也已全面展开,众多地理信息平台厂商和行业解决方案提供商正积极将自身产品向国产操作系统、国产服务器芯片及行业信创整体环境进行迁移适配,以满足自然资源、水利气象、智慧城市、交通安监等关键基础设施领域的合规性要求。但现有适配工作大多集中在平台层面的接口兼容性验证和基础功能可用性测试上,对于如何在大尺寸遥感栅格数据的高频交互处理场景中实现高效、稳定的计算性能,如何根据端侧设备的实时内存状态、处理器架构特性和存储读写带宽动态调整分块策略与渲染质量,尚缺乏深入的底层优化和统一的设备自适应调度机制。

6、综合来看,面对动辄数万像素宽高、包含数十个光谱波段的大尺寸地理标记图像文件格式(geographictaggedimagefileformat,geotiff)等遥感栅格数据,现有各类技术普遍未能有效解决下列核心矛盾:在桌面软件和脚本方式中,人工操作繁琐且无法实现智能自动化;在解释型语言方案中,跨平台部署稳定性差且低资源设备运行效率低下;在大语言模型代理方案中,缺乏专业领域约束导致调用安全性缺失和多轮交互状态混乱。尤其值得关注的是,当用户通过多轮自然语言对话持续调整地图显示范围、切换活动图层、修改波段组合或触发新的统计分析时,智能代理极易基于已过期的工程状态信息生成错误的后续规划,而并发返回的异步渲染结果也可能因状态版本滞后而错误地覆盖用户最新操作所对应的画布显示,这些问题严重制约了遥感栅格数据处理向高自动化、高安全性、高确定性和高交互质量方向的发展。

7、有鉴于此,提出本技术。

技术实现思路

1、本发明提供了一种基于rust原生核心与代理调度的遥感数据处理方法,能至少部分的改善上述问题。

2、为实现上述目的,本发明采用以下技术方案:

3、一种基于rust原生核心与代理调度的遥感数据处理方法,其包括:

4、获取用户交互模块接收到的用户自然语言请求,使用智能代理调度模块对用户自然语言请求进行意图识别和任务拆解处理,并基于预设的能力注册表生成工具调用草案;

5、使用能力注册与安全控制模块对工具调用草案进行能力名称匹配、输入参数校验、遥感上下文检查、风险等级判断和执行策略判断,确定执行许可对象;

6、根据当前遥感数据的影像特征、待执行任务类型和设备资源状态,调用设备自适应执行模块生成设备自适应执行计划;

7、调用rust原生遥感计算核心,根据执行许可对象和设备自适应执行计划执行对应的遥感处理任务;

8、在遥感处理任务执行完成后,记录任务执行链路,更新当前遥感工程状态,并基于所述rust原生遥感计算核心返回的真实执行结果生成结果解释信息。

9、综上所述,本方法面向geotiff、tif等遥感栅格数据的打开显示、元数据读取、分块处理、统计分析、金字塔管理、图层渲染、坐标转换及遥感算法执行等任务,构建由用户交互模块、智能代理调度模块、能力注册与安全控制模块、设备自适应执行模块、rust原生遥感计算核心以及执行链路追踪与结果解释模块组成的协同处理架构。与现有主要依赖人工菜单操作、脚本调用或通用大语言模型工具调用的方式不同,本发明将自然语言理解与遥感任务执行进行分层处理。其中,智能代理调度模块仅负责识别用户意图、拆解遥感处理任务并生成工具调用草案;能力注册与安全控制模块对工具名称、输入参数、当前影像上下文、风险等级、是否写文件、是否高成本以及是否需要用户确认等内容进行校验;只有通过校验的任务,才由rust原生遥感计算核心执行。

10、在具体执行过程中,根据当前遥感数据的影像尺寸、波段数量、数据类型、空间参考、金字塔状态、缓存状态以及设备处理器架构、内存和存储资源等信息,生成设备自适应执行策略。对于大尺寸遥感栅格数据,可采用分块读取、采样统计、金字塔优先、缓存复用、渐进式渲染和后台处理等方式,以降低端侧或国产软硬件环境下的资源占用和交互等待时间。

11、通过此方法,本发明能够在保证遥感数据处理过程安全可控的前提下,实现自然语言请求到遥感任务规划、工具校验、原生计算执行、结果解释和过程追踪的闭环处理,从而提高遥感栅格数据处理的自动化程度、运行效率、部署稳定性和结果可追溯性。