基于云原生无服务器计算的大规模遥感数据处理框架CSC-RS及其在雅鲁藏布江中游潜在沙尘源识别中的应用

针对传统遥感大数据(RSBD)处理方法在可扩展性和效率上的瓶颈，浙江大学团队创新性地提出云原生无服务器计算框架CSC-RS，通过三级并行结构（服务器集群/共享内存/SIMD向量化）实现处理速度8.04倍提升，成功应用于雅鲁藏布江30年潜在沙尘源(PSSs)时空格局解析，为生态治理提供科学依据。

　　

随着遥感技术(RS)和多时相地球观测(EO)技术的成熟，全球遥感数据量呈指数级增长，2020年已达1.3EB。然而，传统桌面软件在处理遥感大数据(RSBD)时面临算力不足的困境，而HPC集群和Spark等分布式框架又存在编程复杂、资源利用率低等问题。Google Earth Engine等在线平台虽提供海量数据支持，但其封闭式API和固定计费模式限制了算法开发的灵活性。在这一背景下，如何构建兼具高性能与弹性的RSBD处理框架，成为推动地球科学研究的核心挑战。

浙江大学团队在《Geomatica》发表的研究中，创新性地提出云原生无服务器计算框架CSC-RS。该框架采用SMFER设计原则（可扩展性Scalability、模块化Modularity等），通过三级并行结构实现突破：顶层利用无服务器计算实现跨实例任务并行，中层采用OpenMP共享内存多线程处理单幅图像，底层通过SIMD向量化加速像素级运算。研究以雅鲁藏布江中游为案例区，处理1991-2022年Landsat系列数据（112景/66.8GB），成功提取潜在沙尘源(PSSs)的时空分布特征。

关键技术方法包括：1）基于Flask构建HTTP触发的无服务器函数；2）采用阿里云OSS实现数据持久化；3）C++开发的高性能处理核心集成SIMD和OpenMP优化；4）Docker容器化部署确保环境一致性。实验使用AMD Ryzen 7和阿里云4核Xeon平台，通过三级并行策略验证性能提升。

性能测试结果

• 向量化加速：SIMD优化使MNDWI指数计算速度稳定提升1.1倍
• 线程扩展性：16线程下OpenMP加速比达3倍，但超线程效率随核心数增加递减
• 无服务器弹性：8并发时效率最高，64并发时网络带宽成为瓶颈（下载耗时占比超80%）

沙尘源时空格局

• 处理效率：30年数据分析仅需196秒，较未优化版本提速8.04倍
• 空间特征：中游宽谷区PSSs出现频率最高（图14c），呈连续带状分布；西段因河道分汊呈现斑块状高频区
• 时间趋势：湿季水体面积多项式拟合显示轻微下降趋势（图13），可能与气候变化有关

讨论与意义
该研究首次将云原生无服务器架构与多级并行计算深度融合，突破性解决RSBD处理中的"网络-计算"耦合瓶颈。框架设计中的混合并行策略（inter-function与intra-function并行结合）较传统方案减少80%的函数间通信开销。在生态应用层面，精确识别的PSSs高频区为西藏风沙治理提供靶向定位——中游宽谷段应作为生态修复重点区域。未来工作将优化数据压缩传输协议，并拓展框架在洪涝监测、作物估产等场景的应用验证。

这项研究不仅为RSBD处理提供了新范式，其"云边协同"的设计理念更为地理计算学(Geocomputation)与云计算融合开辟了新路径。CSC-RS的成功实践证明，通过创新计算架构赋能传统地学分析，能够显著提升对全球变化等重大科学问题的响应能力。