GeoNavigator：一种基于智能体的地球表层系统开放科学实体数据智能下载工具

《Environmental Modelling & Software》：GeoNavigator: An agent-based intelligent download tool for Earth Surface System open science entity data

　　

## 摘要

全球范围内已建立了地球表层系统（ESS）开放科学数据共享平台。然而，这些平台在访问机制、认证流程、查询规范和前端交互方面存在显著差异，使得难以通过单一工作流实现跨平台数据自动获取。一项针对26个代表性ESS数据平台的结构化调查显示，9个平台（34.62%）既未提供有文档记录的API，也未提供由数据提供方支持的SDK，完全依赖Web门户访问方式，而现有的程序化接口则具有平台专属性。本文设计并实现了GeoNavigator，一个基于智能体的自动化下载工具，为异构ESS数据门户提供统一的自然语言入口，无论是否存在程序化访问接口。GeoNavigator在单一工作流中支持登录、验证、查询、下载和本地数据校验。空间感知DOM将节点语义和视口级空间特征表示为结构化观测，供大语言模型使用。专家经验和蒸馏后的成功轨迹提供操作指导，减少重复探索。在7个ESS数据平台的84个检索任务中，GeoNavigator的任务成功率为95.24%，下载准确率为94.05%。使用7个基础模型的测试结果显示成功率在70%至90%之间，表明与所评估模型接口的兼容性。这些结果表明，在异构ESS门户间提供统一的自然语言任务接口具有可行性，而经校验的输出文件可用于现有的数据处理和建模工作流。

## 引言

地球表层系统（ESS）开放科学实体数据（以下简称为ESS数据）指能够捕获多圈层ESS要素的时空分布、动态过程和交互特征的标准化实体数据文件。这些文件符合开放科学共享规范，可直接用于科学计算和分析，是与描述性元数据相区别的核心研究对象（Wilkinson et al., 2016; Qiu et al., 2024a, 2024c; Wang et al., 2026）。自2004年Arzberger等人提出首个面向公共研究数据开放共享的全球统一国际框架以来（Arzberger et al., 2004），国际社区和主权国家相继建立了大量ESS数据基础设施（Nativi et al., 2015; Foster and Deardorff, 2017; National Academies of Sciences, Engineering, and Medicine, 2018）。例如，中国有国家青藏高原科学数据中心（TPDC）（Pan et al., 2021）、地理空间数据云（GsCloud），以及国际上广泛使用的NASA地球数据搜索（NASA Earthdata Search）等。随着ESS数据平台数量不断增加，全球ESS数据的总存储规模正迅速增长，从PB（拍字节）级别发展到EB（艾字节）级别（Guo, 2017）。

为促进海量数据与科学研究的深度融合（Essawy et al., 2020），有效克服数据发现困难、标准不一致和复用率低等瓶颈问题，国际科学界在2016年基于Arzberger等人早期的开放数据框架，正式提出了FAIR数据管理指导原则（Wilkinson et al., 2016; Qiu et al., 2024b, 2025; Sun et al., 2025; Hardy et al., 2026）。该原则要求数据应具备可发现性、可访问性、互操作性和可复用性。尽管FAIR原则在元数据标准化、持久标识符（如DOI）分配以及底层存储架构互操作性方面取得了显著进展，但在实际数据检索过程中，"可访问性"仍面临重大的工程瓶颈（Stall et al., 2019）。数据的物理分散性以及平台访问机制、认证流程、查询规范和前端界面的异质性，对跨平台自动化检索构成了重大障碍。

面对海量且动态更新的ESS数据（Shi et al., 2025; Shang et al., 2026），传统人工下载效率低下（Vitolo et al., 2015）。基于Selenium等工具的硬编码网络爬虫高度依赖特定的DOM结构（García et al., 2020; Yang et al., 2025; Hu et al., 2025），当门户界面发生变化时维护成本高昂。集成了LLM的框架如Autonomous GIS（Li and Ning, 2023）、Data-Copilot（Zhang et al., 2023）和LLM-Find（Ning et al., 2025a）通过将特定于数据源的元数据和结构化应用程序编程接口（API）暴露给模型来实现数据检索自动化。当存在稳定且文档完善的API时，这类方法效率较高。然而，ESS门户提供的是异构的访问机制：部分提供有文档记录的API或提供方支持的SDK，而另一些则主要依赖Web门户访问。即使存在程序化访问接口，认证方法、查询参数、元数据架构和客户端库仍具有平台专属性，要求用户开发和维护单独的检索程序。为量化这种异质性，本研究调查了26个代表性ESS数据平台，包括在中国运营的8个平台和在中国境外或国际组织运营的18个平台。程序化访问定义为官方文档记录的API或提供方支持的SDK。在受调查的平台中，17个（65.38%）提供API，9个（34.62%）提供SDK，9个（34.62%）既不提供API也不提供SDK，完全依赖Web门户访问方式（见表3）。这些结果表明，跨平台获取的主要障碍不仅是缺乏API，而是异构且具有平台专属性的获取机制并存。关于WebVoyager（He et al., 2024）、Agent-E（Abuelsaad et al., 2024）和Explorer（Pahuja et al., 2025）的研究表明，基于LLM的智能体可以通过工具调用机制直接与浏览器交互。然而，现有研究主要基于通用或简化的任务，对现实世界门户上的长程ESS数据获取支持有限（Xing et al., 2024; Ning et al., 2025b; Xue et al., 2025; Gangi Reddy et al., 2025; Ferrag et al., 2026）。现有智能体在缺乏空间页面感知和平台特定交互经验时，仍易受操作错误和重复循环的影响（Aghzal et al., 2026）。

为弥补这一研究空白，本研究设计并实现了GeoNavigator，一个面向ESS开放科学实体数据的基于LLM的智能下载工具。GeoNavigator在异构ESS门户间提供统一的自然语言任务入口。用户以相同的格式指定获取需求，无需编写平台特定的检索脚本，智能体即可完成相应的浏览器交互、文件下载和本地验证。本文的主要贡献如下：

（1）构建了一个提供跨异构门户统一自然语言入口的ESS数据获取智能体。GeoNavigator将意图理解、自主浏览器交互、跨协议下载和闭环本地校验整合在单一工作流中。这使得用户能够在不同访问机制的门户上获取数据，而无需编写平台特定的检索脚本，同时保持对下载物理文件的端到端校验。

（2）提出了一种面向复杂科学门户的空间感知DOM提取机制。该机制将视口坐标和可访问性属性映射到结构化文本观测空间，通过行列语义聚合解决表格行级歧义。利用语义地标进行相对空间推理以区分具有相同名称的控件，并基于多源特征检测（CSS/ARIA/祖先属性）为无文本图标重构语义标签。

（3）设计了一种基于URL的双源经验检索-注入机制。基于当前URL，GeoNavigator动态注入预定义的专家经验和LLM蒸馏的成功轨迹。通过先验导航，该机制引导智能体绕过复杂的交互障碍，有效减少任务执行过程中的试错频率和推理成本。

跨平台基准测试表明，在7个代表性ESS数据平台的84个检索任务中，GeoNavigator的95.24%成功率和94.05%准确率。消融实验结果显示，经验指导与更高的任务成功率和更少的工具调用相关，而多模型测试表明与所评估的7个模型具有兼容性。这些结果支持了在使用不同访问机制的ESS门户间采用通用自然语言任务接口的可行性。

本文其余部分组织如下：第2节详细介绍GeoNavigator的总体架构和核心组件，包括浏览器环境、数据校验机制、观测空间、经验注入设计、动作空间和交互工作流。第3节展示ESS平台访问模式调查、实验设计、跨平台基准评估、消融实验、基础模型泛化测试和一个代表性案例研究。第4节讨论实践意义、负责任部署、局限性和未来工作。第5节总结全文。

## GeoNavigator架构

本研究的目的是开发一个智能体工具，在任务提交后自动执行一系列ESS数据获取操作。图1展示了GeoNavigator的概念架构，定义了其核心组件：动作空间、观测空间以及记忆与经验。智能体的任务执行工作流和内部机制如图2所示。图2(a)通过简化工作流呈现了端到端的任务视角：在接收自然语言后……

## 实验环境与参数配置

本研究的实验平台运行于Windows 11操作系统。开发环境使用Python 3.11。核心自动化交互模块基于Playwright（v1.49.0）框架实现，调用其内置的Chromium（v131.0.6778.33）浏览器内核作为交互引擎。系统的前端界面使用Gradio（v6.9.0）构建（如图6所示）。为确保空间感知DOM提取的一致性，浏览器视口分辨率严格固定为……

## 实践意义与适用场景

平台调查显示，程序化访问虽然普遍但并不通用，且仍具有高度的平台专属性。GeoNavigator通过在用户界面层面提供跨浏览器可访问ESS门户的通用自然语言任务接口来解决这一碎片化问题。程序化访问和GeoNavigator服务于不同的获取需求。一旦配置完成，API和SDK避免了页面渲染和模型推理，因此在重复性或大规模获取时效率更高……

## 结论

为解决ESS数据门户间异构的访问机制、平台特定的交互流程和复杂的前端结构问题，本研究提出了GeoNavigator，一个基于LLM的智能下载工具，提供统一的自然语言任务入口。对26个代表性平台的调查显示，34.62%的平台既未提供有文档记录的API，也未提供提供方支持的SDK，而现有的程序化接口仍具有平台专属性。空间感知DOM……

## CRediT作者贡献声明

周顺新：撰写——审阅与编辑，撰写——初稿，形式分析，数据整理。谢忠：方法论，经费获取，形式分析，数据整理。王俊：项目管理，方法论，数据整理，概念化。张晓田：方法论，调查。胡冰：撰写——审阅与编辑，撰写——初稿，监督，经费获取，形式分析，数据整理。邱群军：撰写——审阅与编辑，撰写——初稿，软件和数据可用性……

## 软件和数据可用性

软件和产品名称：GeoNavigator：地球表层系统开放科学实体数据基于智能体的智能下载工具。

设计方：中国地质大学（武汉）计算机学院。

开发方：中国地质大学（武汉）计算机学院。

维护方：中国地质大学（武汉）计算机学院。

首次可用年份：2026年。

所需软件：运行环境：Python 3.11，Node.js（Playwright所需），Docker

## 生成式AI使用披露声明

除了作为本研究中评估的基础模型之一外，DeepSeek-V3在代码开发过程中被用于提供有限的代码建议和辅助调试。它还用于手稿准备期间的中英翻译和语言编辑。所有AI辅助的输出均经过作者的审查和修改，作者对代码和本手稿内容承担全部责任。

## 利益冲突声明

作者声明不存在任何已知的可能影响本文所述工作的竞争性经济利益或个人关系。

## 致谢

本研究受国家重点研发计划（编号：2022YFF0711600）和四川省地球数学重点实验室开放基金（编号：scsxdz2026-2）资助。

周顺新 | 谢忠 | 王俊 | 张晓田 | 胡冰 | 邱群军 | 陶流峰

中国地质大学（武汉）计算机学院，武汉，430074，中国