Автоматизированное формирование аналитических отчётов по данным спутникового мониторинга на основе больших языковых моделей

Многолетний спутниковый мониторинг горнопромышленных территорий формирует большие массивы разновременных данных: метаданные космических снимков, контуры нарушенных земель, полученные при тематической обработке, и ряды площадей объектов на даты съёмки. В информационной системе геомониторинга, разработанной в ВЦ ДВО РАН, предназначенной для оценки экологического состояния горнопромышленных территорий Дальнего Востока по данным дистанционного зондирования Земли, эти сведения хранятся в базе данных PostgreSQL с пространственным расширением PostGIS. Типичные вопросы специалиста, например, как менялась площадь нарушенных земель по районам за несколько лет, какие снимки пригодны для анализа по облачности или насколько согласуются результаты дешифрирования по разным съёмочным системам, требуют составления SQL-запросов с пространственными функциями и учётом особенностей данных дистанционного зондирования.
Цель работы состоит в том, чтобы дать специалисту возможность получать аналитические справки по результатам спутникового мониторинга, формулируя вопрос на естественном языке. Для этого необходимо автоматически построить корректный запрос к базе данных, гарантировать неизменность хранимых данных и получить текстовый отчёт, в котором все числовые значения взяты из базы данных.
Предложен модуль генерации отчётов на основе архитектуры генерации, дополненной извлечением данных, в котором извлечение выполняется построением SQL-запроса. Большая языковая модель получает вопрос пользователя и описание структуры базы, сформированное из системного каталога PostgreSQL и включающее таблицы, типы данных, комментарии и внешние ключи. Указание пространственного типа контуров с системой координат позволяет модели применять функции PostGIS. Особенности данных дистанционного зондирования, не следующие из структуры базы, задаются в отдельном файле правил: использование последнего наблюдения объекта за год при нескольких снимках, порог облачности для пригодных снимков, вычисление площади по контуру на поверхности эллипсоида.
В качестве языковой модели используется DeepSeek, доступ к которой осуществляется через облачный программный интерфейс, совместимый с интерфейсом OpenAI. Модель вызывается дважды: для построения запроса с нулевой температурой генерации, что обеспечивает воспроизводимость, и для подготовки текста отчёта. В модель передаются только описание структуры базы, вопрос и ограниченное число строк результата, тогда как снимки и контуры объектов остаются в базе данных. Совместимость интерфейса позволяет без изменения программы перейти на локально развёрнутую модель при работе с данными ограниченного доступа. Все обращения к модели протоколируются с указанием времени ответа и числа токенов.
Запрос проходит синтаксическую проверку с допуском только операций чтения и выполняется в транзакции только для чтения от имени роли с правами на выборку. При ошибке её текст возвращается модели для исправления запроса.
Апробация выполнена на модельной базе данных, повторяющей структуру информационной системы: двенадцать объектов в четырёх районах, 56 снимков двух съёмочных систем с 2019 по 2025 год. Контрольные вопросы охватывали отбор снимков по съёмочной системе и облачности, сопоставление площадей по разным системам, ранжирование объектов по росту площади и сравнение площади по контуру с результатом дешифрирования. Показано, что без правила о последнем наблюдении за год суммирование наблюдений многократно завышает площади нарушенных земель, а при поиске неиспользованных снимков отчёт выявляет их причину, превышение порога облачности. Механизм самоисправления устраняет ошибки, выявляемые СУБД, но не логические ошибки запроса, поэтому итоговый запрос предъявляется пользователю вместе с отчётом.