eo-processor
高性能 Rust 加速的地球观测数据处理 Python 库
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：eo-processor。 它的用途是：高性能 Rust 加速的地球观测数据处理 Python 库 完整的 Skill 内容见：https://321skill.com/skills/eo-processor/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我计算这组 Sentinel-2 影像的 NDVI 和 NDWI，并对整个时间序列做中值合成。” 它会引导你使用 `eo_processor.ndvi`, `eo_processor.ndwi` 计算光谱指数，再使用 `eo_processor.temporal_median` 函数对多维数据堆栈进行时间维度的中值合成，快速得到干净的结果图层。
介绍
eo-processor 是一个专为地球观测（EO）数据处理设计的高性能 Python 库。它通过 PyO3 将安全的 Rust 内核暴露给 Python，旨在解决遥感数据分析中计算密集型任务（如光谱指数计算、时间序列统计、数据掩膜）的性能瓶颈问题。
用户可以通过 pip 直接安装，其 API 设计为与 NumPy 数组无缝交互，并可轻松嵌入到 XArray 或 Dask 等数据管道中。库中的 Rust 内核在执行时会释放 Python 的全局解释器锁（GIL），并针对大型时间聚合和空间距离计算等操作，利用 Rayon 实现多核并行，显著提升处理速度。
它非常适合处理卫星影像、进行环境监测和地理空间分析的研究人员、数据分析师和开发者。无论是计算单个像元的 NDVI，还是对长时间序列影像堆栈进行中值合成，都能获得稳定且高效的性能。
使用建议：对于大规模栅格数据处理，建议结合 XArray 和 Dask 以进行分块和分布式计算。虽然库内部使用 float64 以保证数值稳定性，但输入支持多种 NumPy 数值类型，会自动进行转换。注意，其核心功能专注于 CPU 数值计算，不涉及网络、存储或 GPU 加速。
核心特点
与纯 Python 或 Cython 实现的同类库相比，eo-processor 的核心计算全部由无 `unsafe` 代码的安全 Rust 编写，通过 PyO3 提供原生性能，并针对遥感数据的多维数组操作进行了深度优化，在保持结果数值稳定的同时，提供了接近原生 Rust 的速度。
注意事项
不适用于需要 GPU 加速、复杂空间分析（如重投影、矢量叠加）或实时流数据处理的场景。
常见问题
eo-processor 能替代 GDAL 或 rasterio 吗？
不能，它是计算加速库，专注于数值运算，需配合 GDAL/rasterio 进行数据读写和地理空间操作。
支持 Dask 并行计算吗？
支持，其函数可无缝用于 Dask 数组的 `map_blocks` 等操作，且内核本身也利用 Rayon 进行多线程并行。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/eo-processor/raw/index.md 读取 eo-processor 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/eo-processor/raw/index.md（查看排版版本）