《测绘学报》发表的一项研究系统阐述了地理空间数字孪生与时空智能的关系及其建设路径。该文指出，地理空间数字孪生是地理空间实体在虚拟空间中具有位置精确、形状逼真、尺度可伸缩的数字映射，是地理空间信息服务与社会智能化建设的重要基础支撑。

与工业数字孪生相比，地理空间数字孪生在精确性、系统性和可靠性方面有更特殊的要求。文章提出地理空间数字孪生建设的八项基本准则：实体感知必须精确、时空基准必须一致、属性描述必须正确、历史信息必须可信、映射关系必须严密、规律统计必须系统、变化预测必须可靠、辅助决策必须科学。其中，时空基准的统一与精确尤为关键——空间基准的一致性直接关系到几何变形与位置变化监测，否则数字孪生会出现空间错乱、时间推演混乱。

图1：地理空间数字孪生建设的基本准则

小知识：什么是数字孪生？

文章将地理空间数字孪生划分为五类：感知型（以实体观测为基础）、知识型（以几何与物理模型推理为主）、先验型（基于历史信息统计）、预测型（正向推演未来趋势）、反演型（反向推演历史状态）。完整的数字孪生须涵盖从感知、映射、表达、分析到预测和反演的全过程，否则仅为静态数字展示。

图2：地理空间数字孪生的五类研究主题

地理空间数字孪生不等同于地理空间数字智能。前者侧重实体到虚拟空间的关联映射与展示，后者侧重数据汇聚、知识挖掘、动态推演与辅助决策。地理空间数字孪生是数字智能的底座，数字智能则是数字孪生的发展方向。文章指出，“地理空间数字孪生 + 模型驱动 + 机器学习”是地理空间数字智能生成的基本途径，地理空间时空大模型是未来发展的重要方向。

小知识：为何地理空间数字孪生更强调时空精确？

文章梳理了地理空间数字智能建设的六大关键技术方向：时空标签归一化、机器学习目标函数构建、知识模型与大模型的合理融合、地理空间实体时间演变机理、知识自主探索与发现、历史信息与实时感知信息在模型中的贡献率分配策略。作者特别强调，需深入探讨数据驱动与模型驱动在大模型生成中的贡献率，以及历史数据与现实数据的优化分配问题。地理空间智能已在抢险救灾、灾害监测预警、城市建设与规划等方面发挥重要作用。

图3：地理空间数字智能生成流程

小知识：泛在感知指什么？

该研究为地理空间数字孪生与时空智能的理论框架和工程实践提供了系统性指导，对智慧城市、灾害防控、国土规划等领域具有重要参考价值。

Reference: https://doi.org/10.11947/j.AGCS.2025.20240515