刘春1, 艾克然木·艾克拜尔2, 沈雨清1, 吴杭彬1

1. 同济大学测绘与地理信息学院, 上海 200092;

2. 同济大学电子与信息工程学院, 上海 200092

基金项目：国家自然科学基金重点项目(42130106)

关键词：时空智能, 低空经济, 多模态感知, 低空数字孪生, 测绘即服务(MaaS)

引文格式：刘春, 艾克然木·艾克拜尔, 沈雨清,等. 时空智能驱动低空技术的测绘新质发展[J]. 测绘通报, 2026(4): 11-19.doi: 10.13474/j.cnki.11-2246.2026.0402.

摘要

摘要 ：低空经济是我国战略性新兴产业集群与新兴领域国家安全能力建设的交汇点,其高质量发展亟需测绘地理信息提供精准、动态的时空智能底座支撑。本文围绕“空域—航路网—起降点—无人系统”4要素协同架构,深入剖析测绘地理信息在低空人地系统构建、数字孪生方法论及多模态智能感知体系中的技术演进;系统梳理时空智能的技术演进路径及其在空域规划、运行管控等关键环节的赋能机制,结合低空物流、应急救援等典型场景,分析阐释时空智能技术的支撑效能与面临的挑战;提出“通信—感知—计算—智能”一体化闭环、数字基底规范体系及测绘即服务生态平台等未来发展路径,驱动测绘新质发展,构建低空经济高质量智能支撑体系。

2024年3月，“低空经济”首次被写入《政府工作报告》，作为“新增长引擎”的战略定位，标志着该领域正式纳入国家战略部署[1]。中国民航局随即成立低空经济发展领导小组及专门司局，万亿级产业蓝海加速成型。作为“十五五”规划明确的战略性新兴产业集群与新兴领域国家安全能力建设的交汇点[2]，低空经济以有人/无人航空器低空飞行活动为核心，通过空域资源数字化重构形成综合性经济形态，其发展依赖精准、动态的数字空域环境。测绘地理信息作为基础支撑技术，正经历从静态数据供给向时空智能[3]服务的范式跃升，为产业智能化演进提供底层支撑。

传统二维地图与静态三维模型已难以满足低空经济对时空四维、实时化[4]与智能化[5]的深度需求。测绘地理信息通过构建多维度技术支撑体系形成关键赋能，主要体现在3方面：在基础数据层，厘米级时空基准体系通过实时定位与三维空间建模，为无人机起降控制、航路动态优化及复杂环境自主导航提供核心支撑[6]；在技术实现层，无人机遥感、倾斜摄影、激光雷达(LiDAR)与视觉SLAM等多源感知技术融合，构建空-天-地一体化感知网络，实现大范围快速建模及动态场景感知[7]；在服务模式层，“数据—算法—接口”集成化服务体系深度嵌入运行监控、风险预警与决策优化环节，形成基于时空大数据的全生命周期服务能力，推动低空产业向智能化、服务化演进[8-9]。

时空智能作为测绘科学与人工智能(AI)、物联网、大数据等新一代信息技术的深度融合体，是驱动低空经济发展的核心使能技术[10-11]。其“基准层-感知层-认知层-执行层”四维架构形成完整技术链条：基准层通过北斗三号与地基增强网络异构融合，构建厘米级实时动态差分定位/精密单点定位(RTK/PPP)协同的时空基准体系，为低空飞行器提供位置—速度—时间(PVT)锚定；感知层依托多源异构传感器阵列，实现低空环境多维表征建模；认知层结合动态更新与深度学习模型，完成数字孪生建模与风险态势感知；执行层基于“端—边—云”协同架构与遥感大模型轻量化部署，通过边缘计算与分布式智能优化算力配置，满足实时性需求。该技术体系赋予电动垂直起降飞行器(eVTOL)等飞行器四维时空自主认知能力，并通过“数据-模型-服务”闭环迭代，推动低空基础设施向智能化、服务化演进。

本文立足测绘地理信息学科的技术基础与学科特色，围绕低空经济发展的时空智能需求，系统梳理低空人地系统构建、数字孪生方法论与多模态智能感知体系的技术演进路径，深入剖析其在空域规划、运行管控及价值创造等关键环节的赋能机制；基于典型应用场景的实证分析，验证时空智能技术在轻量化边缘架构与多要素协同耦合中的实际效能；针对数据融合精度不足、标准体系缺失等瓶颈，提出“通信—感知—计算—智能(通感算智)”一体化闭环、数字基底规范体系及测绘即服务(mapping as a service，MaaS) 生态平台等优化路径。本文旨在为测绘地理信息学科服务低空经济发展提供理论框架与实践指引，推动其从基础数据支撑向战略性技术引领转型，成为驱动新质生产力发展的关键引擎，并为学科方法论革新与跨领域协同创新奠定基础。

1 时空智能在低空经济中的核心定位

时空智能研究作为测绘科学与人工智能、认知科学等多学科融合的前沿领域，为低空经济提供了系统化的方法论支撑。该领域通过重构人类对时空现象的认知范式与治理逻辑，聚焦低空场景下的两大核心理论问题：①基于低空人地系统理论，解析空域资源、地理环境与人类活动的多维耦合机制，揭示低空空间内物质、能量与信息的交互规律[12-14]；②依托低空数字孪生理论，构建物理世界与数字空间的双向映射模型，实现复杂系统的动态表征与演化推演[15]。在此基础上，低空智能感知体系通过多模态观测数据构建可计算的认知推理框架。该框架融合物理规则与深度学习，通过动态特征提取与语义关联分析，实现复杂低空场景的实时解析与预测，突破传统遥感技术在静态数据依赖与多维语义解析上的局限性[16]。低空智能服务框架则借助DIKWP数据—信息—知识—智慧—目的(data-information-knowledge-wisdom-purpose，DIKWP) 层级转化机制，通过DIKWP的递进式处理，推动认知成果向治理效能的转化，形成理论与实践的闭环迭代[7, 17-18]。

1.1 低空人地系统：时空感知的核心对象

低空人地系统由低空资源、地理环境及人类活动3要素构成动态耦合体系[19]。低空资源涵盖空域、基础设施等有形资产与数据、空域使用权等无形资产，其容量、质量与价值需通过时空智能进行动态测度与核算[14, 20]。低空地理环境作为一切低空活动的物理载体，其复杂性与动态性对飞行安全与效率构成了直接挑战。该环境中存在的电子设备(如无线通信基站、电力设施)产生的电磁干扰(如信号干扰)会对低空飞行器的导航和通信系统造成严重影响，呈现出高度的时空异质性。此外，边界层气象(如风切变、湍流)、下垫面特征(如地形起伏、植被覆盖)及城市峡谷效应(如高层建筑形成的风道效应)等自然与人文要素共同作用，进一步加剧了环境的动态不确定性。时空智能感知必须能够实时、精准地刻画这一多维、动态的环境场，为低空活动的安全高效开展提供环境信息支撑[21]。低空人类活动及其与环境的交互作用，是系统演化的主要驱动力。无论是物流无人机的航线规划，还是空中交通的流量调控，都体现了人类活动对低空环境的适应与改造。反之，低空环境也制约着人类活动的安全与效率。时空智能感知通过对飞行器轨迹、人群流动、货物运输等活动进行高精度捕捉与模式分析，旨在量化并理解这种复杂的双向耦合关系，从而实现系统整体的协调与优化，如图 1所示。

图 1 低空人地系统动态耦合示意

1.2 低空数字孪生：时空智能感知的核心方法论

低空人地系统界定了“问题空间”，而低空数字孪生则提供了可操作的“求解范式”，以“数字空间—物理空间实时同构”为核心，在信息维度重建低空空域。该理论体系将传统面向对象的空域管理转化为面向资源的可计算、可优化问题，从而实现从异构数据汇聚到智能决策的闭环系统。“低空数字孪生体”强调对空域全要素、全链条、全生命周期的动态交互与超前干预[13, 22]。

构建低空数字孪生体需实现物理实体(无人机、建筑及气象要素)、动态过程(飞行轨迹与气流变化)及运行规则(空域法规与调度逻辑)的全要素高保真数字化建模。该体系不仅包含物理世界的静态复现，更通过虚拟环境中的飞行冲突仿真、极端天气预测及应急路径优化等任务，构建动态演化规律的深度模拟机制，形成具有动态演化与自主优化能力的数字孪生有机体。这种时空智能感知的理论框架可为低空空域治理提供可验证、可迭代的复杂系统演化模型。其技术架构如图 2所示，可分为4层：物理实体层通过多源异构传感器网络采集无人机、基础设施及环境要素的实时数据；数字模型层建立包含几何形态、物理属性及行为模式的数字化映射；数据融合层经清洗、转换、配准与语义对齐形成统一数据视图；而在智能应用层，数字孪生技术实现从数据采集到决策支持的完整流程，推动测绘地理信息学科突破传统静态观测模式，向主动预测与干预转型。

图 2 低空数字孪生技术架构

1.3 低空智能感知体系：多模态融合与认知推理

低空智能感知体系是连接低空人地系统(物理世界)与低空数字孪生(数字空间)的关键桥梁，构建了从物理世界到数字空间的完整感知链路。该体系遵循“全域感知—智能融合—认知推理”的递进范式，通过多模态传感器协同部署，实现对低空空域复杂动态的全方位、多维度、高精度感知。

多模态协同感知是体系的数据基础。为全面刻画低空人地系统的多维状态，需构建覆盖5大核心维度的感知技术矩阵。

(1) 时空基准感知：依托北斗等GNSS系统，建立统一的高精度时空坐标框架与同步信号，为多源数据提供时空一致性基准[12, 23-24]。

(2) 环境态势感知：融合光学遥感、雷达遥感(如相控阵雷达)、激光雷达(LiDAR)及气象传感器[25]，实现对边界层气象(风速、温度梯度)、电磁环境、地形起伏、建筑物三维轮廓等静态与动态环境要素的实时监测[26-27]。

(3) 飞行器状态感知：通过机载传感器网络(如惯性导航系统、摄像头、毫米波雷达)实时获取无人机等航空器的位置、速度、姿态、能源状态及关键系统健康参数(如电池剩余寿命、通信链路质量)。

(4) 交通流量感知：结合广播式自动相关监视(ADS-B)数据、地面基站探测与无人机编队轨迹预测算法，量化空域内飞行器密度、航路占用率及整体运行态势，支撑动态空域容量评估。

(5) 安全威胁感知：基于遥感大模型，通过异常检测与行为识别技术(如轨迹偏离度分析、热力图聚类)识别非法入侵、飞行冲突、异常行为(如偏离航线的无人机编队)及其他潜在风险。

在数据层面，智能融合算法对多源异构数据进行时空配准、对齐与语义集成，动态调整不同感知模态权重，适应复杂环境。该过程需解决多模态数据异构性(如遥感影像与文本描述的跨模态对齐)与动态环境不确定性(如云层遮挡导致的光学遥感缺失)等问题。在信息层面，认知推理引擎引入生成式测绘与因果推理机制，实现从感知数据到认知知识的转化(如图 3所示)。例如，生成对抗网络或扩散模型可模拟缺失的场景信息(如被遮挡的建筑物轮廓)，增强数据完备性与可靠性；因果图模型则解析飞行器行为与环境要素的因果关系(如风速变化对飞行路径的影响)，提升决策的可解释性；基于低空遥感大模型的时空预测能力，预演未来空域态势(如极端天气下的飞行冲突概率)，为数字孪生体提供“预演未来”的动态输入。

图 3 低空多模态融合与认知推理架构示意

1.4 低空智能服务框架：从数据到决策的价值链

低空智能服务框架是时空智能赋能低空经济的价值实现终端，定义了从原始数据到智能决策与精准行动的完整转化路径。该框架以DIKWP模型为理论核心，构建了一个分层递进、环环相扣的服务能力体系。其本质在于将低空智能感知体系所获取的多维数据，通过系统性的处理、分析与知识转化，最终形成可驱动低空经济安全、高效、可持续发展的治理能力与商业价值，从而实现从“感知智能”到“决策智能”的价值闭环[28-30]。

数据服务层(Data)构建统一时空数据底座，解决遥感影像、轨迹点云、气象报文等多源异构数据的基准统一与质量控制难题，为上层应用提供高可靠性数据支撑。信息服务层(Information)通过GIS空间分析、遥感解译与三维建模技术，将原始数据转化为具有物理语义的时空信息产品，典型输出包括空域动态占用热力图、厘米级导航系统与飞行器实时轨迹可视化(如图 4所示)。知识服务层(Knowledge)依托知识图谱与机器学习技术，挖掘运行规律并构建领域知识库(空域冲突模式、气象影响规则等)。智慧服务层(Wisdom)基于知识库开展高阶推理，实现空域调度优化、冲突解脱与应急响应等智能决策。目的服务层(Purpose)集成各层能力，直接服务于空域效率提升、飞行安全保障与运营效益优化等核心诉求。

图 4 信息服务层时空信息产品生成与典型输出结构

2 低空典型场景的时空智能驱动2.1 低空运行体系：4要素协同耦合

低空经济的实质化运行依赖“空域—航路网—起降点—无人系统”4大要素的系统协同：空域作为三维基础资源，需结构化划分以支撑有序运行；航路网构成空中交通的智能脉络；起降点实现空地转换功能；无人系统则以其自主与协同能力决定整体运行效能，如图 5所示。测绘遥感与时空智能作为底层使能技术，通过高精度、动态更新的三维空间基准与智能分析能力，贯穿空域建模、航路优化、设施选址及自主决策全链条，是构建安全、高效、弹性低空运行体系的核心支撑。低空经济系统核心要素的规划方案见表 1。

图 5 “空域—航路网—起降点—无人系统”4要素协同耦合示意

2.2 低空物流配送：厘米级定位与动态障碍物感知

低空物流配送依赖高精度时空感知，以保障城市复杂环境下的运行安全与效率。厘米级定位通过融合RTK PPP与视觉SLAM、激光雷达等局部位姿估计技术，在GNSS拒止条件下维持稳健导航能力。动态障碍物感知则依托多传感器融合架构，结合视觉的语义识别、激光雷达的几何测距与毫米波雷达的全天候探测，构建实时环境认知模型，支撑智能避障。三维地理围栏技术基于静态设施与动态事件(如临时管制区)划定飞行约束边界，实现空域安全管控[41]。在此基础上，融合历史轨迹、交通流与气象数据的时空优化模型可动态规划航路与时序窗口，提升物流网络整体效能。

2.3 应急救援与灾害监测：构建全周期测绘响应体系

测绘遥感已形成覆盖灾害“预测—详查—解译—推演”全周期的智能响应体系。灾前，基于地形、地质与历史灾情数据的风险建模可识别滑坡、洪涝等高风险区；灾时，无人机快速获取高分辨率影像，配合机上实时处理系统(如同济大学ARTEMIS实时成图系统[42])实现分钟级灾情详查；灾后，深度学习驱动的变化检测与目标识别算法自动提取损毁建筑、中断道路等要素，量化损失；面向决策，融合物理过程模型与实景三维底图的数字孪生推演可模拟灾害演化路径，预判次生风险，支撑疏散与资源调度，形成闭环式应急测绘支撑能力[4, 9]。

2.4 城市治理与基础设施巡检：空-地-水协同感知

面向精细化治理，低空遥感正与地面移动测量系统、水下无人平台协同，构建覆盖空-地-水三维空间的一体化监测体系。无人机周期性获取城市建筑、绿地与交通影像，支撑违建识别与生态评估[43]；针对动态目标，细粒度视频分析模型可有效应对运动模糊，提升交通感知精度。地面移动测量系统(MMS)采集道路与桥梁的三维点云，服务于资产管理与病害诊断，并与空中数据融合构建城市数字孪生底座。水下平台则对桥墩、管线等隐蔽设施进行结构检测，并同步开展水质与河床监测，为“一张图”治理平台提供关键技术支撑。

2.5 碳中和与生态监测：面向双碳目标的低空遥感

在“双碳”战略驱动下，低空遥感成为碳汇核算与生态监测的核心手段。多光谱、高光谱与激光雷达载荷协同反演植被生理参数与三维结构，支撑高精度区域碳储量估算[44]；水体光谱与热红外遥感可反演水质参数并识别热污染，实现广域动态监控；在矿山修复、湿地保育等工程中，长时序观测为生态成效评估提供客观依据。此类应用亟需发展面向生态参数的智能反演算法、构建标准化长时序数据库，并深化与生态学、环境科学的交叉融合，共同构建服务国家碳中和目标的空基生态监测技术体系。

低空经济的高质量发展，亟需以“空域—航路—起降点—无人系统”4要素协同为基础，构建一体化的低空数字孪生平台。该平台应深度融合实时遥感监测、高精度通信导航监视(CNS)、边缘智能与人工智能技术，实现对低空运行环境的全域动态感知、多尺度任务的智能规划与飞行过程的闭环自主控制，进而系统性激活低空空域资源的时空价值，支撑物流配送、应急响应、城市治理与生态监测等多元场景的安全、高效与弹性运行，全面释放低空经济的战略潜力。

3 未来发展方向

低空经济的纵深发展要求测绘地理信息学科从被动支撑转向主动引领。面对空域精细化管理、航路动态演化与系统高度自主等核心挑战，亟需通过技术融合、标准构建、平台演进、范式革新与人才培养的系统性突破，重塑学科在低空智能体系中的核心地位。

3.1 技术融合：迈向“通感算智”一体化闭环

未来低空系统依赖感知—认知—决策—控制的自主闭环。测绘地理信息领域应推动“北斗+AI+遥感+通信”深度融合，并向“通感算智”一体化演进[28, 45-46]。关键在于引入生成式测绘范式：通过训练面向低空场景的遥感大模型，可实现从多源异构数据中直接生成可用于航路规划、障碍规避与风险预警的结构化空域语义模型，极大提升从原始观测到可用知识的转化效率。同时，需深度参与通感一体网络的时空基准统一、多站协同定位与动态环境建模等核心算法研究，使5G/6G基站不仅承担数据传输功能，更成为低空动态监测的分布式传感器节点，形成天地协同、虚实融合的智能感知闭环，从根本上破解城市峡谷、密集建筑群等复杂环境下“看不见、辨不清、连不上”的技术瓶颈[47]。

3.2 标准引领：构建低空“数字基底”国家规范体系

产业健康发展的前提是标准的统一与互操作。测绘地理信息学科应充分发挥其在空间数据标准化方面的传统优势，牵头或深度参与构建覆盖全国的低空数字空域国家标准体系。该体系的核心在于定义低空“数字基底”的数据内容、质量等级、信息模型与安全规范。具体而言，需针对物流配送、城市空中交通(UAM)、应急救援、生态监测等差异化应用场景，明确地理围栏、三维建筑模型、电磁环境、气象扰动等核心要素的几何精度、属性完整性、更新频率与时效性要求；同步推进基于统一信息模型(如扩展CityGML、OGC Digital Twins等)的数据架构设计，确保不同平台、厂商与管理部门之间的数据无缝互通[48]；同时，联合多方制定高精度地理信息的分级分类、脱敏与访问控制机制，为数据合规流通与可信共享提供制度保障。

3.3 平台构建：打造低空数字孪生与MaaS服务生态

未来低空经济的竞争本质是平台生态的竞争。测绘地理信息领域应联合空管、通信、无人机与AI企业，共同建设国家级或区域级“低空时空智能服务平台”。该平台本质上是一个持续演化的“低空数字孪生”系统，集成了高精度动态数字基底、实时仿真推演引擎、生成式AI模型库与标准化开放接口，可为各类应用提供厘米级定位、动态航路生成、冲突预测与消解、应急响应推演等核心能力。在此基础上，应大力探索, MaaS的新型商业模式，推动行业从销售静态地图产品向提供动态订阅式智能服务转型，采用按飞行架次、风险价值等计费方式，深度绑定业务场景，降低创新门槛，激活开发者生态。

3.4 范式创新：低空生成式测绘

为应对低空应用场景的高度动态性、突发性与不确定性，亟需拥抱“生成式测绘”这一大模型时代的新范式。这意味着测绘不再局限于对现实世界的被动记录与静态表达，而是能够按需、按场景“生成”一个具备语义理解、物理约束与运行规则的智能空域环境。通过融合大语言模型的场景推理能力、扩散模型的复杂环境生成能力与传统测绘提供的精准时空基准，可在灾害应急、大型活动安保、临时物流枢纽部署等场景中，快速生成包含最优空域结构、动态航路网络、起降点布局与风险预案的临时性低空运行方案。这种从“测量制图”到“生成式空域构建”的转变，标志着从“描述世界”迈向“创造可用空间”的跃升，也是其在低空智能时代的核心竞争力所在。

3.5 人才培养：跨学科重塑“π型”复合能力

响应教育部“低空技术与工程”新专业建设，测绘地理信息教育需打破学科壁垒，强化机器人学、具身智能、多传感器融合、边缘计算与空域法规[49-50]等新兴课程融合；强化产教融合，依托低空示范区、无人机运营商与人工智能企业共建联合实验室与实习基地，让学生在真实任务中锤炼系统集成与复杂问题求解能力。最终目标是培育兼具测绘地理信息专业根基、智能算法开发能力与低空行业认知的“π型”复合人才(至少两个专业领域具备深厚专长，并能通过跨领域知识整合实现创新价值的高级复合型人才)，即深谙时空基准之“精”，通晓智能决策之“智”，理解低空运行之“规”，为低空经济可持续发展提供坚实卓越人才支撑。

4 结语

低空经济作为国家战略新兴产业，其高质量发展亟需测绘地理信息学科的深度介入。本文系统梳理了时空智能在低空人地系统构建、数字孪生方法论及多模态智能感知体系中的技术演进路径，深入剖析了测绘地理信息在空域规划、运行管控及价值创造等关键环节的支撑机制。研究表明，测绘地理信息正从传统的静态数据供给向时空智能服务范式转型，通过构建“基准层-感知层-认知层-执行层”四维技术架构，为低空经济提供了精准、动态、智能的底层支撑。在低空物流配送、应急救援、城市治理与生态监测等典型场景中，测绘地理信息已展现出显著的支撑作用，为构建“空域—航路网—起降点—无人系统”4要素协同的低空运行体系奠定了坚实基础。

当前，低空经济发展仍面临3大核心挑战：数据融合精度不足(动态障碍物识别等关键环节存在技术瓶颈)、标准体系缺失(空域编码与网格化剖分尚未形成统一规范)、系统自主性待提升(无人机自主决策依赖人工干预比例较高)。对此，测绘地理信息学科需以“通感算智”一体化闭环、数字基底规范体系及MaaS生态平台为突破方向，积极探索生成式测绘新范式，推动从“描述世界”到“创造可用空间”的理论重构。通过技术融合、标准引领、平台构建、方法论突破与人才培养的系统性突破，测绘地理信息将在低空经济高质量发展中发挥战略性技术引领作用，成为驱动新质生产力发展的关键引擎，为构建安全、高效、可持续的低空经济新生态提供坚实支撑，助力国家空间治理能力现代化。

作者简介：刘春(1973—),男,博士,教授,主要研究方向为激光雷达遥感与低空技术与工程。

E-mail:liuchun@tongji.edu.cn