2025年低空经济与时空智能协同驱动新质发展白皮书-同济大学

低空经济与时空智能协同驱动新质发展白皮书同济大学国家卓越工程师学院同济大学测绘与地理信息学院时空智能感知团队低空经济与时空智能协同驱动新质发展白皮书编制人员：编制单位：中国测绘学会低空开发与利用工作委员会同济大学国家卓越工程师学院同济大学测绘与地理信息学院时空智能感知团队目录 25 26 28 2.协同驱动的核心逻辑框架 292.1数据闭环与价值共创(上游) 2.2技术共生与创新迭代(中游) 2.3场景驱动与服务升级(下游) 33 1.低空数据底座 40 43 46 48 3.核心技术挑战 6 2.场景需求 2.2行业痛点 87 8 8 91 6.未来展望 2.2多源数据融合 3.1专项政策细化 3.3迁移强化学习 1.关键技术 3.应用案例 4.趋势与挑战 1.场景需求 1.1行业痛点 2.核心技术 2.1技术需求 2.2技术瓶颈 3.典型案例 4.趋势与挑战 4.1多传感器集成系统 4.2续航瓶颈凸显 附录 附录1:术语表 附录2:政策文件索引 附录3:参考文献 前言在新质生产力与空间治理现代化的历史交汇点，低空遥感时空智能正成为推动国家治理能力提升和低空经济发展的关键引擎。当前，全球正经历新一轮科技革命和产业变革，以人工智能、大数据、物联网为代表的数字技术与传统生产力要素深度融合，催生出“新质生产力”这一重塑未来经济格局的战略力量。低空经济不仅是航空产业链的延伸，更是对传统空间资源利用范式的颠覆性重构——从二维平面到三维实景，从静态测绘到动态感知，从专业应用到全民服务，其发展亟需新型基础测绘技术提供精准、实时的时空基准与智能决策支持。在此背景下，如何通过时空智能技术提升低空资源利用效率、保障空域安全、赋能产业创新，已成为我国推动低空经济高质量发展、服务国家空间治理体系现代化的核心战略任务。低空经济作为战略性新兴产业，正在全球范围内加速崛起。据预测，到2025年中国低空经济市场规模将突破1.5万亿元，2035年有望达到3.5万亿元，涵盖城市空中交通、无人机物流、应急救援、环境监测等多个领域。中国低空经济已进入快速发展阶段，截至2025年，我国在轨遥感卫星数量超过400颗，为低空经济提供了强大的数据基础。然而，低空经济的蓬勃发展对空间信息基础设施提出了更高要求——需要构建能够实时感知、智能分析、精准服务的低空遥感时空智能体系，这正是本白皮书的核心关切。边缘计算、AI大模型等前沿技术的突破性进展，测绘已从传统的“数据提供者”向“时空智能服务商”转型。时空智能感知技术成为驱动低空经济与空间治理现代化的核心引擎。通过高精度导航定位(如北斗卫星导航系统)、多源数据融合(遥感、IoT、AI)、数字孪生技术等能力，时空智能技术能够构建低空空域的“电子围栏”能力。从静态测绘到动态感知、从二维平面到三维实景、从专业应用到全民服务，这一转变正深刻重构测绘地理信息服务模式。白皮书的核心主题本白皮书以“低空经济与时空智能的协同驱动”为核心主题，探索二者如何深度融合、协同演进，共同开辟新的发展路径。低空经济需要测绘遥感提供高精度、实时化、三维化的空间信息支撑，而时空智能遥感则依托低空经济的场景需求，加速技术迭代与服务模式创新。这一协同关系不仅体现在技术层面(如无人机遥感、北斗导航、AI解译),更体现在政策层面(如空域管理改革、数据共享机制)和产业层面(如低空测绘专用起降网络建设)。通过梳理这一协同逻辑，本白皮书旨在为行业从业者和决策者提供系统性参考。白皮书的目标本白皮书的目标是：分析政策与技术的协同路径，探索时空智能感知在低空经济场景中的发展机遇、挑战及未来方向。具体而言，本白皮书将：1)梳理国家战略规划对低空经济的总体定位，分析政策如何推动低空测绘遥感从“数据提供者”向“时空智能服务”转型。2)构建低空遥感时空智能的理论框架，包括技术基础(如多源异构数据处理)、数据处理(如边缘计算与AI融合)和服务模式(如按需定制化服务)三个层次。3)探讨社会需求(如快速物流配送、应急救援、城市空间利用)与技术发展(如AI语义分割、点云建模)如何形成协同驱动机制。4)分析低空经济产业链中上游、中游、下游对测绘技术的需求，以及配套保障体系(如空域管理平台、数据安全标准)的建设需求。5)总结低空智能感知核心技术(如数据底座、组网协同感知、多模态数据融合、遥感智能解译)的突破方向。6)通过典型应用场景(如城市低空机场建设、公共基础性建图、灾害监测等),展示低空遥感时空智能的实际价值。7)提出低空遥感时空智能发展的建议，包括核心技术突破与标准化、政策制度与监管保障、基础设施网络化、产业生态培育等方面。白皮书的组成第一部分：政策与战略驱动聚焦低空经济与时空智能的协同基础，从国家战略规划与专项政策支持两个维度，系统解析政策如何推动低空测绘遥感向时空智能服新型基础设施建设规划》《低空空域管理改革行动方案(2024-2027年)》等政策文件，通过空域分类改革、数据共享机制、技术标准制定等举措，为低空遥感提供制度保障；自然资源部“实景三维中国”建设、民航局无人机适航管理等专项政策，则推动多部门在时空基准构建、空域资源规划、数据安全标准等关键环节形成协同书将系统梳理政策链与技术链的耦合关系，提出“标准先行、生态共建”的协同路径。第二部分：低空经济与时空智能协同发展的逻辑框架阐述协同驱动的核心逻辑和测绘科学与技术支撑的产业链节点。该部分将从社会需求驱动(需求侧)和技术发展推动(供给侧)两个维度，分析低空经济场景对测绘技术的特殊需求，以及时空智能如何为低空经济提供时空基准、空域建模和动态感知三大核心能力。同时，该部分将进一步梳理低空经济产业链中上游、中游、下游对测绘技术的需求层级，提出空域管理平台、数据安全标准等配套保障体系的建设需求。第三部分：低空智能感知核心技术聚焦低空遥感时空智能的关键技术体系，涵盖低空数据底座、组网协同感知、多模态数据融合、遥感智能解译与决策支持四大方向。低空数据底座需构建统一时空基准与数据治理体系，为异构数据提供标准化接口；组网协同感知通过多平台异构数据协同，提升复杂环境下的感知效率；多模态数据融合实现空间信息互补性增强；遥感智能解译与决策支持依托AI大模型，推动语义分割与场景推理能力突破。该部分进一步提炼技术突破点与标准化重点，为技术迭代提供方向指引。势与挑战”的四维框架，展示低空遥感时空智能在各领域的实际应用价值。城市治理领域，城市低空机场建设依赖空域资源规划，公共基础性建图需三维实景建模，灾害监测通过洪水/地震应急响应验证动态感知能力：环境监测领域，城市生态监测 (植被覆盖分析)、河湖水利监测(水文参数反演)、输电线路巡检(缺陷自动识别)体现技术革新；新兴领域如智能建造(BIM与实景三维融合)、基础设施病害检测(表观病害识别与位移监测)、城市更新(历史街区三维建档)进一步拓展技术边界。该部分通过多场景实证，量化展示低空智能感知技术的实践价值。第五部分：结论与展望总结低空遥感时空智能的发展机遇与挑战，并提出发展建议。该部分将从政策红利、技术进步和市场需求三个维度分析发展机遇，从技术融合难度、空域管理复杂性和数据安全与隐私三个方面分析面临的挑战，并从核心技术突破与标准化、政策制度与监管保障、基础设施网络化和产业生态培育四个方面提出发展建议。白皮书的编制说明在中国测绘学会低空开发与利用工作委员会指导下，本白皮书由同济大学国家卓越工程师学院和测绘与地理信息学院刘春教授(工委会副主任)领衔的时空智能感知团队主编。依托团队在低空遥感领域的技术积累、创新成果及前沿探索，系统性构建理论框架并强化实证支撑。本白皮书面向政府决策部门(空域管理与政策制定)、低空经济从业者、测绘地理信息企业(技术供应商与解决方案商)、科研机构(技术攻关与标准研究)以及关注空间治理现代化的社会各界人士。其核心价值体现为：其一，为测绘地理信息企业数字化转型提供战略指引；其二，为低空经济应用场景落地提供可验证的技术方案；其三，为政策制定者提供基于多源数据的决策支持框架。团队成员的深度研究与系统性撰写，确保文本兼具理论创新性、技术系统性与实践适配性，为低空智能感知领域发展提供阶段性研究成果。第1章政策与战略驱动一低空经济与时空智能的协同基础在科技创新迭代与产业深度变革持续演进的时代语境下，低空经济正崛起为驱动经济增长的新质动能。作为该领域核心基础设施环节的低空测绘遥感，在国家战略性政策框架的精准赋能下，正步入加速发展的历史机遇期。1.国家战略定位与发展目标1.1低空经济顶层设计2021年2月，中共中央、国务院印发的《国家综合立体交通网规划纲要》首次将“低空经济”概念写入国家规划，标志着低空经济正式上升为国家战略。低空经济在2024年首次被写入政府工作报告，被明确赋予“新增长引擎”的战略定位，如图1.1所示。这一产业旨在借助技术创新与产业融合，构建起立体交通网络，形成全新的经济形态。低空经济作为新质生产力的关键引擎，对我国经济高质量发展、产业结构优化及国家安全保障能力的提升具有战略引领作用。“空天地一体化”监管破局，军地民协同释放空域资源效能。国家《低空空域管理改革行动方案(2024-2027年)》提出“空天地一体化”监管体系建设目标，将卫星遥感、无人机航摄与地面监测有机融合。在空域管理方面，鼓励积极开展低空空域分类管理试点，通过军地民协同机制，优化飞行审批流程，并探索建立跨省飞行联盟，为低空测绘遥感作业提供了更加灵活、高效的空域资源。同时国家大力推进实景三维数据应用，建设低空数字底座，整合三维地理信息、城市模型(CIM)等数据资源，为高精度导航与智能服务奠定坚实基础。另一方面，推进低空分类管理，借助军地民协同优化审批，探索跨省联盟，让空域资源利用更灵活。基础设施建设不断提速，产业规模目标明确，到2030年达2万亿元，新兴业态将成增长主力。目前的设计规划可以看出，国家政策旨在破除发展阻碍，提供良好的基础环境，释放低空经济潜力，使其成为经济增长新引擎，与此同时布局技术能力提升，为长远技术突破和应用做好准备。◆党中央、国务院高度重视低空经济，◆党中央、国务院高度重视低空经济，在宏观层面及顶层设计上不断作出系统性的战略部署与发展规划。低空经济等新兴产业安全习近平总书记在中央经济工作会议谈及“低空经济”国无人机产业进入规范化发展新阶段.2025年政府工作报告中提出，因地制宜发展新质生产力，开展新技术、新产品、新场景大规模应用示范行动，推动商业航天、2021年2月，中共中央、国务院印发《国家综合立体交通网规划纲要》,首次将低空经济纳入了国家发展规划.2023年12月，习近平总书记在中央经济工作会议上强调要打造“低空经济等若干战略性新兴产业“.2024年全国两会，提出要积极打造低空经济等新增长引擎，这是低空经济2024年01月，《无人驾肢航空器飞行管理智行条例》正式实施，标志着我图1.1国家战略部署与发展规划1.2专项政策支持表1.1低空经济专项政策支持梳理《民用无人驾驶航空器理规则》民航局适航管理固化民航局在无人机监管体系建设上一系列试点1.确定无人机运行安全管理工作应当坚持面向运行场景、基于运行风险、分级分类管理的原则。管理方式，包括设计批准、生产批准和适航批准。3.明确了空域管理中空域分类划设、航路航线划使用流程、空域容流管理等方面的权责和要求。4.探索符合无人驾驶航空特点的差异化运行标准发民用无人驾驶航空器综合管理平台(UOM)。《通用航空装备创新应用实施方案政部、发提出到2027年，我国通用航空装备供给能力、产智能化为技术特征的新型通用航空装备在城市空《国家空域基础分类方空管委划定合法低空G空域和W空域，各地低空空域有望陆续开放，为eVTOL、轻小型无人机和通用航空提供了合法的低空飞行空间。《绿色航空制造业发展工信部等四部委发展规划了“绿色+”助推民机产业升级、开辟电动《民用微轻小型无人驾驶航空器运行识别最低(试行)》民航局《无人驾驶航空器飞行管委重庆六个城市开展eVTOL(电动垂直起降航空器)这一系列政策通过制度松绑、资源整合与场景开放，加速低空经济从单一装备制造向“空域管理-基础设施-智能服务”全链条延伸。多部门协同政策体系正在重塑低空经济生态，通过适航标准、空域网格、通感网络、数据中台的四重架构，推动低空测绘从传统数据采集向“全域感知-实时计算-场景赋能”的时空智能服务转型。随着《通用航空装备创新应用实施方案》落地，低空经济未来将深度融入城市治理、应急响应、物流配送等领域，形成新型基础设施网络。在低空经济蓬勃发展的浪潮下，时空智能技术成为推动产业升级与空间治理能力提升的核心力量。深圳、上海、北京等一线城市与江苏、浙江、重庆、青岛、海南等区域城市，通过政导向与引领，在低空经济领域探索出各具特色的发展模式，为低空经济产业带来新的机遇与变革，如图1.2所示。政策方商1低空多样化场景培育与产业链协同深期经济辅区低空屋济产业促进务到2(苏州市低空堤济高历童发溶施方雾(2024-2026年《安做演加快培商发黑低空绿济实施方离(2024-2027年)复曹干重施》新江看《高水平照设民原盈冒打店低空操济原屋需施的实画童见和行动方案】《而草市温逗值牵模济高版量发属实施方斋(2024一2026年))厂东官推动低空经济高质垦发职行动方实(2024一2025年湖前首《关于支持金首低空绿济庭医量发耀的暑干故留播施(上海市低空寻盖产望商质发绑行动力率(2024,2027年)上滞市促避工业疆务血磁脂产业升盈行动方案(2024-2027年))《长害市雁动低空经济高质量发展行动计划(2024-2026年)蘸庆市锥动低空空城管顶改盆筐进庭空停济高质量发画行动方面12024-2027年北意市促进低空轻济产业高质量发票行动方案(2024-2027年山东首惩空经济高质蓝发潮三年行动方实(2025-2Q27年)3国家夏藤改革蚕低空经发疆而正式候立《朝阳市低空经济商质量发眉行动方庭(a025-2027《中华人民共和国民用奉望洁(懂订草三)》修订《安阳市爬进低空择济高质童发展行动方辈(2025-2027年下放布四川省出台《支持低空经济发族前看干政知熊施霞急曾建部、工信部等置布关王归职开属2025年星源恩能重薯票郸化工作通知交理运地邮关于印发2025年立法工作通卸，含民用鱿陛法修订)号图1.2各地政府积极响应，利好政策密集发布四川2.1一线城市的低空经济试点示范深圳、上海和北京作为我国的一线城市，纷纷出台了一系列低空经济试点政策 (表1.2所示),并积极探索时空智能技术的应用，以满足低空经济发展中的多样化需求。广东州、深圳、珠动方案(2025—省级综合飞行服务站和广州、深圳、珠海3个A类飞行服务加快5G及5G-A(通感一体)、北斗，卫星互联网、广播式自支-末”物流配送需求，结合省内物流园区、快递(2024-2027援、医疗物资配送、违建巡查、公安巡逻、城市消北京空飞行器的飞行路径规划、空域划分以及与城市基础设施的协调运行。2.安全管控技术：支持京内企事业单位加强光电对在国家战略高度重视低空经济发展的背景下，其中深圳作为改革创新的前沿阵地，持续获得政策支持并承担先行先试使命。2017年1月，国家发展改革委印发《关于建设通用航空产业综合示范区的实施意见》,首次将深圳列为通用航空产业综合示范区试点城市，为后续发展奠定基础。2022年1月，国家发展改革委、商务部联合出台文件，支持深圳深化无人机飞行管理试点，通过优化审批流程、缩短办理时限等措施，显著提升低空飞行活动的便利性与监管效能。同年8月，深圳获批中国民航局授牌的民用无人驾驶航空试验区，进一步强化其技术探索与实践能力。至2024年，政策支持力度持续加码，中国民航局明确提出支持深圳建设国家低空经济产业综合示范区，并完善产业发展服务体系，标志着深圳在低空经济领域的战略地位从区域性试点升级为国家级示范标杆。2024年8月，深圳市发改委发布《深圳市低空起降设施高质量建设方案(2024-2025)》,深圳将加快推动设立低空经济产业基金，全周期、全链条支持低空经济产业发展。这一系列政策演进，既体现了国家对低空经济的前瞻布局，也凸显了深圳在制度创新、技术应用和产业生态构建中的核心作用。从一线城市政策与实践来看，遥感技术凭借其高分辨率观测、动态监测与空间分析能力，成为推动产业升级的核心技术力量，技术融合上，遥感技术与物联网、人工智能的深度结合成为必然趋势。高光谱、激光雷达等先进遥感技术将与智能算法结合，实现低空目标识别、环境监测的精准化与智能化，具体来说对飞行器定位误差和数据实时传输能力要求较高，需解决技术问题赋能应用，才能探索在城市治理领域、灾害应急等各种应用场景下，发挥更大价值。在技术融合方面，低空智联建设通过汇聚三维地理信息、城市信息模型(CIM)等数据，为低空管理服务体系提供了坚实的数字化基础。低空经济的发展对飞行器的定位精度、数据传输能力以及安全管控提出了更高应急救援、城市治理等。此外一线城市还着眼于提升监测能力、优化审批流程、打通数据通道，以提高决策效率，但数据安全问题也需同步解决。这些举措共同推动低空经济向数字化、智能化转型，为未来低空经济的高质量发展奠定了坚实基础。2.2低空经济新兴城市探索突破低空经济新兴城市在政策创新与技术应用的双重驱动下，探索出差异化发展模理如表1.3所示。表1.3低空经济新兴城市政策支持梳理江苏《省政府办公厅关于加快推动低空经济高质量发展的实施意见》(苏政办发(2024)空域改革、基础设施建设、产业创新、应用场景和服务生系统，逐步形成全省低空数字底座。合安全要求的条件下探索建立低空即时应急救援、医疗救护、农林植保、国土测绘、城乡治理、公共安全监管、生态环境、管理改革促高质量发展管理改革促高质量发展(2024-2027座”,探索“六大创新”,打造“低空经济创新发展之城”聚通用航空器、无人机、eVTOL整机制造等产业链条，提升产业集群化水平。“1+N+X”低空飞行服务站管理体系，依托北斗构建基础设施与数字融合及产业青岛高质量发展+末”无人机快递配送网络，探索“无人机+无人车+无人仓”智慧物流新模式。布局三区，实空飞行监视、气象电磁监测、风险识别预务，打造低空支持5G-A及通感一体(ISAC)、广播式自经济示范区动相关监视(ADS-B)、北斗数据链、无人海洋场景创新与5G-A技利用独特的热带岛屿自然资源，拓展丰富应用空域管理改革，建立军民协同、高效衔接的空空经济发展2026年)》应用场景。构用机场，规划起降场：整合服务站和监管建政策制度体平台功能等。设基础保障设计划申报、对空监视、地空通信、航空气施、构建发展象、航空情报、飞行情报、告警及协助救平台、推动试援等服务能力，接入海易办和海政通。高质量发展(2024-2026点示范等方面点示范等方面协调机制。数据融合创新和技术平依托CIM平台完成地理信息采集和空域网新区为核心的“一核心、三基地、四支点、民政府关于高水平建设民航强省打发展高地的以航空运输为主体，加强空港枢纽覆盖能力兴、绍兴等地率先推广"低空+城市治理造无人机电商物流服务品牌。试点低空智能融合基础设施，开发低空商业场安徽起降设施等地面保障设施网及低空航路动、多点支2.技术攻关。聚焦固定翼飞机、无人机、快培育发展局，支持合肥、低空经济实芜湖建设低空(2024一市，到2027年达800亿元。完善通用航空智能信息网。完善城市低空等新技术融合应用。2.2.1顶层设计与地方特色融合地方政策体系构建的特点在于顶层设计与地方特色融合。各省均围绕基础设施、应用场景、技术创新、监管服务四大核心领域制定政策，注重构建“数字底座+监管体系+产业生态”三位一体框架。普遍强调低空空域分类管理、军民协同机制优化、跨部门数据共享平台建设，如图1.3所示。各地注重差异化布局，结合地理资源适配和当地产业基础结合。青岛聚焦海洋场景如海上执法、物流，海南依托岛屿优势拓展跨海运输。安徽强化合肥、芜湖航空制造集群双核联动，浙江以空港枢纽为核心驱动，适配当地产业基础。低空经济政策演进三阶段分析(2021-2030)科楼部交通通器求型环璃型严术■中国低空经济迈入“载人时代”,民航局向皖两企业锁发载人无人机运营合格证图1.3低空经济政策布局要素2.2.2地方政策重点维度分析(1)基础设施建设：在基础设施建设领域，政策重点聚焦于起降设施网络的立体化构建与低空智联网的建设。■低空智联网：多省布局5G-A、通感一体(ISAC)、北斗数据链等技术融合，建设通信、导航、监视、气象和情报等设施。(2)技术创新：各省市积极布局低空经济核心技术攻关与创新平台建设，将其作为驱动战略性新兴产业发展的关键引擎。源动力等技术瓶颈攻关。低空飞行智能服务保障仿真测试平台和人工智能算法SaaS平台、青岛5G-A技术融合通信感知设施建设等。(3)产业链培育：通过低空经济产业链培育，为战略性新兴产业注入强劲动能。构建“基础研发-核心突破-生态协同”的全链条创新体系，以数字底座、智能装备和多元应用为核心，推动产业链上下游协同跃升。■产业链延伸：安徽聚焦eVTOL整机制造，重庆推动通航器、发动机、航电系统产业链集聚。■遥感平台集群：青岛重点布局城市低空飞行监视、气象电磁监测、风险识别预警等设施，融合应用5G-A、通感一体(ISAC)、北斗数据链等技术。推动特色场景的因地制宜构建。■临海地区场景拓展：临海地区依托得天独厚的海洋运输条件与航空枢纽资源，重点围绕跨海运输、即时配送、空港枢纽等领域应用场景探索，形成了具有区域竞争力的低空经济发展模式。无人机快速响应、精准投送等特性，为灾害救援面，低空遥感技术大幅提升数据采集效率与精度；城市治理中，智能巡检、环境监测等应用有效提升城市管理效能；物流即时配释放，不仅推动了低空经济技术创新与产业融合，更注入新动能。(5)数据区域协同治理：低空经济领域对融合多源数据构建高质量数据集的需求极为迫切，区域间的协同联动与领域内的统筹协调成为发展的关键核心要素。构建数据集，为低空经济决策提供依据，推动测绘与多领域融合发展。接。规则。(6)管理服务保障：低空监管的核心要义在于构建高效的管理体系、筑牢系统安全防线以及赋能智能化决策支撑。由此可见，低空经济需依托智能化监管手段实现资源的精准配置与动态调度，保障系统以高效安全的态势运行。尤其是低空经济场景下的少人化乃至无人化系统，对监管的精准性、决策的科学性和保障的可靠性提出■监管可视化：重庆、江苏、长春等省市整合三维地理信息、CIM、气象等多源数据，构建低空数字孪生平台，实现空域资源动态规划。■决策智能化：长春“紫东长空”大模型通过多模态数据处理与AI分析，支持24小时全天候监测与风险预警，适配国产芯片确保数据自主可控。■通信感知融合：青岛部署5G-A通感一体(ISAC)、全向信标雷达等设施，强化低空飞行器身份识别与电磁环境监测能力。综上，政策驱动下的低空经济生态，各省政策呈现“共性框架+因地制宜”的特征，如图1.4所示。基础设施技术创新应用场景数现区域管理租务大创影导算人P分多面蛇法又8空4筑证.能计指得池施N三N三扬场景监气单灾tt组意四程试和但动调邪图1.4低空经济政策架构图时空智能技术作为低空经济发展的核心使能器，通过多模态数据实时融合、自动化信息处理及知识图谱驱动的服务体系，为低空经济网络的数字化转型提供了基础支撑。其通过深度耦合运行要素，形成“感知-认知-决策-执行”的协同反馈机制，显著提升了时空协同效率与资源配置精度，在基础设施监测、航路优化及空域管理等关键领域发挥着结构性支撑作用，同时为低空经济活动的智能化升级创造了技术低空经济多元化应用场景的演化需求，正推动测绘科学在技术创新与实践深化层面的突破。时空智能技术通过动态感知网络的构建，实现了对低空经济全要素的数字化映射，不仅满足交通管理、应急救援、物流配送等场景的时空信息需求，更与国家新型基础设施建设及产业链协同创新政策形成共振效应，共同塑造低空经济高质量发展的技术-产业融合路径。3.1时空智能感知赋能低空经济“五张网”建设低空服务网智能化测绘技术深度融入并强化低空经济的网络效能，提升低空时空数据实时化、信息处理自动化扣服务应用知识化空中航路网空域管理网通信导航网创新柩动图1.5时空智能感知赋能低空经济立体网络低空经济的多元化应用场景需求牵引测绘科学在技术创新与实践深化方面的持续探索，时空智能深度融入并强化低空经济的网络效能，提升低空经济活动的规划与执行能力，如图1.5所示。方式解决资源共享问题，即有限的地面、空域和频谱资源如何共享共用。■"通信导航网”是低空智联网的“神经中枢”,通过“5G-A+北斗+多模态感知”技术栈，实现全域覆盖的通信、导航与感知服务。行服务和各类飞行提供保障，并为后续低空管理服务系统和应用拓展提供能力支撑，解决空域资源高效配置问题。运行流程服务，以及地理、气象、地面人文、电磁、务等，在多维测绘数据驱动下升级低空服务。技术架构与应用场景的深度融合，构建了“需求牵引-技术驱动-服务创新”的动态演进机制。时空智能感知技术的深度应用，正加速低空经济从经验型运营向数据驱动型生态系统的范式转型。随着人工智能、5G/6G等前沿技术的交叉融合，时空智能感知体系将在低空经济高质量发展中持续释放协同创新效能。3.2时空智能赋能低空经济产业链时空智能除在基础设施方面能发挥重要作用外，其更深度融入空域管理、技术创新、应用场景和服务保障体系中，构建起覆盖全产业链的赋能网络。图1.6呈现团队在时空智能领域针对低空经济全产业链的系统化布局规划，涵盖基础设施建设、低空感知体系、应用场景拓展及监管机制构建四大维度，体现了推动行业全链条、全要素、全周期协同发展的创新路径。基础设施方向聚焦分布式起降平台(含模块化设施、能源补给站)及通用机场的智能化改造，通过“点-线-面”立体化布局构建物理支撑网络；感知体系集成激光雷达与多源遥感技术，研发高精度动态地图及变化检测系统，为空域环境提供厘米级三维地理信息支持；场景应用重点开发智能建造领域的工程全生命周期监测运维、自然资源精准识别等典型场景，构建“测绘数据-业务模型-决策支持”的技术转化链条；监管方向以三维建实现飞行器动态监控与风险评估闭环管理。团队拟构建“技术使能-场景牵引-标准引领”的协同创新体系。预期成果包括形成覆盖低空经济全链条的时空智能技术矩阵，建立跨领域数据融合与共享机制，为国家战略需求下的低空经济高质量发展提供可验证的技术路径与应用示范。基他设施建设第资蒙代谢号航系统6控系统实时成图低空飞行场量应用生态病害混感平台场聚感知我货水利件事比天语一度三品后0自福监簧酸务保障基出设缝复杂反填各类起降场(点)、充电场配套设施建设精度地图安化检测恒空监银雁班究方向134图1.6低空经济产业链系统架构示意图第2章低空经济与时空智能的协同驱动时空智能作为融合了地理信息系统(GIS)、遥感(RS)、卫星导航定位(GNSS)、高效、可持续发展的关键技术支撑与核心驱动力之一。低空飞行活动的本质是对三维空间的精细化利用，其安全与效率高度依赖于对空域环境的精准感知、精确导航和智能管理。时空智能通过提供高精度的时空基准、高保真的三维空域模型和高智能的动态环境感知能力，为低空经济的“飞得起、飞得稳、管得住”提供了核心保本章旨在系统阐述低空经济与时空智能协同驱动的内在机理，深入剖析低空经济发展对时空智能的需求层级，解析时空智能技术赋能低空经济的核心路径，并探讨低空空域数字孪生监管平台、低空机场网络等关键基础设施的建设重点与配套保低空经济从业者的应用探索、测绘地理信息企业的技术创新以及科研机构的学术研究提供战略指引和决策参考。低空经济的蓬勃发展，本质上是对低空空域资源精细化、智能化开发利用的过程，这必然离不开时空智能提供的精准时空信息服务作为其“数字底座”和“感知中枢”,如图2.1所示。反之，低空经济的广阔应用场景和复杂技术挑战，也为时空智能技术的创新突破和应用深化提供了前所未有的历史机遇和强大动能。二者相互依存、相互促进、协同发展，共同构筑新质生产力，开启经济社会发展的新篇章。随着低空经济的深入发展，时空智能的角色和定位正在发生深刻转变，从传统的“数据提供者”加速向“空间智能服务商”演进，其核心价值体现在以下几个方基础性支撑：时空智能为低空经济活动提供统一、高精度的时空基准和地理信息数字底座。这包括高精度地图、三维城市模型、精确实时定位服务等，是保障低空飞行安全、有序、高效运行的根本基石。低空区域的规划和基础设施建设对低空经济发展至关重要，而这离不开时空智能的支撑。全链路赋能：时空智能技术深度融入低空经济的全产业链条和全生命周期。从前期的空域规划(划设可飞区、禁飞区)、基础设施选址与建设(如无人机起降场、充换电站),到中期的飞行器导航与避障、运行监控与管理，再到后期的多样化应用场景落地(如物流配送路径优化、巡检数据智能分析),时空智能都发挥着不可或缺的关键技术支持作用。价值倍增器：时空智能不仅仅是提供原始数据，更重要的是通过专业的处理、深度的分析和智能化的应用，将地理空间数据转化为具有高附加值的信息产品和决策支持服务。例如，通过对遥感影像和地理数据的综合分析，可以为农业保险提供精准的灾情评估；通过对城市三维模型的分析，可以优化无人机配送网络。这种增值服务能够显著提升低空经济活动的效率、效益和安全性，驱动低空经济整体价值转型方向：面对低空经济带来的新机遇和新挑战，测绘地理信息行业正经历着一场深刻的变革。服务模式从提供标准化的地图产品向提供定制化、场景化、智能化的空间解决方案转变；服务内容从静态的地理信息描述向动态的态势感知和预测预警延伸；服务目标从满足特定行业需求向支撑经济社会发展的更广阔领域拓展。深度嵌入低空经济价值链，成为其不可或缺的组成部分，是测绘地理信息行业实现高质量发展和价值提升的关键路径。rruE机场图2.1低空空域分层结构与地面协同管理示意图低空经济的规模化发展依赖于飞行器制造、运营服务及配套保障等核心产业的协同创新。作为产业融合的“粘合剂”与“催化剂”,时空智能技术通过构建统一时空基准、提供精准地理信息服务，可有效实现产业链横向板块的无缝衔接与高效协同，显著提升低空经济生态系统的运行效能与整体价值。在全链路产业协同网络中，时空智能发挥着双重战略作用：一方面为基础设施数字化升级提供核心时空数据支撑，另一方面依托其高精度感知技术与三维建模能力，深度赋能低空空域管理、技术创新迭代、场景拓展及服务保障体系建设。这种协同发展遵循“数据基石-算法中枢-价值转化”的内在逻辑框架，具体体现在以下在上游环节，时空智能构建标准化数据基础体系。通过主导技术标准制定与产品设计，推动多源传感器(航测相机、高/多光谱相机、LiDAR、红外热成像仪器等)与低空平台的集成优化，建立新型遥感载荷的数据格式、精度规范及作业标准。该标准化建设确保全产业链数据质量达标，为产业应用奠定可靠时空数据基座。在中游环节，时空智能形成核心算法中枢。以低空遥感云平台为例，通过整合几何校正、点云处理、三维建模等核心算法，结合分布式存储、自动化流水线、智能分析引擎与服务分发机制，构建一体化智能计算平台。该平台作为原始数据向高价值信息转化的关键枢纽，既支撑低空设施智能化运维，又成为测绘技术赋能产业创新的核心载体。在下游环节，时空智能驱动场景化价值转化。通过将专业处理的低空数据转化为精细化地理信息产品，实现对智能建造、农业生产等应用场景的深度赋能。无人机智能巡检重构工程运维模式，空间感知技术优化低空物流路径决策，这种数据消费过程实质是将时空信息转化为具有高附加值的产业服务，最终完成低空经济的社会经济效益转化。2.1数据闭环与价值共创(上游)推动传感器集成优化，参与制定数据与作业标准，为产业链提供高质量、标准化的数据源头。测绘技术赋能低空：时空智能为低空经济的规划、建设、运营和管理提供基础影像图、三维模型、导航电子地图等。低空飞行反哺测绘：低空飞行活动(如无人机遥感、巡检监测)本身就是一种高效的数据采集手段，其产生的海量、高频次的动态数据(如航迹数据、传感器数据、环境感知数据)不仅可以用于优化和更新测绘产品(如实现实景三维模型的动态更新，如图2.2所示),更能催生全新的数据服务需求和商业模式，例如基于飞行大数据的空域流量分析、飞行行为模式挖掘、风险评估等。价值共创：这种数据的双向流动和迭代优化，形成了数据闭环，不断提升双方的智能化水平，共同创造新的经济价值和社会效益。图2.2实景三维模型的动态更新2.2技术共生与创新迭代(中游)提供核心算法引擎，构建智能计算与服务平台，实现海量原始数据向高价值信息的转化。实时性等方面提出了前所未有的挑战(如复杂城市环境下的厘米级导航、海量飞行实时化、网络化方向的加速创新和突破。技术拓展应用：时空智能技术的进步，特别是人工智能(AI)、数字孪生、云计算、边缘计算等与GIS、遥感、GNSS的深度融合，为低空经济开辟了更多新的应用场景和更优的解决方案。例如，基于AI的遥感影像智能解译、基于数字孪生的飞行模拟与空域优化、基于边缘计算的无人机实时决策等。共生演进：二者在技术层面相互渗透、相互依赖，形成共生演进的态势，共同推动着空天信息技术体系的整体进步。2.3场景驱动与服务升级(下游)赋能智能建造、精准农业、智慧物流、应急管理等多样化应用场景，将地理空间信息转化为具有高附加值的产品与服务，驱动价值实现，如图2.3所示。光谱仪消费级无人机药厂医院货画场站穿越机娱乐观光全新体验穿越机偏远地区应急响应图2.2创新驱动下的低空经济：市场供给与需求概览场景定义需求：低空经济的多元化应用场景(如前述的物流配送、巡检监测、城市空中交通、应急救援、文旅服务等)具体定义了时空智能服务的形态、内容、精度、频次和响应速度等要求。服务模式转型：这种场景驱动的模式，推动测绘地理信息服务从传统的“数据提供者”角色，向更高级的“空间信息分析与解译者”、“空间智能解决方案提供商”和“综合时空信息服务运营商”转型。测绘企业需要更深入地理解行业应用，提供定制化、集成化、智能化的服务产品。生态协同：围绕特定场景，测绘服务商需要与飞行器制造商、运营商、通信服务商、应用开发商等产业链各方紧密合作，共同构建应用生态。《数字孪生赋能低空经济研究报告(2024年)》明确指出，低空经济与数字孪生互相促进、协同发展。数字孪生技术为低空经济发展提供技术支撑，而低空经济则带动数字孪生城市向“空地一体”发展。这正是协同驱动逻辑的生动体现。时空智能为低空经济的蓬勃发展提供了三大核心能力支撑：构建统一的时空基准，作为低空飞行的“度量衡”与“通行证”;实现精细化的空域建模，打造低空环境的“数字孪生”与“导航图”;以及提供动态化的环境感知，充当低空运行的“千里眼”与“顺风耳”。这三大能力共同构成了低空经济安全、高效运行的技术底座，如图2.4所示。电动垂直起降飞行器直升机电动垂直起降飞行器直升机农林植保图2.3从感知到决策：时空智能成为低空经济的“眼睛”与“大脑”3.1统一时空基准：低空飞行的“度量衡”与“通行证”重要性：在广阔且日益繁忙的低空空域，统一、高精度的时空基准是确保所有飞行活动安全、有序进行的前提。它如同物理世界的度量衡，为每一架飞行器、每一次飞行活动、每一处地面设施提供了唯一的、可比较的参照标准。缺乏统一时空基准，将导致飞行器定位不准、航线规划混乱、飞行冲突风险剧增，多源数据的融合与共享更是无从谈起。因此，建立覆盖低空空域的统一时空基准，是低空经济基础设施建设的首要任务。技术路径：构建低空统一时空基准，主要依托以我国自主建设的北斗卫星导航定位系统(BDS)为核心的全球导航卫星系统(GNSS)。为进一步提升定位精度、可靠性和可用性，通常需要结合地基增强系统，如连续运行参考站网(CORSNet)。通过在区域内布设一定数量的CORS基站，实时接收卫星信号并进行差分改正，能够为用户提供厘米级甚至毫米级的实时动态定位服务和事后高精度定位服务。目标是构建覆盖服务区域的“一张网(统一的定位服务网络)、一标准(统一的数据格式与服务标准)、一平台(统一的服务与管理平台)”的高精度定位服务体系。统一时空基准的应用价值贯穿低空经济的各个环节：·航线规划与飞行监控：为无人机、eVTOL等飞行器提供精确的四维(三维空间+时间)航迹规划与跟踪能力，确保其按照预定航线飞行，并为监管平台提供可靠的监控依据。·空域管理：在统一的时空框架下，精确划设禁飞区、限制区、电子围栏等，实现空域资源的精细化管理。·基础设施建设：为低空飞行所需的起降场、充电桩、通信基站等地面设施的选址、建设和维护提供精确的地理空间参考。·多源数据融合：确保来自不同传感器、不同平台的地理空间数据(如遥感影像、雷达数据、飞行器轨迹)能够在统一的坐标系下进行融合、分析与浙江省在推进实景三维浙江建设中，强调夯实统一时空基底，为无人机飞行与监管服务平台提供支撑，并主动对接交通部门，谋划全省北斗导航定位“一张网、一标准、一平台”建设，为低空安全飞行提供坚实的数据支撑与技术保障，是该领域实践的典型案例。3.2精细化空域建模：低空环境的“数字孪生”与“导航图”核心内涵：精细化空域建模是指利用实景三维建模、建筑信息模型(BIM)、城市信息模型(CIM)、激光雷达(LiDAR)扫描、倾斜摄影测量等先进技术手段，构建一个高精度、多尺度、动态更新的城市及低空空域三维数字孪生环境。这个数字孪生体不仅是对物理世界的真实复现，更是包含了丰富语义信息和时空属性的智能化模型，是低空飞行的“导航图”和管理决策的“沙盘”。一个完善的低空空域数字孪生模型应包含以下关键要素：◆建筑物与构筑物：精确的三维模型，包含位置、高度、轮廓、结构材质等信息，特别是高层建筑、塔吊、桥梁等关键障碍物。·重要基础设施：电力线、通信塔、交通标志、机场、起降点等。+动态要素：移动的车辆、行人、其他飞行器(通过传感器数据实时接入)。限制区、禁飞区)、固定航路、航线通道、进离场程序等。气象信息：风场、温度、湿度、能见度等(可实时或准实时更新)。技术挑战：实现大规模、高精度、高鲜度的低空空域建模面临诸多技术挑战，包括：大范围三维数据的快速获取与处理、多源异构数据的融合与一致性表达、模型的轻量化与高效可视化、语义信息的自动提取与赋予、模型的持续动态更新机制空域规划与管理：在数字孪生环境中，可以直观地进行空域划设、航线网络优化、飞行间隔标准制定、空域容量评估，实现空域资源的可视化、可量化、可计算管理。例如，重庆市构建的低空实景三维“四张图”(空域图、设施图、产业图、场景图)为城市空域精细化管理提供了有力支撑。飞行模拟与验证：为飞行器研发单位提供高保真的模拟环境，用于测试飞行控制算法、导航系统性能、障碍物规避策略，以及验证新航线的安全性和可行性。低空基础设施规划：结合地形、地物、空域限制、电磁环境等因素，在三维环境中科学评估和规划无人机起降场站、eVTOL枢纽、充换电设施、通信基站、导航信标等的最佳位置与布局。深圳市利用实景三维技术探索分析城市空间，优化起降场点布局和航路划设。应急响应支持：在发生自然灾害或突发事件时，能够快速调取或生成灾区的精细化三维场景，叠加实时灾情信息，为救援力量部署、救援路线规划、避难场所选择等提供直观的决策支持。3.3动态化环境感知：低空运行的“千里眼”与“顺风耳”目标：动态化环境感知的核心目标是实现对低空飞行环境中各类静态和动态要素的实时、精准、全方位监测与理解。这包括但不限于气象条件(风、雨、雪、雾、湍流)、固定障碍物(建筑物、高塔、电线)、移动障碍物(其他飞行器、鸟类)、地实现空域高效协同运行的关键。实现全面动态感知依赖于多种技术的协同工作：◆多源传感器融合：集成机载传感器(如视觉摄像头、毫米波雷达、激光雷达LiDAR、红外传感器)与地面感知设备(如气象雷达、ADS-B地面站、场面监视雷达、高清监控摄像头、声学传感器)。通过数据融合算法，综合不同传感器的优势，弥补单一传感器的不足，形成更完整、更可靠的环境认◆人工智能分析：应用先进的人工智能算法，特别是计算机视觉和机器学习技术。例如，利用AI图像识别算法从摄像头数据中检测和分类障碍物；利用目标检测与跟踪算法监控其他飞行器的动态；利用点云分割与识别技术术，确保机载传感器获取的环境数据能够实时回传至地面控制中心或云端平台。同时，需要强大的边缘计算或云计算能力，对海量感知数据进行快速处理、分析和解译，生成可供飞行决策或监管使用的信息。自主飞行与智能避障：为无人机、eVTOL等智能飞行器提供实时的、精确的环境信息，使其能够自主判断飞行路径上的潜在风险，并执行有效的规避动作，从而显著提升自主飞行的安全性和可靠性。动态风险评估与预警：通过持续监测飞行环境，系统可以实时评估潜在的碰撞风险(如与其他飞行器或障碍物的距离过近)、恶劣气象条件(如突发的强风、低能见度)等，并向飞行器或操作员发出预警，以便及时采取应对措施。空域态势监控：为低空空域管理部门提供一个全面的、动态的空域飞行活动态势图。通过整合所有飞行器的位置信息、航行状态以及环境感知数据，监管者可以实时掌握空域使用情况，及时发现异常飞行行为，提升空域监管效率。协同交通管理：在未来高密度的城市空中交通场景下，动态环境感知是实现多飞行器协同运行、避免空中拥堵、优化整体空域资源利用率的基础。第3章低空智能感知核心技术与系统架构低空经济当下的快速发展热潮方兴未艾，然而目前行业的主要注意力集中在装更是如何构建能够全面感知、智能分析、精准决策的低空智能数据底座的问题，如图3.1所示。在这其中，低空智能感知技术作为连接物理世界与数字世界的桥梁，图3.4低空智能感知核心技术全景示意图数字孪生是建立物理实体的属性、行为、与其他实体交互的方式及其他物理性实时感知现实动态的低空环境的虚拟副本。通过综合运用多源感知、动态建模、仿真与可视化技术，这样一个全息数字空域不仅能实时精准地再现低空飞行器、基础设施、通信导航监视设备、低空电磁环境及气象变化等关键要素的动态全貌，更能支撑复杂的模拟推演、风险预警与智能决策，进而全面提升低空运行安全、效率和管理水平。为了实现这样的数字孪生平台，需要实现多方面的技术整合协作，包括多源感知与数据融合技术、高精度动态建模、高级仿真推演技术以及基于增强现实的可视化交互技术等等。数字孪生可作为低空经济基础设施的全生命周期管理平台，其覆盖设计测试、交付运营、巡检运维、维修升级等多个阶段，通过不断积累数据以供版本迭代，能够不断优化低空系统的性能和效率。其次，低空数字孪生可以作为智能与自主决策算法的试验场，通过提供智能体决策与环境反馈数据，其能够支持当下许多基于强化学习的方法的训练、测试和实际应用。除此以外，面对许多可能导致人员受伤、设施损坏的高风险测试场景，其能够提供安全的操作环境，从而保证在现实世界中的安全运行，如图3.2所示。可视表达可视表达充电站机里通信基站她恶雷达蓝源图3.5空域数字孪生赋能产品迭代与智慧决策如果说数字孪生平台是低空智能感知核心技术坚实的骨架，那么组网协同感知则构成其肌体，其通过分布式的传感器捕捉低空环境全方位、多维度、立体化的实时信息。这一层面的核心在于突破单一传感器的感知局限，通过协同组网的方式充实现感知与规划的协同演进，进而为数字孪生平台注入高效、精准的数据。要实现组网协同感知，首先要解决多元异构的感知节点之间的互联和配合。协同感知涉及的传感器可以分为静态的原位传感器和搭载于移动飞行平台上的动态传感器，如图3.3所示。静态的固定感知节点大多数情况是地基的，如布设在关键航路沿线、核心空域和重要设施附近的地面雷达站、全景/热成像监控摄像头、以及局部气象传感器等，形成对固定区域的常态化、连续性的监测。与之相对，无人机、eVTOL等低空飞行器则是移动的感知节点，通过耦合高清航测相机、激光雷达、高/多光谱相机、4DRadar、惯性测量单元(IMU)、全球导航卫星系统(GNSS)等，对特定区域进行近距离、高分辨率、快速的动态数据采集，灵活响应特定区域的感知需求。低空协同感知组网，则是通过大规模输入输出(MassiveMultipleInputMultipleOutput,MassiveMIMO)技术，将无人机作为通讯节点接入整个通讯链路，从而实现高速、可靠的通信链路，形成一个灵活的通信感知一体化网络，进一步支持低空环境的整体态势感知。针对整体态势的理解和特定感知任务，智能调度机制会将感知任务分解到各任务节点，并充分考虑各节点的性能异同，以最优、最经济的方式完成态势感知任务。任务分配任务分配地面营达站气象传哪器云运节点协同组网光潜饮图3.6空地协同组网突破单点感知局限低空环境的复杂性和动态性，以及低空任务的多样性，对感知系统的全面性和准确性提出了极高要求。单一传感器往往只能捕捉到场景的某个侧面，难以形成完整可靠的认知，而过多的数据往往又会造成冗余，且不同传感器获取的数据往往不具备统一的结构。因此，在组网协同感知获取海量多源异构数据之后，必然需要数其核心目标是生成比任何单一数据源都要更加准确、完整、可靠的场景描述。在进行融合步骤之前，首先要确保输入数据在时间和空间基准上的一致性。这一步通常通过精确的传感器检校参数、高精度GNSS/IMU数据以及特征点匹配等技术将多源数据转换到统一的地理坐标系中。对于动态的场景感知，还需要确保不同数据源在时间上的严格同步，以便正确关联和分析目标的运动和变化。在完成数据的时空基准对齐后，还需要对不同模态的数据进行多尺度的特征提取，以获得最具代表性和区分度的信息。而后，这些多维度特征信息将汇入“载荷探测信息融合”的核心处理单元。信息的融合可以发生在不同的阶段，根据不同的任务，有时会采取不同阶段的融合策略，包括几何基元级别的融合、特征级别的融合以及决策级别的融合等等。此阶段的目标主要是对这些异构的特征进行有效的整合和关联，实现信息之间的交叉印证，进一步增强信息的可信度，如图3.4所示。载荷探测信息融合态势感知模型构建载荷探测信息融合多尺度转征棵取多尺度转征棵取图3.7多源异构数据融合实现统一场景认知经过数字底座的构建、组网协同感知的全域数据获取以及多模态数据融合的深度信息提炼，低空智能感知体系最终迈向价值实现的关键环节——遥感智能解译与决策支持。这一层面聚焦于如何经过融合处理的高维特征数据中提取深层次的语义智能的决策辅助，真正实现从数据到价值的转化，实现数据的全生命周期闭环。在产品端，依托机器学习和深度学习算法，可以实现对多模态融合数据进行自动分析和语义理解的过程，赋能各个场景中的算法类产品转化，如图3.5所示。智能化解译涵盖低空遥感影像的图像分类、目标检测、图像分割、变化监测等基础任务，其对城市交通、农林植保、国土监测、建筑施工等场景皆具有重要意义。在此背景下，各类视觉-语言大模型(LargeVision-LanguageModel,LVLM)的蓬勃发展，正推动智能化解译领域实现突破性进展。这些模型除了具备大模型的强大性能和场景泛化能力，还通过融合视觉与语言模态，实现同时理解复杂视觉信息以及其对应的描述性文本。因此，其拓展出了如视频理解、基于文本的图像检索等全新的任务形态，而此类新的任务又会为智能解译产品赋予新的生命力。在此基础上，测绘遥感领域开始了针对构建低空应用的多模态大模型的尝试，以期进一步提升场景任务的自动化处理能力和智能化水平。智能决策支持系统则在智能解译的基础上，面向低空空域相关管理部门，进一步整合领域知识、运行规则和相关法律法规，形成应急事件响应语料库，构建低空经济领域知识图谱，将飞行器、航路、空域、法规、基础设施、气象等实体及其相互关系以结构化的方式进行组织和存储，从而支持复杂的关联分析。通过结合大型语言模型强大的理解和生成能力，为决策人员提供对相关制度规定的快速查询、复杂场景的深度解答、方案的自动生成与评估等等便利，进而显著提高人机交互效率和决策质量。图像分类图像分割目标检测变化检测图3.8四大基础任务赋能九大应用场景总结低空智能感知核心技术体系是一个层层递进、协同工作的技术框架，以时空智能技术为核心，结合信息科学、计算机科学、信息与通信工程等学科领域，为低空经济的高效、安全、智能化运转提供核心支撑。通过整合空-地多源传感器产生的海量异构数据，深度挖掘多模态信息，最终实现消费者端和企业端的双重价值实现，是低空经济数据基础设施未来建设的重点。多模态数据融合作为低空经济与时空智能遥感协同发展的核心支撑技术，正引领低空经济从单一维度向多维立体、从离线处理向实时智能的方向演进。通过整合遥感影像、IoT传感器数据、地理信息数据及业务专题数据，多模态数据融合构建了高精度、高时效性的时空数据底座，成为低空智能感知网的“神经中枢”,为城市低空机场建设、灾害监测预警、基础设施智能巡检等应用场景提供全方位的数据支持与决策依据。本章节将系统阐述多模态数据融合的技术架构、应用场景及价值，并提出未来发展趋势与建议。多模态数据融合在低空经济领域特指将来自不同传感器、不同平台、不同时空维度的数据进行有机整合，以形成统一、完整、高精度的时空数据表示。从技术内涵看，多模态数据融合包含三个关键层次：数据级融合(原始数据层面)、特征级融合(提取特征层面)和决策级融合(分析决策层面),各层次融合具有不同的优势与适用场景。在低空经济中，多模态数据融合需解决的核心问题包括：异构数据的时在数据来源方面，低空多模态数据融合主要整合三类核心数据：低空遥感数据 据(气象、温湿度、结构健康监测、交通流量等实时传感器数据)以及业务专题数据(规划、土地、人口、经济等属性数据),如图3-1-1所示。空间空间图3-1-1低空多模态数据融合的全方位感知示意图这些数据在空间覆盖范围、时间分辨率、数据维度和感知精度上各有所长，通周期性覆盖的宏观信息，而IoT数据则能补充地面或近地面的高频率、高精度微观动态信息，两者结合可实现“空天地一体化”的全方位感知。多模态数据融合在低空经济中的核心技术架构包含三大核心模块：时空数据库构建、三维GIS集成与实时融合质量控制。这三个模块相互支撑、协同工作，形成完整的数据融合处理闭环。时空数据库构建是多模态数据融合的基础，其技术架构主要包括：数据采集与预处理(辐射校正、几何配准、时间戳同步)、分布式存储(采用云原生架构实现PB级数据存储与动态扩展)、时空索引与查询(支持多维度时空检索与快速调用)。在低空经济场景中，时空数据库需特别适应高频、多源数据的动态更新特性。例如，数简科技的“简算数擎”技术通过免切片模式实现遥感原始数据动态按需处理，避免全量预处理的冗余成本，使数据服务周期从数日缩减为秒级。此外，根据任务优先级与空域管理需求，需设计智能数据调度机制，确保关键区域(如灾害监测、基础设施巡检)的数据获取与更新。三维GIS集成是实现多模态数据空间可视化与分析的核心。其技术架构主要包括：多源数据空间配准(投影变换、控制点匹配、冲突检测)、三维模型构建与轻量化(采用Cesium引擎优化大规模三维数据渲染)、全空间分析工具(通视分析、日照分析、地下管线检测等)。在低空经济场景中，三维GIS需支持遥感影像与IoT数据的实时叠加展示，以及多模态数据的空间语义关联。例如，MapGIS平台通过“一码多态”实体构建与图谱关联技术，将地理实体的空间关系与业务属性进行统一表达，实现“人理解”向“人机兼容理解”的转变。同时，三维GIS还需支持大规模物联设备的接入与管理，如数字政通的“星揆计划”构建了“5+2”系统服务平台，集成飞控作业系统、影像智能分析系统和全息智能感知平台，实现城市空间数据的动态更新与多部门共享。实时融合质量控制是确保多模态数据融合可靠性与实用性的关键环节。其技术架构主要包括：数据流式处理(采用ApacheFlink等流式计算框架)、轻量化AI模型(模型剪枝、量化技术)、边缘-云协同计算(复杂任务云端处理、实时任务边缘处理)、异常值检测与数据一致性验证(基于深度学习的质量评估模块),如图3-1-2所示。在低空经济场景中，实时质量控制需满足毫秒级响应需求，例如防撞系统中检测并避开迎面而来的物体。中电信AI申请的多模态数据管理系统专利通过深度学习与算法优化手段，创建多模态数据质量指标并设置相应的质量检测任务，生成并展示质量检测报告，为决策者提供可靠依据。同时，质量控制还需考虑数据安全与隐私保护，如边缘计算节点集成硬件级加密(安全芯片)和动态访问控制机制，防止敏感数据泄露。实时融合质量控制图3-1-2低空多模态数据融合技术框架示意图3.多模态数据融合在低空经济典型场景中的应用价值业务数据，为各场景提供精准的数据支持与智能决策能力。根据应用场景需求的不同，多模态数据融合可采取不同的融合策略与技术路径，以实现最优效果。在城市低空机场建设场景中，多模态数据融合通过整合无人机遥感影像、地面地形数据、气象IoT数据及空域管理信息，构建城市三维数字孪生模型，支持机场选址规划与空域航线设计。例如，深圳“5G-A+毫米波+卫星”空天地一体化网络，结合无人机遥感与IoT数据，形成低空数字底座，为城市空中交通、航空救援等场景提供精准空间参考。这种融合使机场建设能够更充分考虑城市空间结构、环境影响与空域资源利用，提高建设效率与安全性。在灾害监测场景中，多模态数据融合通过遥感影像与IoT数据的时空关联，实现灾害的动态监测、风险评估与应急决策。例如，中国地质大学构建的地震灾害知识图谱，融合遥感影像、地质/气象IoT数据、社交媒体文本等多模态信息，通过计算词向量语义相似度实现数据融合与统一表达，为地震灾害损失评估、应急链决策支持及次生灾害推理提供有效工具。在洪涝灾害监测中，多模态数据融合结合遥感AI与专业模型能力，实现灌区种植结构的智能化自动提取、需耗水预测预报、作物长势分析等，提升灾害监测的精准性和预警的及时性。这种融合使灾害监测从静态分析向动态预测转变，大大缩短了应急响应时间，如重庆洪涝监测服务周期从数日在基础设施智能巡检场景中，多模态数据融合显著提升了巡检效率与精准度。智洋创新申请的基于多模态特征融合的输电线路运维专利，通过自适应视觉特征分支、自适应文本特征分支以及跨模态融合模块，结合KL散度和Wasserstein距离实现模态特征的精准对齐，使输电线路缺陷识别准确率提升至95%以上，百公里巡检人力成本从30人天降至3-5人天。在水利工程中，多模态数据融合通过无人机搭载卫星监测技术，实现堤防和大坝的工程安全状态监测，提升风险综合研判能力。这种融合使基础设施巡检从人工为主向智能为主转变，大大降低了人力成本与安全风在城市生态监测与河湖水利监测场景中，多模态数据融合通过遥感与1oT环境传感器的协同，实现生态要素的全面感知与精准评估。生态环境部通过融合多源遥感时序数据与多光谱智能识别技术，构建秸秆焚烧污染风险量化评估模型，准确率≥0.70,为污染防控提供科学依据。丹麦技术大学的无人机河流监测系统，通过搭载雷达测高仪、声呐、水穿透雷达和多普勒雷达，实现了对河流水面高程、水深和流速的高精度测量，为洪涝预警、水资源管理提供了全新解决方案。这种融合使生态监测从单一指标向综合评估转变，提高了管理决策的科学性和有效性，如图3-1-3所示。在城市更新场景中，多模态数据融合通过实景三维建模与物联网数据的结合，实现城市空间的精细化管理和更新规划。例如，深圳市龙岗区通过数字孪生技术，整合城市治理、公共服务、经济发展等多个领域的数据，实现了对城市运行状态的全面监测和快速响应，提升了城市治理的精细化水平。这种融合使城市更新从经验驱动向数据驱动转变，提高了规划的精准性和实施效率。灾害监测灾害监测城市更新多模态隐合散属图3-1-3低空多模态数据融合驱动的多场景应用多模态数据融合技术正朝着更加智能化、个性化、实时化的方向发展。未来三年，随着AI大模型、边缘计算与数字孪生技术的深度融合，多模态数据融合将实技术发展趋势主要体现在以下几个方面：首先，AI大模型将深度融入多模态数据融合流程，通过跨模态注意力机制、迁移学习等技术，实现更复杂的特征关联与语义理解。例如，中科云图将DeepSeek大模型与低空遥感技术结合，有效克服了传边缘计算与轻量化模型将推动多模态数据融合的实时化，无人机搭载可插拔算力模块(如FPGA加速卡、NPU芯片),结合流式计算框架(ApacheFlink)和模型压缩技术(知识蒸馏、量化),实现毫秒级响应与低延迟处理。第三，三维GIS与数字孪生的深度融合，构建更精细、更动态的低空数字底座，支持复杂场景的模拟推演与决策优化。例如，华为云的数字孪生城市案例，通过三维建模与实时数据可视化，实现了对城市运行状态的精准映射与动态监测。异构数据对齐的复杂性、边缘计算算力与能耗的平衡、实时数据流处理的低延迟要求。例如，无人机边缘计算设备受限于体积和重量，难以应对突发的高负载任务，需通过动态算力预测与扩展模块自动安装/卸载实现资源优化。此外，多模态数据融合的鲁棒性和泛化能力仍需提升，特别是在复杂环境(如城市峡谷、恶劣天气)下的数据可靠性保障。非技术挑战主要包括：政策法规滞后、数据共享机制不健全、安全与隐私保护难题。当前低空经济空域管理仍以静态审批为主，跨区域协调机制缺失，难以满足阻碍了智慧空管系统的建设。同时，低空飞行涉及大量敏感地理信息和个人数据，如何在确保安全的前提下实现数据共享与流动，仍是亟待解决的难题。随着低空经济的发展，无人机低空遥感已成为对地观测的重要手段，广泛应用于测绘、农业、城市管理、应急响应等多个领域。由此产生的低空遥感数据呈现爆炸式增长，数据类型也日益丰富，包括可见光影像、红外影像、高光谱影像、激光雷达(LiDAR)点云等。然而，如此海量多模态的低空遥感数据也给传统的数据处理和信息提取方法带来了巨大挑战。各行业对低空遥感数据的智能化、精细化解译需例如，在城市管理中，需要快速准确地识别违章建筑、监测交通流量；在精准农业中，需要实时评估作物长势、诊断病虫害。传统遥感分析方法往往依赖人工判读或基于小样本训练的专用模型，难以满足大规模、复杂动态场景下的应用需求。在此背景下，以Transformer架构为代表的人工智能大模型，或称基础模型 (FoundationModels,FMs)凭借其强大的特征学习能力、泛化能力和多任务处理能力，在自然语言处理和计算机视觉领域取得了突破性进展，如图3-2-1所示。将大模型技术引入低空遥感领域，研究低空遥感智能感知大模型，对于提升数据解译的自动化和智能化水平，赋能各行业应用，具有重要的科学价值和广阔的实践前景。感知规划语义地图高维特征宏现规划中框决策图3-2-9“快思慢想”:分布式低空智能感知框架数据特性低空影像通常具有极高的空间分辨率，但也伴随着视角多变、光照和天气条件复杂、小目标密集且尺度变化大等问题。与传统无人机摄影测量的数据获取方式不同，无人机平台的灵活性使得拍摄倾斜影像成为常态，这对模型的鲁棒性和视角不变性提出了更高要求。样本获取与标注高质量、大规模、多样性的低空遥感标注样本库建设相对滞后。标注工作耗时低空遥感领域在业务中积累的样本量远小于计算机视觉领域的数十亿图像数据集，亟须构建亿级高质量样本。模型泛化能力低空场景(如城市峡谷、茂密森林、灾后废墟)的复杂性远超普通自然图像。目标尺度差异巨大，从单个行人到大片建筑群；遮挡、阴影、相似地物干扰等问题普遍存在，增加了智能解译的难度。如何构建一个能够适应不同地域特征、不同传感器参数(如光谱响应、分辨率)、不同任务场景(如城市、农村、山区)的大模型，是提升实用性的关键。目前，许多模型在特定数据集上表现优异，但在未知场景下的泛化能力仍有不足。实时性与效率许多低空遥感应用，如应急响应、实时监控、动态目标跟踪等，对解译结果的实时性有极高要求。同时，无人机单次作业即可产生TB级数据，如何在保证精度的前提下实现大规模数据的高效处理，是一个重要挑战，如图3-2-2所示。大模型赋能场景理解低空复杂场景实时解译高维语义表征空间映射海量无监督低空遥感数据模型轻量化部署地地通信拒止场景快速响应针对场景快迭代y提示词对齐用户偏好图3-2-10低空遥感智能解译核心挑战遥感大模型定义遥感大模型(RemoteSensingFoundationModels,RSFMs)通常指利用