在2月25日召开的第九期莫干山地信研讨会上，中国工程院院士、莫干山地信实验室主任陈军作了题为《时空型混合智能计算》的主旨报告，对测绘智能化这一必然趋势进行了详细阐述。

经过多年发展，以空间定位、对地观测、地理信息为核心的时空信息技术取得了长足进步，与相关科技的交叉融合渐成常态，信息的获取、处理和服务能力显著提升。但是，面对精细程度、时间频度、服务方式等方面的新需求, 时空信息技术仍存在较大提升空间，如高质量时空信息供给不足、高层次时空分析能力不强、高水平时空赋能手段短缺等。

陈军院士举了两个例子，说明现阶段存在的问题。一是普遍面临“数据既多又少”的困境。目前建立了不少“天空地海网”一体化监测系统，但许多情况下用户往往找不到所需的时空数据，距实现“全面动态感知”相差甚远，亟需提升自主化协同感知、实时化数据处理建模等能力；二是普遍存在“数据海量、信息爆炸、知识难求”难题。国土空间具有显著的多维动态特征，但现有空间分析技术以几何计算为基础，侧重于要素状态、分布等静态分析，且缺乏趋势预测、态势预警等手段，处于后知后觉状态，往往难以有效支撑从宏观到微观、从平面到立体、从静态到动态的多维度空间认知，亟需发展符合人类空间认知习惯的时空分析能力。要破解这些难题，需要将时空信息与人工智能深度融合，势在必行。

2018年5月，宁津生院士在宁波召开了中国工程院战略咨询重点项目“测绘科技转型升级研究——从数字化走向智能化”研讨会。此后，相关组织和机构纷纷召开智能化测绘主题会议、申请国家自然科学基金重大项目，深入研讨测绘地理信息智能化转型升级的路径，为测绘学科与行业的智能化发展提供了先进的理论支撑。

报告中，陈军院士讲述了人工智能与测绘自然智能的联系与区别。

一般说来，自然智能是指人类对客观事物进行合理分析、判断及有目的行动和有效处理周围环境事宜的综合能力。测绘自然智能则是指人类在测绘活动中形成的感知、认知、表达和行为的测绘机理、规则及模型知识，如定位计算的物理学规律、地物信息解译的辐射机理、地图表达的尺度效应等。

在人工智能领域里，混合智能是指同时运用多个人工智能分支领域的技术方法，使之取长补短、优势互补。测绘自然智能与人工智能可以在思维方式、模型特征、计算目标、赋能途径等方面形成互补的优势。思维方式方面，测绘自然智能多是基于规则的推理，以“自上而下”的演绎思维为主；人工智能多是基于监督学习、样本训练、案例驱动，以“自下而上”的归纳思维为主。模型特征方面，测绘自然智能通常是在人类长期的测绘活动中总结形成的，利用简洁的公式、规则、图谱、形式化模型加以表达；人工智能模型多是基于数据的拟合运算，表现为大模型、超参量的复杂形式。计算目标方面，测绘自然智能往往基于逻辑推理与因果解释，问题求解时力求“知其所以然”；人工智能的样本训练需要大数据支持，往往只关注关联联系、不关注因果联系，在问题求解时追求的是“知其然”。赋能途径方面，测绘自然智能往往是通过从上往下、逐级指导的赋能路径去解答问题；人工智能则是从下往上、逐级总结提炼普适性、统一化的知识规则。

近年来，人工智能领域提出了“数据+知识”双向驱动的混合智能计算范式，主要用于处理文本、图像、音频、视频等常规模态数据，难以有效地顾及时空数据的特性、空间尺度、时态变化等。因此，综合考虑测绘对象的时空特征、知识融合、尺度效应、样本构建等因素，陈军院士等2024年在测绘学报上发表了《智能化测绘的混合计算范式与方法研究》论文，综合考虑测绘对象的时空特征、知识融合、尺度效应、样本构建等因素，提出了以“知识为引导、数据为驱动、算法为基础、服务为支撑”的混合智能计算范式。陈军院士从时空感知、认知、表达和服务4个方面，对该范式进行了实例化解释与说明。

时空数据的实景化感知。针对“数据既多又少”困境，研究时空数据实景化感知的混合智能计算模式，研发协同化观测、实时化处理、场景化重建等方法，建立“协同化感知—实时化处理—时序化建模”的时空数据实景感知混合智能计算体系，为实现全域动态感知提供新思路、新手段。

时空场景的多维度认知。针对“找不到、认不透、判不准”的难题，根据时空场景的多维动态特性，研究耦合自然智能与人工智能的复杂时空场景多维度认知混合智能计算模式和信息机理，构建知识引导、数据驱动的时空认知计算框架，提升时空场景的多维度认知能力。

时空地图的情境化表达。针对个性化制图需求，研究地图制图自然智能的解析与建模、时空地图表达的情境感知、多模态地图的情境化生成、多模态情境化地图人机交互制图等关键技术，实现用户意图精确理解、制图形式恰当运用、精美表达即时生成，为个性化时空地图的情景化生成提供先进手段。

时空智能的自主化服务。针对时空信息服务效率较低的问题，研究时空智能的自主化服务模式，构建数据、知识、计算一体化的时空智能服务计算引擎，研发以GPT为“大脑”决策核心的任务分解、流程编排、分节点调用的时空智能服务计算引擎，实现面向国土空间监测监管场景的自主化、个性化和灵性化时空信息应用，提升时空智能服务的自主化构建能力。

厘清测绘混合智能计算的基本概念，破解关键科学问题是时空型混合智能计算的主要研究路径。“构建时空型混合智能计算范式、发展智能化测绘的混合计算方法、形成混合智能计算的方法体系，是发展时空型混合智能计算的三大主要任务。”

陈军院士指出，首先要进行测绘自然智能的解析与建模，提出方法，研究典型案例。将人类在测绘活动中形成的感知、认知、表达和行为等自然智能，抽象成特定的时空信息机理、规则及模型、先验知识等。比如在全球地表覆盖制图过程中，形成针对不同地区和分辨率要求的配套性自然信息处理机制与先验知识。其次要针对每一类测绘活动，研究其信息处理机制及先验知识，构建混合智能计算模式。厘清痛点、重点、难点，找准智能化测绘研究的切入点，将简单性、重复性甚至危险性的测绘任务交由机器完成，而让人类更好地发挥知识创造、空间思维等方面的能力，创造良好的智能化环境，提高测绘生产效率与水平。最后要针对国土空间监测监管的重大需求，开展实验与示范研究。以低空飞行管控为例，由于低空没有任何物理附着物，高密度融合飞行极其复杂。要实现安全、高效和有序的低空飞行，必须构建低空空域的时空数据空间，采用数字化和智能化的管控手段。这一管控手段的实现面临着复杂空域的数字化表达、海量数据的实时化计算、高密度飞行的智能管控等科技难题，这些难题的解决与智能化测绘密切相关。

编辑：孙佐楼

初审：齐   阳

审核：马志勇