论万物互联时代的地球空间信息学

　　摘要：随着5G/6G、云计算、物联网和人工智能等新技术的发展，人类已经进入了万物互联时代。本文探讨万物互联时代地球空间信息技术的五大特点：定位技术从GNSS和地面测量走向无所不在的PNT服务体系;遥感技术从孤立的遥感卫星走向空天地传感网络;地理信息服务从地图数据库为主走向真三维实景和数字孪生;3S集成从移动测量发展到智能机器人服务;学科研究范围从对地观测走向物联监测和对人类活动的感知。作者基于这些特点进一步剖析新时代面临的挑战，并提出新时代地球空间信息学发展亟待解决的三大科学技术问题：测绘学科如何服务人与机器人的共同需求?遥感影像解译的机理是什么和如何突破实现技术的瓶颈?如何利用时空大数据挖掘人与自然的关系，从空间感知走向空间认知?万物互联时代的地球空间信息学，必须且完全可能为万物互联的数字地球和智慧社会做出更大的贡献!

　　关键词：地球空间信息学;万物互联;时空大数据;云计算;人工智能;空间感知与认知

　　1地球空间信息学的发展

　　地球空间信息学是通过各种手段和集成各种方法对地球及地球上的实体目标(physicalobjects)和人类活动(humanactivities)进行时空数据采集、信息提取、网络管理、知识发现、空间感知认知和智能位置服务的一门多学科交叉的科学和技术[1]。

　　作为一门测绘遥感科学与信息科学交叉产生的学科，人与自然变量的空间分析是该学科的基础，对地球空间几何与物理变量的空间分析能够为地球空间信息学提供多元化的数据和信息处理方法。其中，遥感(RemoteSensing，RS)、地理信息系统(GeographicInformationSystem，GIS)和全球卫星导航系统(GlobalNavigationSatelliteSystem，GNSS)是学科常用的测量、观测和分析工具。

　　20世纪60年代初期，RS以航空摄影为基础发展起来。目前全球大约有60个国家和地区的1100多家航天公司参与研发、制造、部署和运营各种军民商用卫星系统，200多个国家和地区已经在利用通信、导航、遥感卫星的成果[2]，成果应用覆盖了国土资源、气象、环境、海洋等多个领域，能满足不断增长的社会经济发展、国家安全及灾害管理等需求。

　　GIS技术发展于20世纪60年代，自加拿大的RogerTomlinson在纸质地图等基础上提出地理信息系统的概念以来，已经广泛应用于土地利用、资源管理、环境监测、城市规划以及经济建设等方面。其间，互联网和万维网的发展和面向服务概念的提出，都扩充了地理信息技术的概念，逐步实现地理信息服务的“4A”(即Anybody、Anytime、Anywhere、Anything)标准[3]。近些年来云计算等技术的兴起也使得地理信息大数据得到了高效的管理及应用，为地理信息系统的快速发展提供了坚实的基础。GNSS的完备程度能够体现现代化大国的综合国力。

　　目前应用较为广泛的定位系统为美国全球定位系统(GPS)、俄罗斯的卫星导航系统(GLONASS)、欧盟的伽利略卫星导航系统(GALILEO)以及中国的北斗卫星导航系统(BDS)。2020年北斗三号全球卫星导航系统已正式开通并投入服务，全球组网的成功标志着中国北斗卫星导航系统未来的国际应用空间将会不断扩展[4]。物联网(IOT)概念的提出为地球空间信息学提供了新的发展机遇。物联网的建设需要地球空间信息学的支撑，同时物联网也是地球空间信息学发展的有力驱动。物联网发展至今，产生了诸多成果，但是要实现真正意义上的“万物互联”，还需要多方面的技术支撑。新型基础设施建设(以下简称“新基建”)作为万物互联时代的新理念，包含信息基础设施、集成基础设施以及创新基础设施。

　　其发展理念对于时代发展的推动作用不可小觑。在自然资源调查方面，通过地理空间基础设施和计算设施，结合人类活动轨迹和年鉴等统计数据可以实现多时相、实时生态环境监测[5]、资源调查[6]与应急管理[7];在公共安全与健康产业中，通过人工智能与地理空间信息的结合实现高精度时空大数据的统计、分析和预测[8]，在疫情防控、治安管控等方面都有十分重要的应用;城市管理方面，在数字地球之上，可以通过新基建构建新型智慧城市，真正实现智能化规划、建设与管控;智能驾驶领域和机器人产业依托于新基建;基于人工智能的通导遥一体化天基信息实时服务系统(PNTRC)在新基建的支持下已经能够集成高精度的通信、导航、遥感和授时等服务。

　　2万物互联时代地球空间信息学面临的挑战

　　2.1如何同时满足人类与机器人的不同需求

　　在感知和认知地理空间中，人类与机器人存在较大不同。人类通过视觉等感官对周围环境进行感知，包括各类符号的辨认、地物要素的识别和运动中识图用图。

　　机器人则通过信号或数字实现对地理空间的感知和认知。如何实现让机器人对周围环境实时反馈，如进行大范围观测、实时异地观测、灾害响应等，是万物互联时代地理空间智能面临的新挑战。如何结合时空大数据的处理手段，让机器人可以增强资源调查、决策支持的能力?如何让机器人对各类紧急事件做出及时的预测及响应?如何让机器人在探测感知、自主运行处理等环节解决地球空间信息采集和应用难题?这些问题的解决将会促进数字化和智能化的发展。目前机器人主要出现在无人驾驶、智慧能源和智慧测量等领域。

　　以驾驶与导航为例，通过视觉系统，人类驾驶员可以看到道路上的交通标志等图形，并做出相应的操作。但是机器人无法通过观察视觉图符来驾驶，而是需要接收到信号才能进行相应操作。现有的地图和交通标识供人类驾驶员理解，未来机器人驾驶的地图和交通标识需满足机器人的理解需求，实现通过电子信号和通信手段通知机器人，让机器人实施行驶、加减速、制动等操作。 在人与机器人共存的万物互联时代，人与机器人的协作成为必然，如何服务于人与机器人的共同需求，让人和机器人能够同步获取相同的信息成为挑战。测绘领域的研究者需要研究的除了人类的需求与问题外，还有机器人的需求和人机关系。

　　2.2如何表达不同领域对同一地理对象描述的语义歧义

　　影像解译作为遥感数据的基础应用，是遥感与测绘领域研究的热点。长期以来，遥感影像解译主要是实现地图的分类和符号化，但分类的多义性使得难以产生一致的正确解译结果。在分类体系层面，空天地一体化传感网络提供的海量多源数据在提升地表观测维度的同时凸显了天然地物的多义性。从这些数据中，各领域研究人员可以根据专业需求提取感兴趣信息，构建内部语义一致的分类体系，并建立与之对应的数据库。

　　但不同领域科学问题出发点不一，研究者存在主观认知差异，导致各分类体系中地理对象的描述存在差别。由此建立的样本集在样本类别定义(命名、语义)、层级及兼容性等方面有较大差异，样本集的开放性与可扩展性不足，难以支撑多样本集间的数据共享与综合利用[9]，使得地物解译结果受到影响。以土地为例，农艺师根据地表覆盖将土地划分为山坡草地，同时林业专家可能根据地形、地貌等特征将其规划为宜林地，由此引发该地规划用途与实际利用不一致的问题。在分类过程中，神经网络和深度学习使解译效率提升，通用性增强，但能够兼顾天然地物与人工地物解译的算法仍待发展。在遥感解译中，地球表层地物主要可以分为天然地物和人造地物。

　　人工地物是具有确定性的几何维目标(如形状规则的农田、标准长度的跑道及符合规划的园林地等)，通过目标提取及变化检测算法能够获得确定性的解译结果[10];而天然地物一般是具有不确定性的分形目标(例如天然植被分布、介于23维之间的地形、形态符合分形理论[11]的海岸线等)，是影像解译结果中不确定性的主要来源。现有解译方法普遍面向天然地物或人工地物之一，而不能二者兼顾。因此在保证精度的同时考虑天然地物与人工地物特征的差异性是影像解译中的一个难题。 如何回归遥感影像本源，通过影像描述来解决语义歧义问题，兼顾天然人工地物特征的差异，实现地表目标正确分类是万物互联时代地球空间信息学面临的挑战之一。

　　2.3如何用时空大数据挖掘人与自然的复杂关系

　　万物互联时代，人们应把注意力从地理信息科学转移到更高层次上研究地球空间信息学，利用数据回答人与自然的关系，分析和挖掘人类与自然之间存在的各种空间、因果关系和发展趋势，这是地理学的本源任务。在研究中，应以地球空间信息学为研究手段解决人类社会可持续发展问题和人与自然的关系问题。人与自然的协调发展是社会可持续发展的基本条件。人口、资源、环境和灾害是当今人类社会发展所面临的四大问题[12]。探究人类与地表、动植物、社会经济等的关系是人类的重大需求，地球空间信息学能够为其提供数据及模型的支撑。例如，随着遥感卫星的多源化，室内外导航定位高精度化与空间分析方法的进步，人类活动信息的获取应更加精确而全面地反映时空分布的动力学特点。

　　在人类活动数据的支持下，为实现人地关系的和谐，人类需要尽可能掌握自然资源的分布状况及其变化规律，并研究自然资源对人类活动响应的机理[13]。尽管各地已经建设并形成“一张图”等体系来进行自然资源及生态环境的宏观把控，但对于自然资源及生态环境的监测及保护问题，仍需要实现高定向、高时空分辨率的数字孪生，才能做出科学而及时的反馈。进入万物互联时代后，人类对地球空间感知的能力和时效性得到了提升，地面系统中接入的传感器类别和数量发生巨大变化，对数据流、信息流的实时处理需求迈上了新的台阶。在信息爆炸、万物互联互通、智慧协同的情况下，如何通过地球空间信息学的研究来加深对人与自然复杂关系的理解是一个巨大的挑战。

　　3万物互联时代地球空间信息技术特点

　　在万物互联时代，地球空间信息学逐渐从系统孤立走向联合，从信息分离走向融合，从延时服务逐渐走向即时服务与预报。万物互联时代推动空天信息产业从专业服务走向大众化和个性化。以下将介绍万物互联时代地球空间信息技术的五个特点。

　　3.1定位技术从GNSS和地面测量走向无所不在的PNT服务体系

　　定位导航定时(PNT)服务以我国北斗等GNSS及其增强系统为主体，向用户提供实时动态、时空定位和授时服务。该服务集地理空间信息、社交网络、云计算和互联网应用于一体，成为“大数据、智能化、无线革命”新时代的核心要素与共用基础[14]。其应用需求和服务深入国民经济和国防安全的各个领域，并逐渐从事后走向即时，从静态走向动态，从粗略走向精确，从区域走向全球。 例如智能手机内置了加速度器、陀螺和磁力计组合的多种传感器和定位接收器，在室内等封闭区域能够达到2~5米的定位精度。

　　随着应用需求的不断更新，想要实现1米或亚米级声、光、电、场高度定位，还需要光线传感器，音视频传感器的协助。与之类似的需求也存在于生活其他方面，如精准医疗及护理、疫情期间的安全距离自动感知、智能感知定位及测姿实现车路协同等。通导遥一体化天基信息实时服务系统(PNTRC)通过卫星提供快速遥感(视频)增值服务(RemoteSensing)和天地一体移动宽带通信服务(Communication)增强了PNT服务内容，提升了信息传输效率。可实现卫星遥感、卫星导航、卫星通信与地面互联网的集成服务，支持全球用户在任意时间地点的信息获取、高精度定位授时与多媒体通信服务，并带动形成互联网+天基信息实时服务的新型产业[15]。

　　3.2遥感技术从孤立的遥感卫星走向空天地传感网络

　　目前我国的卫星在气象、环境监测、资源管理等专业领域，都能提供数据支持和服务帮助，但数据及服务体系的不同导致导航、通信、遥感等服务系统联合应用成为难题。在人工智能的背景下，各类信息系统可以人脑的方式被组织和应用，对地观测脑(EarthObservationBrain，EOB)作为一个能够模拟人脑认知过程的智能地球观测系统，可以实现以下三个过程的自动化：①海量空间数据的获取、组织与存储;②智能化的空间数据处理、信息提取与知识发现;③空间数据驱动应用[16]。对地观测脑、智慧城市脑和智慧终端(手机)脑是人工智能、脑认知和对地观测技术在大数据时代集成与融合的必然发展，将推动地理空间信息的智能化发展和应用。

　　3.3地理信息服务从地图数据库为主走向真三维实景和数字孪生

　　实景三维模型能够在展示地物位置的同时精确描述地物的三维几何信息及其语义属性，可以对相邻地物的空间关系按需精确表达[17]。三维重建引擎如GEngine等为“智慧城市”和“数字孪生”构建等打下了坚实的基础，目前在文物古迹的三维建模及可视化、实景三维示范区建设等方面已有较多应用。如云冈石窟的三维建模及可视化，是全球首次大体量高浮雕洞窟的整体超高精度三维重建。

　　3D智慧深圳模型实现了“一图全面感知，视图融合”，能够融合实时视频与真三维地理信息，并进行大型事件应急处理，初步实现了在虚拟空间构建城市大脑的设想。数字孪生(DigitalTwin)通过物联网、GIS、5G/6G、BIM等技术将城市中的人、物、事件等要素数字化，在网络空间中建造一个与之完全相对应的“虚拟城市”。通过云计算、人工智能和大数据分析技术，可对城市发展进行态势洞察和科学决策，将获取的信息反向作用于现实城市，实现“以虚控实”，进而形成具有深度学习能力、迭代进化能力和虚实交融的城市发展格局。

　　3.43S集成从移动测量发展到智能机器人服务

　　智慧城市的建设需要从室外到室内、从地上到地下的真三维高精度建模与及时更新，移动测量在其中有着重要作用。移动测量需要引入模式识别和人工智能技术等相关学科的先进知识[18]。随着人工智能技术的发展，移动测量的内涵得到了新的解释，其应用范围逐步扩大，逐渐向智能机器人测量转换[19]。

　　不断涌现的新传感器为机器人实现同步定位与建图(SLAM)提供了更精确的细节信息，进而提升移动测量精度及效率[20]，使机器人在多种场景下实现自主导航。机器人可以使用3DSLAM技术和多个传感器来实现冗余定位、定姿和环境感知，使用高精度地图和智能路径规划来完成自主运动。移动测量的概念不断发展，正在脱离移动测绘、地理信息获取的应用范畴，新的应用模式(协同感知)、新的行业形态(智能互联)需求使其在构建智慧地球和智慧城市的大数据时代面临更多的发展机遇。

　　3.5学科研究范围从对地观测走向物联监测和对人类活动的感知

　　环境研究通过遥感手段感知各种自然资源，研究和预测其分布状况及空间变化趋势;人类学研究则聚焦于反映人类的活动轨迹、分布状况及迁移趋势。将自然及社会环境研究与人类观测有机结合，能够揭示人类活动与环境之间的联系。

　　4智慧互联时代地球空间信息学面临的三个问题

　　4.1测绘学科如何服务人与机器人共同的需求

　　车辆驾驶目前可以分为五个阶段：初始为高级辅助驾驶(ADAS)，以人驾为主，有偏离及碰撞提示;第二级为特定功能辅助，能够实现定速巡航、自动紧急刹车等功能，但依然需要手动操作配合;第三级为组合功能辅助，可以实现自动泊车、车道保持等固定操作;第四个等级为高度自动驾驶，即人工智能驾驶，但用户随时可以接管驾驶权;第五个阶段则能够结合用户需求，由机器人接管人类进行驾驶[23]。

　　随着智能驾驶技术的日益精进与应用范围的扩增，传统的地图绘制标准需要进行改革与扩充，车辆与道路上的配套设施也需要根据需求进行更新。新一代的地图产品与配套设施应能够同时满足人与机器人的共同需求，不仅人能够看懂，机器人通过信号的获取也要能够“看”懂相应的信息，如通过颜色、声音等方式对机器人提示，使其进行对应操作。从传统符号上升到符号加信号，在满足人类可视化需求的同时满足机器人也能够获得对应指示。要实现这个目标，在改进地图绘制技术的同时，还需要车辆与道路的智能协作[24]。通过高精度地图、导航与移动测量技术，结合车载摄像头的运动测量技术，能够在联网状态下，实现车车通信、车路协同决策和智慧云控的功能。

　　4.2遥感影像解译的机理及本体数据库语义描述技术

　　突破遥感影像解译的技术瓶颈需要整合现有的分类规则，从基于不同规则的分类体系到满足各类需求的遥感共享本体库的描述，完成从符号化分类为主体的地图，到真三维实景加本体库下语义描述的新产品的跨越。无论自然地物或是人造地物，其标签可能由于各领域需求及研究者认知差异而有所不同，但其语义并不会因所处分类体系不同而产生变化。

　　从多源数据中基于本体语义构建数据库能够从机理层面实现对地理对象的描述，建立能够在各个领域应用的共享本体库。其中，由符号组成的地图将逐渐使用VR/AR/IR技术进行语义描述，实现真实三维景观可视化。使用本体数据库和语义描述方法进行基于语义本体的语义构建，使遥感影像的解译从二维逐渐转向三维实景及变化检测过程中的解译。

　　对于现有地物影像及三维实景地图，结合分形学思想，融合多源数据，构建数据立方体，实现对于天然目标及人工目标的解译，实现从分类体系到语义本体的转换，并将解译成果应用到城市规划、环境评价及人地关系的研究中。以新一代三维地理信息平台在新型基础测绘中的应用成果为例，在同一个场景中，可以对4D+数据、实时全景视频、三维实景测量数据、LOD模型、室内精细模型和BIM、地质层、三维管线、水域环境、动态要素等进行一体化的数据存储与组织，可实现可视化展示、解译、动态分析与应用。这种变革将有利于人工智能在地球空间信息学中的应用。

　　4.3从空间感知走向空间认知，用时空大数据挖掘回答人与自然的关系[25]随着空天地一体化对地观测体系的建立，遥感及地理信息数据的体量呈现指数级别的增长。

　　通过时空大数据挖掘技术，对地观测脑可以进行多源信息的整合与分析，将地理信息系统转变为基于地理计算的信息地理学，实现从定性到定量的跨越，从感知到认知的飞跃，回答人与自然之间多种科学问题。结合对地观测技术与地球空间信息学，可以构建不同尺度的时空人工智能体系。通过手机、笔记本等智能终端能够采集个体信息，智能终端脑可以集成和分析得到微观尺度上“人车物”等个体的分布情况、运行轨迹和趋势，研究人的行为学和心理学，开发智能驾驶脑和各类测量机器人。

　　在中等尺度上，构建数字孪生、智慧城市、智慧交通、智慧公安、智慧健康、“一张图”及“一平台”等智慧社会脑，能够对建筑空间、城市及社会发展的轨迹进行分析与归纳，辅助进行城市规划、资源调度、应急管理等[26]。在区域尺度上，各国对天对地观测脑的建立，能够集成空、天、地、海多源多角度信息，实现国家、全球乃至太空的联通;在宏观尺度上研究人类与自然的关系，分析人口、资源、环境及灾害的分布状况，诱因以及治理办法。通过多尺度人工智能体系的建立，对于人类与自然关系的理解将上升到一个新的层面，当下许多全球问题能够获得新的解决方案。

　　5结论与展望

　　万物互联时代是数字孪生的时代，以测绘遥感地理信息技术为代表的地球空间信息学将发展到一个全新的智慧新高度。时空基准与导航定位将发展为无所不在的PNT和PNTRC，传统的对地观测卫星系统将构成通导遥一体化的对地观测脑，GIS将从二维地图数据库扩展到室内外一体化真三维实景模型，移动测量系统将变成移动测量机器人，地球空间信息学将从对地(自然)观测走向物联监测和对人类活动的感知。面对万物互联时代数字孪生和人工智能发展的新形势，地球空间信息学面临着新的挑战，其中至少包括：

　　(1)测绘学科如何服务人与机器人的共同需求?(2)遥感影像解译机理是什么?如何突破实现技术的瓶颈?(3)如何利用时空大数据挖掘人与自然的关系，从空间感知走向空间认知?展望未来，希望学界专家同仁，发挥大智慧，抓住新机遇，努力解决好本文提出的三大科学问题，推动地球空间信息学的发展，我们可以在宏观、中观和微观尺度上做出时空大数据空间感知和认知的巨大贡献!

　　参考文献

　　[1]李德仁.展望大数据时代的地球空间信息学[J].测绘学报,2016,45(4):379384.DOI:10.11947/j.AGCS.2016.20160057.LIDeren.Towardsgeospatialinformationscienceinbigdataera[J].ActaGeodaeticaetCartographicaSinica,2016,45(4):379384.DOI:10.11947/j.AGCS.2016.20160057.

　　[2]李德仁,丁霖,邵振峰.面向实时应用的遥感服务技术[J].遥感学报,2021,25(1):1524.LIDeren,DINGLin,SHAOZhenfeng.Applicationorientedrealtimeremotesensingservicetechnology[J].NationalRemoteSensingBulletin,2021,25(1):1524.

　　作者：李德仁1，2，徐小迪1，邵振峰2

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/29118.html