在科技革命与产业变革的浪潮下，低空经济正成为全球经济增长的新引擎。而时空智能技术的崛起，为低空经济的高质量发展提供了核心支撑。二者的深度融合，正重塑着我们的生产生活方式，开辟出一片充满活力的新质发展空间。
在这一背景下，同济大学联合中国测绘学会发布的《低空经济与时空智能协同驱动新质发展白皮书》（以下简称《白皮书》），系统阐述了低空经济与时空智能的协同逻辑、核心技术及应用场景，为行业发展提供了重要参考。
低空经济：潜力巨大的新增长极
低空经济作为战略性新兴产业，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，其发展潜力不容小觑。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。这一庞大的市场规模背后，是技术创新与产业融合的强力驱动。
国家部署与发展规划
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。随着无人机、电动垂直起降飞行器等装备技术的不断进步，低空经济的应用场景日益丰富。从城市里的无人机物流配送，到农田的精细化管理，再到灾害现场的应急救援，低空经济正逐渐渗透到经济社会的各个角落。
时空智能：低空经济的核心驱动力
时空智能技术融合了地理信息系统、遥感、卫星导航定位、人工智能、大数据、云计算等先进技术，在低空经济的发展中扮演着至关重要的角色。
它不仅是低空经济活动的 “数字底座” 和 “感知中枢”，更是推动其安全、高效、可持续发展的核心驱动力。
时空智能为低空经济提供了统一、高精度的时空基准和地理信息数字底座，包括高精度地图、三维城市模型、精确实时定位服务等，这是保障低空飞行安全、有序、高效运行的根本基石。
时空智能感知赋能低空经济立体网络
同时，它深度融入低空经济的全产业链条和全生命周期，从空域规划、基础设施选址建设，到飞行器导航避障、运行监控管理，再到多样化应用场景落地，都发挥着不可或缺的作用。
更为重要的是，时空智能能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，成为价值倍增器。例如，通过对遥感影像和地理数据的综合分析，可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，可优化无人机配送网络。
协同驱动的核心逻辑与能力支撑
低空经济与时空智能的协同发展遵循 “数据基石 – 算法中枢 – 价值转化” 的内在逻辑框架。
上游环节
时空智能构建标准化数据基础体系，推动多源传感器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。
中游环节
时空智能形成核心算法中枢，通过整合几何校正、点云处理、三维建模等核心算法，构建一体化智能计算平台。
下游环节
时空智能驱动场景化价值转化，将专业处理的低空数据转化为精细化地理信息产品，实现对各应用场景的深度赋能。
低空经济产业链系统架构示意图
时空智能为低空经济提供了三大核心能力支撑
统一时空基准
依托北斗卫星导航定位系统等，构建覆盖服务区域的高精度定位服务体系，确保飞行活动安全有序。
精细化空域建模
利用实景三维建模、激光雷达扫描等先进技术，构建高精度、多尺度、动态更新的城市及低空空域三维数字孪生环境。
动态化环境感知
通过多源传感器融合、人工智能分析、实时数据传输与处理等技术，实现对低空飞行环境中各类要素的实时、精准、全方位监测与理解。
从感知到决策：时空智能成为低空经济的“眼睛”与“大脑”
核心技术体系：低空智能感知的四大支柱
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，为低空经济的高效、安全、智能化运转提供支撑。
低空数据底座基于数字孪生技术，创建与低空物理环境高度同步、实时感知现实动态的虚拟副本，能实时精准再现低空关键要素的动态全貌，支撑复杂的模拟推演、风险预警与智能决策。
组网协同感知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，突破单一传感器的感知局限，为数字孪生平台注入高效、精准的数据。
低空智能感知核心技术全景示意图
多模态数据融合对组网协同感知获取的海量多源异构数据进行深度加工、信息提炼，生成比任何单一数据源都更准确、完整、可靠的场景描述。
遥感智能解译与决策支持则从融合处理的高维特征数据中提取深层次的语义信息、理解复杂的场景态势，为各类应用场景提供及时、精准、智能的决策辅助。
丰富应用场景：低空智能感知的价值体现
低空智能感知技术在多个领域展现出巨大的应用价值，为社会经济发展带来了深刻变革。
在城市低空机场建设中，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。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。
在灾害监测场景，多模态数据融合实现了灾害的动态监测、风险评估与应急决策。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，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。
基础设施智能巡检中，多模态数据融合显著提升了巡检效率与精准度。智洋创新基于多模态特征融合的输电线路运维专利，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。
低空多模态数据融合驱动的多场景应用
挑战与展望：迈向更广阔的未来
尽管低空经济与时空智能的协同发展前景广阔，但仍面临诸多挑战。
技术融合难度方面：多源传感器数据融合、传感器与平台集成、算法协同优化等问题制约着系统的整体性能。
空域管理复杂性方面：低空空域活动的高频次、高密度、高动态特征，使传统静态空域划分模式难以适应，军民航协调机制不完善、空域资源紧张等问题突出。
数据安全与隐私保护方面：低空遥感涉及的高精度地理信息与敏感目标数据，其开放共享与商业应用需平衡安全与效率。
如何应对：
需要从核心技术突破与标准化建设、政策制度与监管保障、基础设施网络化布局、产业生态培育与协同创新等方面发力。
未来 5-10 年，低空遥感时空智能将迈向智能化、协同化与可持续发展的新阶段，AI 大模型与边缘计算的结合将推动数据处理升级，基于数字孪生的低空空域监管平台将实现空域资源动态分配，应用场景也将向碳中和监测、生态修复评估等领域延伸。
低空经济与时空智能的协同驱动，正为我们描绘出一幅充满活力与创新的未来图景。随着技术的不断进步、政策的持续完善和产业生态的日益成熟，这一领域必将为经济社会发展注入强劲动力，开启新质发展的美好时代。
来源：中小商协低空经济产业分会
