地理智能系统：地理科学与AI的跨界融合

原文发表于《科技导报》2025 年第18 期 《 地理智能培育新质生产力的发展路径 》

地理智能系统（GeoIS）作为融合地理科学与人工智能的新兴技术体系，正成为驱动空间认知重构与时空智能决策的重要力量。《科技导报》邀请中国科学院周成虎院士团队撰文，文章梳理了GeoIS的发展演进与国际关键研究进展，分析了中国在传感器、算法、平台引擎与数据治理方面存在的结构性失衡问题，并提出“技术攻坚—交叉融合—场景牵引”的发展路径和政策建议，为构建自主、安全、协同演进的GeoIS体系提供了参考。

新质生产力的核心在于通过技术的革命性突破、生产要素的创新性配置与产业形态的深度转型升级，推动社会生产力实现质的跃升。地理智能是一种融合地理空间感知、智能分析与决策优化的新型能力体系。地理智能系统（GeoIS）是这一体系的工程化与平台化体现，集成空天地感知网络、多源数据融合模型、智能推理算法与场景化服务平台，构建“感知—分析—决策”的闭环体系，并逐步发展为推动地理空间信息产业转型和社会生产方式跃迁的重要引擎。GeoIS依托遥感大数据、深度学习与大模型等新一代智能技术，显著增强了对时空数据的感知、解析与自主决策能力。与此同时，GeoIS正成为国际科技竞争与博弈的战略高地。在此背景下，系统把握GeoIS的发展演进与能力体系，理清其未来发展的关键路径与制度保障需求具有重要意义。

1 GeoIS发展脉络

GeoIS的演进过程紧密伴随计算范式的持续变革，大致可划分为3个阶段：从早期的静态制图与空间数据管理（GIS 1.0），到网络化与服务化的分布式地理信息系统（GIS 2.0），再到当前具备认知理解、智能推理和自主优化能力的地理智能系统（GIS 3.0/GeoIS）。

1963年，Roger Tomlinson开发了世界上第一个地理信息系统——加拿大地理信息系统（CGIS），首次实现了空间数据的数字化存储与管理，奠定了现代GIS的基础架构。进入20世纪90年代，随着Google Earth等WebGIS平台的兴起，地理数据的分布式访问与在线可视化成为主流，标志着GIS 2.0时代的开启。进入21世纪，云计算、大数据与人工智能技术驱动下的地理信息智能逐步成型。目前，GeoIS已基本形成“感知—分析—决策”3层架构体系（图1）：

1）感知层，通过卫星遥感、激光雷达、街景摄像、传感器网络等多源手段，构建起空天地海一体化的信息底座；

2）分析层，依托时空图神经网络、Transformer−based遥感解析、知识增强大模型等技术，实现地理模式识别、场景演化理解与因果结构建模；

3）决策层，聚焦城市治理、生态监测、战场推演等复杂任务场景，通过强化学习、多目标优化等机制实现自主判断与策略执行。

图1 GeoIS的3层架构体系

GeoIS的3层架构体系不仅体现了从数据驱动到知识建模再到智能决策的系统演进路径，也支撑其从感知系统、建模系统向智能体的递进升级。该体系整合了多源感知技术、智能算法模型与智慧服务平台，形成数据、模型和决策闭环，彰显了GeoIS作为新质生产力在要素重组、能力跃升和模式重构中的关键技术形态。

2 国内外关键研究进展

GeoIS的核心竞争力正从传统的单点感知与分析，转向“空天感知网络—智能解译引擎—平台服务生态”三位一体的系统能力构建。当前，全球主要国家正加快布局遥感卫星网络、智能算法模型与多源数据融合平台等关键领域，GeoIS的发展进入多层并进、协同共生的新阶段。

综合而言，国际GeoIS体系正加速迈向以AI为核心驱动的智能平台，强调模型的通用性与服务生态的可扩展性；中国则在构建高频感知网络与强化场景适配能力方面取得明显进展，为下一阶段的原始创新与体系跃升打下良好基础。

3 中国高质量发展的挑战

中国GeoIS体系快速发展的同时，仍存在多维度的结构性制约因素。

1）硬件基础薄弱，制约体系自主性与边缘部署能力。中国GeoIS底层硬件能力相对薄弱，国产GPU与AI芯片性能尚难匹敌国际主流产品。此外，大模型部署对算力和能效要求高，边缘设备普遍存在固件更新滞后、加密机制薄弱问题，限制了在能源、交通、国防等关键场景下的可用性与安全性。

2）软件生态依赖外部，高端工具与中间件体系缺位。中国GeoIS呈现出“应用强、基础弱”的结构性失衡。尽管“坤元”、LuojiaNet等模型在地理知识推理、遥感图像分割等方面取得突破，但底层软件生态仍高度依赖国外生态。

3）数据体系封闭割裂，限制智能感知与迁移能力。中国地理信息数据资源分散于测绘、交通、应急、气象等多个部门，导致数据融合滞后，影响应急响应和城市精细治理等智能决策。不同机构在数据分类体系等方面标准不统一，导致数据互认度低，增加了跨区域迁移学习的成本，限制了深度学习模型在不同区域间的迁移泛化能力。

4）标准参与度与制度供给不足，难以支撑平台外溢与国际引领。中国在ISO/TC 211等国际标准组织中参与度较低，主导标准比例仅为12%，远低于德国（25%）与美国（18%），尤其是在AI模型可信评估、遥感数据互操作、地理语义表达等前沿标准体系中仍缺乏主导权。此外，随着GeoIS在城市治理、空间安全等关键领域的应用加深，隐私保护与算法审计的制度空白问题日益突出。

5）人才与转化机制薄弱，难以支撑高水平自主演进。中国虽已基本形成以地理信息科学、遥感与测绘为核心的培养体系，但在“地理+智能+计算”的复合型人才培养方面仍明显滞后，高校课程体系对大模型训练、因果推理等内容覆盖不足，跨学科供给能力有限。

4 培育新质生产力引擎的路径

1）强化核心技术攻坚，构建“硬件—软件—数据”协同体系。

• 硬件方面加快国产地理专用芯片研发，提升地理感知任务的并行处理能力与边缘部署适配性；

• 软件方面构建兼容国产加密机制的GeoIS基础框架，实现地理信息底层技术自主可控；

• 数据层面构建国家地理信息数据供给体系，统筹推进数据确权、分级开放与跨域流通。

2）推动交叉融合创新，拓展“GeoIS+X”知识体系边界。强化与脑科学、量子通信等前沿领域的协同攻关，构建多模态、多尺度、多物理耦合的智能体系统；通过多源感知融合、因果建模与跨模态推理集成，在低空经济、精准医疗与智慧农业等领域通用型地理空间智能体。

3）落实产业牵引机制，打造场景驱动的GeoIS应用生态。GeoIS正在从感知层与辅助分析工具逐步演化为多行业生产过程中的智能中枢，具备重构产业流程的潜力。

5 政策建议

1）明确战略定位，建立高层统筹机制。将GeoIS纳入国家战略科技力量重点方向，设立地理信息智能专项工程，明确其在空间基础设施、智能决策平台及数字中国建设中的核心地位。

2） 强化底层技术攻关，构建自主可控生态。设立 GeoIS 关键核心技术任务清单，聚焦专用芯片、高光谱成像器件、激光雷达系统等“卡脖子”装备的自主可替代路径；加大对国产遥感大模型、三维建模引擎、地理 AI 中间件的研发投入。

3） 构建 AI−Ready 地理数据体系，打通数据要素流通链条。推动地理信息数据标准体系一体化建设，提升城市级三维模型、遥感标注样本等关键数据资源的规范化；建设面向人工智能训练需求的高质量样本库，支持数据脱敏、分级授权与跨域调度。

4）完善标准规范与安全制度，增强国际话语权。加强在国际合作中的主动布局，推动中国在国际标准化组织地理信息技术委员会（ISO/TC211）、开放地理空间信息联盟（OGC）等国际组织中牵头制定遥感数据互操作性、GeoAI 可信性评估、空间语义标准等新兴领域标准。

5）推动场景示范与生态构建，激发融合创新活力。围绕双碳治理、低空经济、城市治理、国防安全等重点方向，组织实施 GeoIS 应用示范工程，打造一批可复制、可推广的行业平台与解决方案。

6）强化人才支撑，打造地理智能人才高地。建议设立地理智能卓越人才计划，支持青年科学家与国际研究团队发展，鼓励高校增设“地理人工智能”“空间智能工程”等新兴专业方向，构建涵盖本科、硕博与继续教育的分层次人才培养体系。

本文作者：姜侯、姚凌、刘唐、黄耀欢、秦军、周成虎

作者简介：姜侯，中国科学院地理科学与资源研究所地理信息科学与技术全国重点实验室，副研究员，研究方向为地理智能与新能源应用；姚凌（通信作者），中国科学院地理科学与资源研究所地理信息科学与技术全国重点实验室、中国科学院大学资源与环境学院，研究员，研究方向为地理空间智能；周成虎（共同通信作者），中国科学院地理科学与资源研究所地理信息科学与技术全国重点实验室，研究员，中国科学院院士，研究方向为地图学与地理信息系统。

文章来 源 ： 姜侯, 姚凌, 刘唐, 等. 地理智能培育新质生产力的发展路径[J]. 科技导报, 2025, 43(18): 41−47 .

本文有删改，

内容为【科技导报】公众号原创，欢迎转载
白名单回复后台「转载」

《科技导报》创刊于1980年，中国科协学术会刊，主要刊登科学前沿和技术热点领域突破性的研究成果、权威性的科学评论、引领性的高端综述，发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、科技新闻、科技评论、专稿专题、综述、论文、政策建议、科技人文等。