Page 245 - 测绘科学技术理论及实践应用研究

第九章 测绘工程及其技术改革创新的几点思考

测绘地理信息既是自主无人系统的受益者也是自主无人系统的促进者。一方面，
未来绝大部分的测绘地理信息将依赖于自主无人系统来获取，其不仅能够获取初
始的测绘地理信息数据，而且能够完成大部分数据处理边缘实时计算，直接得到

测绘地理信息产品。另一方面，高精度测绘地理信息时空大数据是自主无人系统
智能化的第一步。例如，高精度地图是实现无人驾驶不可或缺的重要组成部分。
高精度地图可以提高自主智能系统的定位精度，而且在自主智能系统的传感器失
效时，能够弥补环境感知设备的不足。自主智能系统能够在所给的地图中通过增

强学习的方式去自动需求位置、规划路线，反过来，自主智能系统在适用过程中
能不断向地图提供细节与改善，使得地图更加好用。相比以前，地图不再是辅助
性的，而是在自主智能系统（如无人机、无人汽车等）的决策过程中，直接参与

控制、决策与学习。

五、人工智能下信息化测绘技术的典型应用

（一）智能自然资源监测
1. 概述

自然资源是每个国家发展所能依赖的最重要资源和基础，《深化党和国家机
构改革方案》要求将包括“山、水、林、田、湖、草”生命共同体在内的自然资
源进行统一管理。新时代的自然资源统一管理需要对传统的管理方式从自然资源

现状调查、过程监测、状态修复到未来规划进行全面的精确化、智能化改造与升
级。人工智能技术是一种像“水”和“电”一样的智能技术。如何融合新一代人
工智能五大技术（即大数据智能、跨媒体智能、群体智能、混合增强智能和自主
智能系统）于自然资源管理的全过程，提高自然资源管理的精确化、智能化水平，
是新时代自然资源管理的重大命题。

自然资源监测是自然资源管理的基础。建立自然资源智能监测系统，可解决
传统自然资源监测系统在数据采集、数据存储、数据分析、数据展示等方面存在
的问题。第一，在数据采集方面，目前的自然资源监测系统主要以特定需求或问

题为导向进行数据采集。例如，农田监测系统的采集体系是面向特定的农田资源
进行设计的，采集系统任务单一、不具备环境适应性，无法适应作业环境的变化，
不能理解所采集的数据内容。利用深度学习等人工智能技术，自然资源智能监测
系统可在采集时就能识别采集对象，并且当采集的对象发生变化时，也会触发采

237