测绘源于人类生活生产需求，有着悠久的历史，测绘也因为人们不断增长的美好需求和社会进步而快速发展。测绘的主要对象是地球，测绘的内涵是关于地球时空信息的表示、获取、处理、存储、分析和应用。由于地球的几何结构与外观具有典型的三维和动态变化特点，因此地球时空信息的动态三维表达是测绘的基本任务^[1]。在信息通信技术快速发展的助推下，测绘技术日新月异，其中，实时动态三维空间定位、三维空间数据快速获取、高性能三维可视化、复杂的三维空间分析等技术和装备，近年来已成为国际测绘科技竞争的热点、前沿和高地。特别是我国城镇化建设对三维立体自然资源的一体化管理与精细化治理，对城市治理体系和治理能力的现代化提出了重大战略性发展需求，地球时空信息动态三维表达成为既迫切又必不可少的核心关键技术支撑，测绘技术从二维到三维的转型升级因此面临前所未有的发展机遇和巨大挑战^[2-3]。自然资源部2019年11月印发的《自然资源部信息化建设总体方案》提出，要“全面增强自然资源三维动态监测与态势感知能力”“推进三维实景数据库建设”。实景三维中国被认为是数字中国的空间基底和统一的空间定位框架与分析基础，在全国范围内作为新型基础测绘的标志性工作得到大力推进。

近年来，我们所处的世界高度互联，多种要素之间日益密集而复杂的因果关系导致风险急剧增加，各种互馈作用和级联效应常产生许多不良的副作用，如交通拥堵、事故灾难等。传统分部门分专业的还原论方法，试图从复杂城市各个部分或各个方面的特性理解城市，已经无法准确洞察各种复杂的集体行为，亟须更有效的手段提升对城市整个复杂巨系统的可预测性和可控性。欧盟委员会为此提出了多层级的数字孪生生态概念，包括地方数字孪生(local digital twins，LDTs)、区域数字孪生(RDTs)和国家数字孪生(NDTs) (https://digital-strategy.ec.europa.eu/en/events/workshop-local-digital-twins-technology，2021)。LDTs的核心思想是面向城市地方政府和相关社会需求，构建城市物理资产、过程和系统的虚拟表示，这些表示直接与资产相关的数据相连，支持人工智能算法、数据分析和机器学习，可生成随物理世界变化而实时动态更新的数字仿真模型。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出，要“探索建设数字孪生城市”，旨在通过数字孪生赋能城市大脑，加速提升城市整体性和系统性治理的智能化水平^[4-5]。本文中的实景三维模型定义为物理世界中自然与人造实体对象三维立体结构与外观的数字表达。同理，实景三维中国定义为中国国土范围内自然与人造实体对象三维立体结构与外观的数字表达。数字孪生模型定义为人机物三元世界中各实体对象及其行为，以及相互作用与机理的综合表达。实景三维模型是数字孪生模型的空间基底和统一的空间定位框架与分析基础。实景三维模型与实时数据结合用于描述物理世界的实际状况也被认为是最基础的数字孪生模型。比如，数字孪生城市被认为是通过对现实城市各实体和要素的数字化与实时感知，在网络空间中重建一个与之一一对应的虚拟城市^[6]。从实景三维模型到数字孪生模型，具有典型的“数字化-信息化-智能化”技术演进和“数据服务-信息服务-知识服务”需求升级特点^[7-8]。数字孪生模型有助于实现地上-地表-地下多场耦合作用下的复杂时空过程精细模拟分析，以及更精准的诊断性和预测性空间智能服务。因此，从实景三维模型到数字孪生模型，人们对复杂场景的感知与认知能力得到极大的提升。

从实景三维建模到数字孪生建模已成为数字经济与智慧社会建设、发展的基本需求，全社会都十分关注，从国家到地方，从城市到乡村，广泛开展了各种探索性实践，在建设内容、技术途径和应用模式等方面均存在较大差异。比如，在全国范围内要进行可靠的滑坡灾害隐患排查，在全省范围内要进行可靠的耕地非农化监测，在城市范围内要进行水灾内涝防范和疫情隔离疏散等，通常需要不同粒度不同模态的实景三维模型或数字孪生模型。为此，本文以数字乡村、未来社区和智能铁路等典型应用场景为例，探讨从实景三维建模到数字孪生建模的关键技术内涵。

1 实景三维建模的关键技术内涵

自然资源部2021年9月印发的《自然资源三维立体时空数据库主数据库设计方案》明确，“实景三维中国的地形级、城市级、部件级三维数据构成全国统一的三维空间框架，从而为各类自然资源的直观表达提供三维空间基底”。在自然资源部2021年8月印发的《实景三维中国建设技术大纲(2021版)》中分别规定了地形级、城市级和部件级实景三维建模内容：①地形级实景三维建模，构建地形级地理场景、基础地理实体，获取其他实体数据，组装生成地形级实景三维产品，服务宏观规划；②城市级实景三维建模，构建城市级地理场景、基础地理实体，获取其他实体数据，组装生成城市级实景三维产品，服务精细化管理；③部件级实景三维建模，构建部件三维模型，获取其他实体数据，组装生成部件级实景三维产品，服务个性化应用。实景三维建模按地形、城市和部件三级进行划分，除了考虑城市与农村的差别、自然地物与人工地物的差别，更主要的是考虑国家和地方多层级管理对模型的精度(accuracy)、细节程度(detail)和现势性(up-to-date)等需求不同。

实景三维模型从实际需求和字面理解，实景反映模型接近真实的程度及其直观性与真实感，三维则反映立体结构数据表达的精确性与可计算性。实际上，并不是所有地理场景都要事无巨细地实景三维表达，不同管理层级和不同专业通常需要不同粒度、不同模态的实景三维模型，这些模型要能反映事物的本质特征，而把那些在分析计算中并无积极作用的细节和机制隔离出来(图 1)。

如图 1所示，大到整个地球非常宏观的范围、小到房间非常围观的范围，各种实体几何-外观-语义表达的细节层级主要有4种^[9]。其中，LOD 0以2D地图表达为主，实体图斑描述了地理要素平面空间中的位置和格局，真实性则依赖实景影像，而地下和室内的实体则难以在该细节层级有效表达。LOD 1以2.5维的数字高程模型(DEM)为主，叠加数字正射影像(DOM)，构建直观表达连续地形起伏特征的数字地形景观模型，或可量测地面高程的虚拟现实场景(但不能量测地物高度)^[10]。各种2D专题地图信息(包括地质调查图信息或者块体模型)都可叠加在该细节层级场景中，因此广泛应用于复杂艰险地区的地形地质虚拟踏勘和自然资源规划管理等^[11]。LOD 2的主要空间框架是一种2.75 D的数字表面模型(DSM)，最典型的是倾斜摄影测量网格模型(Mesh)和带语义标识的点云模型^[8]。在LOD 2细节层级，地理实体被视为独立的对象，山、水、林、田、地质体或建筑物以单体化的网格模型、点云模型或矢量表面模型等多模态进行表示，在具备真实感外观的基础上，地理实体被赋予了更详细的语义信息，广泛应用于数字乡村、精细农业、防灾减灾等领域。LOD 3聚焦实体的3D立体结构，可以利用建筑信息模型(BIM)、体素模型(Voxel)、或三维边界表示模型(B-Rep)等进行精细化表达，不仅包含了实体的模型表面信息，而且描述了实体的3D立体组成结构、属性、部件间的语义关联关系及其动态变化，该细节层级模型由于语义信息丰富因此具有重要的科学性、分析性和智能性，广泛应用于城市大脑、数字孪生和设施智能管理等领域。

各种粒度不同的实体对于不同细节层级和不同模态的实景三维建模，往往需要明显不同的技术手段。其中广域范围连续分布的地形表面和大量离散分布人工地物的实景三维建模，最具挑战性。关于大范围高精度数字高程模型的快速获取已有许多成熟的技术，比如基于立体卫星影像、航空摄影测量或倾斜摄影测量、机载激光扫描等。行业标准《实景三维地理信息数据激光雷达测量技术规程(CH/T 3020—2018)》定义，实景三维地理信息数据指的是“基于影像匹配或激光扫描技术获取的反映地物三维信息的数据”^[12]。实际上，对于四川、西藏、云南等多云多雨山区，星载和机载SAR数据也是重要的三维数据源。当前的关键技术难题在于不同复杂地形与数据条件下各种噪声和地物的自动化滤波处理^[12]。对于城市地区，为了满足精准化的暴雨洪涝防控等需求，精细化的高精度DEM获取与动态更新仍然面临巨大挑战。常规依靠航空摄影测量或机载激光扫描的手段难以有效获得全域范围可靠的DEM，尤其是影响地表径流、渗透和排水的关键细节信息。因此融合城市建设和不透水面等信息是城市高精度DEM建模的重要途径。

关于各种人工地物的实景三维建模一直是测绘和计算机视觉等领域研究的前沿问题^{[1-2, 13]}。当前主要的技术途径有两类，基于倾斜影像和基于激光扫描点云。由于立体城市空间结构的复杂性，多类型、多平台和多时相的点云数据融合处理是实景三维建模的基本途径，其基本思想是将具有不同视角、密度、精度、尺度、细节、时间历元等特征的多点云数据进行一致性融合表达与集成处理，建立可直接面向计算分析的智能化表达的多点云模型^[14]。城市级自动化建模技术已经愈发成熟，能够通过全自动的方式高效获取大范围准确的三角网模型；但是复杂实体精细化建模特别是部件级建模的自动化程度和模型修复准确度仍然面临着巨大挑战，例如如何实现多平台多传感器点云之间的有效融合，如何消除实景三维模型的精确化建模对数据准确性和完备性的依赖，如何建立具有正确空间拓扑关系的精细化三维实景模型，如何进行城市级实景三维模型的快速更新等。总之，实景三维中国建设面临的挑战有两大方面：①低成本高效数据采集，依赖于高效高精度的新型测绘传感器，以降低海量数据获取成本；②自动化建模与更新，依赖于智能化的实景三维空间信息处理技术，以降低人工干预，提升自动化建模与更新的可靠性。

(1) 多模态数据高效获取。新型测绘传感器在不断提高数据获取精度的同时，还可显著加快数据获取速率，降低成本。面向全球尺度高精度均质的三维地形构建，TanDEM-X开创了单发双收双星伴飞的InSAR应用模式，通过多基线干涉、升降轨融合等手段^[15-16]，完成了全球高程精度优于4 m(LE90)的DSM模型构建，我国的天绘二号卫星^[17]是国际上继德国TanDEM-X系统后的第2个微波干涉测绘卫星系统。为快速采集更精细的地形数据，相比于传统线扫式机载激光雷达，单光子激光雷达扫描仪在相同点云密度、高程精度的前提下，可实现更大的相对航高与航速，数据采集效率可提升10倍以上^[18-19]，其能力已在欧洲和北美的广泛应用中得到了验证^[20]。在多云多雨等气象条件复杂的我国西南地区，常规光学测绘手段对35%以上的四川省高精度DEM空白区无能为力，机载毫米波InSAR由于其较小的基线构型，可搭载于轻小型飞行平台，且测绘幅宽大、测绘精度高，具有较强的应用潜力。在三维城市建模方面，航空倾斜摄影测量受限于空域申请和成本问题难以大范围推广，随着卫星影像分辨率和定位精度的不断提升，如0.3 m分辨率的WorldView-3、Pleiades Neo，“卫星倾斜摄影测量”成为一种切实可行的城市大规模实景三维建模手段。SpaceNet构建了多视角卫星倾斜影像数据集^[21-22]，用于开展卫星倾斜摄影测量实景三维建模研究^[23-24]。

(2) 自动化实景三维建模。以深度学习为代表的机器学习智能处理方法已经广泛用于实景三维建模过程中，解决对应性关系^[25-26]、空间位置关系^[27]、物理形态^[27]、语义属性^[28]和时序变化关系^[29]等基本问题，显著提升了实景三维建模的自动化程度和可靠性。利用光学立体测绘卫星的高精度地形建模，在我国已形成了一年一版的更新能力并推广至全球^[30]。在典型城市环境中，从影像到具有简单屋顶结构的建筑物实景三维建模，已形成了一些高效的初步解决方案^[31-32]。当前城市三维建模的主要困难在于建筑林立的复杂城区，建筑之间相互遮挡问题严重，具有精细立面结构和清晰纹理信息的结构化建筑物建模，仍严重依赖人工交互。计算机图形学领域的逆向过程化建模方法^[33]，通过实景三维数据，逆向恢复规则化建筑物语法及其参数化表达，过程化地构建精细建筑物模型及其纹理具有一定的实用价值^[34]。在复杂城市环境，准确还原建筑物顶部、立面、底部等结构和构建街道场景的精细模型，天空地多源数据的融合建模也是一大难点。此外，作为实景三维建模主要数据源的倾斜影像与激光雷达点云，二者的深度学习模型相互独立，其融合当前仅停留在模型结果的投票，以及光谱、几何属性等浅层次特征的简单叠加^[35]，如何构建通用的空间智能系统，统一解决几何位置、语义属性、时序关系等基本问题，实现多源数据融合的智能建模也是亟待解决的关键。

2 数字孪生建模的关键技术挑战

相比实景三维建模有摄影测量和计算机辅助设计等领域长期的技术发展与丰富实践经验，数字孪生建模是近年来才兴起的新鲜事物。数字孪生概念源于工业系统，至今广泛应用于制造、建筑、航空航天、铁路、水利水电和城市等越来越多的领域^[35-36]。数字孪生模型与已有各种数字表示如CAD、BIM、GIS等相比，最大特点是数字生态与物理生态虚实共生、互馈演绎，融合人机物三元世界全生命周期实时数据持续不断的迭代优化，具备更全面的综合感知能力和更适宜人机协同的系统表达能力，通过以虚控实有助于实现整个物理系统的最优化目标，比如更准确地诊断、更好地短期预测、改善系统内各要素之间的互动。华为技术有限公司2021年出版的《数字孪生城市白皮书》从物理空间与数字空间的数据关系、物理状态监测预测度、数字使能控制物理实体3个维度定义了数字孪生城市应用能力分级评估模型，从L0至L4共5级，包括数字框架、单向数据监测、双向数据单域智能、双向区域智能和全域智能。Gartner发布的2019年十大战略性技术趋势中第4就是数字孪生，并预计有75%实施物联网的组织已经使用或计划在一年内使用数字孪生(https://www.gartner.com/)。中国信息通信研究院出版的《数字孪生城市白皮书(2020年)》认为，数字孪生理念启发千行百业缩短数字化路径，开创了行业应用新路径和新模式，数字孪生城市建设模式在交通、能源、水利、工厂和医疗等行业领域得以迅速推广和复制。数字孪生模型首先用于封闭空间标准化的工业系统，在小范围开放空间如园区、港口、社区等资源与人口密集型区域的应用也取得了率先突破，显著改善了精细化治理服务的智能化水平。随着将数字孪生建模从局部探索提升为国家和地方的发展战略，上千千米的铁路、公路、流域、全市(县)、全省或全国等广域范围的数字孪生被视为变革性技术手段正在国内外积极推进。

如图 2所示，致用的数字孪生建模是一个可持续不断迭代优化的过程。数字孪生建模将利用人机物三元空间持续更新的勘察-设计-施工-运营-维护全生命周期信息，因此全域统一的高精度精细化时空基准框架是关键基础，即从宏观到微观、从室外到室内、从地上到地下通过多细节层级的实景三维模型实现数字孪生精准映射。对于自然地形地物的实景三维建模主要采用天-空-地测绘方式，如果因为人类活动影响发生变化比如填挖方工程，也可采用正向设计建模的方式进行及时有效的动态更新。对于人造地物的三维建模，尤其是要精细表达室内结构和地下构筑物时，常规测绘方式往往难以获得完整准确的结果，因此一般都要充分利用正向设计建模成果，对于新建设施则需要集成应用设计成果和施工过程中利用监测数据建模的成果。比如铁路、公路等长大基础设施，设计阶段多采用BIM正向建模方式，进行施工图设计模型和深化设计模型构建；施工建造阶段，综合利用智能机械施工数据、高精度点云、模型基元等，通过过程化逆向重建，对孪生体的动态变化进行更新建模；运营阶段，竣工验收模型通过几何、语义的转换与传递，形成运维管理模型。数字孪生模型因为涉及全生命周期过程，不同复杂度的物理实体不论是外观还是内部结构都可能发生不确定性变化，综合利用多源异质的模型数据进行动态更新将是常态。

数字孪生模型除了精准映射通过测绘获得的表征数据所反映的物理实体特征外，还要精准映射其行为规律和相互之间互馈作用的机理，尤其是由于测绘手段局限导致获得的表征数据不够完备、不够精细、不够准确、不够及时的时候，须同时依靠模型知识进行推断。因此，数字孪生建模最大的挑战之一是全时全域全要素的实景三维数据与机理模型和专家经验知识的有机集成融合。也正是由于有丰富的模型和知识，才能从不断汇聚的时空大数据中挖掘更有价值的整体性系统性信息。比如对于常见的自然灾害风险管理，由于影响因素多、关系复杂、动态变化、链式影响不确定性大，如果按不同阶段、不同灾种和不同专业等分别考虑，很难综合感知孕灾环境-致灾因子-承灾体之间的关联关系与相互作用，很难进行广域范围开放空间地上-地表-地下多场耦合作用的精细分析，很难实现设施-结构与地理地质生态水文气象等环境要素之间互馈作用的多尺度精准模拟，跨部门和跨专业的协同能力也弱，无法真正实现规划设计-施工建设-运维管理全方位全周期的系统性智能管控。因此，从实景三维建模向数字孪生建模的纵深发展，测绘技术面临的新挑战是如何显示表达地理空间中各物理实体之间的相互作用关系。GIS技术最有代表性的能力之一就是空间拓扑关系表达与空间分析。空间拓扑关系可根据实体对象的空间坐标自动计算得到。数字孪生所需表达的相互作用关系更复杂，除了空间关系，还有时序关系、因果关系等，最具代表性的方法是构建知识图谱，直观、自然、直接、高效表达物理世界实体要素之间的相互作用机理^[37]。比如，滑坡隐患知识图谱精细刻画“孕灾环境-致灾因子-承灾体”三元素的内涵特征、概念属性及其关联关系；表征滑坡隐患内在机理的知识图谱与表征“形态-形变-形势”数据特征的深度神经网络结合可望实现数据驱动与模型驱动协同的更加可靠的隐患早期识别、精准监测预警和智能预测防控等。知识图谱的构建需要更加紧密地贴近需求，更准确地掌握领域知识，更充分地利用各种标准规范、专家经验，以及相关的结构化与非结构化数据信息等。

3 典型应用场景 3.1 数字乡村

数字乡村是乡村振兴的战略方向，也是建设数字中国的重要内容。数字乡村的重点任务就是搭建数字“农业-农村-农民”协同应用平台，推进“生产-生活-生态”整体智治。承载乡村规划、经营、环境、服务、监管等“三农”“三生”相关业务信息的核心基础是高精度的实景三维模型。大部分乡村采用倾斜摄影测量手段，可以建立2~5 cm分辨率的高清网格模型(图 3)，重点工作是对人工构筑物进行逻辑实体化处理，并保证与数字高程模型无缝集成。对于一家一栋的房屋，只标记整栋建筑的网格单元，称为逻辑实体化，而更精细的楼层-房间等内部结构可按BIM或CAD等文件方式关联管理。这种逻辑实体化模型简单实用，能关联管理各种实时数据。其他建筑(楼-层-户)、道路、树木、路灯等实体根据复杂性进行多细节层级的实景三维建模。高清的乡村实景三维模型与地名、文化、企业、经济、医疗、养老、人口、交通、购物等运行数据，以及物联网、传感网实时感知的各种事件、行为、状态信息进行集成关联，形成数字孪生乡村，达到了“一图承载海量信息，一应知晓实时动态”的目的，为数字乡村智治奠定了坚实基础，支撑了产业发展和乡村治理可视化、数字化、智能化，让农村居民在数字乡村中找到获得感。

3.2 未来社区

未来社区以满足人民对美好生活的向往为根本目的，围绕社区全生活链服务需求，以“人本化-生态化-数字化”为价值导向。未来社区已成为以人为核心的城市现代化建设基本目标，是数字孪生驱动的新型智慧城市发展：从政务服务延伸到生活服务、从城市运营下沉到社区运营。社区数字孪生也是城市数字孪生的基本单元。数字孪生支撑未来社区跨行业无界生态，是真正实现美好生活零距离的操作系统。由于社区资源密集、人员密集、人机物三元空间互联互动密切，地上下室内外场景精细化的实景三维建模任务格外艰巨，全域范围可持续的数字孪生动态演绎更加复杂。CAD-BIM-GIS-IOT集成应用、云边端协同的数据-模型-知识关联管理与智能服务等关键技术亟待突破。图 4所示为未来社区的智能导航场景，要实现地上地下室内室外的人行与车行精准协同，首先需要亚米级精度的实景三维模型(包含丰富的地名地址地标和场所功能等语义信息)，其次需要持续不断的亚米级精度实时动态定位与导航。

3.3 智能铁路

2017年，新时期铁路信息化总体规划发布，首次提出“智能铁路”战略目标，期望通过广泛运用云计算、物联网、大数据、移动互联、人工智能、北斗系统、BIM+GIS等新技术实现智能建造，采用智能装备开展智能运营、维护，进而打造更加安全可靠、经济高效、方便快捷、温馨舒适、节能环保的现代化铁路。铁路现代化是交通强国建设的核心任务，随着“一带一路”建设、“走出去”和新西部大开发战略的实施，更多的铁路建设面临跨山、跨江、跨海和跨境的挑战，迫切需要突破高原高寒高海拔、跨江越海等地区地理地质环境复杂、工程艰巨、施工安全风险高、安全运维难等难题。常规以现场人员密集型作业为主的建设和运维模式难以满足高水平高质量建设管理要求，亟须“信息化减人更高效、智能化少人更高质、自动化无人更安全”的变革性技术手段。数字孪生通过物理世界与虚拟世界的精准映射和虚实互动，成为智能铁路建设的新途径^[38]。由于几百甚至上千千米的铁路跨越广大的区域，建设周期长、地形高差大、地质灾害隐患多、生态保护任务重，铁路线路-结构-环境耦合作用下的综合优化选线设计和经济-环保-安全等多目标智能搜索、铁路全线-隧道桥梁等控制性工程-施工工点多层次的施工安全质量进度智能管控、铁路健康安全运维精准管理等急需铁路工程及其沿线环境全时全域全要素高精度数字孪生模型支撑。如图 5所示，全时指时间域，既包括设计、建造和运维生命周期，也包括如隧道施工的爆破、开挖、支护等作业周期；全域指多粒度的空间语，地理上包含地上、地下、地表，管理上包含全线、标段、工区，构造上包含系统、单元、构件；全要素指全生命周期所有业务涉及的要素。例如，在最关键的施工建造期间，数字孪生模型在空间域一般划分为3个典型尺度进行不同要素不同时间分辨率的实景三维建模与数据组织：①区域尺度，全线指挥调度需要综合考虑沿线全域范围的工程设施、地理、地质、生态、人员、机械、灾害等要素；②工程尺度，诸如隧道、桥梁等工程既要更精细地考虑工程结构本身及其与周围环境之间的多场耦合作用过程，还要综合考虑影响工程安全质量进度的人机料法环等要素的时空变化；③施工面尺度，在施工过程中要在线处理大量来自机械装备、监测传感器和超前预报的实时数据，动态进行安全质量风险评估、工序工艺工期跟踪-诊断-预测、进度推演与计划优化调整等工作^[39]。从规划设计到施工建设和运维的全生命周期不同阶段，数字孪生模型存在不确定性变化，需要持续不断的迭代更新。在数年甚至十多年长周期的施工建设过程中，铁路工程及其周围环境可谓日新月异，海量多源异构的天空地测绘和监测数据与持续不断的施工过程数据智能化融合处理成为巨大挑战。

4 从实景三维建模到数字孪生建模的基本途径讨论

面向新型智慧城市和数字经济等国家战略对可持续的数字孪生建模的重大需求，测绘技术不仅要通过高质量的创新发展不断提升适应全球范围内各种复杂环境精细化、实时化、智能化、自动化、低成本的实景三维建模能力，还要通过多学科交叉融合不断增强测绘地理信息技术在多源异质实时数据融合、关联分析与智能挖掘等方面的支撑作用和引擎作用，提供数据驱动-模型驱动-知识驱动协同的更强大的综合感知、精准诊断、可靠预测通用地理空间智能。如表 1所示，从实景三维建模到数字孪生建模，测绘技术的内涵和外延需要不断丰富和拓展，包括从三维轮廓建模到三维实体建模、从动态更新到实时映射、从几何建模到行为过程建模与机理建模等。

尽管3D GIS已经可以集成表达三维地质结构和部分时空过程^[40]，但这些能力均限于特定的应用和有限的实体特征，并且各实体之间深层次的关联关系与互馈作用机制还缺乏显式描述，大大限制了测绘地理信息的价值。因此，从实景三维建模到数字孪生建模，测绘技术急需通过与信息、地理、地质、设计、建造和工程等技术的交叉融合，在以下3方面取得突破：①突破长周期的天空地独立获取宏观或微观实景三维数据的局限，实现天空地有机协同持续性实时动态获取多细节层级实景三维数据，满足数字孪生模型全要素全生命周期实时动态更新需求。②突破处理完备的标准化测绘地理信息数据构建实体对象外部边界表示模型为主的局限，发展智能化处理多专业多尺度多模态时空数据，尤其是不完备数据条件下知识引导的三维实体精细化建模技术，“数据不全模型和知识补，模型不准数据和知识补”，实现地上-地表-地下自然与人造环境的实景三维“立体化-结构化-语义化”建模。③突破以数据为中心只具备较浅显的描述性分析局限，发展数据-模型-知识关联管理和融合处理技术，实现数据驱动与模型驱动和知识驱动协同的高层次诊断性、预测性和决策性分析。