首页 > 最新动态 > 蓝皮书文章丨全球地理信息公共产品与服务：现状与发展方向

最新动态

蓝皮书文章丨全球地理信息公共产品与服务：现状与发展方向

2026-08-128

本文节选自《地理信息产业蓝皮书·中国地理信息产业发展报告（2025）》

全球地理信息公共产品与服务：现状与发展方向

中国地理信息产业协会全球地理信息工作委员会

张宏伟¹、彭舒²、陈家阁²

1 中国测绘科学研究院

2 国家基础地理信息中心

全球地理信息通常指的是覆盖全球范围的地理空间数据和相关信息。这种信息对于认识、理解和管理地球上的自然资源、生态环境、人类活动，实现可持续发展等方面具有重要意义。长期以来，西方在全球地理信息方面处于技术领先地位，并利用国际话语权，从战略、政策、标准与产业等方面形成全方位优势与垄断态势。中国虽然在技术方面取得长足进步，国内地理信息产品丰富、服务形式多样，产业规模不断增长，但在自主全球地理信息资源建设还处于“从无到有”的建设阶段，面向国家安全和全球视野的战略基本处于空白，在国际倡议、标准、产业等方面少有国际话语权，与中国大国地位不相符合。另外，全球新一轮科技革命和产业变革突飞猛进对地理信息的生产组织方式、产品形态和产业链条带来巨大影响。人工智能、大数据、5G等新技术前所未有地渗透空间地理信息领域，这种交织融合也增加了各国在全球地理信息方面的博弈：空间地理信息与信息新技术的边界模糊使得竞争进一步加剧；空间地理信息流动、共享、挖掘、应用在安全和隐私方面的外延进一步扩大，基于空间地理信息的解决方案使得地理信息产业链条进一步拉长。这使得全球地理信息价值不断增长，在政府决策与公共服务中的作用更加突显，产业应用场景空间持续扩展，变化加速。本文通过收集全球地理信息相关资料，从地理信息战略、数据与服务现状、新技术赋能等角度进行梳理剖析，面向全球地理信息常态化业务，提出相关结论。

一、全球地理信息相关战略现状

（一）联合国相关地理信息战略

联合国综合地理空间信息框架（UN-IGIF）旨在帮助各国发展、整合和强化地理空间信息管理及相关资源。这一框架的主要目的是帮助国家克服地理空间数字鸿沟，促进社会经济繁荣，并努力实现不让任何人掉队的目标。UN-IGIF分为三个互相关联的部分：总体战略框架，即提供UN-IGIF的全面概述，阐述关键的战略信息和政策驱动因素；实施指南，即为实施框架提供具体指导和详细信息，介绍各个战略路径的战略和操作需求；国家级行动计划，即根据特定国家的需求，提供定制化的行动计划和指导。UN-IGIF的战略路径分为三大领域：治理与机构、法律与政策、以及人员。这个框架还特别强调需要增强国家间、国家内部以及国家与其他行动者之间的合作和互操作性。其最终目标是通过改进地理空间信息的管理和应用，支持可持续发展目标的实现，提高各国在政策制定、决策和创新方面的能力。联合国全球统计地理空间框架（GSGF）是由联合国全球地理空间信息管理专家组委员会（UN-GGIM）和联合国统计委员会共同制定的高级框架。GSGF的主要目标是促进统计和地理空间信息的整合，从而提高数据的应用价值和决策支持的质量。

（二）欧洲航天局地球观测战略

欧洲航天局（ESA）发布了全新的地球观测科学战略，名为《地球科学行动：为未来世界》。该战略旨在应对气候变化、生物多样性丧失、污染和极端天气等全球性挑战，提出了面向2040年的宏伟愿景。新战略强调以科学为导向，通过卫星技术获取全面的地球系统数据，以应对全球环境危机，推动人类社会向更加可持续和繁荣的未来迈进。战略的核心包括六大主题目标，一是水循环，二是碳循环与化学，三是能量流动，四是生态系统健康，五是极端事件与灾害；六是界面与耦合。此外，ESA还列出了23个关键指导性问题，旨在解决地球系统科学中的关键知识空白。通过卫星技术，这些问题的答案将推动地球观测技术向前迈进。三类卫星构成了ESA对地观测的核心技术体系，为全球环境监测提供了关键的数据和科学支持。第一类Sentinel系列卫星包括：Sentinel-1卫星，主要用于雷达成像和地表监测，应用于海洋监测、陆地变形、冰川观测等；Sentinel-2卫星，为多光谱光学成像卫星，提供高分辨率地表图像（分辨率在10—60米）（Mastrorosa S等，2023）；Sentinel-3卫星，关注全球气候和环境变化，监测海洋表面温度和海平面，提供气候变化研究数据（Yang Y等，2021）。第二类Earth Explorer系列包括GOCE（重力场测量），SMOS（土壤湿度和海洋盐度），Swarm（地球磁场研究）以及CryoSat-2（冰川和冰盖监测）。第三类MetOp系列卫星提供全球气象数据，包括大气温度、湿度等气象参数，支持天气预报和气候研究，并与美国气象卫星形成协同观测网络。整套体系从传感器技术来看，采用多谱段成像；可同时获取可见光、红外、微波等多个波段信息，其最高空间分辨率可达10米，并可获取200～250个光谱波段；可在短时间内实现地球表面的全面扫描，大多数卫星重访周期在3～5天。此外，卫星具备即时传输观测数据的能力，基本实现全天候观测。

（三）联合国粮食及农业组织“手拉手”倡议

联合国粮食及农业组织（FAO）“手拉手”倡议是为了响应联合国可持续发展目标（SDGs）的推进和实施，目的是加快农业转型和可持续的农村发展，以消除贫困和消除饥饿和一切形式的营养不良（Yang Y等，2020）。FAO制定了一种“牵线搭桥”方法，该方法强调技术、数据和信息、能力开发、资金和融资等可用手段的供给，为国家和地方、捐助方、国际金融机构、私营企业和研究机构搭建合作网络，最终通过合作项目的实施与管理，确保目标任务的实现。FAO还使用定期更新的绩效指标来跟踪项目制定和执行的进展。“手拉手”倡议高度重视国土空间和地理信息技术的应用，通过利用地理空间、社会经济和农业专题数据，结合高级分析技术（如分析、模型和机制），提升各国的森林、耕地等资源调查与分析评价能力，以推动农业转型和森林与渔业的可持续管理，服务于非洲等最有可能减轻贫困和饥饿的地区。“手拉手”倡议通过搭建地理信息平台，将FAO动物卫生、贸易和市场等多个领域的20多个部门关于土壤、土地、水、气候、渔业、畜牧业、作物、林业、贸易、社会和经济等各领域的数据进行整合。平台数据来源还有FAO合作伙伴以及联合国、非政府组织、私营部门和空间机构等公共数据提供商。目前，该平台已经收集了百万个地理空间图层、数千个统计系列和4000条元数据记录。

（四）USAID地理空间战略

《美国国际开发署地理空间战略》是美国国际开发署（USAID）发布的第一个地理空间战略报告，该报告认为地理空间技术对于推动社会发展进步和提供人道主义援助至关重要。该战略计划5年内实现以下4个目标：一是扩大地理空间数据和工具的使用范围，以加强美国国际开发署项目的规划和实施；二是提高美国国际开发署利用地理空间数据、技术和专业知识进行决策的能力；三是应用地理空间信息推进美国国际开发署的政策制定和实践；四是在应用地理空间技术促进发展和人道援助方面发挥全球领导作用。该战略指出，地理空间数据的应用可以显著改进项目的设计、监测和评估。利用地理空间技术，如卫星图像和GIS数据分析，可以对一个区域的需求进行更精确的定位和分析，从而使援助更加有针对性和高效。USAID的地理空间战略涉及几个关键领域：一是提升地理空间技术的访问与能力，二是推进政策与实践的应用，三是加强全球范围的领导与合作。USAID已在多个项目中应用地理空间技术，实现了显著的成效提升。例如，在非洲的一些项目中，利用地理空间数据识别疟疾防治的关键区域，优化了喷洒杀虫剂的计划和实施（Ribeiro N等，2024）。在印度，通过分析与森林覆盖相关的健康数据，帮助优化了当地的公共健康项目（Petutschnig L等，2024）。USAID的地理空间战略是对该机构在全球发展援助中应用高科技解决方案的一次积极尝试。通过实施这一战略，USAID不仅能够提升其项目的效率和影响力，还能在全球范围内推广地理空间技术的应用，提高全球对这些技术的接受度和使用效率。这一战略的成功实施将有助于全球发展目标的实现，特别是在提高透明度、效率和响应速度方面。

二、全球典型数据产品进展

（一）全球基准

1. 地球参考框架

随着现代观测技术的发展，全球变化研究、高精度定位导航授时和全球地理信息获取等需要统一、高精度的全球大地测量参考系统作为基础框架。经过30 多年的持续建设、维护和更新，地球参考系统和国际地球参考框架日趋成熟完善，目前已能为地球科学各个领域及应用提供毫米级精度全球几何参考框架。地球参考框架可分为长期参考框架（MRF）（Anjitha A等，2025）和历元参考框架（ERFs）（Blo?feld M 等，2014），前者通常是由基准站在参考历元的站坐标和速度来表示，后者是由基准站坐标时间序列来表示。

长期参考框架的代表性框架是国际地球参考框架（ITRF），它是目前国际公认的具有最高精度、最佳稳定性的全球性地球参考框架，可以为用户提供高精度的地面坐标参考基准，由国际地球自转和参考系统服务（IERS）组织建立（Blo?feld M等，2015）。2016年发布的ITRF2014在台站分布、数据跨度、观测质量和分析策略等方面都有所改进。ITRF2020于2022年4月正式发布，该版本是国际地球参考系统的最新实现。历元参考框架就是一种非线性参考框架，与长期参考框架不同，它是基于坐标时间序列的框架。因为其更短的实现周期（7天、14天或28天），可以反映出地心运动和基准站的非线性运动，提供基准站准瞬时坐标。国际GNSS服务（IGS）、斯克里普斯轨道和永久阵列中心（SOPAC）以及国际激光测距服务（ILRS）等发布的最终解可以认为是一种单技术历元参考框架。JTRF2014是另一个最具代表性的多技术历元参考框架，其原点由卫星激光测距（SLR）确定，尺度由甚长基线干涉测量（VLBI）和SLR测量结果所得出的准瞬时尺度的加权平均值确定。其坐标时间序列的动态演变展现了基准站一个连续运动项以及年度、半年度的周期模式。截至2005年1月1日，JTRF2014与ITRF2014之间的Helmert变换参数的偏移量均在1毫米范围内。Helmert变换参数的漂移小于每年0.18 毫米，证明了两个框架的长期部分高度一致。遗憾的是，参与框架建立的4种空间大地测量技术的台站坐标时间序列中都包含了与技术本身相关的系统性误差。

2. 全球高程基准

现阶段，绝大多数国家或地区的法定高程基准是区域性高程基准，通常以区域内单个或多个验潮站一段时间内观测的局部平均海平面作为高程基准面，不同国家的高程基准之间存在一定差异，最大可达±2 米im。基于区域高程基准的大地测量观测数据只能在本区域内使用，无法用于监测、研究地球气候变化、地表质量迁移、海平面变化、全球海洋环流和自然灾害等全球性变化过程。由于高程基准差异，不同国家的地理信息成果不能直接对接，开展全球地理信息资源获取与更新、跨境交通和油气管道等大型跨境工程建设，首先需要建立统一的高程基准，否则无法确保工程顺利实施。自2000 年左右开始，建立统一的全球高程基准成为国际大地测量协会（IAG）全球大地测量观测系统（GGOS）的核心目标之一。随着全球导航卫星系统（GNSS）、卫星测高、重力恢复与气候实验卫星（GRACE）和重力场与海洋环流探测卫星（GOCE）等重力卫星技术的发展和多年观测数据积累，全球平均海平面、地球重力场模型的精度和空间分辨率逐步提升，关于全球高程基准统一的研究取得了显著进展。IAG 于2015 年发布了关于国际高程参考系统定义和实现的决议，并在2019 年决议中提出了建立国际高程参考框架的远景目标。

（二）遥感卫星数据

国际卫星遥感技术加速升级换代，高分辨率、超高分辨率光学卫星已成为新一代遥感卫星的基本发展方向，光谱分辨率、时间分辨率、几何定位精度等典型特征应用参数指标也大幅提升。除光学卫星之外，雷达、高光谱、激光测高、重力等多种类型传感器的遥感卫星已经成为全球空间信息获取的重要手段。

在光学卫星方面，美国拥有连续陆地观测长达50年的 Landsat系列、世界上第一颗高分辨率商业遥感卫星 IKONOS、世界首颗亚米级分辨率商业卫星QuickBird 等，以及分辨率已达0.31米的WorldView-3/4卫星，代表了当前民用遥感卫星最高水平。欧洲的光学遥感卫星主要以法国的 SPOT系列、Pleiades系列和俄罗斯的Resurs（资源）系列为代表。亚洲的光学遥感卫星技术水平也已具备相当的国际竞争力，如日本的ALOS、印度的Cartosat、韩国的KOMPSAT。在雷达卫星方面，欧洲于2007年发射了TerraSAR-X 高精度干涉雷达测量卫星，该卫星与2010年发射的TanDEM-X构成卫星星座，可提供格网尺寸12米、高程精度4米的数字高程模型数据。德国、意大利等国家研制的卫星，其成像模式由单一成像模式向多种成像模式转变，极化方式由单极化向多极化甚至全极化发展，分辨率由百米量级提高至亚米级。在激光测高卫星方面，激光测高卫星正逐步成为高精度地形测量的重要手段。美国先后成功发射了MGS、ICESat、LRO等多颗激光测高卫星。搭载了地球科学激光测高系统的ICESat卫星是用于全球陆地观测的激光测高卫星，在极地冰盖监测、全球陆地高程测量、海冰测量、森林生物量估算等方面具有广泛应用。在重力卫星方面，欧洲和美国处于国际领先地位，先后发射了CHAMP、GRACE与GOCE等重力卫星，采用的卫星跟踪技术和卫星重力梯度测量技术成为目前主要的重力探测技术，测定的地球重力场和大地水准面中长波精度较EGM96等重力场模型提高了2～3个数量级。

此外，发达国家高度重视全球空间信息数据源建设，纷纷抢占国际制高点。通过稳步推进卫星规划布局、发展多类型平台传感器、强化基础设施持续性研发和资源整合、构建遥感星座、建设全球地面接收网络和定标服务网络，形成了高效、持续、稳定的全球遥感数据获取能力，为本国遥感卫星的全球化运营与国际化服务奠定了基础。此外，遥感微小卫星星座已成为快速、动态获取全球影像数据的有效途径。美国Planet Labs公司研制的Planet遥感卫星群作为目前全球最大规模的微小卫星星座群，可实现每天获取一遍全球覆盖影像，在数据获取方面具有覆盖全面、更新及时等优势。

（三）全球高程数据

早期大范围数字高程模型 DEM（全球、大陆或区域尺度）主要基于已有地图资料的重新编译和数据融合，空间分辨率较为粗糙（一般大于1千米），例如ETOPO5,TerrainBase、GLOBE,GTOP030等，但在众多领域仍然发挥了重要作用。目前常见的高分辨率全球DEM 的生成主要得益于全球卫星遥感、卫星测高、船载测深等资料的获取，如SRTM、ASTER GDEM、AW3D30（ALOS World 3D-30米im）、WorldDEMI、NEXTMAP 等。目前，最广泛使用的全球数字高度模型产品主要有4种：一是光学像对DEM产品，其代表是美国航天局2009 年ASTER，其分辨率为30米，但其为被动成像方式，易受到云层干扰，影响生成DEM 的精度；二是合成孔径雷达干涉测量DEM 产品，其依托主动遥感技术，垂直精度相比于光学卫星有所提高，代表数据是美国航天局2003 年的雷达测高数据SRTM，覆盖地球80% 以上的陆地表面，但雷达卫星侧视成像易受地形倾角影响，在崎岖山区易形成数据空洞；三是德国航空太空中心2014 年发布的World‐DEM，其分辨率可达12 米，但其为付费产品，价格昂贵，无法自由获取；四是激光测高DEM产品，其代表是美国航空航天局于2003~2009 年持续观测并整理得到的激光测高数据GLAS，其垂直精度可达厘米级，但激光测高系统只能沿着航线测量出带状的孤立测量点，目前多用做参考点。

目前，高精度DEM获取方式主要有数字化地面测量、雷达干涉测量、激光雷达扫描技术以及无人机数字摄影测量。数字化地面测量主要使用传统测绘工具与手段，获取野外测量数据，并进行三角网构网建立DEM，该方法工作量大，效率低。雷达干涉测量主要基于合成孔径雷达进行干涉观测，后经过差分处理得到DEM，该方法周期较长，成本相对较高。激光雷达扫描方法主要基于激光扫描的点云数据得到地表高程信息，此方法准确度高，但技术要求高。无人机数字摄影测量利用影像中立体相对的差异获取各自高程，然后生成高精度的密集匹配点云或格网DEM。该方法自动化程度较高，但往往含有植被等地物的干扰信息。这些方法的共同特征主要是通过不同数据源获取高程点，随之构建不规则三角网，再通过不同插值方法获取DEM数据。为了提高DEM生产效率，现有很多商业软件都能实现DEM产品的生产，如Pixel Grid 系统、Arc GIS 3D Analyst 工具箱、ErDas、Geoway 软件以及LINK 软件和其他用于3D 产品生产的国内主流软件等都提供相应的模块来针对不同的数据源进行DEM生产。

（四）全球核心矢量数据

随着大数据、云计算、人工智能和机器学习等技术的快速发展，矢量数据产品迎来了新的发展机遇。矢量数据已经成为地理信息系统中最主要的数据类型之一，人们可以通过手机、平板电脑等移动设备随时随地获取矢量地图，并结合定位功能进行导航和位置服务。并且矢量数据广泛应用于地理空间分析（Zope-Chaudhari S等，2012）、水资源管理（Flügel W A等，2007）、城市交通规划（Liu X等，2016）、自然资源管理（Gao Y等，2023）等领域。同时，矢量数据的处理和可视化技术也在不断发展，为人们提供更多更精确的空间信息。

在国外，许多国家和地区都有自己的核心矢量数据集，并且不断更新和维护。例如，美国地质调查局（USGS）提供了大量的地理信息数据，包括核心矢量数据，用于地图制作、城市规划、自然资源管理等领域。欧洲地理信息测量标准化组织（EuroGeographics）是一个拥有欧洲各国地理信息数据的组织，共享和更新核心矢量数据。此外，一些知名的GIS数据提供商如Esri、Google、OpenStreetMap、Geofabrik等提供了丰富的核心矢量数据集。此外，可从GADM、GeoNames、ICSM等网站下载地名和行政区划数据。利用Google地图、必应地图，DIVA-GIS、ISCGM Global Map、DCW、百度地图、维基百科等公共在线服务，通过网络爬虫等技术搜集各国地理信息行政主管部门、房产社交平台等相关行业官方网站数据。这些数据通常包括道路、河流、建筑物、边界等空间要素，提供给用户用于进行地理信息分析、规划、导航等应用。

（五）全球地表覆盖数据

目前，国内外机构已研制出数十套全球地表覆盖数据产品，其产品空间尺度从原来的粗分辨率（300—10000米）逐渐提高到中高分辨率（10—30米）。粗分辨率数据产品主要以NOAA/AVHRR、MODIS 在内的遥感影像为主，代表性产品有1千米的GLC_2000和IGBP_DISCover，分辨率为500米的MOD12Q1、分辨率为300米的GlobCover和欧空局CCI_LC。随着高分辨率卫星遥感数据（尤其是 Landsat 档案和 Sentinel-2 数据）的不断积累，以及计算和存储能力的提高（GEE平台），中高分辨率（10—30米）的全球地表覆盖数据产品越来越多。例如，分辨率为30米GlobeLand30、FROM_GLC、GLC_FCS30以及分辨率为10米的 Esri_Landcover_2020、ESA_WorldCover2020和FROM_GLC10产品。同时，许多全球的专题数据集产品也越来越多。如全球不透水面数据（NUACI、ESA GHSL、GAIA 和MSMT_IS30）、全球耕地数据集（GFSAD30, GCAD30 和FROM_GC）等。这些精细分辨率的数据集都是采用不同方法生产的，因此它们在分类系统、使用的卫星数据和分类方法方面均有所不同。例如，CGLS-LC100、ESA-S2和FROM_GLC之间存在巨大差异，在非洲地区，不同数据产品之间一致性为56.87%，不一致性为43.13%。因此，很难评估哪种GLC数据集最满足用户需求。

地表覆盖作为地球表面物质类型和自然属性的综合体，受到自然环境和人类活动的双重影响，表现出很强的动态性。同一区域，不同时相海量历史遥感数据的累积，使得动态更新全球地表覆盖数据成为可能。尤其是中分辨率（30米）Landsat系列卫星数据的获取时间早、历史数据丰富，使得基于Landsat的连续动态监测方法层出不穷。中国科学院空天信息创新研究院研究员刘良云团队对外发布了国际上首套1985—2022年全球30米土地覆盖时序动态遥感产品GLC_FCS30D（Liu L等，2024）；Esri对外公布了全球10米土地覆盖数据Esri_Land_Cover_10米，空间分辨率为10米，以GeoTIFF格式存储，时间覆盖2017—2024年，每年发布一期数据。

全球地表覆盖数据产品的生产涉及上万景影像的处理，传统的生产方法主要依靠人海战术，通过传统的计算机聚类和人工解译编辑实现，其劳动强度大、生产效率低，受主观因素影响严重，如早期美国国家土地覆被数据库（NLCD）和土地利用与土地覆盖变化（LUCC）数据产品。随着Landsat数据集免费向公众开放，出现了更精细分辨率的遥感数据集（如Landsat-8和Sentinel-2）。随着人工智能技术的快速发展，以深度学习为代表的智能化方法已被证明是一种高效的地表覆盖制图分类方法，其能够自动、多层次地提取复杂地物的影像特征。目前，常用的深度学习模型主要有深度信念网络、卷积神经网络、全卷积神经网络、循环神经网络以及生成对抗网络等，这些方法在一定程度上明显提高了分类的精度和效率。为了提高深度学习的计算效率和实用性，近年来国内外科技公司研制出很多智能解译平台和软件系统，如Google 的GEE、微软的AI for Earth、阿里达摩院的AI Earth、商汤科技的SenseEart以及吉威的GEOWAY GFTS等。其中Google的 GEE、微软的AI for Earth平台提供了FCN、SegNet、U-Net、LinkNet、PSPNet、RefineNet等多种深度学习模型以及TensorFlow、Caffe、Keras等多种深度学习框架。Gong等人通过使用GEE平台将现有的30米分辨率样本集转换为10米分辨率的Sentinel-2图像，自动开发了10米分辨率的 FROM_GLC10。Zhang等人使用免费可用的多源数据和GEE内的编程环境构建了一个时空光谱库，以自动生成GLC_FCS30。

三、做好全球地理信息产品与服务的方向

（一）结论

从全球地理信息战略的特征来看，各大组织的地理信息战略都具有明确的使命和目标，且目标导向多元化，目标不仅限于技术层面，更注重社会、经济和环境发展，普遍致力于支持可持续发展目标的实现。在数据整合与互操作性方面，强调跨部门、跨领域的数据共享和整合、建立统一的数据标准和协议，同时注重不同数据源（传统和新兴）的融合；在技术驱动与创新方面，积极运用人工智能、大数据等新兴技术，持续推进传感器和观测技术的创新；在全球协作与能力建设方面，重视国际合作与知识共享，关注发展中国家的技术能力培养，搭建跨国、跨机构的合作网络。总体上说，全球地理信息战略应瞄准综合性系统建设，从单一技术应用向复杂系统转变从数据采集转向解决关键科学问题，强调跨界融合与智能化，降低地理信息技术使用门槛，提高数据可访问性，支持公共和私营部门广泛应用，通过开展以人为本的能力建设，重视培养地理信息技术人才，提升各层级人员的技术应用能力，关注技术普及和知识传播。

国际地球参考框架（ITRF）已发展到ITRF2020，提供毫米级精度的全球几何参考基准，具备更高的稳定性和精度，全球高程基准逐步从区域高程向全球统一高程基准迈进，得益于GNSS、卫星测高、重力卫星技术的发展，国际高程参考系统及框架已逐步完善。全球遥感卫星呈高分辨率、多传感器、多平台化发展趋势。中国的高分辨率对地观测系统（如高分系列卫星）已形成全球覆盖，分辨率达到亚米级，但仍存在技术和应用广度的不足。全球高程数据产品从低分辨率向高分辨率发展，采用多种技术手段，包括光学立体影像、合成孔径雷达干涉测量、激光测高和无人机数字测绘，来提高DEM精度和效率。核心矢量数据产品的开放性与共享性增强，数据获取渠道多样化：通过在线服务、API接口、数据爬取技术实现动态获取和更新。全球地表覆盖数据产品空间分辨率提高，数据产品从粗分辨率（300—10000米）向高分辨率（10—30米）发展，动态更新趋势明显，全球地表覆盖数据逐步从固定时间点向连续动态更新发展，生产方法革新表现为传统分类方法逐渐向深度学习过渡，提高了数据生产效率和精度。

随着观测条件、基础技术条件和手段的不断提升，全球地理信息数据产品的数据精度与分辨率将进一步提升，从低分辨率向高分辨率迈进（毫米级参考框架、亚米级遥感影像、高分辨率地表覆盖）；实现动态与实时更新，从固定时间向动态、连续数据更新的转变，满足实时监测需求；多平台与多技术融合趋势明显，采用光学、雷达、激光、重力等多种遥感技术协同应用；升级为整合深度学习与智能化技术的生产更新技术体系，人工智能和深度学习提高数据处理自动化程度，增强应用效率。

（二）建议

1. 加强全球地理信息公共产品顶层设计，丰富全球地理信息公共产品供给

根据全球地理信息公共产品的特点，加强全球地理信息公共产品顶层设计，进一步做好数据产品的持续更新与服务的提质升级。虽然自然资源部承担的全球地理信息资源建设与维护更新项目取得了可喜进展，但只是初步解决了自主全球地理信息数据产品“从无到有”的问题。受人类活动、建设开发、灾害损毁、气候变化等因素影响，全球范围内陆表地形地貌、地理环境和相关自然与人文现象不断发生变化，已获取的全球地理信息数据的现势性也会不断降低，需要持续地对其进行更新维护，以保持与现实地理空间的一致性。面对当前复杂的国内国际形势，尤其应当加强对战略通道、海外工程、热点地区等重点区域数据产品的更新力度；还应该结合区域需求，丰富要素内容和产品类型，提供更高精度数据产品。国家应该从全球地理信息产品研发、更新与公共产品供给的建设内容、实施安排等方面，统筹做好规划，安排专项经费，落实责任部门，持续推动，生产高质量、多类型的数据、信息、知识和服务类产品，打造覆盖全球、服务国际、共享共建的地理信息知识服务平台。

2. 加强科技创新，积极拥抱人工智能、大数据等先进技术

加强科技创新，积极拥抱人工智能、大数据等先进技术，实现人工智能和知识解译深度嵌入工程生产。建设覆盖全球的地理信息基准影像库、目标样本库、知识模型库、地名分类翻译库等，引入人机交互和强智能化自动处理技术，充分发挥人工智能在信息获取处理中的快、准、稳优势；基于全球地理信息成果结合需求开展挖掘解译和知识化融合分析，打造形成全球专题分析研判智能体，支撑开展关键粮食估产、产业链韧性分析、全球碳足迹流动、生态指标评价等，推动全球地理信息资源从“数据密集型”向“知识驱动型”转型。

3. 充分利用国际合作平台提供服务，提升我国影响力

多方位合作与协同机制在全球地理信息公共数据产品的开发和应用中扮演着关键角色，通过国际、公共与私人、学术等多种合作形式，推动数据共享、标准化和技术创新，特别是在发挥联合国地理信息知识与创新中心等国际组织和平台方面。各国可以联合开展全球或区域性的地理信息数据采集和研究，扩大数据的覆盖面并提高准确性，从而为全球气候变化、自然灾害管理和可持续发展提供关键的数据支持。公私合作模式在全球地理信息公共数据产品的开发中同样至关重要。政府、科研机构和企业之间的紧密合作，共同推动地理信息数据的创新和应用。通过公共-私人合作伙伴关系（PPP），私营部门的资金和技术得以引入，数据生产的效率和质量得以提高。全球高校和研究机构之间的合作，可推动地理信息科学的研究进展和新技术的开发。建立学术联盟和研究网络，促进研究成果和数据资源的共享。通过这些合作，学术界能够共享最新的研究成果和技术创新，推动地理信息科学的发展，并为公共政策和社会需求提供科学依据。

参考文献

Calzati S, Van Loenen B, 2023. An ethics assessment list for geoinformation ecosystems: revisiting the integrated geospatial information framework of the united nations[J]. International Journal of Digital Earth, 16(1): 1418-1438.

Mastrorosa S, Crespi M, Congedo L, et al, 2023. Land consumption classification using sentinel 1 data: A systematic review[J]. Land, 12(4): 932.

Yang Y, Chen Y, Yang K, et al, 2021. High-resolution aerosol retrieval over urban areas using sentinel-2 data[J]. Atmospheric Research, 264: 105829.

Quartly G D, Nencioli F, Raynal M, et al, 2020. The roles of the S3MPC: Monitoring, validation and evolution of Sentinel-3 altimetry observations[J]. Remote Sensing, 12(11): 1763.

Ribeiro N, 2024. Geospatial analysis for decision support, suitability assessment for value chain infrastructure interventions[C]//2024 12th International Conference on Agro-Geoinformatics (Agro-Geoinformatics). IEEE: 1-6.

Petutschnig L, Clemen T, Klaussner E, et al, 2024. Evaluating geospatial data adequacy for integrated risk assessments: a malaria risk use case[J]. ISPRS International Journal of Geo-Information, 13(2).

Anjitha A, Surya N, Reddy C, et al, 2025. Monitoring tree cover change using the CuSum algorithm: a case study in the southern western ghats of kerala[J]. Journal of the Indian Society of Remote Sensing, 53(3): 803-814.

Blo?feld M, Seitz M, Angermann D, 2014. Non-linear station motions in epoch and multi-year reference frames[J]. Journal of Geodesy, 88: 45-63.

Blo?feld M, Seitz M, Angermann D, 2015. Epoch Reference Frames as Short-Term Realizations of the ITRS: Datum Stability Versus Sampling[M]//IAG 150 Years: Proceedings of the IAG Scientific Assembly in Postdam, Germany, 2013. Cham: Springer International Publishing: 27-32.

Altamimi Z, Collilieux X, 2009. IGS contribution to the ITRF[J]. Journal of Geodesy, 83: 375-383.

Zope-Chaudhari S, Venkatachalam P, 2012. Evaluation of spatial relations in watermarked geospatial data[C]//Proceedings of the 3rd ACM SIGSPATIAL International Workshop on GeoStreaming: 78-83.

Flügel W A, 2007. The adaptive integrated data information system (AIDIS) for global water research[J]. Water Resources Management, 21: 199-210.

Liu X, Yu L, Peng P, et al, 2016. A stacked generalization framework for city traffic related geospatial data analysis[C]//Web Technologies and Applications: APWeb 2016 Workshops, WDMA, GAP, and SDMA, Suzhou, China, September 23-25, 2016, Proceedings. Springer International Publishing: 265-276.

Gao Y, Lui J, Liu Y, et al, 2023. Research on natural resources spatio-temporal big data analysis platform for high performance computing[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 48: 115-121.

Liu L, Zhang X, 2024. Algorithm, Progresses, Datasets and Validation of GLC_FCS30D: the first global 30 m land-cover dynamic product with fine classification system from 1985 to 2022[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 10: 137-143.