介绍专家
我们尊敬的专家包括：GoGeomatics Canada *席执行官 Jonathan Murphy、Esri 战略远见者 Linda Foster、Trimble 产品上市地理空间总监 Chris Trevillian 以及 Kurloo Technology *席执行官兼创始人 Lee Hellen。这些专家在地理空间行业的各个*域都拥有丰富的经验，因此他们的观点非常广泛。
问题 1：过去十年中，哪项技术发展对地理空间行业影响*大？
Jonathan Murphy：人工智能 (AI) 和机器学习 (ML) 与地理空间数据的集成是*具变革性的发展之*。人工智能和机器学习能够自动进行数据分析和模式识别，这显著增强了各行业的决策能力。这种转变使得预测更准确、工作流程更**，并且能够实时处理大量地理空间数据集。人工智能如何释放新的可能性，将原始数据转化为前所未有的可操作见解，这真是令人难以置信。
Linda Foster：过去十年确实出现了许多技术进步，因此很难只选出*项。然而，我不得不说，云计算和通信基础设施的成熟必须接近*高水平。它确实使我们能够充分利用地理空间技术的所有其他进步，发挥其*大潜力。紧随其后的是** GNSS 的增长。扩大的覆盖范围和更强大的可访问性增强并拓宽了我们能做的事情和做事的方式，而且速度更快。
Chris Trevillian：我认为过去十年对地理空间行业现场用户影响*大的两项主要技术发展是：**，遥感技术的广泛采用，包括 3D 激光扫描、移动测绘系统和 UAS；其次，传感器融合硬件（如 GNSS+IMU 接收器）的兴起。这两项发展*大地提高了现场数据采集程序的生产力和安全性。在办公室，我支持机器学习技术的*新发展，这些技术加快了从这些大型遥感数据集中提取有意义信息的过程。
Lee Hellen：如果让我选择*个，我会选择定位导航和授时 (PNT)，因为它为所有地理空间信息提供了基础。随着航天发射成本的下降，PNT 和地球观测 (EO) 的未来看起来具有*大的影响力。还有许多其他层面的技术创新——例如机器人技术、激光雷达传感器系统、云和人工智能——在过去十年中已经产生了很大的影响。地理空间信息的发展结合了技术和政策，因此如果没有国家政策和国际合作来推动这些技术的普及，就不可能取得成功。
问题二：您如何看待过去十年地理空间和水文*域无人平台的发展和现状？
Jonathan Murphy：无人驾驶或无人驾驶的空中平台，如无人机/无人驾驶飞行器和自主水下航行器 (AUV)，已经彻底改变了地理空间和水文测量*域，从实验工具发展成为不可或缺的资产。这些无人驾驶平台提供了无与伦比的效率，因为它们可以覆盖曾经难以或无法测量的区域，而且通常成本非常合理。传感器技术和自主导航的进步也发展并扩大了它们的应用范围。从环境监测到基础设施检查，这些平台现在已成为现代测量不可或缺的*部分，与传统方法相比，它们只需花费*少的时间和成本就能提供高分辨率数据。
Linda Foster：由于定位通信和（微）计算能力的进步，无人驾驶平台在过去十年中已成为主流。无人驾驶飞行器（UAV 或“无人机”）可能是地理空间*域部署*多的，但其他类型的无人驾驶系统（例如用于水文测量的无人水面舰艇 (USV)）也利用了许多相同的进步。它们无疑将继续发展，但已经成为地理空间武器库的重要组成部分。
Chris Trevillian：过去十年来，见证无人系统的快速变化和普及真是令人惊叹。十年前，传感器集成度不够，系统对周围环境的感知有限，需要大量的预*规划和后勤保障才能成功完成任务。如今，这些系统携带大量集成度高的传感器，可以提供更广泛的遥感功能。整个工作流程——从任务规划和部署到处理和可交付成果创建——已经精简到几乎所有与我交谈的客户都在其业务中部署了某种 UAS 元素。
Lee Hellen：自主系统能够提供更安全、更频繁、临时精确的解决方案。这提供了更大量的数据，更有助于提高变化检测和地理空间分析的可信度。我相信我们才刚刚开始下*个数字时代，来自自主系统的数据量将成为我们行业面临的主要挑战。从这些系统中提供真相或意义将需要我们的行业扩展我们的专业能力和能力，使我们的社区能够以更大的信心和创造力来应对和克服未来的挑战。
问题 3：过去十年中数据处理发生了怎样的发展？
Jonathan Murphy：云计算和并行处理实现了对海量数据集的实时分析，数据处理取得了飞跃性进展。大数据分析的兴起以及人工智能和机器学习的进步也简化了从原始数据中提取有意义的见解的过程。这些发展使处理速度更快、更准确、更具可扩展性，使专业人员能够专注于数据解释而不是数据处理。在我看来，从基于桌面的处理到基于云的平台的转变标志着该行业当前运作方式的重大转变。
Linda Foster：我回到**个问题的答案。计算方面的进步，包括现场和异地（云）以及机载能力，确实改变了游戏规则。它们已经解锁了我们长期以来可用的*些功能，但由于计算限制和/或处理和处理数据的成本过高，我们无法完全实现它们。计算能力还使机器学习和人工智能能够将我们的数据处理能力提升到新的水平。
Chris Trevillian：我们已经从日常测量员处理基线和导线调整，发展到现在处理复杂的现实捕捉数据。这推动了我们行业软件能力的进步，同时也需要释放 GPU 和云计算的计算能力。我们现在看到许多手动处理被机器学习和人工智能所取代，使我们的行业专家能够以更轻松、更**的方式利用更复杂的数据。
Lee Hellen：软件系统的进步已成为**技术提供商关注的重点。客户需要解决方案，因此**的技术提供商专注于提供整体解决方案。许多软件包正在转向云或基于 Web 的软件即服务，*三方将代表您处理信息，从而减少您自己处理或处理数据的时间和成本。围绕元数据或数据和结果呈现的标准仍然存在*个挑战：对于地理空间专家来说，必须充分理解和解释任何数据处理结果的局限性。
问题 4：过去十年，市场需求对测量仪器的特性和能力发生了哪些变化？
Jonathan Murphy：对易用性、多功能性和互操作性的需求日益增长。用户现在希望测量仪器既紧凑又功能强大，并具有直观的界面，可以自动缩短学习时间。对多传感器集成以及设备和平台之间无缝数据传输的需求也日益增长。这种转变反映了行业对灵活、多功能工具的需求，这些工具可以适应不同的项目要求，同时保持高精度和可靠性。
Linda Foster：根据我的经验，市场要求更好的互操作性、效率，当然还有准确性，这已经通过多种方式实现。这方面的*些例子包括机器人全站仪、集成测量能力（例如，GNSS 和全站仪*起）、增加摄影测量和激光雷达数据采集、杆倾斜补偿、自动调平等等。结果是减少了工作人员规模，通常提高了生产率，并且在许多情况下还带来了安全优势。
Chris Trevillian：市场已经转向接受技术的变化，主要涉及现实捕获数据和传感器融合。如今，大多数客户都需要这两种技术固有的生产力提升来抵消劳动力挑战。我看到人们普遍不再关注数据表规格，而是更多地关注可以通过新设备采购实现的业务有形要素。每个人的规格都差不多，但真正的区别在于这些特性和能力如何轻松地转化为整体业务生产力和*终交付成果的质量。
Lee Hellen：市场需求集中在节省时间和降低复杂性上。更紧凑、更灵活和更高质量可以实现这*点。机器人技术已经改变了测量行业；两人测量队的时代几乎*去不复返。这在*定程度上对现场培训/指导方面产生了负面影响，但在测量现场任务的时间、灵活性和成本节省方面提供了积*影响。将传感器集成到现场仪器中，例如杆中的倾斜仪，有助于解决日常测量中常见的挑战。但传感器在测量仪器中仍有*些路要走，以使它们更加智能，减少常见的错误源。
问题 5：用户界面和软件的进步在多大程度上提高了调查工具的可用性？
Jonathan Murphy：如今，测量仪器的使用越来越方便，可供更广泛的用户使用。现代界面的设计考虑到了简单性，具有触摸屏、可定制的工作流程和实时反馈。这些改进缩短了新用户的学习曲线并降低了出错的可能性，使培训新操作员变得更加容易。此外，新推出的软件可以轻松与各种平台集成，从而增强了协作工作环境，使团队能够更**、更准确地工作。
Linda Foster：跨平台界面似乎更加标准化，*些共性来自底层操作系统。移动设备在日常个人和商业互动中的广泛应用似乎也为移动计算建立了基本的熟悉度，使用户更容易适应用于操作调查工具的任何输入设备。机载计算和内置连接也提高了当今调查工具的可用性。
Chris Trevillian：用户界面在过去十年中取得了长足进步——从基本形式和 2D 地图功能，到现场复杂的 3D 模型和点云可视化，并实时叠加在仪器图像上。这*进步使我们的用户能够更接近现场设计，并利用设备做出更明智的实时决策。例如，现在可以获取调查收集的数据，并立即分析与设计相比的竣工情况，而无需回到办公室。
Lee Hellen：用户界面 (UI) 现在可满足不同水平的专业知识和应用。十年前，非测量员很少使用全站仪或 GPS。如今，测量员只占测量仪器用户的少数。这导致制造商为这些用户应用程序创建特定的界面。界面现在专门为某项任务而设计，这使得非专家更容易操作测量仪器。这将继续发展。*些制造商将专注于具有完整功能的测量员，而其他制造商将提供针对特定任务的低价 UI。
问题六：您预计未来几年地理空间行业会出现哪些新趋势和技术？
Jonathan Murphy：我们可以期待看到人工智能、机器学习和实时分析进*步融入地理空间工作流程。物联网 (IoT) 的发展将带来更多互联系统，从而实现持续的数据收集和监控。推动更高程度的自动化和无人驾驶系统的使用也将继续，重点是提高自主性和数据质量。*后，增强现实 (AR) 和虚拟现实 (VR) 将发挥更大的作用，提供沉浸式的方式来与地理空间数据进行交互，以进行规划、分析和培训。
Linda Foster：我认为，随着我们进入下*个十年，我们将看到过去十年出现的技术和能力的“融合”加速。地理空间行业的工作方式将继续变得更加无缝、动态和互联，使专业人员能够更好地协作并专注于执行关键分析和决策，而花更少的时间收集、整理和维护数据时效。机器学习和人工智能也将继续在支持这些功能方面发挥关键作用。
Chris Trevillian：我看到我们的行业正在大力推动采用更多的数据互操作性标准。数据和信息必须轻松地从*个系统流向另*个系统，而不会损失完整性。我们必须竭尽全力支持地理空间专业人员，他们是任何需要地理空间信息进行决策的项目完整性的关键贡献者。随着现实捕捉技术被更广泛的用户所接受，对基于云的地理空间服务的依赖将会增加，它们的能力也会随之增长，从而使行业专业人士能够利用更多的人工智能和机器学习来大规模解锁地理空间数据。这些趋势将彻底改变地理空间数据处理和分析，实现自动信息提取、更准确的预测和从大量地理空间数据中增强决策能力。AR 和 MR 技术将增强地理空间数据的可视化和交互，为非技术用户提供各种用例的沉浸式体验，从站点文档和情境化到培训、模拟和导航。