一、培养目标

本专业培养具有良好的“空天地一体化”工程思维能力，掌握低空遥感智能解译、三维实景建模与数字孪生、自然资源低空监测、多源时空数据处理与分析的基础理论和专业知识，具有较好的实践能力，掌握低空遥感数据获取与影像智能解译、自然资源低空监测的基本方法，能够综合使用无人机、AI大模型、三维建模软件等工具解决社会发展和企业生产中有关自然资源监测与管理、智慧城市、应急救援等的实际问题的高素质复合型人才。在社会与专业领域发展的预期培养目标为：

知识目标：掌握低空遥感装备选型与数据采集、无人机系统、深度学习算法、遥感影像智能解译、数字孪生、自然资源监测等基础知识，精通遥感影像智能解译、三维实景建模与数字孪生、自然资源低空监测等核心知识，了解自然资源监测、应急管理、智慧城市等相关领域知识，构建全面的低空数智监测知识体系。

能力目标：具备无人机、遥感影像智能解译、实景三维建模、数字孪生、自然资源监测等技术与实践操作能力，能独立完成项目，熟练运用无人机、AI大模型、数字孪生等工具。拥有良好沟通协作和创新能力，可与团队协同创新，解决实际问题。

价值目标：塑造正确价值观，培养职业道德与人文素养，将个人发展与国家需求结合，以积极态度为社会贡献，注重技术应用的社会效益与人文价值。

思政目标：增强政治素养，坚定政治立场。强化思想道德教育，践行核心价值观。树立远大理想信念，为实现低空数字经济高质量发展而努力拼搏，担当社会责任。

二、结业要求

本微专业要求学生学习并掌握无人机、遥感影像智能解译、实景三维建模、数字孪生、自然资源监测等技术的基本理论和方法,受到科学研究的初步训练,能够运用所学知识和低空数智监测技能解决实际问题；具备包括工程思维、创新思维、跨学科协同思维在内的科学思维能力，能解决低空遥感影像的采集与智能解译、自然资源监测等问题的动手能力以及三维实景建模和数字孪生的研究与开发技能；具有良好的创新和创业意识、竞争意识和团队精神。

毕业生应获得以下几方面的知识、能力和素质：

1.掌握遥感设备选型、遥感影像智能解译、数字孪生、自然资源监测等专业基础知识，能运用智能化的方法解决低空自然资源监测中的实际问题；

2.了解自然资源监测、应急管理、智慧城市等领域理论、技术及应用的新发展，具有较强的创新意识；

3.具有个人工作和团队协作的能力，具有创新精神和自主学习与适应发展的能力。

三、招生对象与条件

本专业面向全校学生招生，需要学生修过高等数学、概率论与数理统计2门课程，有编程基础者优先。

四、修读要求

（一）修业年限

基本修业年限为1年，最长修业年限不超过2年。

（二）结业要求

本专业要求学生学习完规定的5门课程，修习学分12分。

（三）结业方式

经微专业举办单位审核、教务处审定后，达到微专业结业要求标准的授予微专业证书。

五、课程设置

低空数智监测技术微专业课程设置及教学进程计划表

注：本表中的“开课学期”特指“微专业”开课学期。

1.总学时=理论学时+实践学时（实践教学含实验和上机教学），总学时=线上学时+线下学时；

2.线下理论教学学时不低于总学时30%，实践学时不应低于总学时的20%；

3.课内实践教学按照16学时/学分计算，独立设置的实验实训课程按照24学时/学分计算。

4.“考核方式”填写线上考试、线下考试或考察；

5.开课单位填写任课教师所在二级学院，使用简写方式。

六、课程简介

对本微专业开设的课程进行简要介绍，包括课程主要内容、课程教学设计等。

1.低空遥感监测装备：本课程主要讲授低空遥感装备结构组成、性能参数、搭载原理与作业流程等。通过该课程的学习，能够理解低空遥感多类型装备的基本原理与结构，并且能够结合实际项目，选择恰当设备。掌握飞控设置、任务规划、数据采集与初步质量控制等关键技能。能够结合典型低空应用场景，利用所选装备，针对性的分析真实项目需求，并开展全流程数据采集作业，为后续智能分析与场景落地模块奠定坚实基础，全面提升学生的工程实践与技术综合运用能力。

2. 无人机装备技术：本课程主要讲授无人机设计原理、系统组成与实战应用。课程涵盖无人机平台架构、动力系统、飞行控制、导航定位及载荷集成等核心模块，结合空气动力学、材料科学与嵌入式系统理论，剖析无人机飞行性能优化机制。同时，深度解析多旋翼、固定翼及垂直起降等机型的技术特性与应用场景，并设置传感器融合、避障算法及自主决策等智能技术专题。课程强调实践操作，通过模拟器训练、实机组装、维修、调试与典型任务（如植保、常规巡查及应急巡检）等案例分析，培养学生系统集成及故障排查能力。此外，课程还涉及无人机法规、空域管理及安全伦理，帮助学生构建合法合规应用意识。本课程旨在为智能装备、航空工程等领域输送掌握无人机全链条技术的专业人才，助力低空经济与智慧城市发展。

3. 低空遥感图像智能解译：主要讲授遥感影像智能解译与分析，系统讲授遥感影像处理流程、图像特征识别原理与主流智能解译方法，涵盖图像预处理、目标检测、语义分割、变化检测等关键技术环节，重点引入深度学习模型在低空遥感中的典型应用。课程结合真实场景任务，设计基于无人机影像的实战项目，引导学生从数据标注、模型训练到结果评估的完整流程操作，掌握AI赋能遥感解译的核心能力。通过任务驱动式教学，提升学生对低空遥感数据的理解力与算法实现能力，为数智监测与场景落地提供技术支撑。重点培养学生利用人工智能技术对低空遥感图像进行高效解译与信息提取的能力。

4. 三维实景建模与数字孪生：主要讲授倾斜摄影测量、三维模型重建、数字孪生系统构建等核心技术，涵盖从实景数据采集、实景三维模型构建、模型优化到孪生场景集成应用全流程技术链。课程结合智慧城市、自然资源管理等典型场景，通过案例（如城市信息模型CIM、基础设施健康监测）引导学生掌握三维实景建模与数字孪生开发的关键技能，实现“数据采集-处理-建模-孪生应用”的技术贯通。通过该课程，学生能够深入理解倾斜摄影与点云处理的核心原理；熟练运用ContextCapture等工具完成三维建模与孪生系统开发；具备针对国土规划、智慧园区、应急管理等需求设计三维实景解决方案的能力。

5. 自然资源低空监测原理与应用：主要讲授低空遥感数据采集与处理技术、自然资源低空监测应用最新进展。课程紧密结合自然资源普查与动态监测（如树种识别、蓄积量估算、病虫害监测、耕地变化、违法用地识别、生态修复评估等）典型场景，覆盖从技术方案制定、数据获取、处理分析到成果应用的全流程技术节点。引入行业前沿案例，使学生掌握运用低空数智监测技术解决自然资源领域实际问题的能力。通过该课程，学生能够系统掌握低空监测技术的基础理论与关键技术流程；深入理解该技术在林业、国土等自然资源管理中的应用模式与价值；具备针对特定行业需求，设计并实施低空监测解决方案，进行数据处理、信息提取与应用分析的能力。

专业负责人：牛月琴

审 核 人：张忠峰