Para abordar la baja eficiencia en la evitación de amenazas y la pobre adaptabilidad de la trayectoria global en la planificación de trayectorias de UAV en entornos amenazantes, este documento propone un método híbrido de planificación de trayectorias A*-Campo Potencial Artificial (APF) basado en la optimización de una cuadrícula espaciotemporal. Primero, se desarrolla un nuevo sistema de cuadrícula espaciotemporal de grano fino global al integrar las ventajas de la codificación binaria GeoSOT y las reglas de subdivisión del código de ubicación de la cuadrícula BeiDou, lo que permite un modelado unificado de entornos espaciotemporales complejos. Se construyen escenarios de amenaza en tierra y laberintos para la verificación. En segundo lugar, se mejoran los algoritmos A* y APF tradicionales: el algoritmo A* se mejora con costos de amenaza, búsqueda de vecindario dinámica y mecanismos de retroceso local para abordar la baja eficiencia y la incompatibilidad con la evitación de amenazas; el algoritmo APF se optimiza con un mecanismo de colaboración de campo gravitacional dual y un modelo de campo repulsivo basado en parámetros de distancia para superar mínimos locales y objetivos inalcanzables. Finalmente, un modelo de asociación de trayectorias impulsado por una ventana deslizante logra una colaboración sin fisuras entre la planificación global y local. Los resultados experimentales muestran que el método propuesto supera a los algoritmos tradicionales en rendimiento integral, con el algoritmo A* mejorado destacándose en longitud de trayectoria, tiempo de cálculo, valor de amenaza y nodos de búsqueda, y el algoritmo APF mejorado logrando una completa evitación segura de obstáculos en entornos dinámicos. El mecanismo de colaboración maneja eficazmente escenarios complejos.