La sectorización del espacio aéreo es un enfoque efectivo para equilibrar la creciente demanda de tráfico aéreo y los recursos limitados del espacio aéreo. Impacta directamente en la eficiencia y seguridad de las operaciones en el espacio aéreo. Los métodos tradicionales de sectorización del espacio aéreo a menudo se basan en escalas espaciales fijas, sin considerar completamente la complejidad y las interrelaciones de la partición del espacio aéreo a través de diferentes escalas espaciales. Esto hace que sea un desafío equilibrar la gestión del espacio aéreo a gran escala con las demandas dinámicas locales. Para abordar este problema, se propone un marco de sectorización del espacio aéreo a múltiples escalas, que integra un sistema de cuadrícula de múltiples resoluciones y un algoritmo jerárquico de aprendizaje por refuerzo profundo. Primero, se construye un modelo de cuadrícula del espacio aéreo utilizando una Malla Triangular Cuaternaria (QTM), junto con un modelo eficiente de cálculo de carga de trabajo basado en la codificación de cuadrícula. Luego, se desarrolla un modelo de optimización de sectores utilizando una red Q jerárquica profunda (HDQN), donde las políticas de nivel superior e inferior coordinan para realizar la partición del área de control del espacio aéreo global y la sectorización local. El uso de cuadrículas de múltiples resoluciones mejora la eficiencia de interacción entre el modelo de aprendizaje por refuerzo y el entorno. También se incorpora conocimiento previo para mejorar la eficiencia y efectividad del entrenamiento. Los resultados experimentales demuestran que el marco propuesto supera a los modelos tradicionales tanto en eficiencia computacional como en rendimiento de equilibrio de carga de trabajo.