1.一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，调用云端数据进行边缘计算包括以下步骤：

S1，选取能反映出城市边缘区的特征指标；

S2，寻找突变点并进行连接，从而确定城市边缘区的范围。

2.根据权利要求1所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，所述S1中的特征指标包括：单一指标或者多指标；

单一指标包括：基于土地利用数据的土地利用信息熵、土地利用程度综合指数、土地利用动态度、建设用地密度、夜间灯光数据、不透水表面积、兴趣点密度、人口密度中的任一项；

多指标为多个单一指标的任意组合。

3.根据权利要求1所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，所述S1中包括：

S1‑1，选取指标；

S1‑2，确定所选指标的尺度：结合定量分析与定性分析的结果来确定最佳空间尺度；

定量分析：采用半方差函数的克里金插值模型来计算不同尺度下指标的半方差参数，通过ARCGIS软件的波段集统计工具计算克里金插值模型的预测结果与真实值的相关系数r，并通过比较不同尺度下的相关系数r和空间相关性C0/(C0+C)来初步筛选合适的空间尺度；

定性分析：利用ARCGIS软件提取同一样带上的建设用地密度值来分析不同尺度之间的差异，从而选出能较好地保留原始信息，且数据冗余较小的空间尺度。

4.根据权利要求3所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，所述S1‑2中的半方差函数包括：其中ω(d)是半方差函数；

d代表样点间的间隔距离；

N(d)代表间隔距离为d时的全部观测点的成对数；

Z(xi)和Z(xi+d)分别代表样点在xi和xi+d时的值。

5.根据权利要求1所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，所述S2中寻找突变点的方法包括：阈值法、曼‑肯德尔法、滑动t检验法、小波变换法、断裂点法中的任一项。

6.根据权利要求5所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，所述小波变换包括：

S2‑1，将采样线图层与指标图层相交来提取不同方向上的特征值空间序列曲线；

S2‑2，对指标的空间序列曲线进行空间连续小波变换得到小波系数。

7.根据权利要求1所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，所述S2中连接的方法包括：手动连接法、空间叠加法、Delaunay三角网法、基于核密度和城市边界数据方法中的任一项。

8.根据权利要求7所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，所述基于核密度和城市边界数据方法包括以下步骤：S‑A，对突变点进行核密度估计；

S‑B，通过重分类的方法提取外边界；

S‑C，使用城市边界数据作为内边界并对S‑B得到的结果进行擦除。

9.根据权利要求8所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，所述核密度估计包括：代表在空间位置(x,y)处的核密度值；

n代表与位置(xi,yi)的距离小于等于h的突变点数量；

h代表搜索半径；

xi为突变点i的横坐标；

yi为突变点i的纵坐标；

x为搜索半径内待估算栅格中心点的横坐标；

y为搜索半径内待估算栅格中心点的纵坐标；

2 2

(x‑xi) +(y‑yi) 代表搜索半径内待估算栅格中心点和突变点i之间欧氏距离的平方。

10.根据权利要求1所述的一种利用云端数据进行城市边缘区识别与验证方法，其特征在于，还包括步骤S3，对步骤S2中得到的城市边缘区的空间分布范围进行验证；

其验证方法包括：

通过判断类夜间灯光数据在划分出的城市边缘区、城市区域、乡村区域中是否存在梯度变化的特征；

和/或者通过人工验证，人工验证包括：随机生成样本点，观察以样本点为中心的遥感影像中的景观特征。