1.一种基于遥感数据的城市环境检测及综合评估方法，包括遥感平台（1）、数据处理单元（4）和环境判定单元（5），其特征在于：所述遥感平台（1）的输出端连接有云服务器（2），且云服务器（2）的输出端连接有环境检测中心（3），所述数据处理单元（4）电性连接于环境检测中心（3）的输出端，且数据处理单元（4）包括遥感数据采集模块（401）、遥感影像分析处理模块（402）、遥感地物识别分类模块（403）、环境检测数据提取模块（404）和数据分类储存模块（405），所述遥感数据采集模块（401）的输出端电性连接有遥感影像分析处理模块（402），且遥感影像分析处理模块（402）的输出端电性连接有遥感地物识别分类模块（403），所述遥感地物识别分类模块（403）的输出端电性连接有环境检测数据提取模块（404），且环境检测数据提取模块（404）的输出端电性连接有数据分类储存模块（405），所述环境判定单元（5）电性连接于数据处理单元（4）的输出端，且环境判定单元（5）的输出端电性连接有异常警报模块（6），所述环境判定单元（5）包括环境评估模块（7）和环境预测模块（8）；

所述环境检测中心（3）包括大气环境检测单元（301）、植被环境检测单元（302）和水体环境检测单元（303），且大气环境检测单元（301）、植被环境检测单元（302）和水体环境检测单元（303）之间为并联连接，所述大气环境检测单元（301）、植被环境检测单元（302）和水体环境检测单元（303）分别用于对城市环境中的大气环境、植被环境和水体环境进行检测；

所述环境评估模块（7）包括当前环境评估模块（9）、对比检测评估模块（10）和评价结果输出模块（11），且当前环境评估模块（9）、对比检测评估模块（10）的输出端电性连接有评价结果输出模块（11）；

所述环境预测模块（8）包括数据收集模块（801）、环境模型训练模块（802）、环境模型验证模块（803）和环境预测输出模块（804），所述数据收集模块（801）的输出端电性连接有环境模型训练模块（802），且环境模型训练模块（802）的输出端电性连接有环境模型验证模块（803），所述环境模型验证模块（803）的输出端电性连接有环境预测输出模块（804）；

所述对比检测评估模块（10）包括变化特征提取模块（1001）、图像配准检测模块（1002）、时序分布图绘制模块（1003）和数据结构化解析模块（1004），所述变化特征提取模块（1001）的输出端电性连接有图像配准检测模块（1002），且图像配准检测模块（1002）的输出端电性连接有时序分布图绘制模块（1003），所述时序分布图绘制模块（1003）的输出端电性连接有数据结构化解析模块（1004）；

使用时，首先遥感平台（1）将城市遥感数据上传至云服务器（2）中，而后环境检测中心（3）下载云服务器（2）的遥感数据，使得大气环境检测单元（301）、植被环境检测单元（302）和水体环境检测单元（303）分别对城市环境中的大气环境、植被环境和水体环境进行检测，检测时通过数据处理单元（4）对数据进行处理，在这一过程中，遥感数据采集模块（401）按照时序关系对不同时期的遥感数据进行收集整理，然后将数字遥感数据转换为空间分辨率影像，遥感影像分析处理模块（402）对遥感影像进行分析处理，分析处理过程包括行辐射校正，灰度图像转换、平滑滤波处理，再采用数学形态学中的闭运算填补轮廓的缝隙，整合图像轮廓，获得较为清晰完整的遥感影像；遥感地物识别分类模块（403）对影像进行地物分类检测，根据地物反射波普特征提取城市水体，并采用归一化差分植被指数的方式提取城市植被，然后再采用多光谱处理系统对大气污染物的情况进行半定量化估算，环境检测数据提取模块（404）在遥感地物识别分类的基础上，提取城市水体数据、城市植被数据以及城市大气污染物数据，包括地表温湿度数据、pH值、烟雾浓度、植被覆盖率、水温水位数据，最后数据分类储存模块（405）将所提取的数据分类储存至环境检测中心（30上的遥感数据库中；

而后对比检测评估模块(10)根据时序关系对城市环境进行检测评估，此时变化特征提取模块(1001）能够按照时间变化特征对遥感图像进行地物环境的时间变化特征提取，然后图像配准检测模块（1002）能够通过过匹配的特征点对得到对应的图像空间坐标变换参数，确定环境变化地块，而后时序分布图绘制模块（1003）能够根据时序关系绘制城市的环境污染状况时序分布图，以反映城市环境变化情况，最后数据结构化解析模块（1004）能够对城市环境变化数据进行解析并以前结构化的形式表达，实现数据的高度逻辑化，最终评价结果输出模块（11）输出评估结果并根据城市环境检测结果对城市环境状况进行分等定级；

然后通过环境预测模块（8）根据历史数据对城市环境发展状况进行预测，首先数据收集模块（801）能够对环境检测中心（3）的遥感数据库中的有效数据进行收集，然后环境模型训练模块（802）能够根据历史遥感数据进行训练，其中模型训练的机器学习方法包括KNN、决策树、逻辑回归、支持向量机、神经网路、深度神经网络，选取最佳算法后持续进行模型训练，而后环境模型验证模块（803）能够根据实际环境发展状况对环境模型训练模块（802）的训练结果进行验证，直至输出的结果误差符合要求，进而不断的完善预测模型，使得最终环境预测输出模块（804）能够根据当前的环境数据输出预测环境数据结果，对环境发展进行预测，然后异常警报模块（6）能够在检测和预测出异常环境数据或环境污染时进行及时警报，以便于对城市环境进行及时维护，就这样完成整个基于遥感数据的城市环境检测及综合评估方法的使用过程。