1.一种地理环境信息管理系统，其特征在于，包括：

数据采集模块，用于采集地理环境数据，所述地理环境数据包括遥感图像、地面监测数据和气象数据；

数据存储与管理模块，用于存储和管理所述地理环境数据；

识别模块，用于对所述遥感图像中的地物对象进行对象识别以得到对象识别结果；

标注模块，用于将所述对象识别结果在所述遥感图像中进行标注；

其中，所述识别模块，包括：

地物目标特征提取单元，用于提取所述遥感图像中的地物目标区域特征以得到地物目标局部特征图；

特征散化单元，用于沿着所述地物目标局部特征图的通道维度对所述地物目标局部特征图进行特征散化处理以得到地物目标像素级通道特征向量的序列；

注意力强化融合单元，用于对所述地物目标像素级通道特征向量的序列进行注意力强化融合以得到地物表面全局显著性融合特征向量；

识别结果生成单元，用于基于所述地物表面全局显著性融合特征向量，确定所述对象识别结果；

其中，所述地物目标特征提取单元，包括：

地物目标检测子单元，用于将所述遥感图像通过地物目标检测网络以得到地物目标感兴趣区域图像；

目标区域特征提取子单元，用于将所述地物目标感兴趣区域图像通过基于卷积神经网络模型的地物目标区域特征提取器以得到所述地物目标局部特征图；

其中，所述注意力强化融合单元，用于：

将所述地物目标像素级通道特征向量的序列通过自适应注意力权重融合网络以得到所述地物表面全局显著性融合特征向量；

其中，所述注意力强化融合单元，包括：

自相关注意力权重计算子单元，用于计算所述地物目标像素级通道特征向量的序列中各个地物目标像素级通道特征向量的自相关注意力权重以得到自相关注意力权重的序列；

加权融合子单元，用于基于所述自相关注意力权重的序列，对所述地物目标像素级通道特征向量的序列进行加权融合以得到所述地物表面全局显著性融合特征向量；

其中，所述自相关注意力权重计算子单元，用于：

分别计算所述地物目标像素级通道特征向量的序列中各个地物目标像素级通道特征向量与各个预定权重矩阵之间的矩阵乘积以得到编码地物目标像素级通道特征向量的序列；

将所述编码地物目标像素级通道特征向量的序列中的各个编码地物目标像素级通道特征向量加上偏置向量后通过Selu激活函数以得到激活地物目标像素级通道特征向量的序列；

分别计算所述激活地物目标像素级通道特征向量的序列中各个激活地物目标像素级通道特征向量与各个预设参考特征向量的转置向量之间的乘积以得到所述自相关注意力权重的序列。

2.根据权利要求1所述的地理环境信息管理系统，其特征在于，所述加权融合子单元，用于：对所述自相关注意力权重的序列进行归一化处理以得到归一化自相关注意力权重的序列；

以所述归一化自相关注意力权重的序列作为权重，计算所述地物目标像素级通道特征向量的序列的逐向量加权和以得到所述地物表面全局显著性融合特征向量。

3.根据权利要求2所述的地理环境信息管理系统，其特征在于，所述识别结果生成单元，用于：将所述地物表面全局显著性融合特征向量通过基于分类器的地物识别器以得到所述对象识别结果，所述对象识别结果为地物类型标签。

4.根据权利要求3所述的地理环境信息管理系统，其特征在于，还包括用于对所述地物目标检测网络、所述基于卷积神经网络模型的地物目标区域特征提取器、所述自适应注意力权重融合网络和所述基于分类器的地物识别器进行训练的训练单元。

5.根据权利要求4所述的地理环境信息管理系统，其特征在于，所述训练单元，包括：训练数据获取子单元，用于获取训练数据，所述训练数据包括训练遥感图像，以及地物对象识别结果的真实值；

训练图像目标检测子单元，用于将所述训练遥感图像通过所述地物目标检测网络以得到训练地物目标感兴趣区域图像；

训练地物特征提取子单元，用于将所述训练地物目标感兴趣区域图像通过所述基于卷积神经网络模型的地物目标区域特征提取器以得到训练地物目标局部特征图；

训练特征散化子单元，用于沿着所述训练地物目标局部特征图的通道维度对所述训练地物目标局部特征图进行特征散化处理以得到训练地物目标像素级通道特征向量的序列；

训练数据自适应融合子单元，用于将所述训练地物目标像素级通道特征向量的序列通过所述自适应注意力权重融合网络以得到训练地物表面全局显著性融合特征向量；

分类损失子单元，用于将所述训练地物表面全局显著性融合特征向量通过所述基于分类器的地物识别器以得到分类损失函数值；

模型训练子单元，用于以所述分类损失函数值来对所述地物目标检测网络、所述基于卷积神经网络模型的地物目标区域特征提取器、所述自适应注意力权重融合网络和所述基于分类器的地物识别器进行训练，其中，在所述训练的每一轮迭代中，对所述训练地物表面全局显著性融合特征向量进行迭代校正。