1.一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，所述数据处理方法包括如下步骤：在不同采样高度下采集山地城镇的遥感数据，将所有的遥感数据映射为多元特征空间；

从所述多元特征空间中提取在不同采样高度下山地城镇的建筑特征和交通特征，进而对所有的建筑特征和交通特征分别进行层级聚类，得到建筑特征簇集和交通特征簇集；

基于强化学习的特征奖励机制确定所述建筑特征簇集和所述交通特征簇集之间的奖励信息，通过所述奖励信息确定不同采样高度下山地城镇在空间维度中的奖励异质性；

根据各个遥感数据中遥感像元的分布差异度对不同采样高度下采集的遥感数据进行光谱差异分析，得到不同采样高度下的光谱响应差异；

通过所述奖励异质性和所述光谱响应差异确定多元特征强化的奖励因子，依据所述奖励因子将采集的所有遥感数据进行融合得到山地城镇空间及交通分布的融合特征。

2.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，使用多光谱遥感技术在不同高度上采集山地城镇的遥感数据。

3.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，将所有的遥感数据映射为多元特征空间具体包括：将所有的遥感数据进行对齐，得到对齐后的所有遥感数据；

使用主成分分析算法将对齐后的所有遥感数据映射到低维特征空间，得到多元特征空间。

4.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，从所述多元特征空间中提取在不同采样高度下山地城镇的建筑特征和交通特征具体包括：对于每个采样高度，利用卷积神经网络模型识别所述多元特征空间中建筑物的边缘特征，得到在该采样高度下山地城镇的建筑特征；

使用道路检测算法从所述多元特征空间中提取在该采样高度下山地城镇的交通特征。

5.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，对所有的建筑特征和交通特征分别进行层级聚类，得到建筑特征簇集和交通特征簇集具体包括：基于最小距离机制对所有的建筑特征和交通特征分别进行聚类，得到不同密度层级的建筑特征簇和交通特征簇；

通过所有的建筑特征簇得到建筑特征簇集；

通过所有的交通特征簇得到交通特征簇集。

6.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，基于强化学习的特征奖励机制确定所述建筑特征簇集和所述交通特征簇集之间的奖励信息具体包括：确定所述建筑特征簇集与所述交通特征簇集之间的关联矩阵；

基于强化学习的特征奖励机制，对所述关联矩阵中大于预设阈值的矩阵元素进行奖励调节，对所述关联矩阵中小于预设阈值的矩阵元素进行惩罚调节；

将调节后的关联矩阵用于表征所述建筑特征簇集和所述交通特征簇集之间的奖励信息。

7.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，通过所述奖励信息确定不同采样高度下山地城镇在空间维度中的奖励异质性具体包括：获取不同采样高度下山地城镇空间分布的差异量；

依据所述奖励信息和空间分布的差异量确定不同采样高度下山地城镇在空间维度中的奖励异质性。

8.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，根据各个遥感数据中遥感像元的分布差异度对不同采样高度下采集的遥感数据进行光谱差异分析，得到不同采样高度下的光谱响应差异具体包括：利用遥感像元的光谱特征确定每个采样高度下遥感影像的光谱响应值；

通过所有光谱响应值和各个遥感数据中遥感像元的分布差异度确定不同采样高度下的光谱响应差异。

9.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，依据所述奖励因子将采集的所有遥感数据进行融合得到山地城镇空间及交通分布的融合特征具体包括：依据所述奖励因子将不同采样高度下的遥感数据进行加权融合，生成具有高空间解析度的融合图像；

基于预训练的特征提取模型从所述融合图像中提取山地城镇空间及交通分布的融合特征。

10.如权利要求1所述的一种山地城镇空间及交通多元化特征数据处理方法，其特征在于，将所有的遥感数据映射为多元特征空间之前还包括对所有的遥感数据进行降噪处理。