1.基于大数据分析的地理科学信息智能管理方法，其特征在于：包括如下步骤：步骤S1，获取高分辨率影像数据访问过程的影像压缩失真信息，根据影像压缩失真信息获取影像压缩失真系数，评估影像压缩失真的异常程度对高分辨率影像数据访问的影响程度；

步骤S2，获取高分辨率影像数据访问过程的格式转换信息，根据格式转换信息获取格式转换异常系数，评估不同高分辨率影像数据格式转换的异常程度对高分辨率影像数据访问的影响程度；

步骤S3，获取高分辨率影像数据访问过程的外部攻击压力信息，根据外部攻击压力信息获取外部攻击压力系数，评估数据访问过程的外部攻击压力对高分辨率影像数据访问的影响程度；

步骤S4，根据影像压缩失真系数、格式转换异常系数、外部攻击压力系数构建影像数据访问隐患评估模型，生成影像数据访问隐患评估指数，对高分辨率影像数据访问过程中的潜在隐患进行响应识别；

步骤S5，当高分辨率影像数据访问过程中存在潜在隐患时结合当前的数据访问规模确定高分辨率影像数据访问过程高危隐患的预警时机；

通过获取高分辨率影像数据访问过程的影像压缩失真信息，对高分辨率影像数据访问过程的影像压缩失真情况进行分析，并获取影像压缩失真系数，来衡量影像压缩失真的异常程度对高分辨率影像数据访问的影响程度；

影像压缩失真系数的获取逻辑如下：

获取高分辨率影像压缩前的宽度、高度、颜色深度，计算高分辨率影像压缩前大小，表达式如下 ，其中 表示高分辨率影像压缩前大小， 表示高分辨率影像的宽度， 表示高分辨率影像的高度， 表示高分辨率影像的颜色深度；

计算影像压缩比 ，表达式如下 ，其中 表示高分辨率影像压缩后大小；

计算影像峰值信噪比 ，表达式如下 ，其中 表示

高分辨率影像压缩前和压缩后的均方误差，计算表达式如下

，其中 表示高分辨率影像压缩前像素 的

值， 表示高分辨率影像压缩后像素 的值， ，为正整数；

计算影像结构相似性指数 ，表达式如下

，其中 表示高分辨率影像压缩前的

像素均值， 表示高分辨率影像压缩后的像素均值， 表示高分辨率影像压缩前的像素标准差， 表示高分辨率影像压缩后的像素标准差， 表示高分辨率影像压缩前和压缩后的协方差， 、 为常量，用于稳定计算，避免分母为零；

计算影像压缩失真系数 ，表达式如下 ，其

中 表示第j次影像压缩行为的影像压缩比， 表示第j次影像压缩行为的影像峰值信噪比， 表示第j次影像压缩行为的影像结构相似性指数；

通过获取高分辨率影像数据访问过程的外部攻击压力信息，对高分辨率影像数据访问过程中的外部攻击情况进行分析，并获取外部攻击压力系数，来衡量高分辨率影像数据访问过程中的外部攻击压力程度；

外部攻击压力系数的获取逻辑如下：

获取高分辨率影像数据访问过程中的网络攻击流量 ，计算攻击强度 ，表达式如下 ，其中 表示正常网络流量水平；获取数据访问的失败次数 和总访问次数 ，计算访问强度 ，表达式如下 ；根据哈希算法对数据进行校验统计篡改数据量 ，计算数据篡改比例 ，表达式如下 ，其中 表示总数据量；计算外部攻击压力系数 ，表达式如下 ；

根据影像压缩失真系数、格式转换异常系数、外部攻击压力系数构建影像数据访问隐患评估模型，生成影像数据访问隐患评估指数 ，模型依据的公式如下，式中 分别表示影像压缩失真系数、格式转换异常系数、外部攻击压力系数的预设比例系数，且 均大于0。

2.根据权利要求1所述的基于大数据分析的地理科学信息智能管理方法，其特征在于：通过获取高分辨率影像数据访问过程的格式转换信息，对高分辨率影像数据访问过程的格式转换情况进行分析，并获取格式转换异常系数，来衡量影像格式转换的异常程度对高分辨率影像数据访问的影响程度；

格式转换异常系数的获取逻辑如下：

获取高分辨率影像格式转换前的存储字节大小 和格式转换后的存储字节大小 ，计算格式转换大小差异 ，表达式如下 ；获取高分辨率影像格式转换的开始时间 和结束时间 ，计算格式转换时间延迟 ，表达如下 ，其中表示预期的格式转换时间；获取高分辨率影像格式转换前和转化后的像素值分布，计算高分辨率影像格式转换前的熵值 ，表达式如下 ，其中 表示高分辨率影像格式转换前第n个像素值出现的概率，计算方式为像素值出现的频率除以总像素数， ，为正整数；计算高分辨率影像格式转换的熵值差 ，表达式如下 ，其中 表示高分辨率影像格式转换后的熵值；计算格式转换异常系数 ，表达式如下 。

3.根据权利要求1所述的基于大数据分析的地理科学信息智能管理方法，其特征在于：将影像数据访问隐患评估指数与预设的影像数据访问隐患评估指数阈值进行比较，对高分辨率影像数据访问过程中的潜在隐患进行响应识别，具体如下：若影像数据访问隐患评估指数大于影像数据访问隐患评估指数阈值，则生成访问隐患初现信号；

若影像数据访问隐患评估指数小于等于影像数据访问隐患评估指数阈值，则无需生成访问隐患初现信号。

4.根据权利要求3所述的基于大数据分析的地理科学信息智能管理方法，其特征在于：当生成访问隐患初现信号时，获取影像数据访问隐患评估模型后续不同时刻的输出值以及数据访问规模，构建预警时机预测模型，生成预警时机预测值 ，模型依据的公式如下，其中 表示第t时刻影像数据访问隐患评估模型生成的影像数据访问隐患评估指数， 表示影像数据访问隐患评估指数的平均值，计算表达式如下 ， 表示第t时刻系统的数据访问量，表示数据访问量的平均值，计算表达式如下 ， ，

为正整数。

5.根据权利要求4所述的基于大数据分析的地理科学信息智能管理方法，其特征在于：将预警时机预测值与预设的预警时机预测值阈值进行比较，确定高分辨率影像数据访问过程高危隐患的预警时机，具体如下：若预警时机预测值大于预警时机预测值阈值，则生成预警信号；

若预警时机预测值小于等于预警时机预测值阈值，则无需生成预警信号。

6.基于大数据分析的地理科学信息智能管理系统，用于实现权利要求1‑5中任意一项所述的基于大数据分析的地理科学信息智能管理方法，其特征在于：包括影像压缩失真模块、影像格式转换模块、外部攻击压力模块、综合评估模块、预警模块；

影像压缩失真模块，用于获取高分辨率影像数据访问过程的影像压缩失真信息，根据影像压缩失真信息获取影像压缩失真系数，评估影像压缩失真的异常程度对高分辨率影像数据访问的影响程度；

影像格式转换模块，用于获取高分辨率影像数据访问过程的格式转换信息，根据格式转换信息获取格式转换异常系数，评估不同高分辨率影像数据格式转换的异常程度对高分辨率影像数据访问的影响程度；

外部攻击压力模块，用于获取高分辨率影像数据访问过程的外部攻击压力信息，根据外部攻击压力信息获取外部攻击压力系数，评估数据访问过程的外部攻击压力对高分辨率影像数据访问的影响程度；

综合评估模块，用于根据影像压缩失真系数、格式转换异常系数、外部攻击压力系数构建影像数据访问隐患评估模型，生成影像数据访问隐患评估指数，对高分辨率影像数据访问过程中的潜在隐患进行响应识别；

预警模块，用于当高分辨率影像数据访问过程中存在潜在隐患时结合当前的数据访问规模确定高分辨率影像数据访问过程高危隐患的预警时机。