1.一种土地退化状况评估方法，其特征在于，包括以下步骤：

步骤S1：多源遥感采集土地图像，通过多层次提取遥感空间特征分类土地生物；

步骤S2：基于土地生物分布图谱构建时空耦合的动态粒子演变模型，对土地生物进行动态粒子演变预测；

步骤S3：建立非生物价值量化模型，计算土地非生物类价值历史值，根据历史数据和机器学习算法进行权重分配，动态计算多维价值指标体系；

步骤S4：根据土地非生物类价值历史值和土地生物的动态粒子演变预测进行土地退化状况评估。

2. 如权利要求1所述的土地退化状况评估方法，其特征在于，通过多源遥感设备采集目标土地的遥感图像，所述遥感图像包括多光谱图像、热红外图像、激光雷达点云数据、归一化植被指数NDVI和Sentinel‑1 SAR双极化数据，所述多光谱图像包括大于11个光谱波段，所述光谱波段包括3个专用于叶绿素荧光检测的近红外窄带通道。

3.如权利要求2所述的土地退化状况评估方法，其特征在于：

对遥感图像进行几何校正、辐射校正和时空对齐操作，利用可变形卷积模型提取第一遥感空间特征，所述第一遥感空间特征包括光谱特征、纹理特征和结构特征；

将所述第一遥感空间特征通过迁移学习预训练模型进行跨模态特征对齐，得到时空对齐的第二遥感空间特征；

利用ResNet提取第二遥感空间特征的低级特征，将所述低级特征通过Transformer二次挖掘全局依赖和高层次特征，通过随机森林模型对所述全局依赖和高层次特征进行分类，获得土地生物覆盖类型分类，将所述土地生物覆盖类型分类通过统计软件绘制成粒子分布结构图，将不同类型的生物通过不同颜色和形状表现在同一土地生物分布图谱上。

4.如权利要求3所述的土地退化状况评估方法，其特征在于：

基于所述土地生物分布图谱构建时空耦合的动态粒子演变模型，利用大数据采集当前土地生物群落的数量或面积流失速度、气象数据和土壤湿度时序数据，所述气象数据包括温度、降水和风速，分别将各个生物群落映射为具有自适应质量参数的粒子单元，将所述气象数据通过随机森林获取异常值，将所述异常值与时间进行比对，得到异常指数；

基于土地生物分布图谱构建时空特征矩阵，所述时空特征矩阵列表示时间序列，行表示生物类型，通过矩阵基础运算解得所述时空特征矩阵的单位特征矩阵，将所述单位特征矩阵对应的节点数据进行标准化，得到所述时空特征矩阵的解空间概率矩阵，将所述解空间概率矩阵与第二遥感空间特征进行列方向上的滑动窗口加权合并，得到时空特征概率分布矩阵，将所述时空特征概率分布矩阵通过滑动窗口法对齐多源数据的时间分辨率，生成标准化时空数据集。

5.如权利要求4所述的土地退化状况评估方法，其特征在于：

将土地生物分布图谱中的每个生物群落映射为携带基因熵值、能量代谢率和环境响应函数的动态粒子单元，其中基因熵值通过计算物种遗传多样性指数获得，环境响应函数由当前土地生物群落的数量或面积流失速度、气象数据和土壤湿度时序数据的多维特征集成得到；

将所述基因熵值、能量代谢率和环境响应函数作为粒子参数，计算各个生物群落对应的动态粒子单元的各个粒子参数的方差，基于方差计算各个粒子参数的F统计量。

6.如权利要求5所述的土地退化状况评估方法，其特征在于：

将各个动态粒子单元对应的各个粒子参数的F统计量和标准化时空数据集进行时空对应加权融合，输入LSTM‑Transformer混合神经网络，其中LSTM层用于处理气象数据与土壤湿度时序数据，提取长程依赖特征，Transformer多头注意力机制用于通过多头注意力机制融合空间分布特征，捕捉跨区域生物迁徙的空间关联性，并采用残差连接桥接宏观或微观模型输出数据，生成未来时间窗口内的动态粒子单元对应的粒子群演变轨迹；

输出未来时间窗口内粒子群演变轨迹的概率云图，采用Brier评分与KL散度双重验证预测可靠性，当预测值低于85%时，触发基于迁移学习的模型在线更新。

7.如权利要求6所述的土地退化状况评估方法，其特征在于，所述步骤S3包括：所述土地非生物类价值历史值的价值指标包括在同片土地上创造的金钱价值、生态环境状态和生态系统稳定性和特定生物环境的保护区域；

建立非生物价值量化模型，通过区块链分布式账本获取目标土地的历史经济运营数据，同步获取卫星遥感生态指数和生态系统服务价值当量数据库，采用注意力机制赋权的多目标优化算法，动态计算多维价值指标体系。

8.如权利要求7所述的土地退化状况评估方法，其特征在于：

所述多维价值指标体系包括经济价值指标、生态稳定性指标和生物保护强度指标，所述经济价值指标包括单位面积GDP产出、土地流转交易价格和农产品市场价值，所述生态稳定性指标包括生物多样性指数、水土保持系数和碳汇能力，所述生物保护强度指标包括濒危物种栖息地覆盖率、自然保护地占比和生态红线区域面积；

权重分配采用改进型AdaBoost集成学习框架，利用SMOTE‑Tomek联合采样算法处理多维价值指标体系数据的类别不平衡问题，通过主成分分析PCA提取累积贡献率≥85%的主成分特征；

对所述改进型AdaBoost集成学习框架融入代价敏感学习机制，根据融入代价敏感学习机制的改进型AdaBoost集成学习框架定义误分类代价矩阵，包括构建多头交叉注意力机制模块和利用改进型AdaBoost集成学习框架进行权重分配；

构建多头交叉注意力机制模块包括：

通过图神经网络GNN计算经济价值指标和生态稳定性指标之间的非线性关联度，通过门控时序注意力单元GTAU捕捉时间序列数据的动态变化；

利用改进型AdaBoost集成学习框架进行权重分配包括：

利用AdaBoost集成学习框架训练多个弱分类器，将所述弱分类器的所有输出加权加和为强分类器，当所述强分类器训练迭代时，根据所述强分类器的错误率调整权重，调整逻辑包括：训练下一个强分类器，当下一个强分类器的输出聚焦在上一个强分类器分类错误的数据点上时，输出当前权重作为最终的权重分配，得到赋权后的经济价值指标和生态稳定性指标；

将赋权后的经济价值指标和生态稳定性指标输入区块链智能合约，结合时间价值因子进行跨期折现计算，所述时间价值因子包括折现率和通货膨胀率，跨期折现数学表达式为：；

其中， 为在时间t上的折现值， 为当前时刻的价值，为折现率，为时间。

9.如权利要求8所述的土地退化状况评估方法，其特征在于，所述步骤S4包括：将所述粒子群演变轨迹和多维价值指标体系作为子模型分别通过差分隐私保护技术进行本地训练，中央服务器通过自适应知识蒸馏算法聚合各区域退化特征，构建退化评估模型包括：将修正通用土壤流失方程作为物理损失函数，其数学表达式为：

A=R×K×LS×C×P；

其中，A为年均土壤流失量，R为降雨侵蚀力因子，K为土壤可蚀性因子，LS为地形因子，C为植被覆盖因子，P为水土保持措施因子；

利用神经辐射场NeRF技术对土地退化过程进行时空连续建模，得到连续时空遥感土地退化模型；

采用卷积神经网络CNN对所述连续时空遥感土地退化模型进行特征提取，构建包含64个卷积核的U‑Net架构，得到退化热点区域的空间概率预测，输出风险等级，所述风险等级包括第一风险等级、第二风险等级和第三风险等级，所述第一风险等级包括空间概率预测的退化概率值小于0.2，第二风险等级包括空间概率预测的退化概率值处于0.2和0.5之间，第三风险等级包括空间概率预测的退化概率值大于0.5：将所述连续时空遥感土地退化模型在Google Earth Engine平台部署，利用多时相Landsat和Sentinel数据堆栈，通过面向对象分割技术提取地物边界，结合决策树分类规则实现湿地、林地和耕地的三级分类。

10.一种土地退化状况评估系统，该系统用于执行一种土地退化状况评估方法，其特征在于，包括生物分类模块、生物演变模块、价值演变模块和退化评估模块：所述生物分类模块用于多源遥感采集土地图像，通过多层次提取遥感空间特征分类土地生物；

所述生物演变模块用于基于土地生物分布图谱构建时空耦合的动态粒子演变模型，对土地生物进行动态粒子演变预测；

所述价值演变模块用于建立非生物价值量化模型，计算土地非生物类价值历史值，根据历史数据和机器学习算法进行权重分配，动态计算多维价值指标体系；

所述退化评估模块用于根据土地非生物类价值历史值和土地生物的动态粒子演变预测进行土地退化状况评估。