1.一种融合人工智能技术和大数据的多源影像自动解译方法，其特征在于，包括：获取历史影像和矢量数据，构建影像解译样本库；

构建深度残差全卷积网络，通过影像解译样本库对所述深度残差全卷积网络进行训练，确定第一解析影像；

基于时空大数据分析挖掘结果对所述第一解析影像进行优化，确定目标解析影像；

所述基于时空大数据分析挖掘结果对所述第一解析影像进行优化，确定目标解析影像，包括：

获取时空大数据，进行分析挖掘，确定时空大数据分析挖掘结果，并作为第二解析影像；其中，

所述第二解析影像包括位置信息和分类要素信息；

将所述第一解析影像做为基底，融合所述位置信息和分类要素信息，判断分类结果是否正确，并进行调整，生成融合时空大数据后的目标解析影像。

2.根据权利要求1所述的一种融合人工智能技术和大数据的多源影像自动解译方法，其特征在于：所述构建深度残差全卷积网络，通过影像解译样本库对所述深度残差全卷积网络进行训练，确定第一解析影像，还包括：基于预设的深度学习框架，构建层次化结构的高性能自动化影像解译系统；其中，所述高性能自动化影像解译系统包括：界面层、业务层、数据处理层、数据库层和底层运行层；

所述数据库层采用并行存储服务器存储历史影像和矢量数据；

根据所述高性能自动化影像解译系统，将所述历史影像和矢量数据处理为二进制数据；

基于预设的多项式误差衰减学习策略微调学习率，确定所述二进制数据的水平翻转和垂直翻转的增强数据；

将所述增强数据通过正则化方法处理，确定第一解析影像。

3.根据权利要求1所述的一种融合人工智能技术和大数据的多源影像自动解译方法，其特征在于：所述获取时空大数据，进行分析挖掘，确定时空大数据分析挖掘结果，包括：根据所述历史影像和矢量数据，确定时空大数据；其中，所述时空大数据包括物联网传感器、互联网数据、电信信令数据；

基于所述影像解译样本库，对所述时空大数据的数据进行挖掘，确定第一目标数据；

基于数据分类和解译目标，对所述第一目标数据进行分析筛选，确定时空大数据。