1.一种遥感影像热带气旋目标检测和可视化方法，其特征在于，包括以下步骤：

S1、基于原始影像，使用基于生成对抗网络的图像超分辨率算法生成高空间分辨率热带气旋遥感影像；

S2、对步骤S1中所述高空间分辨率热带气旋遥感影像进行切片，生成瓦片金字塔；

S3、提取原始影像的元数据，存储原始影像、高空间分辨率热带气旋遥感影像、热带气旋遥感影像瓦片数据，并根据所述元数据构建遥感影像时空索引；

S4、基于原始影像数据，基于经典单阶段目标检测算法YOLOv5，融合轻量化特征提取网络和注意力机制，构建目标检测模型；

S5、使用轻量级Web应用框架Flask和OGC WPS协议，建立所述目标检测模型封装、调用服务和自定义化的在线、智能热带气旋目标检测网络服务；

S6、基于所述目标检测网络服务和遥感影像时空索引构建基于Cesium的检测和可视化数字地球平台。

2.根据权利要求1所述的一种遥感影像热带气旋目标检测和可视化方法，其特征在于，步骤S1具体为：S11、获取原始影像，筛选含有热带气旋的AWX格式文件，处理为JPG格式图像；

S12、随机使用双三次下采样、双线性下采样、最近邻下采样方法处理步骤S11中得到的图像，构建高分辨率‑低分辨率数据对，划分80％数据作为训练集，20％数据作为验证集；

S13、构建一种基于生成对抗网络的图像超分辨率模型，模型包括生成器、判别器两部分；所述生成器采用Encoder‑Decoder结构，包含对称的2个下采样模块和2个上采样模块，上采样模块采用残余通道注意力模块，生成器网络中采用跳层连接；判别器是分类网络，包含四个相同的卷积块，分别包含两个卷积层和两个批归一化层，激活函数采用LeakyReLU，使用Sigmoid函数进行二分类；并使用深度学习框架PyTorch实现超分辨率模型；

S14、将训练数据进行归一化后送入步骤S13中构建的模型，使用SGD优化器交替训练生成器、判别器，直到损失值趋于稳定，模型收敛，得到训练好的图像超分辨率模型；其中，总损失由内容损失、对抗损失和判别器分类损失三部分加权得到；

S15、将验证数据送入训练好的图像超分辨率模型中进行推理，获取推理结果；使用峰值信噪比、结构相似度评估超分辨率模型的效果，将效果最优的图像超分辨率模型保存至指定位置；

S16、将原始影像送入步骤S15中得到的效果最优的图像超分辨率模型中，生成高分辨率图像，并将高分辨率图像保存至指定位置。

3.根据权利要求1所述的一种遥感影像热带气旋目标检测和可视化方法，其特征在于，步骤S2具体为：S21、读取步骤S1中生成的高空间分辨率热带气旋遥感影像，获取影像中的地理位置和参考系信息；

S22、使用Python版gdal2tiles工具包制作0‑5级瓦片金字塔，该瓦片金字塔采用WEB墨卡托投影坐标系，投影后的世界地图为第0级，将第0级四等分构成第1层，然后依次构建至第n级，瓦片数据以四叉树形式存储。

4.根据权利要求1所述的一种遥感影像热带气旋目标检测和可视化方法，其特征在于，步骤S3具体为：S31、读取原始影像数据，对原始影像进行降采样生成缩略图；

S32、根据原始影像文件名获取成像时间、成像平台信息，解析原始影像数据中附带的空间参考系和地理坐标信息，提取元数据；

S33、将步骤S32中提取的元数据以键值对方式进行存储，存入HBase分布式NoSQL数据库，将原始影像、步骤S1中生成的高空间分辨率热带气旋遥感影像以及步骤S31中生成的缩略图存入分布式文件系统HDFS中，将步骤S2中生成的瓦片数据存入本地磁盘；

S34、根据步骤S32中提取的元数据对遥感影像构建时空索引。

5.根据权利要求1所述的一种遥感影像热带气旋目标检测和可视化方法，其特征在于，步骤S4具体为：S41、处理原始影像数据，得到原始分辨率热带气旋遥感影像数据，原始分辨率热带气旋遥感影像数据的数据标签格式如下：name x_center y_center width height

其中，name为类别编号，x_center为目标中心横轴坐标，y_center为目标中心纵轴坐标，width为框宽度，height为框高度；

S42、划分80％原始分辨率热带气旋遥感影像数据为训练集，20％数据作为验证集；

S43、以YOLOv5作为基础算法，集成轻量化特征提取网络GhostNet，构成YOLOv5‑GhostNet，融入注意力机制‑卷积块注意力模块，构建YOLOv5‑GhostNet‑CBAM热带气旋目标检测模型，由Backbone、Neck、Detector三部分组成；其中Backbone部分包括Focus、C3Ghost、GhostConv、CBAM和SPPF模块，GhostConv为GhostNet中的基本卷积模块，采用普通卷积生成一部分特征图，再通过线性变换产生另一部分特征图；注意力机制CBAM模块包括通道注意力模块CAM和空间注意力模块SAM两部分；Neck部分采用FPN+PAN结构；

S44、使用非极大值抑制处理目标检测结果，根据交并比和置信度阈值过滤冗余的检测框；

S45、将训练集数据送入模型中，使用SGD优化器训练模型，直到损失值趋于稳定，模型收敛，使用余弦退火算法更新学习率，加快模型收敛速度；

S46、将验证集数据送入训练好的模型中进行推理，使用准确率、召回率、mAP评估目标检测模型效果，选择效果最优的模型保存至指定位置。

6.根据权利要求1所述的一种遥感影像热带气旋目标检测和可视化方法，其特征在于，步骤S5具体为：S51、实现模型统一化接口，所属接口包含数据预处理方法、模型入口方法、输出结果处理方法；

S52、将所述接口与步骤S4中的目标检测模型代码文件打包为zip文件，通过HTTP协议的POST方法上传到服务端；

S53、服务端对接收到的文件进行自动解析，如果接收到的是压缩文件，则调用封装程序，将压缩文件解压并封装为可调用的WPS服务，然后注册到WPS服务列表中；如果是模型的权重文件，将其移动到权重管理路径下，如果已经存在同名权重文件，则覆盖该文件；其中，服务端的文件解析、模型封装服务通过轻量级Web应用框架Flask实现；WPS服务通过PyWPS软件包提供的API实现；

S54、管理员在服务器上配置模型推理所需的运行环境，并将其添加至环境配置文件，系统自动读取该配置文件中的推理环境，并展示到前端页面中的环境列表中，已注册的模型服务从服务列表中读取，显示到前端页面中；

S55、用户在前端选择检测数据对象、检测模型、运行环境，通过HTTP协议GET方法发送请求到服务端；

S56、服务端根据请求中的参数生成WPS服务的调用参数；

S57、服务端向WPS服务提供的接口发送检测请求；

S58、WPS服务接收到模型调用请求后，模型服务模块使用数据加载器从请求中的检测目标路径加载数据，将数据加载器传输给统一化模型接口的实现类，调用实现类中的统一模型推理入口函数，在指定的运行环境下进行模型的推理；

S59、热带气旋目标检测推理结果由结果处理函数统一格式输出，检测推理结果存入HDFS中；检测成功完成后，由WPS服务向调用者返回调用成功信息，服务端在接受到调用成功信息后，更新任务的状态为完成。

7.根据权利要求1所述的一种遥感影像热带气旋目标检测和可视化方法，其特征在于，步骤S6具体为：S61、使用Vue.js框架和Element‑ui组件构建热带气旋遥感影像检索界面；

S62、输入遥感影像检索条件后，axios框架将检索条件通过HTTP请求发送到服务端，检索遥感影像的信息，并通过Element‑ui组件中的Dialog控件预览；

S63、选择要进行目标检测的热带气旋遥感影像，使用axios框架发送HTTP请求调用热带气旋目标检测服务；

S64、热带气旋目标检测服务执行完成后，通过axios框架向服务端查询调用结果，调用结果显示在Element‑ui组件中的Table控件中；

S65、基于Cesium的数字地球平台首先根据遥感影像的经纬度范围创建二维区域rectangle，利用瓦片金字塔的URL创建TileMapServiceImageryProvider对象，并通过imageryLayers.addImageryProvider接口将热带气旋遥感影像覆盖在数字地球底图上，完成对热带气旋遥感影像的可视化；

S66、数字地球平台根据热带气旋目标检测结果中的经纬度范围确定矩形框的位置，并根据热带气旋的强度设置矩形框颜色属性，使用entities.add接口在数字地球上的对应位置渲染标记热带气旋的矩形框，完成对热带气旋目标检测结果的可视化。