1.一种基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，包括以下步骤：
S1、获取研究地段的高分辨率遥感影像，对高分辨率遥感影像进行预处理和多尺度分割，建立影像对象层次结构；
S2、根据影像对象层次结构进行领域划分，并对每个领域进行地类划分；根据高分辨率遥感影像的遥感特征值，包括光谱特征值和形状特征值，对每个领域的不同地类进行地理本体建模，得到不同领域的地理本体；
S3、对不同领域的地理本体，计算各个地类的遥感特征值的值域；并计算不同地类的值域之间的交集；若两个值域之间存在交集，则计算两个值域之间的并集，以及交集占并集的百分比；
S4、根据交集的大小，建立领域内的地类的语义关联，以及不同领域之间的地类的语义关联。
2.根据权利要求1所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，步骤S1中对高分辨率遥感影像进行预处理的方法包括：几何校正、大气校正和裁剪拼接。
3.根据权利要求1所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，步骤S2中对每个领域的不同地类进行地理本体建模的方法为:
S21、地类确定：根据领域的分类标准，对不同地类进行划分；
S22、最优分割尺寸选择：对各个地类选择其对应的最优分割尺寸；
S23、地类样本选择：在各个地类的最优分割尺寸下选择地类样本，该地类样本包括同类像元组成的遥感对象和掺杂了其他类型像元的遥感对象，增加地类样本的覆盖面使后期分析的精度达到最大；
S24、计算属性统计表：对每个地类样本，计算其光谱和形状统计值，统计每个属性值的最大值、次大值、最小值和次小值，得到每个地类样本的属性统计表；
S25、计算值域范围：对每个地类样本的各个属性值，用次大值和次小值之间的范围作为地类样本在该属性上的值域；
S26、统计值域图：根据所有地类样本的值域范围统计结果，按属性进行统计，即统计每个属性值上不同地类的属性值域，并做出值域图；
S27、值域图统计规则：根据值域图，针对具体的地类，在所有属性中选择出与其他地类区别最大的属性，以此属性值值域进行筛选，剔除一部分干扰，重复此步骤，增加属性数目，进一步剔除干扰；
S28、建立地理本体：根据统计的属性规则，建立该领域的地理本体。
4.根据权利要求3所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，步骤S22中选择最优分割尺寸的方法包括：最大面积法，均值方差法和目标函数法。
5.根据权利要求3所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，步骤S24中的属性包括：归一化植被指数、郁闭度、边界指数、亮度、长宽比、第一波段光谱均值和形状指数。
6.根据权利要求1所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，步骤S2中得到不同领域的地理本体后，把不同领域的地理本体映射到同一个遥感影像层次结构中。
7.根据权利要求1所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，步骤S3中的遥感特征值包括：红波段均值，最大光谱差值、红波段比值、归一化植被指数、对比度、相关性和能量。
8.根据权利要求1所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，步骤S4中建立语义关联包括直接语义关联和间接语义关联。
9.根据权利要求8所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，判断直接语义关联的方法为：
若两个地类的某个遥感特征值的交集为空集，则这两个地类之间没有语义关联关系；
若两个地类的所有遥感特征值的值域均相交，且值域之间存在包含关系，则这两个地类之间为上下义关系；
若两个地类的所有遥感特征值的值域均相交，且存在交集占并集的百分比小于10％,则这两个地类之间没有语义关联关系；
若两个地类的所有遥感特征值的值域均相交，且存在交集占并集的百分比大于10％且小于80％，则这两个地类之间为语义相似关系；
若两个地类的所有遥感特征值的值域均相交，且存在交集占并集的百分比大于80％，则这两个地类之间为同义关系。
10.根据权利要求9所述的基于面向对象影像特征的地理本体建模与语义推理方法，其特征在于，判断间接语义关联的方法为：
若两个地类之间为同义关系，则其中任意一个地类的上层地类，与另一个地类之间为上下义关系。