1.一种基于图像匹配的测风站群空间聚类方法，其特征在于，包括以下步骤：

步骤1，针对目标区域内每个测风站，获取历史风速数据以构造风速样本；

获取目标区域内每个测风站的Num1个海拔位置在相同历史时间段内的各样本时刻的风速数据，构建每个测风站在每个海拔位置的风速样本序列；每个测风站全部海拔位置的风速样本序列构成与测风站对应的风速样本；

步骤2，针对每个测风站，均根据风速样本获取风速特征图；

步骤2.1，从历史时间段中获取不同的样本时刻区间，每个样本时刻区间由历史时间段内连续的Num1个样本时刻构成；

步骤2.2，计算各样本时刻区间的目标区域的风速关联系数，选择风速关联系数最高的

3个样本时刻区间c1、c2、c3；

步骤2.3，将测风站第j个海拔位置在第一样本时刻区间c1的第k个样本时刻的风速数据作为该测风站风速特征图中的像素点pixelj,k的R分量，将测风站第j个海拔位置在第二样本时刻区间c2的第k个样本时刻的风速数据作为该测风站风速特征图中的像素点pixelj,k的G分量，将测风站第j个海拔位置在第三样本时刻区间c3的第k个样本时刻的风速数据作为该测风站风速特征图中的像素点pixelj,k的B分量；

步骤3，针对每个测风站的风速特征图，均进行灰度化处理获得灰度风速特征图；

步骤4，针对每个测风站的灰度风速特征图，均划分为num2个互不相交的区域，提取每个区域的风速特征曲线，构成测风站的风速特征曲线；

步骤4中提取灰度特征图中每个区域的风速特征曲线的方法具体为：

步骤B1，随机选择任意特征像素点，作为一条风速特征曲线的起始点；

步骤B2，判断与风速特征曲线最末端的特征像素点相邻的8个像素点中，是否含有不属于当前风速特征曲线的特征像素点，若是，选择灰度值最高的特征像素点，作为当前风速特征曲线的下一个点，进入步骤B2，若否，得到一条风速特征曲线；

步骤B3，判断区域中是否含有不属于任一风速特征曲线的特征像素点，若是，选择其中任意特征像素点作为一条风速特征曲线的起始点，重复步骤B2和步骤B3，若否，进入步骤B4；

步骤B4，设置第二阈值σ2，剔除长度不超过第二阈值σ2的风速特征曲线；

步骤B5，设置第三阈值σ3，依次选择任意2条含有相同特征像素点的风速特征曲线，2条风速特征曲线的长度分别记为length1和length2，且length1≤length2，相同特征像素点的数量记为Num3，若满足Num3≥length1*σ3，剔除长度为length1的风速特征曲线；

所述风速特征曲线的长度为风速特征曲线包含的特征像素点的数量；

步骤5，利用各测风站的风速特征曲线，实现测风站聚类；

步骤5.1，针对每个测风站的风速特征曲线，获得测风站的风速特征直方图；

将风速特征曲线按方向分为4类，按长度分为3类，从而构建得到12个风速特征类，分别为feam,m＝1,2,3,...12；然后将测风站的风速特征曲线分配至对应的风速特征类，并记录各风速特征类包含的风速特征曲线的数量，构成测风站的风速特征直方图；

步骤5.2，将各测风站作为待聚类元素，将风速特征直方图作为元素的广义坐标，同时按预设规则设置聚类簇的数量和聚类中心；针对每个待聚类元素，均计算待聚类元素与各聚类簇的聚类中心之间的距离，根据待聚类元素与各聚类中心之间的距离对各测风站进行聚类。

2.根据权利要求1所述的方法，其特征在于，在步骤2.2中计算各样本时刻区间的目标区域的风速关联系数的具体过程为：步骤A1，利用变异系数和所有测风站各海拔位置的风速样本序列，依次计算各测风站的最稳态海拔位置；其中，最稳态海拔位置是指变异系数最小的风速样本序列所对应的海拔位置，变异系数CV的计算公式为：式中，xi,i＝1,2,3,...,n表示风速样本序列中第i个样本时刻的风速值；n表示风速样本序列中样本时刻的个数；表示风速样本序列中所有样本时刻风速值的平均值；

步骤A2，将各测风站的最稳态海拔位置升序排列，选择中值作为目标区域最稳态海拔位置，记为pos1位置；

步骤A3，利用各测风站在目标区域最稳态海拔位置的风速样本序列中在当前样本时刻区间内的风速数据，计算得到任意两个测风站之间的风速皮尔逊相关性系数，将所有测风站中任意两个测风站的风速皮尔逊相关性系数求和取平均，作为当前计算的样本时刻区间的目标区域的风速关联系数。

3.根据权利要求1所述的方法，其特征在于，所述步骤5.2中，采用巴氏距离和k-means均值聚类算法对各测风站进行聚类，具体方法为：步骤C1，将各测风站作为待聚类元素，将风速特征直方图作为元素的广义坐标，随机选择Num4个元素作为聚类中心，每个聚类中心代表1个聚类簇；

步骤C2，随机选取某一元素，计算其同各聚类中心的巴氏距离，并且将该元素分配至与该元素之间巴氏距离最近的聚类中心所代表的聚类簇，立即将元素增加的聚类簇的聚类中心更新为聚类簇中所有元素的平均坐标，随机选取下一个元素，重复步骤C2，直到完成所有元素的分配。

4.根据权利要求3所述的方法，其特征在于，在步骤C1为聚类中心的数量Num4设置初始值3，在执行步骤C2之后还设置步骤C3：判断当前的Num4个聚类簇是否均为稳态聚类簇，若是则聚类完成，否则令Num4＝Num4+

1，并重复C1-步骤C3；其中，稳态聚类簇是指，聚类簇中各元素与聚类中心之间的巴氏距离的最大值不超过各元素与聚类中心之间的巴氏距离的中值的30％。

5.根据权利要求3所述的方法，其特征在于，测风站同聚类中心的巴氏距离的计算公式为：式中，Dist(coor1,coor2)表示坐标coor1与坐标coor2之间的巴氏距离，pcoor1(feam)和pcoor2(feam)依次表示风速特征类feam在坐标coor1和坐标coor2代表的元素中的概率，且

6.根据权利要求1所述的方法，其特征在于，所述步骤5.1中风速特征曲线的4类方向分别为：0°、45°、90°、135°；所述风速特征曲线的方向是指：风速特征曲线中，所有相邻特征像素点之间的方向的众数；所述风速特征曲线中，任意两个相邻特征像素点之间的方向为，两个特征像素点所在直线第一象限或第二象限方向与水平线右方向之间的夹角；

所述步骤5.1中风速特征曲线的3类长度分别为低长度、中长度、高长度，所述低长度是指特征曲线长度在区间[6,10]，中长度是指特征曲线长度在区间[11,15]，高长度是指特征曲线长度在区间[16,+∞]。

7.根据权利要求1所述的方法，其特征在于，所述步骤3按以下公式进行灰度化处理：hj,k＝r′j,k＝g′j,k＝b′j,k＝rj,k*wr+gj,k*wg+bj,k*wb，wr+wg+wb＝1，

式中，hj,k表示灰度风速特征图中像素点pixelj,k的灰度，rj,k、gj,k、bj,k分别表示像素点pixelj,k在灰度化处理前的R分量、G分量和B分量，r′j,k、g′j,k、b′j,k分别表示像素点pixelj,k在灰度化处理后的R分量、G分量和B分量，wr、wg、wb分别表示R分量、G分量和B分量的灰度化权值。

8.根据权利要求1所述的方法，其特征在于，在步骤4提取每个区域的风速特征曲线前，先对每个区域进行滤波处理：获得区域内所有像素点灰度值的均值，设定第一阈值系数σ1，将所述均值与第一阈值系数σ1的乘积作为第一阈值；灰度值小于第一阈值的像素点为非特征像素点，其余像素点为特征像素点，将区域内非特征像素点的灰度值置0。

9.根据权利要求1所述的方法，其特征在于，所述Num1个海拔位置，指以海拔位置0.5米为起始，以0.5米为步长，以海拔位置Num1/2米为终止的一组等差数列。