1.一种构建高时空分辨率NDVI数据的方法，其特征在于，包括以下步骤：

步骤S1，选取基准时刻的高空间分辨率影像(Landsat数据空间分辨率为30米)和高时间分辨率影像(MODIS数据时间分辨率为1天)以及预测时刻的低空间分辨率影像，并分别计算以上所有输入数据对应的归一化差值植被指数NDVI数据；

步骤S2，利用无监督分类方法对基准时刻的高分辨率影像进行分类并获得类别丰度图；

步骤S3，基于混合像元分解的方法，利用步骤S2得到的类别丰度图与基准时刻的低分辨率NDVI数据进行像元分解，构建线性方程组解算最小二乘解得到基准时刻到预测时刻的NDVI变化值；

步骤S4，利用移动窗口技术搜索基准时刻的高分辨率NDVI数据相似像元，并计算相似像元的转换系数Vi及权重函数Wi；

步骤S5，利用S3步骤得到的NDVI变化值，并结合步骤S4时刻得到的转换系数Vi及权重函数Wi，计算预测时刻的中心像元值，即可得到预测时刻的高空间分辨率NDVI数据。

2.根据权利要求1所述的一种构建高时空分辨率NDVI数据的方法，其特征在于，所述步骤S1计算归一化差值植被指数NDVI数据，具体包括：NDVI＝(NIR-R)/(NIR+R) (1)

式中：NIR为近红外波段的地表反射率值，R为红外波段的地表反射率值，其中NDVI数值的范围在-1到1之间。

3.根据权利要求1所述的一种构建高时空分辨率NDVI数据的方法，其特征在于，所述步骤S2利用无监督分类方法对基准时刻的高分辨率影像进行分类并获得类别丰度图，具体包括：利用传统无监督分类方法ISO-DATA对基准时刻的高分辨率NDVI遥感影像进行分类，并利用遥感数据处理软件ArcGIS平台在分类图上提取和低分辨率NDVI遥感影像像元大小一致的网格内各类别的丰度图，具体实现公式如下：fl(xi,yi)＝Nl(xi,yi)/m                 (2)其中，fl(xi,yi)表示低分辨率像元(xi,yi)中类别L的面积比，NL(xi,yi)表示类别L的高分辨率像元在低分辨率像元(xi,yi)中的像元个数，m表示一个低分辨率像元中高分辨率像元的个数。

4.根据权利要求3所述的一种构建高时空分辨率NDVI数据的方法，其特征在于，所述步骤S3基于混合像元分解的方法，利用步骤S2得到的类别丰度图与基准时刻的低分辨率NDVI数据进行像元分解，构建线性方程组解算最小二乘解得到基准时刻到预测时刻的NDVI变化值，具体包括：基于混合像元分解的方法，利用得到的类别丰度图与基准时刻的低分辨率NDVI数据进行像元分解构建线性方程组，公式表示如下：公式(2)中ΔCNDVI(xi,yi)表示基准时刻到预测时刻低分辨率像元(xi,yi)的NDVI变化量，fl(xi,yi)表示第L种地物类型在低分辨率像元(xi,yi)的丰度值，解算最小二乘解得ΔFNDVI(l)，其表示从基准时刻到预测时刻高分辨率像元中第L种地物类型的NDVI变化量。

5.根据权利要求4所述的一种构建高时空分辨率NDVI数据的方法，其特征在于，所述步骤S4，利用移动窗口技术搜索基准时刻的高分辨率NDVI数据相似像元，并计算相似像元的转换系数Vi及权重函数Wi，公式分别表示如下：式中，Hit2、Lit2和Hit1、Lit1分别代表基准时刻t1和t2所对应的第i个高分辨率与低分辨率的像元值；

式中，Ri和Di分别代表相似像元与中心像元之间的光谱差异和相对距离。

6.根据权利要求5所述的一种构建高时空分辨率NDVI数据的方法，其特征在于，所述步骤5中，利用S3步骤得到的NDVI变化值，并结合步骤S4时刻得到的转换系数Vi及权重函数Wi，计算预测时刻的中心像元值，即可得到预测时刻的高空间分辨率NDVI数据，具体包括：利用公式(6)计算移动窗口中心像元的NDVI值，通过计算预测影像每一个像元的值进而生成最终的预测影像。

式中，Xw/2、Yw/2表示中心像元的位置；tp、t0分别表示预测时刻和基准时刻；N表示移动窗口中相似像元的数量；i表示移动窗口中第i个相似像元；ΔFNDVI表示该像元从基准时刻到预测时刻的NDVI变化量。