1.一种卫星数据重构方法，其特征在于，该方法包括：

S10、获取目标海域预设时段的多源卫星遥感数据，所述多源卫星遥感数据包括海表要素数据及相应的位置信息和时间信息；

S20、从所述多源卫星遥感数据中提取海表要素的时间序列数据集，所述时间序列数据集中每个时间节点数据包括目标位置当天、前一天、后一天海表要素的误差方差、绝对偏差与误差方差的比值和时间信息；

S30、将所述时间序列数据集输入到预先建立的海表要素数据重构模型中进行数据重构，输出得到重构参数，所述重构参数包括缺测时间节点的平均值、绝对偏差与误差方差的比值、期望误差方差的倒数的对数；其中，所述海表要素数据重构模型是基于卷积神经网络构建、并以海表要素的历史时间序列数据集为训练样本进行训练后得到的网络模型；

S40、基于所述重构参数对所述时间序列数据中缺测时间节点进行数据重构，得到海表要素的卫星重构数据。

2.根据权利要求1所述的方法，其特征在于，所述海表要素数据重构模型的建立方法包括：S01、获取多源卫星遥感历史数据，并搭建卷积神经网络模型；

S02、对所述多源卫星遥感历史数据进行预处理，得到海表要素数据样本集；

S03、将所述海表要素数据样本集分为训练集、交叉验证集和测试集；

S04、利用所述训练集训练搭建的卷积神经网络模型，直到模型收敛，利用所述测试集对模型评估，利用交叉验证集进行超参数选择，最终得到海表要素数据重构模型；所述卷积神经网络模型包括依次连接的输入层、5个编码层、一个全连接层、5个解码层和输出层，相邻编码层间的过滤器的数量分别是16,24,36和54。

3.根据权利要求2所述的方法，其特征在于，所述训练集的数据样本为：将训练集中的数据进行分组，将每50天数据作为一组，每组数据大小10×x×y×50，其中x代表经度方向格点数，y代表纬度方向格点数；其中最后一组数据大小为10×x×y×t1，t代表天数，其中t1为t/50的余数。

4.根据权利要求2所述的方法，其特征在于，所述编码层由卷积层和池化层组成，所述卷积层用于提取输入数据的特征，卷积核大小为3×3，所述池化层用于压缩由卷积层提取的特征，选取最大池化，池大小＝(2，2)，跨距＝(2，2)。

5.根据权利要求1所述的方法，其特征在于，步骤S10之后、步骤S20之前还包括：S11、对所述多源卫星遥感数据进行预处理。

6.根据权利要求5所述的方法，其特征在于，步骤S11包括：

通过预设的数据融合算法对所述多源卫星遥感数据进行数据融合，得到第一遥感数据；

将所述第一遥感数据中单日缺测率超过95％的数据剔除，得到处理后的多源卫星遥感数据。

7.根据权利要求1所述的方法，其特征在于，步骤S40包括：

基于缺测时间节点的期望误差方差的倒数的对数，通过以下公式计算得到误差方差；

基于误差方差和绝对偏差与误差方差的比值，通过以下公式计算得到绝对偏差；

基于缺测时间节点的平均值和绝对偏差，通过以下公式计算得到缺测时间节点数据；

pij＝yij+m

其中，Dij1表示海表要素绝对偏差与误差方差的比值，Dij2表示期望误差方差的倒数的对数，m表示平均值，pij表示缺测时间节点数据，v＝10，

8.一种基于卫星重构数据探测上层海洋对台风响应方法，其特征在于，该方法包括：S100、针对台风移动过程中所经过的目标海域，获取台风过境前后预设时段的多源卫星遥感数据，所述多源卫星遥感数据中的海表要素数据包括海表温度数据和叶绿素浓度数据；

S200、通过权利要求1‑7中任一权利要求所述的方法对获取的数据进行数据重构，得到海表温度卫星重构数据和叶绿素浓度卫星重构数据；

S300、基于所述海表温度卫星重构数据和叶绿素浓度卫星重构数据进行统计分析，得到海表温度和叶绿素浓度对于台风响应的时间分布特征和空间分布特征。

9.根据权利要求8所述的方法，其特征在于，步骤S200包括：基于所述海表温度卫星重构数据和所述叶绿素浓度卫星重构数据，分析预设海域台风过境前后海表温度和叶绿素浓度随时间的变化特征，得到海表温度和叶绿素浓度对于台风响应的时间分布特征；

基于所述海表温度卫星重构数据和所述叶绿素浓度卫星重构数据，分析台风中心周围海域的海表温度和叶绿素浓度随空间的变化特征，得到海表温度和叶绿素浓度对于台风响应的空间分布特征。