1.一种生成高时间分辨率全天候地表温度的方法，其特征在于，包括下列步骤：步骤1：对地表温度的常态分量模型进行拟合，获取全天候地表温度的常态分量的初始值；

所述地表温度的常态分量模型为：基于静止轨道卫星热红外遥感地表温度逐时、逐像元晴空时间序列数据，拟合晴空常态分量模型；再从对应时刻的再分析资料地表温度数据，提取出对应时刻及对应像元的非晴空地表温度时间序列，拟合非晴空常态分量模型；将晴空常态分量模型与非晴空常态分量模型进行加权平均，得到地表温度的常态分量模型；

步骤2：对常态分量的初始值进行空间维度和时间维度的异常校正处理，得到优化常态分量：

采用移动窗口卷积的方式对空间维度的异常点进行检测，并对满足条件的异常点进行校正，得到空间异常校正处理后的常态分量；

基于空间异常校正处理后的常态分量，对每一天中各个时刻的常态分量预测模型进行拟合，获取日内常态分量预测值；若同一像元的日内常态分量预测值与空间异常校正处理后的常态分量之间的偏差大于或等于指定的时间维度检测阈值，则将当前像元的优化常态分量置为其日内常态分量预测值；否则，当前像元的优化常态分量为空间异常校正处理后的常态分量；

步骤3：采用机器学习的方式估算地表温度的非常态分量；

其中，机器学习的训练数据为：将静止轨道卫星热红外遥感地表温度与优化常态分量作差，得到晴空像元的非常态分量，并基于晴空像元的指定描述因子构建非常态特征向量，将每个晴空像元的非常态分量和非常态特征向量作为一个训练样本；

步骤4：将非常态分量和优化常态分量叠加，得到全天候地表温度。

2.如权利要求1所述的方法，其特征在于，步骤2中，采用移动窗口卷积的方式对空间维度的异常点进行检测，并对满足条件的异常点进行校正，得到空间异常校正处理后的常态分量为：

定义(x0,y0)表示窗口中心点，i,j分别为移动窗口的行列号，(xi,yj)表示移动窗口的像元位置；

根据公式 计算每一次

移动窗口的常态分量差异，若TNC‑diff(x0,y0)大于或等于指定的空间维度检测阈值，则将窗口中心点所对应的像元作为空间异常点；对每个空间异常点，将其空间异常校正处理后的常态分量设置为 其中，TNC(xi,yj)、TNC(x0,y0)分别表示像元位置(xi,yj)和(x0,y0)的常态分量的初始值，mean()表示均值运算；对每个非空间异常点的像元，其空间异常校正处理后的常态分量为其初始值。

3.如权利要求1所述的方法，其特征在于，步骤1中，晴空常态分量模型为：

非晴空常态分量模型为：

其中，td‑clr和td‑cld分别表示晴空和非晴空在一年中的天数次序，t为一天中的时刻，TNC‑clr(td‑clr,t)和TNC‑cld(td‑cld,t)分别表示晴空和非晴空的常态分量，TNC‑clr‑avg和TNC‑cld‑avg分别表示晴空和非晴空的地表温度的常态分量的年内均值，ANC‑clr和ANC‑cld分别表示晴空和非晴空条件下拟合的地表温度的常态分量的振幅， 分别表示晴空和非晴空的年初始相位。

4.如权利要求1至3任一项所述的方法，其特征在于，步骤1中，所述地表温度的常态分量模型为晴空常态分量模型与非晴空常态分量模型的加权和，且晴空常态分量模型的权重为一年中晴空天数在全年总天数的占比wclr，非晴空常态分量模型的权重为1‑wclr。

5.如权利要求1所述的方法，其特征在于，步骤1中，获取全天候地表温度的常态分量的初始值还包括：若一年中晴空天数与在全年总天数的占比大于或等于晴空占比阈值，则直接基于晴空常态分量模型的值设置常态分量的初始值；若一年中非晴空天数与在全年总天数的占比大于或等于非晴空占比阈值，则直接基于非晴空常态分量模型的值设置常态分量的初始值。

6.如权利要求1所述的方法，其特征在于，步骤2中，每一天中各个时刻的常态分量预测模型为：

其中，TNC‑DTC(td,t)表示日内常态分量预测值，td为一年中天数次序，t为一天中的时刻，TNC‑td(td)表示常态分量日出时的值，ANC(td)表示常态分量的日内振幅，ωNC‑d表示日角频率， 表示日初始相位，且TNC‑td(td)、ANC(td)和 为常态分量预测模型的待拟合系数。

7.如权利要求1所述的方法，其特征在于，步骤3中，所述非常态特征向量包括：地形描述因子、地表空间描述因子、大气状况描述因子和气象因素描述因子。

8.如权利要求7所述的方法，其特征在于，各描述因子具体为：地形描述因子：纬度、经度、高程；

地表空间描述因子：归一化植被指数、叶面积指数、地表反照率；

大气状况描述因子：压强、湿度；

气象因素描述因子：近地面气温、风速。