1.一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：包括：S1、确定数据源，并对所述数据源进行图像预处理：所述数据源包括MODIS NDVI数据和Landsat NDVI数据，将所述Landsat NDVI数据中云量≤75％的部分作为辅助数据，并选取从所述辅助数据中找到的一个完全清晰的影像作为基础数据，并将基础数据生成区域的地表类别数据，将所述MODIS NDVI数据通过SG滤波后得到MODIS NDVI合成数据；

S2、确定预测日期，然后对区域的地表类别数据与MODIS NDVI合成数据进行时空融合处理，生成每个预测日期的高时空分辨率的预测影像；

S3、进行Landsat NDVI融合时间序列：包括：

a、在所述预测影像中无清晰的影像时，选取与预测影像相关性系数最高的前几景MODIS NDVI合成数据，利用对应的辅助数据进行相应清晰像素的恢复，然后将预测影像按预测日期排序得到初始的Landsat NDVI融合时间数据；

b、在所述预测影像中有清晰的影像时，在辅助数据中选取与预测影像的清晰部分最相关的前几景数据后，依次用这几景中的清晰像素，再加上基础数据作为最后一景的辅助数据，对预测影像上的有云像素进行恢复，然后将预测影像按预测日期排序得到初始的Landsat NDVI融合时间数据；

S4、迭代SG滤波：采用迭代的SG滤波来平滑融合时间序列，其中迭代SG滤波算法中的清晰像素的权重值，由该清晰像素是通过所述S3步骤中的a步骤或b步骤得到的而确定，为a步骤得到的则权重系数减半，使得SG滤波的结果更趋向于b步骤得到的清晰像素，得到高时空分辨率NDVI长时间序列数据。

2.如权利要求1所述的一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：所述S1步骤中的基础数据的云量≤10％。

3.如权利要求1所述的一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：所述S1步骤中数据源以年为单位进行收集，收集的所述MODIS NDVI数据和Landsat NDVI数据的投影坐标保持一致，所述Landsat NDVI数据至少需要收集一年的数据，所述MODIS NDVI数据需要收集该年至少23景的数据。

4.如权利要求1所述的一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：所述S1步骤中的基础数据通过ISODATA聚类算法生成区域的地表类别数据。

5.如权利要求1所述的一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：所述S2步骤中的时空融合处理采用FSDAF方法。

6.如权利要求1所述的一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：所述S3步骤中的a与b中还需要确定基准日期，然后需要得到MODIS NDVI合成数据在预测日期和基准日期之间的增量ΔF，之后预测日期的MODIS NDVI合成数据的值Fp等于基准日期的MODIS NDVI合成数据的值F0和增量ΔF的总和，公式为：Fp＝F0+ΔF，用于a步骤与b步骤中的像素恢复；

还需要采用薄板样条插值的方法对预测日期和基准日期的MODIS NDVI数据进行插值处理，并得到预测日期和基准日期的MODIS NDVI合成数据的插值结果 和之间的空间相关性ΔS(xj，yf)，公式为： 用于a步骤中的像素恢复。

7.如权利要求6所述的一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：所述b步骤中在辅助数据中搜索与预测影像最相关的前四景数据，并利用S1步骤得到的基础数据，进行区域的地表类别数据和MODIS NDVI合成数据的逐类的线性回归。

8.如权利要求7所述的一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：所述线性回归方式包括公式：ΔFclear＝Fp(clear)‑F0(clear)；

TPS TPS

其中ΔFclear和ΔS clear的关系为：ΔFclear＝a*ΔS clear+b；

TPS TPS

ΔFclosed和ΔS closed的关系为：ΔFclosed＝a*ΔS closed+b；

a和b为回归系数，由部分云污染图像中的清晰像素估算得到；

预测结果Fo通过：Fp＝F0+(ΔFclosed∪ΔFcloser)得到。

9.如权利要求6所述的一种基于时空融合的Landsat NDVI时间序列图像重建方法，其特征在于：所述a步骤中直接利用MODIS TPS插值的增量进行相应的预测，预测结果Fo通过：Fp＝F0+ΔS得到。