1.一种晴空条件下的高空间分辨率近地面气温估算方法，其特征在于，所述方法包括：步骤1.收集气象台站实测气温、卫星遥感的低空间分辨率地表温度、数值模式预报气温、高空间分辨率的高程、植被指数、其他辅助数据；

所述其他辅助数据包括：卫星观测点的纬度、经度、儒略日和小时时间信息；

步骤2.根据气象台站的位置和观测时刻对步骤1所收集的数据进行时间和空间匹配，获取时空匹配的气象台站实测气温、卫星遥感的低空间分辨率地表温度、数值模式预报气温、两种空间分辨率的高程、植被指数、其他辅助数据；

所述时间和空间匹配包括：根据气象台站观测时间，选择距其最近时次的卫星观测数据，利用最邻近方法提取距离其最近的卫星观测像元的地表温度和经纬度信息，将高空间分辨率的高程和植被指数针对卫星观测像元进行平均，提取最邻近卫星像元所对应的低空间分辨率高程和植被指数；

步骤3.利用低空间分辨率的地表温度、数值模式预报气温、高程、植被指数、纬度、经度和时间信息，基于神经网络模型构建低空间分辨率气温模型；

步骤4.假定高空间分辨率子像元与所在的低空间分辨率像元的近地面气温差异主要是由于两者的高程和植被指数差异引起的，构建高空间分辨率与所在的低空间分辨率像元气温差异模型；

步骤5.在低空间分辨率气温模型、高空间分辨率与所在的低空间分辨率像元气温差异模型的基础上，推导出晴空条件下的高空间分辨率气温估算模型；

步骤6.基于推导出的高空间分辨率气温模型和时空匹配的气象台站、卫星地表温度、数值模式预报气温、两种空间分辨率的高程、植被指数和其他辅助历史数据，基于多层前向神经网构建晴空条件下的高空间分辨率近地面气温估算模型。

2.根据权利要求1所述的一种晴空条件下的高空间分辨率近地面气温估算方法，其特征在于：所述步骤1的高空间分辨率高程和植被指数分别来自于SRTM的30m高程和MODIS的

250m植被指数。

3.根据权利要求1所述的一种晴空条件下的高空间分辨率近地面气温估算方法，其特征在于：所述步骤2的两种空间分辨率的高程和植被指数分别为：与最邻近卫星像元所对应的低空间分辨率高程、植被指数；

与气象台站最邻近的高空间分辨率的高程、植被指数；

考虑到高空间分辨率像素范围内近地面气温通常不会有大的变化，在高空间分辨率气温估算模型构建时，用气象台站气温来代表250m格点的气温是合理的。

4.根据权利要求1所述的一种晴空条件下的高空间分辨率近地面气温估算方法，其特征在于：所述步骤3低空间分辨率气温模型为：Tair,低＝f1(LST,DEM,NDVI,TGFS,a,LAT,LON,JD,hour)         (1)其中Tair,低低空间分辨率气温，LST,DEM,NDVI,TGFS,a,LAT,LON,JD,hour分别为低分辨率的地表温度、高程、植被指数、数值模式预报气温、纬度、经度、儒略日和小时，f1()是非线性气温估算函数，利用神经网络实现。

5.根据权利要求4所述的一种晴空条件下的高空间分辨率近地面气温估算方法，其特征在于：所述步骤4高空间分辨率与所在的低空间分辨率像元气温差异模型为：ΔTair＝Tair,低‑Tair,高＝f2(DEM低,DEM高,NDVI低,NDVI高)        (2)其中，ΔTair是高空间分辨率与所在的低空间分辨率像元气温差，Tair,低和Tair,高分别为低、高分辨率的气温，DEM低和DEM高分别为低、高分辨率的高程，NDVI低和NDVI高分别为低、高分辨率的植被指数，f2()是非线性估算函数，利用神经网络实现。

6.根据权利要求5所述的一种晴空条件下的高空间分辨率近地面气温估算方法，其特征在于：所述步骤5推导出晴空条件下的高空间分辨率气温估算模型为：所述高空间分辨率气温估算模型为：根据公式(2)知，

Tair,高＝Tair,低‑f2(DEM低,DEM高,NDVI低,NDVI高)         (3)将公式(1)代入公式(3)，高空间分辨率气温表述为：

Tair,高＝f1(LST,DEM,NDVI,TGFS,a,LAT,LON,JD,hour)‑f2(DEM低,DEM高,NDVI低,NDVI高)  (4)考虑到f1()和f2()均是非线性估算函数，且两个模型误差会叠加，高空间分辨率气温估算模型表示为：Tair,高＝f(LST,DEN低DEN高,NDVI低,NDVI高,TGFS,a,LAT,LON,JD,hour)       (5)其中f()是非线性估算函数，利用神经网络实现。