1.一种云天高时空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.收集气象观测站气温、静止气象卫星的云顶高度和云顶温度、GFS预报气温、高空间分辨率的高程、归一化植被指数和其他辅助数据；

所述其他辅助数据包括：静止气象卫星的像元的纬度、经度、儒略日和观测时间信息；

步骤2.根据气象观测站的经纬度和时间信息对收集的数据进行时空匹配，获取时间和空间匹配的气象观测站气温、云顶高度和云顶温度、GFS预报气温、两种空间分辨率的高程、归一化植被指数和其他辅助数据；

所述时间和空间匹配包括：根据气象观测站的测量时间信息，选择与其观测最邻近的卫星观测数据，利用气象观测站的位置信息提取与其最邻近气象卫星像元的云顶高度、云顶温度和经纬度信息，对高空间分辨率的高程和归一化植被指数进行空间平均，获取最邻近静止气象卫星像元的较低空间分辨率高程和归一化植被指数；

步骤3.利用静止气象卫星空间分辨率的云顶高度和云顶温度、数值模式预报气温、高程、归一化植被指数、纬度、经度和时间信息，基于神经网络模型构建静止气象卫星原始空间分辨率近地面气温模型；

步骤4.假定高空间分辨率子像元与其所在的静止气象卫星原始空间分辨率像元的近地面气温差是由两像元的高程和归一化植被指数差引起的，构建高空间分辨率子像元与静止气象卫星原始空间分辨率气温差模型；

步骤5.在静止气象卫星原始空间分辨率气温模型、高空间分辨率子像元与静止气象卫星原始空间分辨率气温差模型的基础上，推导出云天高时空分辨率近地面气温估算模型；

步骤6.基于云天高时空分辨率近地面气温估算模型和时空匹配的气象观测站、卫星云顶温度和云顶高度、GFS预报气温、两种空间分辨率的高程和归一化植被指数和其他辅助数据，基于生成对抗神经网络构建云天高时空分辨率近地面气温估算模型。

2.根据权利要求1所述的一种云天高时空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归一化植被指数分别来自于SRTM的30米高程和MODIS的

250m植被指数。

3.根据权利要求1所述的一种云天高时空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归一化植被指数分别为：与静止气象卫星观测像元所对应的原始空间分辨率高程和归一化植被指数；与气象台站空间匹配的250m高空间分辨率的高程和归一化植被指数。

4.根据权利要求1所述的一种云天高时空分辨率近地面气温估算方法，其特征在于：所述步骤3静止气象卫星原始空间分辨率近地面气温模型为：Tair,原始＝f1(CTH,CTT,DEM,NDVI,TGFS,a,LAT,LON,JD,hour)  (1)其中，Tair,原始为静止气象卫星原始空间分辨率的近地面气温，CTT,CTH,DEM,NDVI,TGFS,a,LAT,LON,JD,hour分别为静止气象卫星原始空间分辨率的云顶温度、云顶高度、高程、归一化植被指数、GFS预报气温、纬度、经度、儒略日和小时。

5.根据权利要求4所述的一种云天高时空分辨率近地面气温估算方法，其特征在于：所述步骤4高空间分辨率子像元与静止气象卫星原始空间分辨率气温差模型为：ΔTair＝Tair,原始‑Tair,高＝f2(DEM原始,DEM高,NDVI原始,NDVI高)  (2)其中，ΔTair是高空间分辨率与所在的静止气象卫星原始空间分辨像元气温差，Tair,原始和Tair,高分别为静止气象卫星原始空间分辨率、高分辨率的气温，DEM原始和DEM高分别为静止气象卫星原始空间分辨率、高分辨率的高程，NDVI原始和NDVI高分别为静止气象卫星原始空间分辨率、高分辨率的植被指数。

6.根据权利要求5所述的一种云天高时空分辨率近地面气温估算方法，其特征在于：所述步骤5推导出云天高时空分辨率近地面气温估算模型为：所述云天高时空分辨率气温估算模型包括：根据所述公式(2)知，

Tair,高＝Tair,原始‑f2(DEM低,DEM高,NDVI低,NDVI高)  (3)将公式(1)代入公式(3)，云天高时空分辨率气温表述为：

Tair,高＝f1(CTH,CTT,DEM,NDVI,TGFS,a,LAT,LON,JD,hour)‑f2(DEM原始,DEM高,NDVI原始,NDVI高) (4)考虑到上述模型均是非线性估算函数，云天高时空分辨率气温估算模型直接表示为：

Tair,高＝f(CTH,CTT,DEM原始,DEM高,NDVI原始,NDVI高,TGFS,a,LAT,LON,JD,hour) (5)这一估算模型利用神经网络实现。