1.一种面向星载被动微波亮温影像轨道间隙填补的方法，其特征在于，包括下列步骤：步骤1，采集被动微波亮温影像像元的年内像元亮温序列；

步骤2，使用时间插值法对年内像元亮温序列的缺失值进行填补；

步骤3，使用不同通道的被动微波亮温计算冻土指示因子、积雪指示因子、土壤水含量指示因子、时序指示因子；

步骤4，基于卷积神经网络和长短期记忆网络构建多因子被动微波亮温影像轨道间隙填补模型；

其中，填补模型的输入为单个像元的指定时间步长的历史时间序列，该历史时间序列包括：像元亮温序列、冻土指示因子序列、积雪指示因子序列、土壤水含量指示因子序列和时序指示因子；填补模型的输出为单个像元的亮温填补估计值；

步骤5，以指定时间步长的年内像元亮温序列、冻土指示因子序列、积雪指示因子序列、土壤水含量指示因子序列和时序指示因子序列作为输入数据，对填补模型进行训练；

步骤6，利用模拟缺失区域对当前训练好的填补模型进行验证，若验证通过，则执行步骤7；否则，基于继续对当前的填补模型进行训练直至通过验证；

步骤7，基于填补模型对目标区域位于轨道间隙的像元进行亮温填补；

提取目标区域中每一个位于轨道间隙的目标像元的指定时间步长的历史时间序列，若历史时间序列中的像元亮温序列存在缺失数据，则采用插值法进行填补；

将目标像元指示因子与亮温历史时间序列输入验证通过的填补模型，基于填补模型的输出得到目标像元的亮温填补估计值，并使用该亮温填补估计值替换该目标像元的缺失值。

2.如权利要求1所述的方法，其特征在于，步骤1中，对选取的采集区域进行隔点采样，均匀选取指定数量的像元，基于像元亮温得到所选取的像元的年内像元亮温序列。

3.如权利要求1所述的方法，其特征在于，步骤2中，采用大小为4的时间窗口，基于窗口均值对年内像元亮温序列的缺失值进行填补。

4.如权利要求1所述的方法，其特征在于，步骤3中，冻土指示因子、积雪指示因子、土壤水含量指示因子、时序指示因子具体为：

1)冻土指示因子RP的计算方式为：

其中， 和 分别表示频率f下垂直极化通道亮温和水平极化通道亮温；

2)土壤水含量指示因子SM的计算方式为：

其中，Tb10H和Tb36H分别表示10GHz和36GHz水平极化通道亮温；

3)积雪指示因子SM的计算方式为：

SD＝Tb18H‑Tb36H

其中，Tb18H and Tb36H分别表示18GHz和36GHz水平通道亮温；

4)时序指示因子td的计算方式为：

其中，T表示年天数，DOYi为一年中的第i天。

5.如权利要求1所述的方法，其特征在于，步骤4中，构建的填补模型依次包括多层卷积网络层，多层长短期记忆网络层和至少一层全连接层，其中，卷积网络层依次包括一维卷积层和激活函数，最后一层全连接层采用Sigmoid函数进行线性变换，以得到填补模型的输出。

6.如权利要求5所述的方法，其特征在于，卷积网络层的层数为2，多层长短期记忆网络层的层数为3，全连接层的层数为1。

7.如权利要求5所述的方法，其特征在于，卷积网络层的卷积核大小为3，步幅和填充均设置为1。

8.如权利要求1所述的方法，其特征在于，对填补模型进行训练时，采用的损失函数为均方误差。

9.如权利要求1所述的方法，其特征在于，步骤7中，若历史时间序列中的像元亮温序列存在缺失数据，采用前一天和后一天观测值的平均值对缺失数据进行填补。

10.如权利要求1所述的方法，其特征在于，指定时间步长设置为5天。