1.一种基于FY4A AGRI地表温度的山区气温直减率时空分布估算方法，其特征在于，包括如下步骤：步骤1，获取待估算山区FY4A AGRI热红外遥感地表温度数据，以及地表温度影响因子数据，并对所有数据进行预处理，得到4km空间分辨率下的数据；

步骤2，基于4km空间分辨率下的所有数据，采用随机森林回归算法对云覆盖影响下地表温度缺失数据进行空间维度重建，得到地表温度空间维度重建结果，采用S‑G滤波器对空间维度重建结果进行时间维平滑，得到地表温度时空维重建结果；具体过程如下：步骤2.1，根据步骤1预处理得到的4km空间分辨率下的地表温度数据及其影响因子数据，以晴空像元的地表温度作为因变量，对应晴空像元位置的地表累积净辐射通量、海拔高度、坡度、归一化差值植被指数和归一化差值水体指数作为自变量，建立地表温度和自变量之间的非线性回归模型并训练，得到训练好的地表温度空间维度重建模型；

其中，地表温度和自变量之间的非线性回归模型表示如下：

LST＝f(SNR,NDVI,NDWI,Z,Slope)

式中，LST代表地表温度，SNR代表地表累积净辐射通量，NDVI代表归一化差值植被指数，NDWI代表归一化差值水体指数，Z代表地表高程，Slope代表地表坡度，f代表随机森林回归模型；

步骤2.2，将云覆盖影响下地表温度缺失像元对应的地表累积净辐射通量、海拔高度、坡度、归一化差值植被指数和归一化差值水体指数作为自变量输入训练好的地表温度空间维度重建模型中，得到地表温度空间维重建结果；

步骤2.3，针对地表温度空间维重建结果，在时间维上进行统计，并采用S‑G滤波器进行平滑，得到地表温度时空维重建结果；其中，S‑G滤波器的平滑过程如下：式中， 为平滑后的地表温度重建数据，LSTi+j为地表温度空间维重建数据，Ci为滤波系数，N为滑动窗口的数据个数，N＝2m+1，m为窗口宽度；

步骤3，基于步骤2的基础上，采用随机森林回归算法构建地表温度降尺度模型，将地表温度从4km空间分辨率降到1km空间分辨率，得到降尺度后的1km空间分辨率地表温度；

步骤4，基于降尺度后的1km空间分辨率地表温度，利用随机森林回归算法分离海拔高度对地表温度的影响，并计算标准化地表温度；采用滑动窗口法，建立标准化地表温度与海拔高度之间的线性回归关系，计算回归系数，进而得到气温直减率；具体过程如下：步骤4.1，建立降尺度后的1km空间分辨率地表温度与地表特征参数之间的关系模型：LST1km＝f(Slope1km,Aspect1km,TPI1km,NDVI1km,θ1km,Z1lm)式中，LST1km代表降尺度后的1km空间分辨率地表温度，Slope1km代表1km空间分辨率地表坡度，Aspect1km代表1km空间分辨率方位，TPI1km代表1km空间分辨率地形位置指数，NDVI1km代表1km空间分辨率归一化差值植被指数，θ1km代表1km空间分辨率太阳局部入射角，Z1km代表1km空间分辨率海拔高度；

步骤4.2，分离海拔高度对地表温度的影响，建立除海拔高度之外的地表特征参数与

1km空间分辨率地表温度之间的关系模型，得到标准化地表温度：

LSTm＝g(Slope1km,Aspect1km,TPI1km,NDVI1km,θ1km)NLST＝LST1km‑LSTm

式中，LSTm是基于海拔高度参数以外的地表温度模型值，NLST代表分离海拔高度影响后的标准化地表温度，g代表非线性拟合模型；

步骤4.3，使用滑动窗口法，在不同大小的滑动窗口内建立标准化地表温度与海拔高度之间的线性回归模型：NLST＝a×Z1km+b

式中，a和b为回归系数，a的值即为滑动窗口中心像元的气温直减率估算值；

计算不同大小的滑动窗口对应的a值，计算不同大小的滑动窗口下气温直减率估算值与实际观测值之间的误差，取误差最小时对应的滑动窗口大小，滑动计算得到整个山区每个像元位置的气温直减率。

2.根据权利要求1所述的基于FY4A AGRI地表温度的山区气温直减率时空分布估算方法，其特征在于，所述步骤1的具体过程如下：步骤1.1，对获取的待估算山区FY4A AGRI热红外遥感地表温度数据，以及地表温度影响因子数据进行格式转换，使得所有数据格式统一；所述地表温度影响因子数据包括欧洲中期天气预报中心全球气候第五代大气再分析数据、中分辨率成像光谱仪遥感数据以及先进星载热发射和反射辐射计数字高程模型数据；

步骤1.2，在步骤1.1的基础上，对地表温度数据进行几何校正，并对地表温度数据及其影响因子数据进行裁剪，再对裁剪后的地表温度数据和地表温度影响因子数据进行空间配准；

步骤1.3，在步骤1.2的基础上，利用聚合平均法，将空间配准后的地表温度数据及其影响因子数据重采样至4km，得到4km空间分辨率下的数据。

3.根据权利要求1所述的基于FY4A AGRI地表温度的山区气温直减率时空分布估算方法，其特征在于，所述步骤3的具体过程如下：步骤3.1，利用平均聚合方法将1km空间分辨率的地表温度影响参数重采样至4km分辨率，其中，地表温度影响参数包括归一化差值植被指数、地表反照率、太阳辐射、海拔高度以及纬度，基于4km空间分辨率下的地表温度与各影响参数之间的关系，采用随机森林回归算法构建地表温度降尺度模型并训练，得到训练好的地表温度降尺度模型；

所述地表温度降尺度模型表示如下：

LST4km＝f(NDVI4km,Albedo4km,SR4km,Z4km,Lat4km)式中，LST4km代表4km空间分辨率地表温度，NDVI4km代表4km空间分辨率归一化差值植被指数，Albedo4km代表4km空间分辨率地表反照率，SR4km代表4km分辨率太阳辐射，Z4km代表4km分辨率海拔高度，Lat4km代表4km空间分辨率纬度，f代表随机森林回归模型；

步骤3.2，利用4km空间分辨率地表温度模型预测值与实际值，计算拟合残差ε4km：ε4km＝LST′4km‑LST4km

式中，LST′4km代表重建后4km空间分辨率的AGRI地表温度实际值，LST4km代表地表温度降尺度模型预测得到的4km空间分辨率地表温度；

步骤3.3，将1km空间分辨率下的归一化差值植被指数、地表反照率、太阳辐射、海拔高度以及纬度输入到训练好的地表温度降尺度模型中，利用双线性插值法将ε4km重采样至1km空间分辨率并进行拟合残差订正，得到1km空间分辨率下的地表温度；所述1km空间分辨率下的地表温度表示如下：LST1km＝f(NDVI1km,Albedo1km,SR1km,Z1km,Lat1km)+ε1km式中，LST1km代表降尺度后的1km空间分辨率地表温度，NDVI1km代表1km空间分辨率归一化差值植被指数，Albedo1km代表1km空间分辨率地表反照率，SR1km代表1km空间分辨率太阳辐射，Z1km代表1km空间分辨率海拔高度，Lat1km代表1km空间分辨率纬度，ε1km为重采样后的

1km空间分辨率的拟合残差。

4.一种计算机设备，包括存储器、处理器，以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的基于FY4A AGRI地表温度的山区气温直减率时空分布估算方法的步骤。

5.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的基于FY4A AGRI地表温度的山区气温直减率时空分布估算方法的步骤。