1.一种遥感植被指数时间序列森林监测方法，其特征在于如下处理流程：

S1.获取landsat8归一化差分植被指数(NDVI)时序数据，并生成研究区域以日为时间步长的跨度数年的时序数据集；

所述步骤S1的实现方式是：根据L景landsat8遥感影像数据文件合成的归一化差分植被指数(NDVI)时序数据，生成研究区域内每个植被像元以日为步长的NDVI多年度时序数据集，其中L为大于1的自然数；

遥感数据采集的等间隔时间序列T，统一以年内的第几天计，跨年度时分别按各自年度内计天数；可记为向量T＝＜t1,t2,…,tL＞，其中ti为第i个遥感数据采集的时刻；同时同一地区的多景遥感影像构成的遥感影像序列可相应表示为 其中 为ti时刻采集到的一景遥感影像；

NDVI值可由遥感原始数据的近红外波段NIR和红波段R根据公式1计算得到：S2.基于landsat8内遥感数据的质量文件，利用云雾质量和时序差分法进行噪声数据的识别和剔除；

所述步骤S2的实现方式是：对于每景landsat8影像可表述为R行C列的矩阵，若植被像元位于矩阵第r行c列，则可从影像序列I(T)中提取得到该植被像元的NDVI时序，表示为其中第i个分量 表示位于第r行c列的植被像元在时间序列T的ti时刻采集到的数据，根据公式1计算得到的NDVI值；针对所有的植被像元，根据其质量波段的高四位，将表现为1*1*的二进制数值对应的植被像元及其时序数据剔除；由于遥感所处的复杂噪声环境，初步去噪后的遥感观测时序向量仍需要进一步提升精度；因而还需要分析剩余数据点，根据差分法剔除时序数据中的噪声点；具体为：针对每个像元，遍历其时序数据，计算前后相邻点的植被指数绝对差并除以两点对应的间隔天数；如果连续两次的结果都大于阈值，则判断该时刻点的数据为噪声值应剔除；

遍历整个向量，判断每个NDVI时序分量 是否为噪声：

then flag＝true

else flag＝false

其中，θ为阈值，序号i∈{2,...,L-1}，L为大于1的自然数，ti是时间序列T的第i个分量，表示位于第r行c列的植被像元在ti时刻的NDVI值，flag是噪声判别变量，flag值为真(true)时表示分量为噪声应去除，值为假(false)时表示分量应保留；

剔除噪声后，得到新的时间向量T'＝＜t'1,t'2,…,t'm＞，其中m≤L且 相应每个像元原始的NDVI时序长度变短，对于每个植被像元来说，m大小不一，普遍不足原序列长度的一半，必定小于L；第r行c列的植被像元的NDVI时序去噪后变更为S3.建立每个有效点的基于高斯方程的初始遥感植被指数时序拟合图；

所述步骤S3的实现方式是：将初步去噪后的遥感观测时序向量 采用高斯模型，以最小二乘法求解得到初始的连续拟合曲线f1(x)；

其中e为自然常数，x表示时间x∈[0,tL]，tL为T的最大分量，T'的每个分量为x的采样点；n为年数，对应拟合曲线f1的高斯函数波峰个数；j为某个年度，参数a1,j，b1,j和c1,j对应每个峰的振幅、中心点和半宽；g1是求解方程的目标函数，即在采样点处曲线f1与去噪后的NDVI时序分量 的拟合误差的差方最小；

当前的残差向量可通过计算曲线在T'的各有效观测时点上 时序上的原始观测值与高斯函数初次拟合值的差得到，即

S4.针对时序拟合图上各个取景日对应的原始值与曲线拟合值的差值设置权重，迭代计算高斯模型，直到残差达到目标阈值或迭代次数到达上限，得到最终的植被指数时序拟合图；

所述步骤S4的实现方式是：基于有效观测时刻的拟合残差，并结合概率密度曲线得到修正的权重系数，继续迭代计算高斯模型，直到残差达到目标阈值或迭代次数到达上限，得到最终的植被指数时序拟合图；

由于遥感所处的复杂噪声环境，初次高斯拟合后的时序植被植被指数误差一般高于目标阈值；采用多次高斯拟合迭代修正的方式，使遥感观测时序向量 逐步提升精度得到高精度的最终拟合结果 其过程可以表示为序列其中下标0,1,2，…，k等表示拟合

次数，fi(T')表示第i次的拟合曲线在T'各分量时刻采样得到的向量，第i次的拟合fi转向下一次拟合fi+1借助拟合修正向量Yi和Yi+1完成；

初次拟合后，如残差D1高于阈值，需要进行后续拟合；设计迭代调整的权重向量W1如公式4所示，其中u1、σ1为向量 的均值和方差；

令第r行c列的植被像元的初始拟合修正向量为 下一次拟合的修正向量Y1

(r,c)的修正规则如下：

其中i表示向量的第i个分量，W1为权重向量，D1为残差，T'为去噪后的时间序列；

设第k次迭代，相应的高斯函数拟合曲线fk、目标函数gk、权重向量Wk和残差Dk计算相比于初次迭代变更如下：第k次迭代时拟合修正向量 和 的计算规则为：

其中i表示向量的第i个分量，Wk为权重向量，Dk为残差，T'为去噪后的时间序列；

直到残差小于阈值或达到迭代上限，则终止迭代计算，得到最终优化的植被指数拟合曲线，否则继续本步骤迭代；

S5.从植被指数时序拟合曲线提取森林年度监测指标；

所述步骤S5的实现方式是：以NDVI年度生长期、快速生长起始日期、生长幅度作为森林监测指标；根据最终的植被指数时序拟合曲线，先保存末次迭代得出的高斯函数的参数，并从曲线提取出年度区间内的植被指数最大斜率点、最小值、最大值及对应时间，进一步计算得到年度生长期、快速生长起始日期、生长幅度；

森林一般为多年生植物，每年稳定有一个生长峰，高斯函数的参数表征了该峰的振幅、中心点位置和方差，可以保存作为长期动态监测参考；设末次迭代为第p次迭代，得到的高斯函数如公式9，其中e为自然常数，x表示时间x∈[0,tL]，tL为T的最大分量，T'的每个分量为x的采样点；n为年数，对应拟合曲线fp的高斯函数波峰个数；j为某个年度，参数ap,1，bp,1，cp,1，…，ap,n，bp,n，cp,n对应每个峰的振幅、中心点和半宽，最终保存参数ap,1，bp,1，cp,1，…，ap,n，bp,n，cp,n；

通过森林像元在自然年度的生长期、快速生长起始日期、生长幅度这三个指标来监测森林的生长动态；定义年度生长期为年度内最大值点日期减去最小值点日期，定义年度快速生长起始日期为年度内曲线斜率最大点对应的日期，定义年度NDVI生长幅度为年度内最大值减去最小值；在各自然年度区间内，提取得到曲线的最小值、最大值、斜率最大点对应的年度内日期，可计算得到年度生长期、快速生长起始日期、生长幅度。

2.根据权利要求1所述的遥感植被指数时间序列森林监测方法，其特征在于：该方法可应用于林业部门实施区域以上尺度的林区年度动态监测。