1.一种区域植被恢复的特征分析方法，其特征在于，具体按照以下步骤实施：步骤1，确定研究区域，收集气象站年降水数据以及年NDVI遥感数据；

步骤2，根据收集到的年NDVI遥感数据，计算得到年植被覆盖度时间序列栅格数据，对年植被覆盖度时间序列栅格数据进行统计分析，以确定其时空分布特征，所述统计分析是指分析植被覆盖度时间序列栅格数据的最大值，最小值，平均值以及变异系数；

步骤3，根据收集到气象站年降水数据，通过空间插值计算得到与植被覆盖度同样精度的研究区年降雨量时间序列栅格数据；

步骤4，在步骤2的基础上，根据年植被覆盖度时间序列栅格数据计算得到年植被覆盖度Hurst指数栅格数据，通过Mann‑Kendall趋势检验方法得到不同显著水平的植被覆盖度Mann‑Kendall检验结果栅格数据，对Hurst指数栅格数据并进行分级，通过对分级后的Hurst指数栅格数据和检验结果栅格数据叠加分析得到区域植被覆盖度持续增长的栅格数据；

步骤5，在步骤2的基础上，根据年植被覆盖度时间序列栅格数据，通过Pettitt突变点检验方法计算得到植被覆盖度显著突变年份栅格数据；

步骤6，在步骤2的基础上，根据年植被覆盖度时间序列栅格数据，利用平均相对偏差法快速识别研究区域的具有时间稳定性的区域；

步骤7，根据年植被覆盖度时间序列栅格数据和步骤3所述插值计算得到与植被覆盖度同样精度的研究区年降雨量时间序列栅格数据，通过Pearson相关性检验得到不同显著水平的植被覆盖度与降雨的相关性栅格数据；

所述区域植被覆盖度持续增长的栅格数据、植被覆盖度显著突变年份栅格数据、步骤6获得的具有时间稳定性的区域、步骤7获得的不同显著水平的植被覆盖度与降雨的相关性栅格数据即为区域植被恢复综合评价指标。

2.根据权利要求1所述的一种区域植被恢复的特征分析方法，其特征在于，步骤1中年NDVI遥感数据均采用最大值合成法得到，操作步骤如下：通过ArcGIS软件SpatialAnalyst Tools模块Local工具Cell Statistics按照最大值合成法逐步得到月、季节NDVI时间序列栅格数据，最终得到年NDVI时间序列栅格数据，再通过ArcGIS软件SpatialAnalyst Tools模块Map Algebra工具Raster Calculator将年NDVI时间序列栅格数据转换为植被覆盖度时间序列栅格数据。

3.根据权利要求1所述的一种区域植被恢复的特征分析方法，其特征在于，步骤2所述年植被覆盖度均由NDVI数据采用以下公式计算得到：f＝(NDVI‑NDVImin)/(NDVImax‑NDVImin)其中，f为植被覆盖度，NDVI是像素的植被指数，NDVImax和NDVImin分别是研究区NDVI的最大值和最小值。

4.根据权利要求1所述的一种区域植被恢复的特征分析方法，其特征在于，步骤4的Mann‑Kendall趋势检验的计算方法为：Mann‑Kendall检验法通过用数据序列的秩来判别变量间的相关程度，Mann‑Kendall检验统计量S采用下式计算：

其中xj和xk分别是年份为j和k对应的样本值，n>j>k，其中在时间序列随机独立的假定下，定义统计量：

式中，VAR(S)可由下式计算

使用Z值进行趋势性检验，Z的正值表示向上趋势、负值表示向下趋势；统计量Z服从标准正态分布。

5.根据权利要求1所述的一种区域植被恢复的特征分析方法，其特征在于，步骤4的Hurst指数的计算方法为：Hurst指数可以有效地预测时间序列的未来趋势，定义时间序列，t＝1，2，…，n，并计算时间序列的平均值，计算时间t的累积偏差，

计算序列的范围，

建立标准偏差序列，

最后计算Hurst指数，

其中，H代表Hurst指数，H的值在[0，1]的范围内；当H＝0.5时，表明植被覆盖的时间序列是随机序列，是不可持续的；当H>0.5时，植被覆盖度的变化与目前的趋势基本一致，表明植被的可持续性是正的；H<0.5表示负可持续性，未来植被覆盖变化将与当前趋势相反。

6.根据权利要求1所述的一种区域植被恢复的特征分析方法，其特征在于，步骤5的Pettitt突变点检验的计算方法为：Pettitt法采用Mann‑Whitney中Ut,n值检验同一总体中两个样本x1,…,xt和xt+1,…,xn，统计量Ut,n的公式为：其中：

Pettitt检验的零假设为没有变化点，当|Ut,n|取最大值时对应的xt被认为是可能的突变点,其显著性水平可由下式计算：当p≤0.05时认为数据中存在均值变异点。

7.根据权利要求1所述的一种区域植被恢复的特征分析方法，其特征在于，步骤6的利用平均相对偏差法快速识别研究区域的具有时间稳定性的区域计算方法为：对于相对偏差法，相对差分δij是基于栅格点i，i＝1,...,q；q为栅格数目，在时间j的植被覆盖度值ECij与时间j的所有栅格点植被覆盖度值的均值 的差：相对差分在时间上的均值MRD，用 表示；平均相对差分和标准差SDRD，用 表示，和 的计算公式分别为：和

式中：m为植被覆盖度的年份，所有样点按照MRD，即 由小到大的顺序排列起来，并标注出每一个样点的SDRD，即 小的 值表示位置点有时间稳定性，大的 值表示位置点存在强的时间变异性；如果一个样点的 接近于零并且 也比较小，那么这个点就是代表性位置点；位置点 值在±0.05范围内可以被认为是接近于0； 值越小，时间稳定性越好。