1.一种卷云条件下短波红外高光谱数据大气甲烷快速反演方法，其特征在于，所述卷云条件下短波红外高光谱数据大气甲烷快速反演方法利用NASA全球再分析资料和AIRS产品获取全球范围内具有代表性的大气温度、湿度和甲烷廓线，利用美国地质调查局和JPL的光谱数据库获取典型地物反射光谱特性信息；利用全球大气同化资料获取具有代表性的温度、湿度、甲烷廓线，结合卷云的宏微观物理和光学特性，利用辐射传输模式Libradtran开展前向辐射传输计算，获得甲烷吸收带模拟光谱数据集；基于模拟计算的全球卷云情况下的短波红外甲烷吸收光谱数据集开展主成分分析，计算光谱数据集的特征值、特征向量、各主成分贡献率、累计贡献率以及主成分载荷；将观测光谱的前8个主成分、观测像素高度、地表气压、太阳角度和卫星观测角度作为神经网络的输入，前向辐射传输模型所输入的甲烷作为神经网络的输出，对构建的神经网络进行训练；基于主成分分析和神经网络建立卷云条件下的短波红外的大气甲烷快速反演模型和计算方法。

2.如权利要求1所述的卷云条件下短波红外高光谱数据大气甲烷快速反演方法，其特征在于，所述卷云条件下短波红外高光谱数据大气甲烷快速反演方法利用合适方法处理卷云条件下的短波红外光谱仪测得的数据。

3.如权利要求1所述的卷云条件下短波红外高光谱数据大气甲烷快速反演方法，其特征在于，所述卷云条件下短波红外高光谱数据大气甲烷快速反演方法适用于卷云天气情况下的大气甲烷廓线反演。

4.如权利要求1所述的卷云条件下短波红外高光谱数据大气甲烷快速反演方法，其特征在于，所述卷云条件下短波红外高光谱数据大气甲烷快速反演方法建立大气甲烷廓线的反演模型和计算方法具体是指反演计算中利用大气辐射传输模式，结合温、湿大气廓线、卷云的宏微观物理特性计算卷云条件下的短波红外反射太阳光谱；利用主成分分析对高光谱数据进行降维、去噪，同时配合其他卫星观测的卷云高度、厚度信息，利用神经网络理论建立一个卷云条件下的大气甲烷的物理反演模型。

5.如权利要求1所述的卷云条件下短波红外高光谱数据大气甲烷快速反演方法，其特征在于，所述卷云条件下短波红外高光谱数据大气甲烷快速反演方法进一步包括以下步骤：(1)计算相关系数矩阵：

式中，kij(i，j＝1，2，…，n)为卫星辐亮度样本R中ri与rj的相关系数，其计算公式为：(2)计算特征值与特征向量

首先解特征方程|λI-K|＝0，求出特征值λi(i＝1，2，…，n)，并将其按大小顺序排列，即λ1≥λ2≥…≥λn≥0；

然后分别求出特征值λi对应的特征向量ei(i＝1，2，…，n)；

(3)计算主成分贡献率和累计贡献率，表示如下：

主成分ci贡献率为：

累计贡献率为：

取累计贡献率高达85-95％的特征值λ1，λ2，…，λm所对应的第一，第二，……，第m(m≤n)个主成分；

(4)计算主成分载荷：

计算出主成分载荷，计算出各辐亮度观测值rj(j＝1,2,...,p)所对应的各主成分cji(i＝1,2,...,m)得分：(5)利用步骤(4)计算的各主成分的载荷计算观测光谱的前8个主成分，计算公式为：

新变量c1,c2,···,cm-1分别称为原变量卫星辐亮度r1,r2,…,rn的第一，第二，…，第m主成分,系数lij为步骤(4)计算的各主成分的载荷；构建多层前馈神经网络将主成分、卷云的高度、观测像素高程、地表气压、太阳角度和卫星观测角度等信息作为神经网络的输入，将正演模型输入的甲烷廓线作为神经网络的输出，对构建的神经网络进行训练，实现基于主成分分析和神经网络的卷云条件下的短波红外的大气甲烷快速反演模型。

6.一种应用权利要求1～5任意一项所述卷云条件下短波红外高光谱数据大气甲烷快速反演方法的大气甲烷测量平台。