1.一种通过长时序卫星遥感提取常绿森林林分变化的方法，其特征在于，包括以下步骤：S1、采集遥感数据：筛选研究时段内覆盖研究区的Landsat地表反射率产品；

S2、对所采集的遥感数据进行预处理：对于Landsat不同传感器生成的影像，分别利用LEDAPS和LASRC算法进行大气校正预处理，然后利用CFMASK算法去除云斑/冰/雪/阴影的影响；

S3、构建长时序遥感数据集：在Google Earth Engine中调用Landtrendr算法中的BuildSRCollection函数，将Landsat8中的所有波段同化至Landsat7对应的波段，然后镶嵌裁剪生成研究区范围的长时序遥感数据集；

S4、检测异常光谱信号：基于研究时段内所有可获取的长时序遥感影像，选取Landsat波段地表反射率和归一化植被指数NDVI表征森林林分变化，利用Continuous Change Detection变化检测算法捕捉研究区内发生异常变化的光谱信号；

S5、提取森林掩膜信息：基于每年的目视解译样本和前人生成的土地利用覆盖产品，利用有监督的随机森林分类算法，获取研究区的土地利用变化类型，提取森林掩膜信息，并进行精度验证；

S6、基于S1‑S5中获取的信息生成森林干扰‑恢复特征曲线；

所述生成森林干扰‑恢复特征曲线的具体步骤如下：

S601、根据Continuous Change Detection变化检测算法所捕捉的异常变化信号，获取研究区在研究时段内发生干扰的位置和时间；

S602、同时基于逐年的森林掩膜信息，从中筛选出森林变化异常的区域；

S603、然后利用Continuous Change Detection变化检测算法对应的API端口，基于Continuous Change Detection输出的谐波系数值和异常变化信息，生成森林干扰‑恢复特征曲线，即NDVI特征曲线；

S7、基于S6中生成的森林干扰‑恢复特征曲线区分森林林分变化类型；

所述区分森林林分变化类型的具体步骤如下：

S701、基于森林干扰‑恢复特征曲线，根据森林林分发生异常时的干扰强度D、恢复程度R、干扰时间DT、恢复时间RT和发生位置L识别林分和非林分变化；

识别方式如下：

在表征森林干扰‑恢复的NDVI特征曲线中，若发生位置L位置时的NDVI干扰强度D大于该曲线发生变化NDVI观测值的3倍，且干扰时间DT远小于30天，则发生位置L位置的森林发生林分变化，否则为非林分变化；

S702、对于S701中识别为发生林分变化的森林，判断其NDVI特征曲线是否存在恢复趋势；

S703、对于S702中判断为存在恢复趋势的森林，分析不同区域森林干扰后的恢复特征，并进一步区分人工造林和自然恢复这两种不同的生态恢复方式；

判断两种生态恢复方式的区分方式如下：

若NDVI恢复程度R近似等于干扰强度D且恢复时间RT远小于30天，则认为此处生态恢复方式为人工造林；

若NDVI恢复程度R小于干扰强度D且恢复时间RT大于30天，则认为此处生态恢复方式为自然修复；

S8、挖掘森林生长变化模式：根据所述S4中依据Continuous Change Detection变化检测算法所得的检测结果和所述S6中生成的森林干扰‑恢复特征曲线，并从中挖掘不同的森林林分变化模式；

森林林分变化模式的具体判别方式如下：

若在研究时段内始终为森林，包括Continuous Change Detection变化检测算法检测的变化次数为0以及干扰‑恢复特征曲线中发生非林分变化的区域，则定义为稳定模式A；

若研究时段内森林变成其它地类，表现为林分变化后的森林在研究时段内不存在恢复趋势，则定义为突变模式B；

若研究时段内其它地类演变成森林，即森林在发生林分变化后NDVI曲线保持稳定且NDVI值远高于变化前的值，则定义为突变模式C；

若研究时段内森林林分变化后始终伴随着恢复又干扰的循环过程，则定义为波动模式D；

若研究时段内林分变化后经过不同的生态修复后又恢复为森林的情况，则定义为干扰‑恢复模式E；

S9、通过前人实测资料进行辅助验证。

2.根据权利要求1所述的一种通过长时序卫星遥感提取常绿森林林分变化的方法，其特征在于：所述S4中检测异常光谱信号的具体步骤如下：

S401、利用波段合成方法计算NDVI值，NDVI＝(近红外波段‑红外波段)/(近红外波段+红外波段)；

S402、根据普通最小二乘法和谐波函数提取Landsat长时序数据集中的季节项、趋势项和突变项，公式如下：其中X表示当前日期，i表示Landsat的第i波段，T＝365，a0,i表示Landsat第i波段时的系数值，a1,i和b1,i表示Landsat第i波段时的季节变化系数值，c1,i表示Landsat第i波段时的趋势变化系数值，ρ'(i,x)OLS表示Landsat第i波段时在当前时期的预测值；

S403、然后利用3倍的RMSE对Landsat波段观测值与模型预测值之间的差异进行归一化处理，从而获取异常变化信号，公式如下：其中k表示Landsat波段数，ρ(i,x)OLS表示Landsat第i波段时在当前时期的观测值。

3.根据权利要求2所述的一种通过长时序卫星遥感提取常绿森林林分变化的方法，其特征在于：所述S5中提取森林掩膜信息的具体步骤如下：

S501、利用人工目视解译方法，分别在Landsat影像上逐年建立地类样本点，同时，在前人发布的Landsat土地利用分类产品中提取永久样本点作为辅助解译样本；

S502、然后利用随机森林分类算法，选取80％的样本作为训练样本，另外20％的样本作为测试样本，避免过度拟合现象；

S503、通过生成混淆矩阵判断土地利用分类结果的精度，其中混淆矩阵包括：整体精度、用户精度、生产者精度和Kappa系数；

S504、最后将输出的土地利用分类栅格图转换成带地类编号信息的矢量文件，从中批量选取研究时段内的森林掩膜信息。

4.根据权利要求3所述的一种通过长时序卫星遥感提取常绿森林林分变化的方法，其特征在于：所述S9中进行辅助验证的具体操作步骤如下：

基于森林清查数据和前人研究资料中提供的森林管理信息，与经研究发现林分变化异常的区域进行比较分析，验证通过长时序卫星遥感提取常绿森林林分变化方法的准确程度。

5.根据权利要求4所述的一种通过长时序卫星遥感提取常绿森林林分变化的方法，其特征在于：所述S1‑S8中的计算采用如下软件：ArcGIS、Google Earth Engine和Python，通过异常变化检测算法和林分变化提取规则确定森林林分变化类型和生长模式。