卫星遥感观测是研究海洋环境变化的一种重要方法,但由于观测周期和天气影响等原因,观测数据经常存在一定的缺失,这使得遥感数据在海洋环境连续变化的应用研究中受到一定的限制。为解决此问题,本文采用了经验正交函数分解插值方法(DINEOF)重建缺失的遥感观测数据。首先,基于 SeaWiFS (1998年1月至2010年12月)、MODIS-Aqua (2002年7月至2014年12月)和 MODIS-Terra (2000年2月至2014年12月)三级叶绿素 a 月平均数据产品,按像素点平均的方法组合成原始资料集;其次,利用 DINEOF 方法重构该资料集的缺失部分,从而得到完整的1998~2014年台湾海峡及邻近海域叶绿素 a 浓度的月平均数据集;再通过分析重构影像与原始资料的时空误差和验证重构影像的时空变化特征等方法,评价了所用算法和重构数据集的合理性。结果表明:基于遥感组合数据,采用 DINEOF 方法重构的叶绿素 a 遥感影像,能够有效地反映研究海域叶绿素 a 浓度的时空变化规律。研究还表明,该方法操作简便,无需先验信息,且重构精度高,能有效重构大面积缺失的影像数据资料,为探索海洋环境和生态的长期变化规律提供了较好的基础。