地表反射率数据是遥感数据表征陆地表面情况的重要基础,随着遥感技术的发展,时间序列地表反射率数据被更多地应用于区域性以及全球性的地学领域研究与应用中。然而,云覆盖等自然因素和死像元等系统因素的影响使得卫星影像数据中存在空间缝隙,导致时序地表反射率数据中存在观测缝隙,降低了时序数据的质量。因此,为保障遥感数据对地观测的时间连续性和空间完整性,长时序地表反射率数据的重建方法研究具有重要意义。但已有的遥感数据重建方法主要通过利用多种不同维度的有效信息,对特定的信息缺失进行修复与重建,这使得大多遥感数据重建方法在重建时序地表反射率数据时,存在适用性弱、实用性差等问题。鉴于此,本文针对长时序地表反射率数据重建问题,从长时序滤波的角度,充分利用变分模型的数学严谨性与模型灵活性,以MODIS、Landsat这两种常见的时序地表反射率数据为例,发展地表反射率数据的时序变分重建方法,主要研究内容如下:（1）提出一种结合相似时相预填补和L1正则化的MODIS时序地表反射率数据变分重建方法。该方法考虑到MODIS时间分辨率较高的特点,在时序噪声检测的基础上,使用相似时相预填补初步修复缺失像元,然后利用对时序突变更稳健的L1正则化变分模型,重建完整的时序曲线。实验结果表明,在不同百分比的像元缺失情况下,方法都能取得很好的重建效果,而且重建结果保持了真实的空间细节。该方法最后被应用于2000-2021年MOD09GA时序地表反射率数据的空间无缝产品生产。（2）提出一种结合月尺度年际预填补和L2正则化的Landsat时序地表反射率数据变分重建方法。该方法首先对Landsat时序观测数据进行时序观测范围标定,而后考虑到Landsat数据时间分辨率低的特点,使用月尺度的有效数据进行预填补,再通过高效的L2正则化模型,完成对影像覆盖范围内所有像元的时序数据重建。通过GEE云计算平台的实验发现,相比于HANTS,本文方法能有效地保持时序数据的平滑和稳定;通过在L2正则化模型中设置合适的预填补权重和平滑度,可以获得较好的重建效果。在实际生产中,Landsat-8长江中游城市群时序地表反射率无缝产品结果表明,该方法能够同时重建空间连续的地表场景以及地物的时序变化曲线。