当前海洋开发在国民经济建设中所占比重越来越大,卫星海洋遥感作为重要的观测手段,得到普遍应用。海洋水色水温领域作为其重要应用之一,得到了学者的极大关注。海洋上空常年的云覆盖导致的遥感数据缺失比高,使得海洋遥感水色水温缺失数据的重构算法成为研究重点。本文针对海洋水色水温图像存在的数据缺失问题,首先提出把自组织映射SOM算法应用于海洋水色水温缺失数据重构,然后结合该领域新兴的经验正交函数EOF算法,提出了SOM-EOF算法。该方法利用SOM能够较好体现遥感数据集的非线性结构的优点,随后把SOM非线性估计的结果用于EOF算法的初始化,有效的克服了EOF算法对数据集初始化敏感的缺陷,同时改进了EOF算法本身不能重构缺失比率高的图像和程序效率低的缺点。在数据处理的过程中,对奇异值分解使用了lanczos算子分解矩阵,提高了程序运行的效率。此外,该方法还应用了蒙特卡罗交叉校正集,确定重构的最佳EOF模态数,最终高精度重构缺失数据,最后利用最优模态分析了研究区域的物理现象。原始数据来自搭载于AQUA遥感卫星上的MODIS传感器所采集的海表温度和叶绿素浓度数据。通过实验验证,新方法重构误差小,重构精度高。在SST重构试验中,SOM、EOF和SOM-EOF的最小重构误差分别为0.2736℃、0.6000℃和0.2304℃。在CHL重构试验中SOM、EOF和SOM-EOF的最小对数重构误差分别为0.4650、0.5272和0.4267(log10mg/L)。