由于云、气溶胶、太阳高度角和地物双向性反射等的影响，造成了遥感反演的地表能量参数在时间、空间上的缺失，会严重影响陆面过程模拟的精度。时间序列数据重构的主要目的，是利用多种统计和数值分析方法，模拟参数的季节/年度变化规律，从而插补缺失观测值，优化时间序列数据，为相关研究提供更加完备的数据基础。传统的地表能量平衡参数时间序列重构的方法主要包括平均昼夜变化法、非线性回归方法、查表法、动态线性回归方法和人工神经网络方法等。本论文针对当前数据重构方法中存在的精度不稳定、效果评价方法简单等问题，以基于静止气象卫星反演的每日太阳辐射数据为研究对象，提出了一种基于数据同化的太阳辐射时间序列重构思路:以卡尔曼滤波为同化算法，不断引入研究区域地面观测值对反演辐射值进行修正，最终获得一套完整的、全局最优的太阳辐射时间序列数据集。该方法经过计算机程序实现后，在我国暖温带的湿润区、半湿润区和半干旱区进行了应用和校验。研究结果表明，重构后太阳辐射数据系列的均值和标准差精度都有明显提高，优化后的太阳辐射值与地面观测值的时间序列变化规律之间比优化前表现出更高的一致性。本论文提出的方法为地表能量参数时间序列重构提供了新的解决途径，将在更多的区域进行校验和推广。