太阳辐射是各种陆地表层应用模型的重要输入参数，由于云、气溶胶、太阳高度角和地物双向性反射等的影响，造成了遥感反演的太阳辐射数据在时间、空间上的缺失，会严重影响应用模型的精度。“时间序列重构”是利用多种统计和数值分析方法，模拟辐射的季节变化规律，从而插补缺失观测值，优化时间序列数据。本论文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，不断引入局地的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，在中国北方农业区（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，重构后的太阳辐射数据系列的均值和标准差的精度有明显提高，与地面观测值比优化前表现出更高的一致性。 

  Jingying Fu, Dong Jiang（通讯作者）, Yaohuan Huang, Dafang Zhuang and Yong Wang. A Kalman Filter-Based Method for Reconstructing GMS-5 Global Solar Radiation by Introduction of In Situ Data. Energies 2013, 6, 2804-2818; doi:10.3390/en6062804. 

论文链接：http://www.mdpi.com/1996-1073/6/6/2804