海洋遥感卫星能够对全球海洋大范围、长时期的观测,但海洋水色卫星易受海洋上空云覆盖的影响导致数据缺失比例高,一定程度上限制了其应用的发展。通过科学的方法重构缺失数据,获得时间序列连续、空间范围全覆盖的再分析产品,对海洋研究具有重要的意义。国内外学者对于海洋遥感数据重构开展了一系列研究,但对静止海洋水色卫星数据的重构仅限于季节内中等缺失率的数据,无法重构高缺失率和连续缺失的数据。本文在经验正交函数重构法的基础上,提出了适用于静止海洋水色卫星数据的并行重构方法,围绕数据高时间分辨率的特点,突出时间要素在重构中的地位,运用异常像元检测、拉普拉斯平滑滤波和时间模态二次分解插值,获得了时空间全覆盖的再分析数据;同时,基于共享内存模型和流处理器模型,对该方法并行优化,显著提高了长时间跨度下静止海洋水色卫星数据重构的计算效率。本文以韩国静止海洋水色卫星为数据源,利用提出的静止海洋水色卫星遥感数据并行重构方法对杭州湾2017年总悬浮物浓度数据进行重构。结果表明该方法相比经典方法在重构精度和数据重构率上均有提高。重构结果较好地反映了杭州湾总悬浮浓度的季节变化规律和空间分布特征,且与现有研究结论相一致。在本文性能对比实验中,并行海洋遥感数据重构效率显著优于串行方式,能在几小时内完成以往耗时数天的重构计算,说明本文并行方法能有效降低长时间跨度海洋遥感数据重构的时间成本,满足长时间序列再分析资料的生产需求。