Landsat系列卫星以空间分辨率高、信息量丰富、定位精度高而著称,在全球尺度的生态环境变化监测中发挥了无可比拟的作用。但其缺点是时间分辨率低，因为 Landsat系列卫星的时间分辨率一般为16天，一年时间的影像大约为23景，但是由于影像受到不同程度云雾覆盖的影响，每年实际可用的影像更少。本文以地表反射率为结合点，针对MODIS数据产品和OLI影像数据的特性，充分利用MODIS影像时间分辨率高的特征，建立MODIS地表反射率库，将集合Kalman滤波算法运用到OLI影像与MODIS影像的数据同化中，预测出与MODIS影像对应日期的OLI影像，弥补原有数据的缺失和不足。　　针对OLI影像和MODIS影像数据在空间坐标投影、波段组成及波段宽度、空间分辨率和时间分辨率等诸多方面的不同，探究了数据同化之前的预处理过程，包括MODIS影像的几何校正、OLI数据辐射定标、感兴趣区域的划定、分辨率重构及反射率归一化等内容。分季度完成了单点集合Kalman滤波同化研究，结果表明预测的OLI地表反射率数据接近实际地表反射率，并通过实验证明了预测的OLI影像与统计多年的OLI影像平均地表反射率有较好的一致性。此外，集合Kalman滤波算法包括多种同化方式和多种模型，利用QG模型进行区域集合Kalman同化研究，通过不断改变模型对应参数，选择最优同化结果。完成OLI影像与MODIS影像的数据同化之后，预测的OLI影像具备较好的纹理，光谱特征接近真实影像，并且通过采样，与同期真实影像对比，对预测的OLI影像进行定量精度评价，两者具备较高的相似性，达到了预期的结果。　　实验结果表明利用集合Kalman滤波算法同化OLI影像与MODIS影像的反射率来进行OLI影像反射率预测具备可行性，可以提高OLI影像的时间分辨率，获取MODIS影像对应日期无云雾遮挡的清晰OLI影像将变为现实，可以有效提高OLI影像数据的有效性和可用性，具有非常重要的现实意义。