NPP-VIIRS夜间灯光数据作为“暗夜之眼”，能够较好地反映地区的经济发展程度，被各界学者广泛使用，然而，中高纬度地区受极昼因素影响容易出现散杂光，导致我国部分地区夏季灯光数据缺失，严重影响了时间序列的完整性。为此，文章提出了一种HCW-随机森林插补方法，在公共因子驱动使得个体截面之间产生某些关联、无须提前确定和度量这些公共因子的核心假设下，选取与存在缺失值样本的时间序列特征最为相似的样本集，利用随机森林计算样本集中样本的权重，最终借助样本集的数据与权重对缺失值进行插补。在中部地区乡镇NPP-VIIRS夜间灯光月度数据集上进行插补实验，结果表明：均绝对误差和皮尔逊相关系数在三次抽样中的变动幅H度C较W小-随机森林插补方法的异常值占比、均方根误差、平，具备良好的鲁棒性和泛化能力；HCW-随机森林插补方法相较于指数平滑、三次样条、Prophet、K近邻、LSTM和基于自注意力机制的变体网络插补方法，在插补灯光数据缺失值方面具有显著的优越性。
