本文主要是运用卡尔曼滤波方法编写建立一个数据同化系统,然后应用到Arem数值预报模式中去,通过对Arem模式的初始场的同化处理,为Arem模式提供一个更加精准的初始场,以达到优化Arem模式目的。暴雨是影响我国的主要灾害性天气,暴雨引起的洪涝灾害常给我国的人民生命财产和国民经济建设带来巨大损失。为了更好的预测预报暴雨天气,我国科学院大气物理研究所针对中国暴雨数值预报开始建立一个能考虑陡峭地形的有限区域η-坐标的数值预报模式(REM),并在此基础上发展为现在的Arem模式。本文的研究目的就是寻找一种合理的同化方法来为Arem模式提供一个更好的同化模块,优化Arem模式。本文的创新点是第一次将集合卡尔曼滤波(ENKF)方法引入到Arem模式的同化模块中,并通过几个具体的暴雨个例来对这个系统进行试验分析,再通过与原Arem模式和四维变分方法的比较分析,逐步完善集合卡尔曼滤波同化系统,并最终达到优化Arem模式的目的。文章在绪论部分先介绍了同化的起源,基本方法和最新发展,然后介绍了卡尔曼滤波的基本思想和特点,最后是集合开尔曼滤波业务化研究的最新研究进展和在集合预报中的应用。在第二章里面,本文首先建立了四个小的卡尔曼滤波系统并对这四个系统做了一下简单的分析,接着在这四个系统的基础上结合集合统计方法开始建立集合卡尔曼滤波系统,在建立集合卡尔曼滤波系统之前,我又先对卡尔曼滤波与四维变分的等价性做了证明并对集合卡尔曼滤波和四维变分做了比较,然后开始建立集合卡尔曼滤波系统。本文建立的集合卡尔曼滤波同化系统是一个水平面上为Arakawa A格点的经纬度网格、垂直方向上为P面的分析系统,且水平和垂直方向上的维数均可调。。系统是Fortran90编写的软件系统,采用模块化结构。在建立了集合卡尔曼滤波系统之后,我在本文的第三章通过几个具体的暴雨个例对本系统进行分析,通过对比原Arem模式和四维变分方法,我又对系统作出一定的改进并取得了良好效果。由此得出结论,集合卡尔曼滤波作为一种集合统计与卡尔曼滤波相结合产生的扩展卡尔曼滤波方法,继承了卡尔曼滤波的长处,但又避免了至少在目前还不能承受的大量计算,并且对非线性模式的同化效果有明显改善,优化了暴雨数值预报模式Arem模式。