大气运动存在多尺度性特征,不同尺度的大气运动受不同的动力、热力过程制约。大气探测技术历经几百年的发展,借助新型通信技术,遥感技术和电子计算机技术的进步,可以为天气预报提供丰富的多尺度信息。资料同化是气象观测资料和数值天气模式的桥梁。因此,针对多源多尺度气象观测资料的混合同化方案是提高数值天气预报水平的有效途径。本研究从我国自主研发的全球/区域同化预报系统（Global and Regional Analysis and Predication System,GRAPES）的三维变分（GRAPES₃DVAR）和集合卡尔曼滤波（GRAPES_EnKF）计算方案入手,分析了GRAPES₃DVAR的响应尺度和GRAPES_EnKF的固有缺陷,根据多源气象观测资料中的多尺度运动特征,提出迭代分析增量的混合同化（Iterative Increments Hybrid Data Assimilation,IIHDA）理论及其三种应用方案:第一种是在GRAPES₃DVAR中使用多个递归滤波半径的分尺度同化（Categorized Scale Data Assimilation,CSDA）方案;第二种是将模型化的分析增量和流依赖的分析增量进行迭代混合的分尺度混合同化（Categorized Scale Hybrid Data Assimilation,CSHDA）方案;第三种是借鉴深度学习的计算流程,将流依赖的增益矩阵作为隐藏计算层的多层混合同化（Multilayers Hybrid Data Assimilation,MLHDA）方案。然后,本研究通过同化香港天文台提供的飞机穿越台风“妮妲”（2016）的外场观测资料,考察GRAPES₃DVAR和GRAPES_EnKF对中小尺度观测资料的同化能力。由于GRAPES₃DVAR采用模型化的背景误差协方差,当观测资料分布不均匀时,容易在观测“盲区”产生虚假扰动,需要使用人造台风资料才能同时改进热带气旋（TC）的路径和强度预报。与GRAPES₃DVAR不同,GRAPES_EnKF的增益矩阵是通过集合预报显式计算得到,其中Schur乘积的滤波因子只限制观测资料的影响半径。唯有观测资料分辨率与模式网格距相当时,GRAPES_EnKF后验集合平均的均方根误差（RMSE）最小,后续强度和路径预报最优。通过台风“天鸽”（2017）的云迹风,探空风和雷达径向风的同化实验证明,CSDA方案能将不同尺度的分析增量进行迭代,有效地解决了单一尺度变分同化中忽略或者错误拟合多尺度信息的问题,使初始场可以更合理地描述大气多尺度运动,改善预报效果。因为CSHDA方案采用流依赖的增益矩阵同化雷达径向风资料,不会在分析场中出现虚假扰动,对台风“天鸽”的强度预报改进十分显著。MLHDA方案将流依赖的增益矩阵作为弥补观测资料“盲区”的“预变换”算子,既保留了雷达径向风中TC的精细结构,还可以限制CSDA方案的水平扰动和CSHDA方案的垂直噪音,减小CSHDA方案的滤波发散,在整个循环同化过程中展现出较好的预报结果。此外,CSHDA方案和MLHDA方案不需要通过数值实验回算得到最佳响应尺度,具有较高的业务可行性。