集合Kalman滤波的一个重要优点就是利用一个随天气流型演变的背景场误差协方差来进行资料分析。同时，集合Kalman滤波作为标准Kalman滤波的一个发展，突破了其原始线性系统的假设，应用在非线性系统里面，适合于研究各种纷繁复杂的天气形势。 中期数值天气预报一直是大家重点研究的问题。本文主要围绕一个中期数值预报全球谱模式，研究集合Kalman滤波的适用性以及可行性，以发展一个有效可行的中期集合Kalman滤波同化预报系统。 本文首先在一个简单模式中考察了EnSRF同化方法在不同观测数、不同观测分布以及不同观测误差分布情况下EnSRF的同化能力。发现，在观测自由度和模式自由度相同的情况下，滤波比较稳定；观测较少时，协方差局地化对于滤波的稳定性至关重要；观测资料稀疏区域，分析误差较大，在观测较多的区域，分析误差较小：非高斯分布的观测误差对集合成员的离散度依赖较大。 在T106L19全球谱模式EnSRF资料同化预报系统中，应用模拟观测试验的方法，给出一些敏感性试验结果。结果表明，40个集合成员已经能达到分析误差的要求；局地化距离是与集合成员数有关；集合Kalman滤波能够给出协调一致的分析场，因而预报模式不需要使用正规模初值化；采用误差垂直相关对同化结果有所改善，尤其在近地面温度同化中显示出了一定的作用，使得其分析误差明显减小；简单的协方差膨胀方法在一定程度上避免了滤波的发散；引入湿度观测信息，对于同化结果，无论是湿度场本身，还是其它动力场、热力场以及质量场都是有益的；比湿同化方案宜选用比湿自相关(uniq)的方案。 模拟实际观测环境试验的结果表明，500hPa高度场的分析/预报误差主要集中于槽脊线附近，预报误差随时间增长有一个快-慢-快…的变化趋势。南半球分析/预报误差较大，基本不具有可预报性。实际观测资料同化试验结果表明，集合Kalman滤波在热带副热带地区500hPa高度场分析颀报误差较小，在北半球中高纬分析/预报误差较大，相反，OI在热带副热带地区分析/预报误差较大，在北半球中高纬分析/预报误差较小。