资料同化是数值天气预报质量提高的一个重要方面。随着观测资料的增多和观测质量的提高，资料同化技术的进步和发展依赖于对背景场和观测场不确定信息的描述上，集合卡尔曼滤波方法可以从集合样本统计出随天气形势变化的误差协方差，从而逐渐成为当前资料同化领域一个新的研究热点。　　 本文围绕WRF-EnSRF同化系统，讨论其中关键问题的解决方案，重点研究协方差局地化对于同化质量的影响，以期为集合同化系统在国内实现业务化运行提供有价值的参考。本文首先在试验的基础上，考察水平局地化距离的选取对同化效果的影响；然后引入更先进的自适应局地化——分级的集合同化技术，将自适应局地化引入WRF-EnSRF系统。进行水平局地化“schur”函数、自适应局地化两种协方差局地化方案的在实际探空资料同化试验中的比较，考察自适应局地化方法在EnSRF同化系统中的可行性。分析结果表明，当局地化距离取为900km时，同化效果显示一定优势。在Lorenz96简单模式下在集合成员为40时，分组为4组时，均方根误差&均方根离散较小，同化效果较好。也即合适的自适应局地化集合分组方案对同化结果是有益的。在WRF-EnSRF同化实际探空资料试验中，各个层次上的高度和温度场预报误差在40个成员时分为8组时较其他分组情况普遍要小。进一步，通过数值预报的试验，对集合卡尔曼滤波和三维变分两种系统的同化能力进行了比较，得到以下结论：集合卡尔曼滤波相比三维变分对背景场的调整幅度要大，降水预报的效果普遍要优于三维变分同化后的效果，但是在80mm级别的TS评分低于三维变分的得分。造成差异的根本原因是三维变分无法实现更新误差协方差，而集合卡尔曼滤波的误差协方差是随流型演变的。目前三维变分业务同化系统已经实现了多重嵌套的同化，而本文所用合卡尔曼滤波由于受集合成员的、背景误差协方差计算等运算成本的限制，只尝试了做单层同化能力的开发，预报改善效果受到限制。