为分析国产微波遥感器真实光谱响应在数值天气预报系统同化模块中对微波辐射快速模拟的影响, 基于逐线吸收模型, 采用TOVS辐射传输（RTTOV）预报因子和风云三号D星微波温度探测仪（FY-3D/MWTS-2）搭载的大气和陆地均有辐射贡献的第四通道真实光谱响应和理想光谱响应, 通过最小二乘法, 分别拟合生成真实光谱响应和理想光谱响应对应的快速微波辐射光学厚度拟合系数。 将两种拟合系数应用于中国气象局全球预报系统（CMA-GFS）的四维变分同化系统, 采用美国环境预报中心（NCEP）的分析资料（FNL）作为CMA-GFS的气象要素背景场, 模拟不同光谱响应驱动下的微波辐射背景场, 并与FY-3D/MWTS-2真实观测场进行对比统计分析, 分别计算真实光谱响应和理想光谱响应驱动时, 不同海陆类型下的观测背景差（OMB）, 分析真实光谱响应相比理想光谱响应, 对不同海陆类型的微波辐射模拟的差异。 分析结果表明, 在微波辐射观测场值较低的情况下, 真实光谱响应和理想光谱响应驱动模拟的微波辐射背景场值略高于观测场值, 随着微波辐射场值增大, 模拟的微波辐射背景场值与观测场值更为接近； 除南半球靠近极区的少部分地区外, 真实光谱响应驱动模拟的OMB均小于理想光谱响应驱动的模拟结果, 真实光谱响应驱动的辐射背景场模拟更接近于观测场； 相比采用理想光谱响应驱动, 采用真实光谱响应驱动后, 在陆地地区, 微波辐射OMB的均方根误差（RMSE）减小约1.80%； 在海洋地区, RMSE减小约2.6%； 在海陆交界地区, RMSE减小约4.72%, 全球总体RMSE减小2.17%； 采用真实光谱响应驱动后, OMB总体的标准差（STDV）和平均绝对误差（MAE）分别减小为0.75%和4.6%。

基于改进的三维变分同化系统对地面细颗粒物浓度 (PM2.5) 与卫星气溶胶光学厚度 (AOD) 进行同化, 评估了同化分析场对 PM2.5 预报的改善效果。研究选定一次持续污染过程, 分别对地面 PM2.5 和 AOD 观测数据进行各自单独同化和两者同时同化。结果表明, 相比于单独同化 PM2.5 , 单独同化 AOD 对 AOD 分析场的精度提升更为有效, 但对 PM2.5 分析场的准确性显著降低。而同时同化 PM2.5 与 AOD 观测时, 分析场对气溶胶的光学-物理特性模拟达到最好的综合效果。同化试验可有效降低模式漏报率, 对于中轻度污染情况, 同化数据的选择对预报影响并不显著; 然而重度污染时, 同时同化近地面 PM2.5 和整层 AOD 的综合预报效果最优。

连续时序的叶面积指数（LAI）可反映冬小麦长势的变化情况, 预测冬小麦未来时段的LAI对指导田间管理决策具有重要作用。 以WOFOST（World Food Studies）为代表的作物生长模型可通过模拟冬小麦的生长发育过程对未来LAI曲线进行预测, 但其预测过程依赖于未来的气象数据等难以获取的输入参数。 由于冬小麦的LAI时序变化具有连续性和规律性的特点, 可通过深度学习方法仅以历史LAI为输入参数对未来LAI进行预测, 但深度学习方法需要大量样本参与训练, 训练样本的稀缺性限制了其在LAI预测方面的实际应用。 针对上述问题, 通过数据同化方法将遥感数据与WOFOST模型相结合, 采用SCE（Shuffled Complex Evolution）算法最小化校正后的MODIS LAI产品与模型模拟LAI之间差值来优化作物模型初始参数, 从而构建出京津冀地区15年的逐日冬小麦LAI数据集。 在该数据集基础上, 利用长短期记忆网络（LSTM）分别建立了不同输入历史LAI天数的多个冬小麦预测模型, 探究了不同预测模型表达冬小麦生育期中LAI变化规律的能力。 结果表明: 基于LSTM网络的预测模型都能较好进行冬小麦LAI未来曲线变化的预测, 其中当模型输入LAI长度为20时, 预测冬小麦从返青到成熟阶段的LAI精度最高, 其决定系数（R2）、 均方根误差（RMSE）值分别为0.986 5和0.183 6。 对于冬小麦生长各个阶段, 预测模型对于返青至开花期的预测精度高, 开花至成熟期的预测精度稍有降低。 总体而言, 构建训练数据集的方法对于深度学习方法在相似问题中的应用具有借鉴意义, 建立的预测模型验证了LSTM网络对于冬小麦时序LAI曲线具有较好的预测能力, 为预测作物未来时序LAI提供了一种有效的方法。

高光谱大气红外探测器(Atmospheric Infrared Sounder，AIRS)主要覆盖CO2和H2O吸收带光谱区.区别于CO2通道，H2O通道亮温偏差非高斯性较强.为了充分有效地利用AIRS通道光谱信息，本文采用两种新算法开展应用研究，一是基于变分同化后验估计－观测误差重估计重新估算光谱通道误差，以更好地“符合”光谱亮温对变分同化目标泛函的权值分配；二是将M—估计法(L2—估计、Huber—估计、Fair—估计和Cauchy—估计)权重函数耦合到经典变分同化目标泛函中，得到广义变分同化目标泛函，使其具有非高斯性，其核心是在每次极小化迭代过程中重新估计观测项对目标泛函贡献率.在新算法研究基础上开展高光谱AIRS模拟亮温试验，结果表明观测误差重估计和Huber—估计广义变分同化AIRS资料效果优于经典变分同化.并基于信号自由度(Degrees of freedom for signal，DFS)开展观测资料对分析场影响诊断，得到该两种方法在同化过程中能够提高H2O通道亮温使用的信息量.通过对文中算法(观测误差重估计和Huber—估计)得到的分析场与探空资料温度场对比分析，得到Huber－估计广义尺度设定为1.345 K时效果最好，整体误差最小，2.5K次之，且观测误差重估计也优于经典变分同化结果.200~750 hPa效果较为显著，基于Huber－估计广义同化在对流层顶表面和周围(80~200 hPa)温度反演小于2 K.研究结果可为我国风云四号A星和风云三号D星高光谱资料变分同化提供新的方法思路和技术支撑.

在自主研制的便携式双视场米散射气溶胶激光雷达（DFOV激光雷达）基础上, 探索双视场激光雷达信号拼接思路, 利用“斜率-Fernald”方法反演了气溶胶水平消光系数, 进而获取了DFOV激光雷达对气溶胶水平消光系数的扫描分布。 首先, 对雷达回波信号分段运用斜率法, 求解最优的气溶胶消光系数、 后向散射系数以及相对应的参考距离, 然后将该参考点处的后向散射系数代入“Fernald方法”的前后向积分解中, 进而得到整条廓线的消光系数。 该方法有效避免了“斜率法”中大气均匀的前提假设和消光系数负值的问题, 也有效避免了“Fernald方法”对参考点的限制和要求。 在获取水平消光系数后, 通过拟合近地面空气质量监测点位过顶时刻DFOV激光雷达测量的气溶胶消光系数与PM10质量浓度ρ(PM10)之间的关系, 相关性达到091。 将此定量关系传递至激光雷达扫描的消光系数结果中, 可得到气溶胶质量浓度的水平分布, 定量反演大气中颗粒物的分布, 用于研究近地面大气污染成因、 机理和污染来源分析, 为DFOV激光雷达进一步应用于城市区域大气污染定量评价和区域空气质量三维模式同化分析研究提供定量的数据支撑。

为提高红外卫星资料的利用率，需将更多的资料同化进入数值预报模式初始场，尽量减小云污染的影响。针对大气红外探测器(Atmospheric Infrared Sounder, AIRS)卫星资料，用云检测方法识别了云顶高度。在验证该方法的有效性之后，在大范围卫星视场的含云区域中保留所有云顶以上的通道，并将这些通道的亮温数据同化进入数值预报模式初始场，通过对比分析不同方案下台风的模拟路径来评估云检测方法对台风数值模拟的影响。结果表明，该云检测方法的效果较好，检测出的晴空区及云区的分布与实际观测对应，检测得到的高云顶区域与台风云系的对应性较好。将云顶以上的通道亮温加以利用后，红外卫星资料的利用率得到很大提高，数据是原数据量的2.4倍。在台风路径模拟方面，同化云层以上的通道数据后，数据量的增加使路径模拟变得更精确了，与观测值明显接近。

结合经典变分同化和正则化约束两者的优点, 对多正则化参数约束变分同化方法进行了研究。与经典变分同化中背景和观测项对目标泛函等权重不同, 正则化约束对观测项权重进行调节, 并在正则化参数优化时基于Huber—估计法给定权重函数。高光谱大气红外探测器(Atmospheric Infrared Sounder, AIRS)水汽通道模拟亮温试验表明, 本文的变分法同化AIRS亮温资料比经典变分同化法的效果更好。基于信号自由度诊断了观测资料对分析场的影响, 结果表明本文的方法能够有效挖掘水汽通道的亮温信息。

以TIMED\SABER红外温度探测数据为观测值, WACCM模式预报场为温度背景值, 采用三维变分同化方法, 获取了20~100 km临近空间范围的全球大气温度场, 三维变分同化后, 临近空间全球温度场的分布发生了明显的变化, 经验证算法可行。利用统计学方法对同化结果进行评估, 结果显示, 三维变分同化后临近空间全球温度场误差整体减小, 三维变分同化前的温度背景场误差最大可达17 K, 三维变分同化后的温度分析场最大误差减小至7 K以内, 同化效果明显。该算法可用于为临近空间大气环境预报模式提供更精确的初值场。

大气温度廓线是气候、气象以及大气辐射传输计算中的重要参数。利用中分辨率成像光谱仪(MODIS)的测量数据反演的产品在扫描带上约每间隔500 m×500 m即存在一个温度廓线数据，垂直空间分辨率约为1 km。基于最优插值法，使用地面探空站点的月均数据对MODIS反演的大气廓线进行校正。在有地面探空站点的地区，将校正后的结果与当天实时地面探空探测的廓线进行对比，得到的平均误差和均方根误差均减小了10%以上。在没有地面探空站点的地区，采用周围几个站点月均数据的加权平均对MODIS数据进行校正，将校正结果与当天实时释放的探空气球数据进行对比，发现平均误差和均方根误差均大幅减小。

提出一种基于集合卡尔曼滤波的一维数据同化系统, 对不同深度土壤层的水分含量进行同化, 该系统的模型算子为分布式水文模型, 观测算子是积分方程模型和条件温度指数模型.于2008年6月1日至7月2日在黑河流域进行了同化实验, 结果表明, 集合卡尔曼滤波能较好地处理强非线性问题, 与单独DHSVM模型模拟土壤水分含量相比, 同化的表层和根层土壤水分含量精度有明显提高, 其中盈科站表层的均方根误差和平均误差分别减小了0.0217和0.0329, 根层的均方根误差和平均误差分别减小了0.0193和0.025；临泽站的精度也有明显提高, 表明多源遥感数据的同化在地表土壤水分含量的估计中具有较大的潜力.