随着我国的观测系统日趋完善,观测资料日益丰富,如何有效利用这些观测信息,用于公共气象信息服务、干旱监测、灾害天气诊断以及驱动数值模式,逐渐成为气象领域的一个研究热点。本研究选用了NOAA (The National Oceanic and Atmospheric Administration)下属的ESRL的局地分析与预报系统LAPS (Local Analysis and Prediction System)以及新开发的时空多尺度分析系统STMAS (Space-Time Multiscale Analysis System),研究对探空、地面站以及卫星、雷达等非常规观测资料的融合分析技术。为了检验LAPS和STMAS系统在不同空间范围、不同分辨率条件下对地面气温的融合效果,分别利用LAPS和STMAS对北京、华北、全国3个不同区域的区域自动站观测资料和GFS (Global Forecast System)背景场资料,在1km、5km、10km、20km等4种分辨率的网格上进行融合试验,从算法的角度对LAPS和STMAS在融合效果上的差异做了对比分析,并利用国家级自动站数据对LAPS和STMAS一年时间内逐小时的融合结果进行了独立性检验。结果表明：STMAS能够解析出观测中细小的特征,融合结果更接近实际观测,而LAPS则较平滑,容易损失观测信息；在东部观测密集区,LAPS和STMAS都有不错的表现,在资料稀疏地区,STMAS相比LAPS对背景场有较大修正,而长时间序列统计的均方根误差远小于LAPS;受背景场影响,LAPS相比STMAS明显偏冷。为了研究高时空分辨率、接近实际观测的分析场对陆面过程模拟效果的影响,分别利用STMAS输出的1km×1km的地面分析场和GFS预报产品的地面数据,驱动NoahMP对广西地区进行为期一年的陆面过程模拟,对比分析两种强迫场数据驱动下NoahMP对土壤湿度和土壤温度的模拟效果的差异。结果表明：高分辨率强迫数据对土壤温度模拟效果的改进最大,表现出更为细腻的变化特征,并且对系统性偏差有较大订正；在土壤湿度方面,土壤湿度对降水比较敏感,温压湿风对它的影响主要表现在土壤水分的蒸发上,进而影响土壤水分的积累,温压湿风的改善有助于土壤水分蒸发量的正确估计。以北京7.21大暴雨为例,利用LAPS (STMAS)对地面、探空、雷达、卫星数据以及NCEP/GFS背景场做综合分析,分析各模块融合产品对极端灾害天气系统的描述能力,并分别利用LAPS (STMAS)分析场和NCEP/GFS预报场初始化WRF模式,分析LAPS (STMAS)非绝热初始化数值模式对降水预报效果的影响。结果表明：STMAS融合雷达径向风数据以后,低层散度场上辐合的中心位置以及强度都有较大改变,辐合辐散更为明显,并且与实况降水位置、强度有较好的对应关系；云分析对云量、云顶高度做了较为客观的订正,可以为模式提供一个较为真实的云量初始场,但同时云顶的订正又都存在不连续的状况；STMAS非绝热初始化WRF降水模拟,对前几个小时降水的模拟有明显改善,第一个小时就有较强的降水,而且降水雨量、落区与实况都较为接近,STMAS初始化的WRF模拟对云系中雷暴生消过程有一定再现能力,表现为雨带中心的变换与移动。