相对于传统的固定网观测，适应性观测是一种移动性观测，是针对某一预报(或服务)对象目标的特定敏感区而实施的观测。适应性观测的核心是敏感区的识别。集合变换卡尔曼滤波(ETKF，Ensemble Transform Kalman Filter)是一种基于集合预报的敏感区识别方法，这种方法的研究和应用对适应性观测的有效实施有重要的实际应用意义，对集合预报及其应用也有着重要的研究探讨价值。　　 论文基于TIGGE(THORPEX Interactive Grand Global Ensemble)集合资料，针对两类不同天气系统背景下的强降水过程，研究分析了ETKF适应性观测敏感区识别方法在实际应用中的技术。结果表明：1)设计了两种分辨率和几种不同范围的集合资料的试验，试验结果表明其所计算出的信号方差空间分布和极大值区基本一致，而且在实施ETKF计算时，使用适当分辨率和范围的集合预报资料能够大大节省计算时间；2)使用可获得的最近时刻为初值的集合预报资料得到的敏感区识别结果更加可靠；3)不同气象中心集合预报资料的敏感区识别结果有一定的差异，但对于清楚的大尺度环流形势背景下的强降水过程，各中心资料得到的结果较一致，敏感区识别结果比较可靠；4)一次计算相邻9个格点使得信号方差分布范围和大值区范围变大，不利于我们找到比较精确的位置来实施目标观测；5)常规观测分析误差的适度改变对敏感区的识别结果的影响是可以忽略的；6)不同环流形势背景下的天气过程的敏感区对选取度量函数具有一定的依赖性；7)增加度量函数中对湿度场信息的考虑，对于夏季主雨带的强降水过程，更加有利于确定出其敏感区的位置。总之，利用ETKF方法能够给出敏感区识别的可以理解的合理结果。　　 论文针对川渝暴雨过程，进一步讨论了CMA的集合预报，对确定性预报、概率预报的可靠性和分辨能力进行了全面检验，得到如下结论：1)500 hPa位势高度场上，CMA集合平均预报的5820等位势线与实况的差异较大；2)CMA与ECMWF集合离散度存在着显著差异，二者Talagrand分布及其对应的Q值的差异表明，CMA比ECMWF集合预报的可靠性要低很多；3)连续分级概率评分的检验结果说明，检验时段的CMA集合预报系统的性能、可靠性、分辨率与ECMWF集合预报系统都存在着一定的差距。