集合平方根滤波（EnSRF）作为确定性集合资料同化技术的一种,已成为当前资料同化领域研究的热点。与变分同化方法相比,EnSRF与一般集合同化技术一样,具有误差协方差随流型演变、不需要求解伴随模式、可以和集合预报相结合等优点；较之传统集合卡尔曼滤波,EnSRF （?）能够避免由于扰动观测引起的采样误差;较之同属于集合同化的其他确定性方法,EnSRF具有计算量上的优势；当假设观测间不相关时,EnSRF不需对矩阵求逆,便于编程。应业务单位要求,王世璋在WRF模式上初步构建完成了针对风暴尺度的集合均方根滤波同化系统WRF-EnSRF。本研究工作对WRF-EnSRF自主构建的同化系统其关键技术进行改进,实现了采用自适应的局地化和协方差膨胀处理包括采样误差、模式误差等误差源引起的先验误差协方差估计不准确问题。通过理想试验验证了方案应用于系统的可行性、在系统中表现特点,提出了综合同化效果及工作量考虑的最为可行的同化方案,并经过实际多普勒雷达资料的同化试验检验了自适应方案在实际诸多复杂因素影响下的表现。研究结果表明：[1].自适应局地化可以有效改善同化开始一段时间内的同化效果,尤其在天气系统发展变化较快阶段更具优势。[2].不考虑模式误差的影响时,时空自适应协方差膨胀方案和经过最优调节膨胀因子的松弛协方差膨胀同化效果接近；加入模式误差的考虑后,时空自适应膨胀表现出优势,尤其明显改善了径向风的同化分析效果。[3].无论在采样误差占主导的理想试验中,还是加入考虑模式误差的实际同化试验,同化径向风时采用经验局地化方案、同化反射率时采用自适应局地化方案,协方差膨胀采用时空自适应的膨胀方式,这样的方案选择综合同化效果和工作量的考虑是最为可行的。