本文基于欧洲中期天气预报中心（ECMWF）的业务预报系统、美国国家环境预报中心的全球预报系统（GFS）、中国国家气象中心的中尺度数值业务预报系统（GRAPESMeso）和全球预报系统（GRAPES-GFS）4个系统在华东及周边地区（110°E～130°E,20°N～40°N）的逐日地面和高空风场预报资料,进行统计降尺度处理,再利用多种多模式集成预报方法对精细化预报结果进行试验。得到如下主要结论:（1）在风场的时间、空间统计降尺度应用中,线性插值算法在时间加密插值中表现较好,反距离权重法（IDW）在水平网格加密插值中表现较好。此外,引入地形和站点实测数据对精细化格点预报结果进行多元线性回归统计订正,可有效地减少直接插值各模式预报结果而产生的误差。（2）基于复卡尔曼滤波（ACEKF）方法的多模式集成预报效果优于多模式消除偏差集合平均（BREM）、基于线性回归的多模式超级集合预报（SUP）等方法和单一模式的预报效果,能够明显提高风速和风向的预报技巧和稳定性。复卡尔曼滤波对于高空风速和风向预报的改进优于地面风速和风向的预报,在地形复杂地区的风场预报改进效果要优于其他地区。（3）利用上海虹桥机场、青岛流亭机场和厦门高崎机场的站点测风资料,本文对不同集成方法在机场附近低空风速的预报效果进行了针对性的对比分析。结果表明消除偏差集合平均和简单集合平均（EMN）方法易受单个成员模式的误差影响,总体表现不佳,而复卡尔曼滤波方法能有效地降低单个模式对总体预测技巧的影响,提高预报可靠性。