借助卫星高度计观测时间超过19年的契机，本文分别建立了基于卫星数据分析的全球潮汐经验模式以及有限体积法的全球水动力模式，并通过这两个独立的全球潮汐模型的结合与同化以建立和改进全球潮汐模型，并以此提高中国近海潮汐的模拟精度。这两个潮汐模型分别为，以调和分析TOPEX/POSEIDON系列卫星高度计数据所得到的经验模型，基于无结构网格与有限体积法的水动力模型。本文选择了两种比较简单的同化方案，逐步订正与Nudging方法，来对这两组数据进行分析。对于卫星经验模型，在交叉点上升降轨调和常数偏差的比较指出，随着卫星数据的加长,调和分析的精度会得到提升，当使用19年的数据时全日分潮K1和O1的相对偏差比仅仅使用T/P卫星的数据时减少了约7%。不同数据组的结果与363个潮汐测站的比较表明，数据长度的增加有利于分潮振幅误差的降低，而将两颗卫星Jason-1和Jason-2的数据加入分析则使K1和O1的迟角误差增大了3°左右。本文用理想化实验分析了造成这种误差变化的原因。而通过引入M₂分潮天体引潮力项以及自负载作用（loading and self-attraction），水动力模型基本模拟出了大洋中M₂分潮的潮汐形态，与273个大洋测站的结果比较表明，单独使用水动力模型的精度与世界上主流全球潮汐模型以及卫星经验模型的结果相差较大。但是在中国近海，除了渤黄东海沿岸部分地区振幅偏小外，结果较为可信，水动力模型与卫星经验模型两者相比的结果以及同潮图的分析也印证了这个结论。本文在确定两种模型的精度之后，通过一系列的试验，完成了逐步订正以及Nudging方法的同化。两种同化策略都使模型精度有了较大的提高，其中逐步订正方法使得M₂分潮的振幅模拟精度在大洋和中国近海分别提升了约3cm和4cm，在大洋中的迟角精度也有了6°的提升。Nudging法在中国近海的同化效果与逐步订正类似，而在大洋中，误差则要大于逐步订正的结果。但是Nudging法的优势在于通过水位的调整，它可以把同化结果进一步的反应到潮流上。经过同化，水动力模型在大洋中M₂分潮振幅和迟角的均方根误差分别减小到3cm和6°左右,与于华明（2011）及其他一些前人的研究结果相比已经有了一定的改善。