地球物理系统是一个非线性、非高斯系统,为了通过地球系统模式获得准确的状态预报必须满足两个条件:一是准确的模式初始值,二是准确的物理规律。资料同化技术能够提高模式初始值的质量,但目前广泛应用的业务资料同化方法——变分方法或集合卡尔曼滤波方法都具有线性（弱非线性）、高斯假设,且只能提供概率密度函数的一阶矩或二阶矩信息,无法满足真实地球物理系统的需求。本文主要关注非线性、非高斯资料同化方法——粒子滤波方法的理论研究和实际应用:以粒子滤波为框架、集合卡尔曼滤波为提议密度,提出局地加权集合卡尔曼滤波方法和修正局地加权集合卡尔曼滤波方法;基于修正局地加权集合卡尔曼滤波方法,构建非线性、非高斯的真实海洋资料同化系统;构造模式误差协方差以推进采用提议密度的粒子滤波方法的实际应用。为解决粒子滤波在高维系统中的滤波退化问题,本文首次结合局地化技术与提议密度技术,提出了一种新的以集合卡尔曼滤波为提议密度的局地粒子滤波方法——局地加权集合卡尔曼滤波方法。其主要思想为基于加权集合卡尔曼滤波方法,将每个粒子的标量权重扩展为矢量权重,并通过局地化函数限制远距离观测的影响。在不同维数的简单混沌模式和两层准地转模式中测试了新方法,结果表明该方法适用于高维数值预报模式,在处理线性/高斯问题和非线性/非高斯问题时,能够结合粒子滤波和集合卡尔曼滤波的优点,在弱非线性情况下甚至能够提供更好的性能,具有实际应用的潜力。针对实际规模的资料同化应用过程中的滤波退化问题,本文在局地加权集合卡尔曼滤波方法的基础上,提出了修正局地加权集合卡尔曼滤波方法。首先,将标量提议权重推广为向量,计算每个模式变量的边缘概率密度函数,从而克服采用完整模式误差协方差矩阵导致的退化问题。其次,采用自适应的观测误差膨胀、改进的合并步以及改进的似然权重计算,从而提高实际高维观测空间中权重计算的准确性,进一步避免滤波退化。最后,为了减小高维系统中参数调整的计算开销,提出了一种提议权重局地化参数的选取方案。在低维简单模式中的试验结果表明,修正局地加权集合卡尔曼滤波方法能够有效克服滤波退化,权重更加合理,且能得到更优的分析结果。本文首次将粒子滤波方法应用到同化真实观测的真实海洋同化系统中,设计实现了修正局地加权集合卡尔曼滤波海洋资料同化系统,并对该系统进行了同化效果验证与评估,将其性能与集合卡尔曼滤波和局地粒子滤波进行了全面的比较。资料同化试验基于区域海洋模式ROMS进行,同化了海表面温度、海表面高度、Argo温盐剖面、CTD温盐剖面观测资料。对于观测变量,修正局地加权集合卡尔曼滤波的性能与集合卡尔曼滤波相当。对于无观测变量,修正局地加权集合卡尔曼滤波比集合卡尔曼滤波提供了更准确的预测,因为后者仅考虑了均值和协方差（一阶矩和二阶矩）,而前者考虑了概率密度函数的高阶矩。在该海洋资料同化试验中,局地粒子滤波得到的结果不理想,这也验证了局地粒子滤波在弱非线性系统中的同化效率偏低。本文针对采用提议权重的粒子滤波方法中所需的模式误差协方差矩阵构造,提出了一种改进谱分解方法。该方法首先通过谱分解得到局地模式误差协方差矩阵的特征值,然后去除局地化引入的虚假方差,最后两次应用无量纲相关矩阵,以改善协方差矩阵的相关长度尺度。在两层原始方程谱模式中的试验结果表明,改进谱分解方法比重复方法更有利于改善同化效果,这也为改进谱分解方法的真实应用提供了一些参考依据。