GSI-3DVAR（Gridpoint Statistical Interpolation–3 Dimensional Variational data assimilation）和FDDA（Four Dimensional Data Assimilation）同化方法在数值天气预报业务和研究中应用广泛。本文基于华东地区3 km分辨率WRF（Weather Research and Forecasting）模式和高密度地面自动气象站（AWS）观测,针对一典型复杂天气过程案例,研究了GSI-3DVAR和FDDA同化方法对我国东部及沿海不同地形区域地面AWS资料的温度、风向、风速和相对湿度的同化效果。结果表明:（1）运用GSI-3DVAR同化地面AWS观测时,背景误差协方差水平相关特征尺度(RHZSCL)的取值较为敏感;为有效改进地面分析场精度,需要选取合适的RHZSCL。GSI-3DVAR采用合适的RHZSCL,分析场相较于背景场地面温度和地面矢量风差（VWD）的RMSE均可减小35%以上。RHZSCL过大会导致温度高、低值中心的影响范围过大,风分析场较为平滑,无法反映出中小尺度环流结构。但RHZSCL过小则会使得温度分析场增加误差,并会导致风分析场出现虚假大风。对于观测分布较为稀疏的海面及西部等地区,需要较大的RHZSCL同化以更好地将观测信息传播出去。观测密度稀疏化的敏感性试验结果表明,地面温度场及风场所适应的最优RHZSCL皆随着观测密度的增大而相应增大。（2）GSI-3DVAR每小时单独同化方法对模式地面温度、地面风场和地面水汽场的分析精度均有提升。在平缓地形区域的地面温度和地面水汽场的误差小于复杂地形区域;同化后的地面风场相比于未同化试验平滑的风场分布,其分析出了边界层中小尺度环流,并且改善了未同化试验风速偏高现象。（3）GSI-3DVAR循环同化和FDDA同化方法可以提高数值模式的分析精度。整体上GSI-3DVAR循环同化试验在平缓地形区域对地面温度和地面风场的分析能力优于FDDA同化试验,复杂地形区域则反之。各同化试验的地面温度日变化趋势与观测一致,误差小于未同化试验,GSI-3DVAR循环同化主要在夜晚同化效果较好,但稳定性弱于FDDA同化试验;GSI-3DVAR循环同化方法和FDDA同化方法分别在平缓和复杂地形区域的地面风场模拟效果较好,GSI-3DVAR循环同化在复杂地形区域会放大大风区域使整体风速偏高造成误差。在平缓地形区域两种同化方法在夜晚和上午的模拟效果较好,复杂地形区域GSI-3DVAR循环同化试验在夜间模拟的地面风速偏大,FDDA同化方法的改善程度也减弱;FDDA同化试验对于模式地面水汽的改善程度优于GSI-3DVAR循环同化试验。（4）运用GSI-3DVAR循环同化和FDDA同化方法同化沿海地区地面AWS观测资料后可对近海气象场产生一定影响,主要影响范围集中在50 km以内海域。运用FDDA方法同化后会减小近海海面风速并提高东海水汽值。GSI-3DVAR循环同化试验在观测密度差异较大的陆海交界处会产生风速正负分析增量中心,对于交界处的风场模拟造成一定影响。