积雪是气象气候研究中一类特殊而又重要的下垫面,积雪融水是地表水的重要组成部分,在冰川融雪供给、侵蚀和洪水控制等水文学的许多方面都很重要。因此准确地预报晚冬和早春的积雪过程和雪水当量对于气候变化与水文相关领域显得尤为重要。目前获得雪水当量的的方法主要有雪过程模型,定量遥感反演模型等。基于物理的积雪过程模型能得到长时间序列的雪参数,但是受模型误差以及初始输入影响较大；微波遥感能很好地观测雪盖以及雪水当量,但是空间分辨率低等问题。数据同化方法能吸收两种方法的优点来优化积雪预报。　　 本文主要介绍了雪热力过程模型(Snow thermal Model,SNTHERM.89)的物理过程,在美国寒区实验(Cold Land Processes Field Experiment)中的局地观测(Local ScaleObservation Area,LSOS)和中国黑河冰沟流域进行了SNTHERM的预报能力的检验,并进行了模型的积雪特性参数对气象驱动数据和初始输入参数的敏感性分析,最后采用SNTHERM作为模型算子,通过同化地基辐射计的观测亮温,发展了单点上的集合卡尔曼滤波同化系统。　　 首先采用2003年2月1日至2003年3月29日美国寒区实验中的局地观测(LSOS)区域的气象驱动数据以及2008年3月11日至2008年4月7日中国甘肃省黑河流域冰沟观测的气象驱动数据驱动SNTHERM模型,并将模拟的积雪特性参数(雪深、雪层温度、积雪密度、积雪颗粒大小、雪表温度)与实际观测的雪坑数据进行了比较。结果表明,SNTHERM模型能较准确地模拟美国寒区实验中的LSOS地区和中国黑河冰沟流域的积雪的变化过程和积雪特性,对积雪的演变特征作出了合理的描述。　　 本文分析了积雪特性参数如雪深、密度、颗粒大小和雪层平均温度对SNTHERM模型中的不同驱动气象参数的敏感性。通过敏感性试验分析,积雪特性参数对辐射能量最敏感,对气温较敏感,而对风速、相对湿度不太敏感。此外,在冰沟地区对初始输入参数进行了敏感性分析,结果表明,各参数只对各自的变化比较敏感,而密度则对三者都比较敏感。　　 最后基于集合卡尔曼滤波算法、雪热力过程模型以及微波积雪辐射参数化模型发展了一个单点的雪深等参数的同化方案。采用美国寒区陆地过程试验(CLPX)中的局地观测区域(LSOS)的地基辐射计GBMR-7的观测数据进行了同化试验。结果表明集合卡尔曼滤波能提高过程模型对积雪深度的预报。