近年来，随着科技进步及对海洋的开发，近海的同化和预报取得了长足发展。但同化本身也存在一些未解决的问题，如：一部分观测数据密度过大。一方面，过高的分辨率使得同化过程消耗过多的计算机资源，大大增加了计算量。另一方面，高分辨率甚至会违反集合同化方案的一些假设。另外，局地化的同化方案中存在着大量的假设和近似，需要进一步提高精度，减小计算量。针对以上问题，我们开展了如下工作：　　 首先，针对观测数据分辨率过高的问题，我们根据集合同化理论中的背景场协方差矩阵更新方程以及样本更新的同化方法，发展了一个基于集合样本的观测稀疏化方案，并将方案应用到同化模块之中。　　 然后我们尝试着对现有的局地化同化方法进行了一定的改进，建立了一个新的适用于涡分辨模式的同化模块。该同化模块采用了集合最优插值(EnOI)方案。并通过动态更新的样本与局地化方案减小虚假相关。我们建立了一个采用分区局地化方案的EnOI模块，并改进了该方案，提高了计算精度，减少了计算代价。　　 我们将该模块应用在一个高分辨率的中国近海海洋模式上，对海表温度(SST)及海表面高度异常(SLA)等卫星观测数据进行了同化，取得了较好的结果。在此基础上，我们对SST和SLA同化后进行短期(10天)的后报试验，该试验持续进行了1年(2006)。我们希望通过对该试验结果的分析，对中国海的一些物理过程以及可预报性进行分析，为此后预报系统的发展积累经验。　　 后报试验的统计结果比较理想。在预报7天之后，大部分区域RootMeanSquareError(RMSE)控制在0.5度以内，仅在台湾海峡、黑潮主轴及延伸体、日本海等区域存在1.5度左右的RMSE。后报结果被用来与惯性预报进行比较，发现后报结果要明显好于惯性预报结果。同时系统中的大部分锋面和中尺度涡等物理现象也得到了很好的再现。　　 我们对近海的可预报性进行了评估。我们发现南海和东海冬季的可预报性要比夏季差。对于东海，其主要原因在于黑潮带来的暖平流在冬季形成了非常强的温度梯度，增大了预报的难度。我们发现在冬季南海海表温度的水平梯度也非常大，形成明显的双锋结构，极大地影响了对海表温度的预测。