云或云系的分布、形态及其变化体现了大气运动状况和变化趋势,云的相关信息对开展天气系统分析和预报有着重要的先导价值。云区卫星资料中包含大量与台风、暴雨等重要天气相关的动力、热力以及水物质信息。合理同化卫星云观测资料,对于改善模式初始场具有十分重要的意义。为探索卫星云资料同化方法,本文构建了水凝物背景场误差协方差,通过引入水凝物控制变量,实现了水凝物变量的直接分析,进而建立了云区卫星资料自适应分区同化、云依赖的云区卫星资料变分同化、以及基于水凝物控制变量的集合-变分混合同化等方案,对如何更合理地同化卫星云资料这一科学问题开展了一系列的研究。首先,利用水凝物背景场误差协方差模型揭示了水凝物背景场误差协方差空间相关性和变量相关性,通过引入水凝物控制变量,实现了水凝物变量的直接分析。详细分析了水凝物背景场误差协方差特征:其空间相关性表明,水凝物变量相比常规变量具有更小的尺度和更强的局地性;其变量相关性表明,水凝物主要与温度、水汽以及速度势函数相关。一系列单点试验表明,合理刻画水凝物的空间相关性和变量相关性不仅可以使水凝物本身的增量在水平和垂直方向合理的传播,而且可以使其增量传递到其他常规变量,达到变量间平衡。其次,本文基于云量分类技术,进一步探究了云区和晴空区水凝物背景场误差协方差特征,在此基础上实现了云区卫星资料自适应分区同化。云区和晴空区水凝物背景场误差协方差特征分析表明,云区的背景场误差协方差具有更大的背景误差、更强的变量相关性、以及更小的水平特征长度尺度。基于云量分类技术的自适应分区同化方案可以根据卫星云观测自适应地判断云区位置并调整云区背景误差。单点试验表明,相比于晴空区,云区更大的背景误差使得分析场更相信观测。同化与预报试验结果表明,自适应分区同化方案使云区水凝物和水汽的量级和分布更为合理,从而改善了降水预报。再次,本文提出了“云依赖”的卫星云观测变分同化方案,在变分框架下实现了水凝物变量的云依赖分析。依据卫星云量,构建了云依赖的调整指数,使各变量的背景误差随云量变化,云量越大,背景误差越大,反之亦然。一系列的单点试验表明,云依赖的水凝物背景场误差协方差既缓解了自适应分区同化方案中边界不连续的问题,又可以在几乎不增加计算资源的前提下,在变分框架中实现云依赖且多元变量相关的分析。连续三周的循环同化试验表明,应用云依赖的水凝物背景场误差协方差可以更有效地利用云区卫星观测减少风场、热力场以及水汽场分析及预报误差,从而有效提升降水评分。强对流个例诊断表明,水凝物的云依赖分析增量可以传递到湿度场、风场中,湿度场和风场的改善可以进一步支撑水凝物的发展,有利于强对流的发生发展。最后,本文基于水凝物扩展控制变量的集合-变分混合同化方案,实现了水凝物流依赖且多变量相关的分析。水凝物混合同化方案可以结合气候态的水凝物背景场误差协方差和由集合成员计算得到的流依赖且多变量相关的背景场误差协方差,既可以引入流依赖的水凝物分析,又可以缓解样本误差带来的虚假相关。单点试验表明,水凝物混合同化方案可以产生流依赖的水凝物分析增量,集合协方差中的多变量相关性使得该增量可传递至常规变量中。连续两周的循环同化试验表明,水凝物混合同化方案有效减少了常规变量分析场和预报场的误差,并提高了降水预报技巧评分。详细诊断表明,云区卫星资料的集合-变分混合同化可以有效改善模式场中水凝物的分布。水凝物的改善通过变量间相关进一步增强了云区湿度分析和对流有效位能,改善了模式初始场中水凝物与常规变量间的协调性,从而提高降水预报精度。