对流尺度天气系统由于水平尺度小、生命期短、三维结构复杂等特征,导致对其及时并准确地预报成为难点,如何通过对流尺度数值天气预报模式及其资料同化系统提高对该类天气系统的预报及预警能力是目前全球业务数值天气预报中心关注的重点。解决这个问题的关键在于要解释并表征对流尺度资料同化中的各种误差,从而优化背景误差协方差与观测误差协方差。因此,本文基于对流尺度集合资料同化系统,分别探究了模式误差中的微物理不确定性对背景误差协方差的影响,以及由于未分辨尺度和过程导致的代表性误差以及雷达观测算子误差对观测误差协方差的影响,进而多角度地在同化系统中表征这些误差,为如何构建更合理及有效的对流尺度集合资料同化系统提供了科学依据。首先,本文基于集合敏感性分析,考虑了强对流的多尺度特征,并构建了三组试验,分别为与集合敏感性分析结合的同化试验、常规同化试验以及未同化试验,结果表明尽管结合的同化试验在模式状态变量的集合离散度和均方根误差中表现更好,但与其它两个试验一样,整个预报期内一直都保持了较高的离群值百分比。在降水的预报中,结合的同化试验与普通同化试验预报效果相当,并都优于未同化的试验,不过三组试验在中小雨量级上的预报技巧都偏低。因此,这三组试验的结果证实了在对流尺度资料同化过程中表征误差的必要性。其次,本文通过计算在一个月训练期内二阶与一阶云微物理过程参数化方案模式模拟的差获得了模式微物理不确定性样本,并将这些样本使用加性噪声法整合到对流尺度集合资料同化系统中,用以表征模式误差中的微物理不确定性。结果表明二阶云微物理过程参数化方案模拟相较于一阶方案模拟能够产生更多的对流,并且生成的较大冰相降水粒子在融化层给出了更强的信号。在对流尺度集合资料同化循环中,结合了模式微物理不确定性和大尺度误差的试验相较于只有大尺度误差的试验有更低的干误差和均方根误差,而在6小时的短期集合预报中,结合试验在雷达反射率因子和逐小时降水中表现的更好。再次,本文通过计算在一个月训练期内高分辨率与低分辨率模式模拟的差,获得了雷达观测空间的模式截断误差样本,然后将其近似为观测误差中由于未分辨尺度和过程导致的代表性误差,并与雷达观测误差相对比,探究这种代表性误差对观测误差的贡献作用。结果表明这种代表性误差（雷达反射率因子和径向风）的统计数据（标准差和相关性分析）有助于理解观测误差的标准差以及相关性长度尺度中的几个重要特征,不过,来自云微物理过程参数化方案、雷达观测算子等的其它误差来源也可能有所贡献。最后,本文基于一次夏季的对流尺度集合资料同化试验,通过使用德国气象局业务同化系统中的雷达观测算子EMVORADO进行了一系列的敏感性试验,探究了对于雷达反射率因子和径向风数据,由于不同类型的观测算子误差导致的观测误差。研究的观测算子误差是多种多样的,包括忽略水凝物下落末速度、反射率加权、波束展宽和衰减效应以及用于融化粒子的不同散射方案导致的误差。结果表明对于雷达反射率因子,可以发现波束展宽效应明显地减小了观测误差标准差,特别是在较高的高度上。通过比较Rayleigh和Mie散射方案,前者导致较低高度的标准差小得多。对于径向风,观察到考虑波束展宽效应对标准差有轻微积极影响,以及对相关性影响不大;对于反射率因子和径向风,是否考虑水凝物的下落末速度和反射率加权在观测误差统计数据中没有显著差异。试验结果为业务上的雷达观测算子设置提供了科学建议,也可以作为未来构建雷达数据完整观测误差协方差矩阵（全矩阵）的指南。