数值天气预报作为气象业务中一种重要的预报技术,其核心竞争力体现在资料同化技术水平上,而资料同化技术所需求的是准确、完整的气象资料。随着地面自动气象站的不断普及与发展,地面气温数据量呈几何式增长,因此更有必要提高地面气温观测资料质量控制的水平。基于此,本文在分析地面气温观测资料时空变化特征的基础上,针对质量控制方法的可行性、准确性、适用性等问题引入一种统计学下的算法用以构建地面气温观测资料质量控制模型,并进行相应的验证与对比试验,通过合理的评价指标进行结论分析,主要内容如下:考虑到目前气温分析方法在多时间尺度及不同区域下的数据分析不够充分的问题,提出一种改进的核密度估计算法(PA-KDE),利用1961～2008年江苏省12个站点的定时气温资料研究其在季度、月度及日夜时间尺度下的灵敏度,运用该方法对江苏地区的站点资料进行密度函数估计试验,然后分区域与季节进行时空变化特征分析;在完成对气温资料分析的基础上,为满足质量控制的根本需求,以地面气温分析的方法与结论作为参考,将核回归算法引入到地面气温观测资料的质量控制当中,拟用来解决当下质量控制方法在不同地区及多时间尺度下的普适性不足的问题;在选用不同地区完成对引入算法的可行性及适用性试验的基础上,针对算法的准确性与普适性未达到预期效果的问题,提出自适应算法与粒子群算法改进核回归算法(IKR)并应用于地面气温观测资料质量控制模型当中,选取2010年～2014年全国14个地区的地面气温作为观测资料进行相应的对比与检错试验,利用平均绝对误差(MAE)、均方根误差(RMSE)、纳什系数(NSC)、一致性指标(IOA)和检错率进行质量控制效果分析。多组试验分析结果表明,PA-KDE算法在季度、月度、日夜时间尺度下具有较高的灵敏度,可以更全面的分析气温的时空变化特征及影响因子的效果,因此在讨论气温时空变化以及影响特征时要多关注时间尺度、区域、季节下的影响;在整体质量控制模型中,与传统的IDW及SRT算法相对比,IKR算法拥有更高的检错率,且在全国地区的试验下也拥有更高的预测精度与拟合精度,因此更有利于地面气温观测资料质量控制的研究。