在信息化的时代背景下,数值天气预报(NWP)已经成为气象预报的重要手段,对地面气温观测资料进行质量控制是资料同化的基础,有助于提高数值天气预报的准确性。基于此,本文在分析气温观测资料的空间分布特征、空间相关性和协同相关性的基础上,针对模型有效性、模型运行时间成本、协同预测三个角度建立了一系列的地面气温空间质量控制方法,并进行案例分析,主要内容如下:采用Hubbard教授提出的假设检验方法,在原始气温数据中随机添加人工误差,选择最佳质控参数甄别疑误数据,为质量控制模型提供评估指标;针对模型有效性,在分析各区域地面气温观测资料的空间相关性的基础上,考虑到各参考站和中心站气温数据的观测差异,提出了一种基于B样条拟合的地面气温质量控制方法(BSF_QC);针对站点密度较高的地区,为减小BSF_QC方法的运行时间成本,应用空间回归检验筛选相关性最高的邻近参考站,提出了一种基于空间回归检验的B样条拟合地面气温质量控制方法(SRT_BSF_QC);针对邻站稀少或者历史气温观测资料缺失的地区,考虑到温度和湿度之间的强耦合性,将湿度数据作为气温数据的补充,提出了一种基于协同预测的B样条拟合地面气温质量控制方法(CCA_BSF_QC)。多组试验分析结果表明,作为一种局部无偏估计方法,BSF_QC方法相较于SRT和IDW方法有着优异的预测性能和检错性能,能够有效地用于观测站气温数据的插补,或者用于检测气温数据中的疑误值。对于站点密度较高的地区,若区域内气温空间相关性较高,SRT_BSF_QC方法能在保证模型有效性的基础上减少模型运行的时间成本;若区域内气温空间相关性较低,应尽量多的选择参考站,保证SRT_BSF_QC方法的质量控制效果。CCA_BSF_QC方法适用于站点密度较低的地区或者历史气温资料缺失较多的地区,经过数据的无量纲化处理,将湿度数据作为温度数据的补充,既丰富了数据的多样性,也提高了质量控制模型的准确性。