集合-变分混合同化方法将集合卡尔曼滤波法和变分法结合,具有计算成本低、便于同化多种观测资料、背景误差协方差具有流依赖性的优点。集合-变分混合同化中来自集合估计的背景误差协方差能描述天气形势演变特征,为观测信息在同化中的传递提供流依赖的信息,很大程度上影响着集合-变分混合同化及后续预报的效果。因此,本文针对集合-变分混合同化中的流依赖背景误差协方差方法及其应用展开了一系列研究。首先,针对在有限集合资源背景下集合-变分同化中的集合误差协方差权重系数及局地化尺度的选取问题,进行了一系列敏感性试验。试验结果表明,当集合协方差的权重或局地化增大时,同化增量体现出来的流依赖性越强,在影响范围内的增量越大,但是受到的协方差远距离虚假相关影响也会较大;集合误差协方差的影响范围和远距离虚假相关的影响也会随局地化尺度减小而减小。体现了混合同化结合了静态背景误差协方差的平衡约束能力和集合协方差的流依赖特性的特点。其次,为了在不增加或仅增加很小计算代价和存储成本的前提下,提高目前基于变分同化的快速更新同化系统的性能,本文提出了一种基于时间滞后预报的集合误差协方差计算方法并将其应用于快速更新混合同化中。试验结果表明,时间滞后集合充分利用了历史观测,使各集合成员包含了其对应时次的同化及预报信息,与动力模式协调且具有动力增长结构,因而时间滞后集合体现了天气流型即预报误差协方差的流依赖性,对于动力场的改进作用明显。再次,针对区域混合同化中集合卡尔曼滤波通常出现的背景误差协方差低估及采样误差的问题,提出了一种不同尺度模式集合误差协方差扩展方法。通过引入由全球模式集合预报产品计算得到的流依赖背景误差协方差来减小区域混合同化中协方差低估和采样误差的影响,同时也引入了相对准确的大尺度集合误差协方差信息。试验结果证明,在现有的全球模式集合预报产品前提下,仅需要做相对较少的区域集合预报,即可达到较多区域集合预报的效果,在节省计算资源的同时也增加了集合样本数量,减小了分析误差在循环同化中的增长速度。然后,针对传统集合-变分混合同化中存在的分析不连续的问题,通过卡尔曼分析增益的方法在区域中尺度大气模式中引入了集合误差协方差。并通过与传统的基于协方差矩阵的集合-变分混合同化方案进行了比较,进一步研究了集合误差协方差在混合同化中的引入方式对分析和预报影响。试验结果表明,基于卡尔曼分析增益的集合误差协方差引入方法与基于协方差矩阵的引入方法效果基本相当,但前者在较短时效预报内略有优势,改善了后者将平均分析场完全舍弃导致的同化分析时丢失重要集合信息并引起的同化分析场和集合扰动场之间不连续的问题。然后,针对传统混合同化中可能存在的由不同系统耦合引起的分析不一致问题和维护难度大的问题,基于在传统集合卡尔曼滤波基础上改进的确定性集合卡尔曼滤波方法,结合集合-变分混合同化代价函数理论,提出了无需扰动观测的基于变分代价函数的集合误差协方差更新方法,令集合平均通过集合-变分混合同化进行更新的同时,流依赖的集合误差协方差也以一种类似于集合-变分同化中最小化代价函数的方式进行更新。试验结果表明,不扰动观测的变分框架下的集合误差协方差更新方法分析和预报效果均优于传统方法,且便于利用变分系统的成熟技术,同时减小了集合-变分混合同化系统的维护难度。最后,基于以上工作基础,利用不扰动观测的基于变分代价函数的集合误差协方差更新方法的混合同化与预报系统,实现了国际上首个发射并实现业务运行的新一代静止气象卫星葵花8号逐小时辐射率资料的快速更新对流尺度同化,并应用于2016年7月18-21日的一次华北特大暴雨的对流尺度数值天气预报中。试验每小时完成一次同化分析并进行1小时预报,每6小时进行一次24小时预报。试验结果表明,与只同化常规观测资料的试验相比,在同化葵花8号水汽通道辐射率之后,风场和湿度变量的分析场和预报场都得到了明显改善。同时发现,葵花8号水汽通道辐射率的同化对前6小时和阈值超过100mm的降水预报有明显的改进。