国产自主极轨气象卫星FY-3C温度计MWTS-Ⅱ和湿度计MWHTS资料质量源优良且对数值天气预报的同化和模式预报有重要的意义。鉴于国内外针对此类卫星资料的同化现状,本文从提高陆地上空和低层微波垂直探测资料利用率出发,针对解决地表发射率精确计算、云检测等基础问题的需求,提出了基于小波分析的地表发射率去噪算法、基于小波数据集约束的动态地表发射率计算方法和基于高斯回归过程GPR(Gaussian Process Regression)智能学习温湿亮温关系函数的云检测算法等,解决了陆地上空低层及中高层通道地表发射率精确计算及探测资料同化等卫星资料的实际应用问题。陆表的复杂性导致很难有完美的物理模式去精确计算地表发射率,但卫星观测反演地表发射率不受这些大量陆面输入参数(如粗糙度、土壤湿度等)的限制。基于地表发射率发展变化缓慢的假定,可进行长期离线计算发展月平均地表发射率数据集。针对数据集本质上是一种图像矩阵且含有未知噪声源,提出了针对高级图像处理的小波方法对发射率数据集进行图像去噪,开发了适用于FY-3C卫星温度计的小波发射率数据集。在同化预报试验检验中,大大提高了陆地上空的同化资料量,改善了亮温模拟效果和分析场质量,也减小了预报误差。微波低层探测通道对地表更加敏感,因此,实质上是一种气候平均的、每日为固定值的发射率数据集显然不再适用于这些低层观测。本文基于实时像元动态发射率反演方案,同时以小波数据集作为约束集,对动态反演的发射率值进行约束以消除反演误差,设计优化了新的同化系统流程,实现微波低层探测通道的系统应用。同化预报试验结果表明,受益于地表发射率的改进,中低层通道的第一猜值残差有明显改善。相比于发射率数据集方案,中低层通道陆地观测数量可增长约6-8%左右,且大量新观测信息的加入并未对分析场产生不良影响,改进了短时预报效果。针对FY-3C载荷上50-60GHz和118.75GHz双氧通道特性,基于机器学习GPR方法发展了一种智能学习温度计亮温与湿度计亮温内在关系的新云检测方案。相比于线性回归算法,新GPR云检测方案提高约20%的云检测能力。设计了湿度计MWHTS的同化预报系统框架,构建了FY-3C微波辐射率资料直接同化应用平台,评估验证包括新增118.75GHz温湿联合探测通道的FY-3C资料对数值预报的应用价值和贡献潜力。