随着数值天气预报水平的不断向前发展,现阶段的中尺度预报模式已初步具备强对流天气过程的预测能力,而预测效果的好坏很大程度上取决于能否给模式提供一个富含正确中尺度信息的初始条件和边界条件。多普勒天气雷达凭借探测时空分辨率高的特点,成为监测预警中尺度强对流天气最为有效的手段。如何将多普勒雷达探测结果有效融入数值预报模式,丰富模式中尺度信息,提高初始场质量已成为目前中尺度资料同化热门方向。本研究在前期WRF-EnSRF系统研究的基础上,开发了一套基于多途径自动退模糊和“超级观测”算法的雷达资料综合质量控制方案,并将WRF-EnSRF系统的集合预报模块发展为双向嵌套、混合微物理过程。利用完善后的WRF-EnSRF系统,验证了一种尺度可控、变量间存在相关的初始扰动新方案(物理约束扰动),后又针对当前EnKF中增益估计方法存在的问题,提出了一种基于Gateaux微分的增益估计新方法。研究结果表明：(1)相同的Spin-up时间下,本研究提出的物理约束扰动,较前期的逐格点随机扰动和RandomCV扰动可获得更好的背景误差协方差结构,径向风的先验均方根误差明显小于其他两种方案,反射率的RMSE总体较其他两种方案效果好。在台风数值试验中,经过同化雷达资料,不同的扰动方案均可修正台风中心位置,对调整模式中台风的温压结构、台风路径和降水预报均起到积极作用,但物理约束扰动方案对路径、中心气压和最大风速的预报结果更为理想；(2)基于Gateaux微分的Kalman增益估计方法效果接近通过切线性算子构造的增益,同时可以避开复杂观测算子的切线性算子构造难题。Evensen和Tang等使用EnKF的增益估计方法由于线性化能力上的不足,存在集合离散度虚假偏高、分析循环前期低估观测空间误差协方差等问题,但基于Gateaux微分的增益估算方法则可完全避免该问题。最终分析效果看,新方法显著超过了Evensen方法和Tang方法。