地面气象观测资料同化技术是提高数值天气预报准确性的重要方法,而对地面气象观测资料进行同化的前提是对地面气象观测资料进行有效的质量控制。由于我国地形地貌复杂、气候多变、自动气象站点分布不均等情况,地面气象观测资料只有较少的一部分进入了同化系统,而常规的质量控制方法难以满足气象业务需求。鉴于此,本文在对地面气温观测资料进行时空分布特征分析的基础上,针对不同情况构建基于空间维度分析的地面气温观测资料质量控制方法,具体内容如下:（1）针对地形平坦、站点分布密集区域,考虑到空间自动气象站点气温观测数据具有明显的相关性,提出了一种基于移动曲面拟合的地面气温资料质量控制方法（Mobile Surface Fitting,MSF）。首先计算各参考站与目标站的欧氏距离作为参考站权值,然后用移动曲面拟合算法拟合相关性曲面,计算目标站气温数据,对比真实数据进行质量控制。用该方法对我国25个自动气象站点2011年日均温数据进行质量控制分析,并与传统的空间质量控制方法IDW和SRT进行对比。实验结果表明,MSF方法相比IDW和SRT具有更好的预测性和检错性,能够有效地用于观测站气温数据插补和检测。（2）针对地形地貌复杂区域,考虑到MSF算法稳定性和准确性不高的问题,提出了一种基于余弦相似度和移动曲面拟合的地面气温资料质量控制方法（Cosine and Mobile Surface Fitting,COS＿MSF）。利用余弦值和均方根误差分析邻近站点和目标站点的相关性,选取相关性较高的邻近站作为参考站点,阈值的选取通过遗传算法进行优化分析,并将MSF方法中的欧氏距离权值法进行改进,利用余弦值和均方根误差值对参考站赋权。实验结果表明,COS＿MSF算法相对MSF算法在准确性和稳定性上有明显提高。（3）针对站点较为稀疏的西部和东北地区,由于观测数据较少,空间相关性相对较低,提出一种基于特征多项式和岭回归的地面气温资料质量控制方法（Characteristic Polynomial and Ridge Regression,CP＿RR）。通过特征多项式对原参考站气温数据进行升维,增加数据样本,并且进行无量纲化处理,最后利用岭回归模型拟合目标站点气温数据。实验结果表明,CP＿RR算法在站点稀疏区域的检错性能相对其他几种方法优势明显,同时在东部沿海等区域也具有较好的质量控制效果。