本文利用全球交互式大集合预报系统(TIGGE)资料中欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)及英国气象局(UKMO)全球集合预报资料,以及相对应的中国自动站观测资料与CMORPH降水产品融合的逐时降水量网格数据集和ERA-Interim再分析资料,对中国区域的降水、风速与地面气温进行统计降尺度预报和订正研究。首先,将低分辨率的模式预报通过双线性插值的方法整合到与观测资料相同的高分辨率细网格上。利用历史观测资料对降水进行分级回归统计降尺度预报,并与一元线性回归统计降尺度进行对比。由于降水预报经过分级回归统计降尺度后干湿偏差仍然严重、预报技巧也几乎没有提升,因此利用卡尔曼滤波改良后的分区频率匹配法订正各个降水量级的面积偏差,并用阈值法进一步解决小雨空报的问题。与此同时,对气温和风速进行一元线性回归统计降尺度预报,并在此基础上利用卡尔曼滤波类型的递减平均误差订正的方法对气温与风速进一步进行订正。结果表明:由于统计降尺度加入了历史观测资料进行了订正,相比于单纯的双线性插值,一元线性回归能减小降水、气温、风速预报的误差。分级回归能够进一步减小降水预报的误差并提高降水与观测之间的相关性。统计降尺度的降水预报经过频率匹配以后,小雨的湿偏差和大雨的干偏差显著降低,各个量级降水的面积更加接近观测值,ETS评分和降水预报准确率有一定幅度的提高,小雨的空报率和大雨的漏报率降低。阈值法订正能够大幅度地降低小雨的湿偏差和小雨的空报率,提高小雨量级的ETS评分。递减平均误差订正能够在在一元线性回归统计降尺度的基础上降低气温与风速预报的误差,提高它们的准确率,并提高温度与观测之间的相关性。