随着数值天气预报研究的不断发展，数值模式的复杂度和分辨率在不断提高，其非线性程度也在不断提高，同时新的完全非线性数值模式，比如气溶胶模式、植被模式等，在不断发展，原线性资料同化方法就遇到了非线性的问题，要求我们提高现有方法的非线性度并且发展完全非线性资料同化方法。本文从提高观测算子的非线性度出发，开发了GNSS无线电掩星非线性二维观测算子并应用在全球四维变分资料同化系统中，针对完全非线性资料同化方法的关键科学问题进行研究，提出了隐式等权重粒子滤波方法和模式误差协方差估计方法，解决了粒子衰退、模式误差协方差估计以及高维实际系统应用等问题。　　二维射线追踪算子具有强非线性并且比一维Abel算子具有更高的精度。我们引入了定制非线性二维射线追踪算子并展示了相较于一维算子其带来的系统稳定性和性能的提升。定制二维算子没有Abel积分解决了四维变分资料同化系统在超折射现象下引起的不收敛问题。在月平均统计检验试验中，定制二维算子相较于一维算子在热带地区具有更高的距平相关系数和较低的均方根误差。定制非线性二维算子为无线电掩星资料同化带来了更好的系统表现。　　粒子衰退是粒子滤波在非线性高维模式中应用的主要障碍。本论文我们引入了一个新的粒子滤波框架——隐式等权重粒子滤波，其粒子样本全部从提议密度中隐式采样得到，每个粒子都有一个不同的协方差矩阵，可以构建相等的粒子权重。新的非线性资料同化方法的特性在1000维简单线性系统和1000维非线性Lorenz 96模式中进行的测试和探索，并和局地转换卡尔曼滤波以及等权重粒子滤波的表现进行了对比。在观测格点上，局地集合转换卡尔曼滤波具有略低的均方根误差，但是在未观测格点上LETKF的集合离散度非常低，因此隐式等权重粒子滤波与局地集合转换卡尔曼滤波以及等权重粒子滤波相比具有更优异的系统表现。隐式等权重粒子滤波方法同样在高维准地转模式和高维非静力非线性模式中进行了实际应用和检验。新的隐式等权重粒子滤波方法从未出现粒子衰退并且显示出了优异的一致性系统表现，无论在何种试验中。更重要的是，隐式等权重粒子滤波在所有试验中均具有很好的集合离散度。新的滤波方法成为通过构建粒子分析量避免维数灾难的一类粒子滤波方法研究的大门。　　模式误差协方差矩阵可能是资料同化中最难估计的协方差矩阵。它的估计需要模式可以达到的解析尺度上的物理参数化缺陷和误差表示的详细和准确的知识。我们提供了一种统计方法来估计模式误差协方差,其使用来自于资料同化循环初期模式状态的误差协方差估计作为初始第一猜值场。使用粒子滤波作为资料同化方法是因为粒子滤波在资料同化过程中不需要状态误差协方差的估计。在给定精确的观测误差协方差情况下,该方法可以精确估计模式误差协方差。　　非线性资料同化的研究刚刚起步，还有非常多棘手的科学问题等待我们去探索研究和解决，在论文最后的总结与展望中，对论文进行了系统的总结并对未来可能研究的方向领域及前景做出了判断和展望。