本文将一维湖泊模式耦合到WRF3.2模式中，首先在美国五大湖苏比利尔湖（深湖）和伊利湖（浅湖）评估该湖气耦合模式（WRF-Lake）对湖水温度的模拟能力，模拟时段从2001年9月1日至2002年12月31日（无冰期）。结果显示WRF-Lake能很好地模拟出浅湖湖泊表面温度的季节变化，并与观测的吻合得很好。表明该一维湖模式和大气模式的耦合是成功的；但WRF-Lake模拟的深湖的湖温与观测相比却有-20℃-20℃的巨大误差，通过大量的敏感性试验，发现该湖模式大大地低估了深湖湖泊下层和湖泊表层之间的热量传输。通过校正模式中湍流扩散系数后即当湖深大于15米时，湍流扩散系数根据湖深被乘以102-105倍后，WRF-Lake成功地模拟出了深湖湖表温度的四季变化,模拟的深湖湖表温度的偏差减小到了±4oC。为了评估WRF-Lake对五大湖整体的模拟能力，我们用WRF-Lake动态地模拟了5年（2003-2008年）冬季（12、1、2月）美国五大湖的湖表温度、湖冰以及湖泊影响的降水，并与使用北美再分析资料（NARR）驱动的WRF模拟的结果进行比对。模拟结果发现WRF-Lake模拟的湖表温度比北美再分析资料更接近于观测，北美再分析资料与观测资料相比表现为较大的暖偏差。WRF-Lake还能合理地模拟出冬季三个月的湖水结冰的状况。另外，WRF-Lake模拟的降水比直接用北美再分析资料驱动WRF模拟的降水更加合理，表明湖表温度对美国五大湖及其周围降水过程的预报起着很大的作用。北美再分析数据中湖表面温度数据存在较大暖偏差引起较强的水热通量输送给大气，降低了低层大气的稳定度，导致模式模拟的降水偏多。WRF-Lake为动态地预报湖面过程以及湖气相互作用提供了可能性。接着利用太湖的2010年8月11日-8月28日BT的观测资料驱动该一维热扩散湖模式，用观测资料评估了该一维湖模式在中国太湖的适用性，并通过对比模拟进一步研究了影响太湖湖表温度模拟的主要因子。该湖模式对太湖区最初的模拟结果并不理想，模拟的湖的表面温度与观测的对比有较大的系统性偏差，并且温度的日变化的幅度与观测相比也偏小。通过分析该模式对太湖的模拟效果不理想的各种可能原因，针对太湖的生态环境和污染情况，设计了18个测试参数的敏感性试验，从敏感性试验的结果分析得到，适合于太湖的依赖于湖泊类型决定的三个参数应做如下修改：消光系数（η0）应取为3×1.1925，湖泊表层吸收的太阳辐射比值（β）应取为0.8，粗糙长度z0采用公式计算得到。用新得到的适合于太湖的3个参数模拟得到的结果与最初的模拟结果和观测资料对比，发现采用新的参数后的模拟结果比最初的模拟结果有了很大的改进，模拟的湖表温度基本接近观测，模拟的湖水的垂直剖面时间系列图也跟观测的吻合得较好，随之的感、潜热通量的模拟也都与观测接近。文章最后把耦合的湖气模式在太湖进行了初步测试，结果发现耦合了湖面模块、并且参数优化后的湖气耦合模式比没有包含湖面方案的WRF模式对太湖的模拟能力有了很大的改进。本研究在太湖得到的结果，对今后该湖模式在相同类型湖泊的应用研究具有一定的指导和借鉴意义，并为下一步利用湖气耦合模式开展湖气相互作用的研究提供了必备的前提条件。