在微气象、风工程等领域涉及大量湍流观测，这些观测数据在用于分析前必须经过质量控制。质量控制过程可将问题数据识别出来，将问题数据剔除后，会导致数据出现缺失，仪器维护等过程也会导致数据缺失。在分析与应用中常需要连续的湍流观测数据，这就要求对缺失的湍流数据进行插补。针对这些问题，本文将主题定为大气湍流观测的质量控制方法和湍流缺失数据插补方法研究。本文主要内容和结论如下:　　(1)总结了湍流原始观测中的10种常见数据问题。它们是缺测、频率异常、超出仪器有效量程、物理不合理、超出气候极值范围、野点、僵值、跃变、精度不足、谱不合理。给出了每种数据问题的识别方法。　　(2)系统地讨论了观测数据时间校准的原理和方法。即使在仪器时间一致的情况下，相干结构的存在也会使得高层观测数据超前于低层，超前的时间尺度约为10s/100m。这一时间尺度即为近地层垂直观测时间不匹配的判据。当不同高度的数据间最大相关系数对应的滞后时间|τmax|(》)10s/100m时，可认为仪器间存在时间不匹配现象。本文给出了观测数据时间配准的具体操作步骤。　　(3)比较了线性插值，牛顿插值和样条插值的插值误差。认为样条插值和牛顿插值不适合作为湍流数据的插值方法。在缺失数据不多时，适合采用线性插值方法进行插补。在使用AR模型对湍流缺失数据进行预报时，模型恰当的阶数为3阶。　　(4)大量湍流数据缺失时，湍流数据的插补问题转化为湍流数据的模拟问题。在模拟湍流缺失序列时，需要考虑概率分布特征和谱特征。本文引入谱方法模拟湍流缺失序列。对不服从高斯分布的垂直速度和温度缺失序列，采用基于Hermite矩模型的相关函数形变法进行模拟。阐述了多湍流变量缺失序列插补的谱方法。指出利用湍流各向同性等假设，可以降低缺失序列模拟的难度。讨论了利用谱方法插补缺失序列时，误差的影响因素。平均风速越不平稳，插补的风速误差越大，结合风杯观测资料可以降低由风速不平稳导致的模拟误差。当缺失序列的时长在10s～1h时，可以采用谱方法对缺失数据进行模拟。对采用相似理论进行数据插补的可行性进行了探讨。　　(5)提出了一种考虑风速分形特征的插补方法:谱—分形函数法，对该方法涉及的具体参数进行了详细说明。