研究表明,对流层中水汽初值的误差是数值预报,尤其是短时（0–12 h）预报中不确定性的重要来源。相比传统的常规观测资料,星载微波湿度计资料由于其覆盖范围广、垂直分辨率高,并且可以穿透非降水云探测到云内大气湿度信息等优势,能很好地弥补常规观测资料的不足。因此,同化微波湿度计资料对改善对流层中水汽初始场以及提高数值预报精度有着重要意义。然而由于受到纬度、扫描角、地表发射率以及云降水等因素的影响,使得微波湿度计资料在进入同化系统前存在系统偏差,将会影响卫星资料在数值模式中的同化效果。为充分利用星载微波湿度计资料以提高区域数值模式对短时降水的预报能力,本文针对搭载于我国风云三号C星（Feng Yun-3C,FY3C）上的微波湿度计（Microwave Humidity Sounder-2,MWHS-2）在陆地上的降水检测算法进行研究以进行质量控制,并对微波湿度计FY3C MWHS-2资料在LAPS（Local Analysis and Prediction System）-WRF（Weather Research and Forecasting Model）系统中的同化效果进行定量评估。首先,对微波湿度计FY3C MWHS-2的观测偏差O-B（观测亮温O与模拟亮温B之差）随雷达反射率因子的变化特征进行了分析。研究发现,微波湿度计FY3C MWHS-2通道亮温的O-B偏差和地基雷达反射率因子之间存在一定的正相关关系,雷达反射率因子越大,O-B偏差越大。对于通道2–6和通道11–14而言,当雷达反射率因子小于10d BZ时,其O-B偏差的变化范围基本位于±2 K之间。在此统计分析基础上,利用微波湿度计FY3C MWHS-2的通道亮温、通道间亮温差、扫描角、方位角以及纬度等特征建立了一个基于机器学习算法梯度提升决策树（Gradient Boosting Decision Tree,GBDT）的陆地降水检测算法PDL（Precipitation Detction over Land）。该降水检测算法能剔除大部分受降水影响的资料,正确检测率可以高达～90%。经降水检测后,可使得微波湿度计FY3C MWHS-2的观测亮温（O）与模拟亮温（B）之间更加满足线性相关。同时,该算法能有效利用微波湿度计FY3C MWHS-2观测资料自身完成降水检测,有很好的应用前景。完善针对微波湿度计FY3C MWHS-2的质量控制方法后,在LAPS区域模式中实现了对微波湿度计FY3C MWHS-2资料的直接同化,并评估了同化FY3C MWHS-2水汽资料后对WRF模式的预报效果的影响。结果表明,LAPS-WRF同化微波湿度计FY3C MWHS-2资料后对位于强降水雨带区域处的湿度分析场进行了调整,并减小了预报场中湿度和风速等物理量的误差,进而在一定程度上提高了模式12 h降水量的预报水平,改善了降水的分布,尤其是大于50 mm的降水,同化微波湿度计FY3C MWHS-2资料后使得Ts评分提高了约23.9%。