数值天气预报的发展对地面气候观测资料的同化技术提出更高的要求,而同化技术的首要任务是对地面气象观测资料进行有效的质量控制。由于我国地形、气候复杂及观测站分布不均匀等原因,地面气象观测资料只有少部分进入同化系统,常规质量控制法无法满足气象业务需求。鉴于此,本文以我国地面观测站的分布实情为出发点,以气温的时空分布特性为基础,考虑观测站密度高低及观测环境差异大小两个方面,进行相应的单站、多站及复杂质量控制的研究,并分析实际适用情况。主要工作如下:运用去趋势波动技术、混沌识别技术和Moran’I指数分析气温的时空分布特性,为质量控制研究提供理论基础;基于时间相关性,构建相空间重构和极限学习机的单站质量控制法(PSO-PSR-ICA-ELM_QC),并对参数选择、模型过拟合进行优化;基于空间相关性,构建多面函数内插模型的多站联网质量控制法(ID_PCA-MEF_QC),并针对特征参考站选择和模型普适性提出优化策略;基于时空相关性,构建融合时空信息的复杂质量控制法(ST_OS-ELM_QC)。不同情况下的案例分析表明,PSO-PSR-ICA-ELM_QC能够解决观测站密度低、新建观测站等无法获得有效邻站或内部参考资料情况下的质量控制问题,且相比较于传统单站质量控制法具有较高的检错能力;ID_PCA-MEF_QC可以解决多站联网观测情况下的质量控制问题,相比较于SRT和IDW具有更稳定的检错能力,但在观测环境差异较大情况下(地形复杂、气候多变)的适应性存在一定的局限;ST_OS-ELM_QC能够解决观测环境差异较大情况下质量控制问题,且其在复杂天气情况下具有较好的“奇异值”判别能力,鲁棒性较强,一定程度上可以规避复杂天气对质量算法带来的不确定性影响。