地面气象观测资料同化技术的发展有助于提高数值天气预报水平,而质量控制是发展地面气象观测资料同化技术的首要任务。鉴于此,本文以地面气温观测资料为例,在分析其自相关性、要素协同相关性以及空间分布特征的基础之上,从函数建模、地形复杂度以及观测站密度三个角度建立一系列的地面气温质量控制算法,并将之应用于不同的案例之下。本文针对传统方法对气温自相关性以及邻站空间分布考虑不足的情况,提出了一种改进的普通克里金法(IOK)并将之应用于地面气温的质量控制,期间通过遗传算法根据新的适应度函数对改进的理论变异函数进行拟合求解,进一步提高了方法性能,且均衡了各邻站观测值的贡献度。针对IOK方法在地形复杂度较高地区的局限性,在其基础之上提出了梯度克里金方法(GK)并对地面气温进行质量控制,地形复杂度越高,GK方法优势越大。针对IOK方法在观测站密度较低地区的局限性,在其基础上引入协同克里金方法(CK)并对地面气温进行质量控制,观测站密度越低,CK方法优势越大。经过多组对比试验分析表明,基于地统计学的质量控制算法能够有效地用于不同地形复杂度以及观测站分布密度下观测站的地面气温数据插补,或者用于检验地面气温观测资料中的疑误数据。本文最后对不同区域中心观测站邻站范围的动态选择进行了讨论,并在该基础上对所提质量控制方法在全国范围内的适用性进行了分析,结果表明:一般在观测站密度较低的地区选用CK法,在地形复杂度较高的地区选用GK法,在观测站密度较低但地形复杂度起主导作用时,GK法仍有较大优势,在观测站分布密度较大且地形复杂度较低时,三种方法差距较小,为节省计算成本,可优先选择空间回归检验(SRT)方法。