本文基于TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)五个集合预报中心的模式资料,对中国区域2m气温、10m风场和24h累积降水以及欧亚区域500 hPa位势高度、温度和风场进行了多模式集成预报试验,所用多模式集成方法为卡尔曼滤波、消除偏差集合平均(BREM)、模式加权平均以及简单集合平均(EMN)。在中国地面气象要素的预报中,无论是多模式集成预报还是单模式预报,其均方根误差均随着预报时效的增长而不断增大。多模式集成预报能够显著降低2m气温和10m风场预报的预报误差,而在地形复杂区的改进效果尤为显著;而对24h累积降水来说,卡尔曼滤波能够稳定提升其预报技巧,其他方法则效果甚微。四种多模式集成方法对预报的改善效果参差不齐,而总体来看,卡尔曼滤波的改善效果最佳且最稳定,模式加权平均则次之。在欧亚区域500 hPa要素的预报中,卡尔曼滤波对位势高度、温度以及风场预报的改善均在20%以上,预报技巧最高;模式加权平均则只在预报时效小于等于48h时有改进效果,BREM和EMN则几乎没有改进。对卡尔曼滤波和模式加权平均权重分配的分析可以得出,ECMWF为多模式集成预报中的主要贡献者。本文还分析了复卡尔曼滤波技术在风场预报中的优化效果,结果表明其对纬向风场的改进优于经向风场,对地面风场的改进则要优于高空风场,而在复杂地形区和海洋上的改进效果要优于其他地区。总的来说,复卡尔曼滤波技术跟于卡尔曼滤波相比,其在风场预报上的预报技巧更高,预报误差也更小。综上所述,卡尔曼滤波在本文所做的各气象要素的预报试验中通过合理优化分配各模式成员的权重系数,使预报技巧得到了显著提高。相比于BREM、模式加权平均以及EMN,其预报表现更佳且稳定。