集合-变分混合同化方法将集合卡尔曼滤波法和变分法结合,具有计算成本低、便于同化多种观测资料及背景误差协方差具有流依赖性的优点。混合同化中,能描述天气形势演变特征的流依赖的背景误差协方差隐含于集合扰动中,因此集合预报的效果很大程度上影响着集合-变分混合同化的效果。为建立简便可行的、稳定高效的集合-变分循环同化预报系统,本文对集合-变分混合同化中的集合更新方法进行了一系列研究。首先,为讨论集合变换卡尔曼滤波中不同协方差膨胀方案对混合同化及预报效果的影响,开展了中国中东部区域一次连续大范围降水过程的连续10天的循环同化和预报试验。结果表明:几种协方差膨胀方案相对于无协方差膨胀的方案,均有效地提高了混合同化和预报的效果:对于风场,将预报误差协方差投影到集合子空间的方案和采用平均新息协方差信息的方案表现较好;对于温度场、湿度场和降水预报,采用平均新息协方差信息的方案和采用了同化时次前两次集合预报比率的方案最好。其次,针对集合变换卡尔曼滤波在同化过程中易受不同时次观测资料差异的影响而产生较大程度的协方差震荡,从而可能导致系统不稳定的问题,构建了一种基于物理控制变量扰动的混合同化预报系统。该系统通过对分析场的随机扰动并经过模式变换得到扰动量,从而实现集合更新,而集合扰动的误差统计由静态背景误差协方差提供。由于静态背景误差协方差的平衡属性,因此产生的扰动受平衡约束。连续10天的循环同化及预报试验表明,本同化方案效果明显优于三维变分方案,动力场的整体同化和预报效果与集合转换卡尔曼滤波方案基本相当。本方案不受观测资料差异的影响,在没有经任何参数调试情况下,取得了良好同化和预报效果,为混合同化的便捷运行提供了一种稳定可靠的手段。第三,为了在不增加或仅增加很小计算代价和存储成本的前提下,提高目前基于变分同化的快速更新同化系统的性能,本文初步研究了基于时间滞后集合的快速更新混合同化方案。试验结果表明:时间滞后集合充分利用了历史观测,使各集合成员包含了其对应时次的同化及预报信息,与动力模式协调且具有动力增长结构,因而时间滞后集合体现了天气流型即预报误差协方差的流依赖性,对于动力场和热力场的改进作用明显。