基于三套过去2000年的代用数据集和通用气候系统模式第四版本的过去千年气候瞬变模拟数据（CCSM4-LM），使用离线集合卡尔曼滤波（OEnKF）和混合增益模式离线集合卡尔曼滤波（HGAOEnKF，sun et al.,2023）两种同化方法重建了过去2000年温度和降水空间场，探讨不同同化方法和代用数据数量和质量对同化技能的影响。结果发现：使用相同的代用数据集，HGAOEnKF提高了珊瑚记录的同化技能。当同化方法相同时，代用数据量的增加会适当提高同化技能，HGAOEnKF方法提高更多。当代用数据集不确定性较大时，使用HGAOEnKF方法同化能够较大程度的减少同化误差。对比OEnKF和HGAOEnKF两种同化方法结果，使用HGAOEnKF的同化方法能够减弱OEnKF同化温度在高纬和热带的RMSE误差。HGAOEnKF方法能够在代用数据数量受限时，通过对同化背景场的改进来提高同化技能，使得后验方差稳定在较高水平。
 

古气候数据同化,过去2000年,气候场重建