资料同化方法的理论基础是统计中的估计理论。常用的三种方法是最小方差估计、最大似然估计和贝叶斯理论。   

最小方差估计具有的三个理想的特征：

1）增加任何一个观测，无论多么不准确，总能减小最小方差估计的误差。

2）给予精确资料的权重大于不精确资料的权重

3）由最小方差估计得到的线性无偏估计的误差方差总是小于所有观测资料的误差方差。

大气资料同化方法不是用到了最小方差估计（如逐步订正法、最优插值法和卡尔慢滤波法），就是用到了最大似然估计和贝叶斯理论（三维和四维变分方法）。弄清楚不同方法的理论基础有利于不断优化资料同化系统，也会对诊断资料同化结果有所帮助。

模式预报变量在模式开始积分时刻的取值（通常称为初始场）正确与否对数值预报的结果往往有决定性的影响，而初值又来源于该时刻以及前期对大气的观测。但是气象观测并不能直接作为模式积分的初值：1）因为模式的预报变量对大气的状态（经过数值离散化）相对全面的描述，例如整个预报区域内均匀分布的一组格点上的气压，温度，湿度以及风的数值，而观测获得的只是大气片面的信息。2）进行观测的时间、地点也并不恰好与模式所需要的初值的时间与位置一致，观测的要素与模式的预报变量可能不同。3）所有的观测都不可能避免的有误差，而且模式预报或者模拟的又只是特定尺度范围的大气运动，观测在多大程度上能描述模式所模拟的尺度范围内大气的真是状态，取决于观测的精度及其代表性。

资料同化包括三个主要的阶段：1）观测资料做必要的处理，使之符合一定的质量标准与数据格式，这是观测资料的预处理与质量控制。2）是观测资料与模式提供的背景信息融合生成与模式的预报变量在形式以及物理属性都相同的气象要素场的数值表示，这个过程称为客观分析。3）对客观分析的结果进行适当的调整，避免因与预报模式不协调而在预报积分中产生虚假的噪声甚至积分无法进行，这一过程称为初始化。

伴随方法是在传统的变分方法基础上发展起来的新一代四维资料同化的方法，它基于最优控制论原理，同时考虑动力约束和不同时刻的观测资料（包括模式变量和非模式变量）。其原理为：用模式预报值与观测资料的差值构造目标函数，利用预报方程的伴随方程和适当的下降算法，调整模式的控制变量，包括状态变量（模式方程中的变量）和模式参数（如太阳辐射、次网格的湍流等物理过程中的参数），使得目标函数值达到最小，从而得到最优初始场或最优模式参数。

不同的观测资料有不同的物理属性、不同的表现形式，因此需要在目标函数中加入权重系数，使得目标函数值称为一个无量纲量。权重系数的取得既可以通过统计得到，也可以直接由观测资料本身获得。