地球系统科学的进步有赖于模型和观测的协力前行。模型是对地球系统科学认知的形式化知识的集大成者，但模型只是真理的近似，还远远未臻完美；观测越来越多源和丰富，地球大数据洪流滚滚而来，但所有观测都有特定的时空代表性，其代表性误差常常难以估计，这是导致模型和观测不一致的主要原因之一。然而，这种不一致性是表象还是真相？是模型更可信还是观测更可信，常常难以甄别。模型和观测可以共奏出美妙的和弦。从高斯、维纳到洛伦茨，科学大家一脉相承，发展了估计理论、控制论、混沌理论，为模型和观测的融合提供了坚实的方法论基础。数据同化方法正是植根于这些理论，它站在巨人的肩膀上，已经根深叶茂，成长为地球系统科学的关键方法论，其核心思想是在模型的动力框架内，融合不同来源和不同分辨率的直接与间接观测，从而增强系统的可预报性和可观测性。然而，模型和观测误差的准确估计是调制模型-观测和弦的关键，但也是目前数据同化领域的最大挑战，要实现模型和观测的物理和谐，就必须突破这一重大挑战。中国学者在在非线性非高斯贝叶斯递推滤波、代表性误差估计、变分和集合滤波方法的结合方面取得了创新进展，发展了高分辨率多源遥感数据同化系统。