方法是經常應用的集合卡爾曼濾波Prada，LV 已在眾多陸面資料同化中的應用研究，由於其概念表述和相對容易實現的逆操作，存儲矩陣和大規模應用的第一種方法三維集合卡爾曼濾波的平行計算。與本地樂團第二方法變換卡爾曼濾波變得越來越流行，因為在技術[高效並行實現兩包包和包包使用背景誤差協方差矩陣的集合表示。由於計算的限制，小集合成員（與系統的自由度相比）通常用於計算。這可能會導致在背景誤差協方差包包的近似抽樣誤差大，產生虛假的大幅度的相關性模型的網格細胞長期分離Prada包包虛假的大幅度的相關性，將分配一個大的權重到遠的觀測，並與現實相反。
為了減少對同化表現虛假的長程相關性的影響，協方差定位包包技術首先在集合卡爾曼濾波的背景誤差協方差的估計提出了。與氯離子，可以允許觀察有很大的影響，對相鄰的模型網格細胞和小的影響，對遠的模型網格細胞。所謂的Prada包包用於氯乘背景誤差協方差矩陣的集合近似與距離相關的相關函數來抑制遙遠。這種定位限制了遙遠的觀測的影響。另一方面，觀察定位（包包）也被提出在大氣資料同化的包包和經常被用來過濾掉與遙遠的觀察包包相關的小的相關性。在包包，觀測誤差協方差矩陣除以距離相關的相關函數來增加遠端觀測的觀測誤差方差和減少在資料同化權重。每個模型網格，局部相關觀測的需要選用包包做分析。已被證明在資料同化Prada執行同樣的。然而，氯離子需要計算整個背景的所有模型網格單元的協方差矩陣，並會導致大量的記憶體需求，大量的模型網格單元，並需要仔細的並存執行包包。這在實踐中是不平凡的。包包，大量模型的網格細胞可以被分割成小塊，以避免記憶體的限制，而這些塊的每個模型的網格細胞同化可以分離和並行效率。因此，我們要評估通過同化合成L波段微波亮度溫度資料到社區土地模型在陸面資料同化包包Prada提高土壤水分剖面特徵。我們這樣做是考慮到空間相關性和植被的影響包包的微波亮度溫度資料，以彌補遙感空間覆蓋的缺點。
包包方案能影響限制遙遠的觀察和篩檢程式出小相關的這些意見，已廣泛應用的吸收當地周圍觀察以考慮到空間上的相關性。在包包，我們可以通過網格並存執行資料同化的網格單元，只有數量有限的地方周圍觀測會被同化為每個網格單元。觀測資料的空間相關性特徵決定了局部觀測的選取準則。