数据-模型同化（data-model assimilation），理学-生态学-全球生态学-〔全球生态学研究方法〕-〔全球生态分析模拟〕-数据-模型同化，在生态系统过程模型的运行过程中不断整合新的观测数据以提高模拟能力的方法。数据-模型同化算法的核心思想是在过程模型的框架内，将新数据与模型集成为不断依靠观测而自动调整模型参数并减小观测误差的预报系统，从而提高模型的预测精度。数据-模型同化算法是连接模型与观测数据的纽带，通过同化算法不断将新的观测数据集加入模型中，可以有效校正模型的预测轨迹，使之更符合实际。20世纪80年代，随着全球对地观测能力的提高和全球环境变化研究需求，数据-模型同化作为联系模型观测数据的桥梁日益引起关注，已广泛应用于大气、海洋、生态等多个领域的研究。全球综合地球观测系统（GEOSS）建立的全球环境变化研究框架“观测技术-驱动模型-数据同化-监测预测”中已把数据-模型同化列为地球系统科学的重要方法论。