初始条件对短期气候预测的准确度十分重要，而准确的初始条件通常是通过同化观测数据产生。因此，获取尽可能多的观测资料成为提高短期气候预测水平的当务之急。然而，海洋观测需要大量的人力物力，在广阔的水域中密集布设观测站点并不现实，目标观测是解决这一问题的有效方法，其思想是在寻找对预报影响最敏感的站点进行观测。本研究拓展了顺序同化理论的目标观测方法，通过引入投影向量，实现了预测目标区域与观测区域不同的新算法。该方法可灵活选择预报目标区域，在任何感兴趣的观测区域确定最优站点，而无需像传统算法那样局限于与目标区域一致，从而为最优观测网的布设提供了一种更实用的方法。该研究将新方法应用到了印度洋偶极子海表温度预测的目标观测分析中，确定了前10个最优观测点。分析表明，印度洋偶极子关键区的海表温度异常误差方差降低了50%以上，显现了区域可选的目标观测方法的显著优势。此外，利用集合调整卡尔曼滤波同化方法，在CESM全球耦合模式进行的观测系统模拟试验表明，同化这10个最优观测点的海表温度观测数据，可将印度洋偶极子关键区域的海温均方根误差降低38.2%，显著高于控制试验、随机观测点同化试验和传统算法得到的最优观测点同化试验，进一步验证了这一方法的有效性和可靠性。

目标观测；最优扰动