Representar con precisión las interacciones entre la tierra y la atmósfera es esencial para los modelos numéricos de predicción del tiempo, ya que tienen un efecto significativo en los parámetros meteorológicos pronosticados cerca de la superficie. Utilizamos el modelo de suelo SURFEX, acoplado con el modelo de predicción del tiempo no hidrostático AROME en el Servicio Meteorológico Húngaro HungaroMet. Se emplean técnicas de asimilación de datos de tierra para proporcionar las condiciones iniciales más precisas para el sistema AROME-SURFEX. Inicialmente, se aplicó el método de Interpolación Óptima (OI) para determinar las condiciones iniciales de temperatura y humedad del suelo. Este estudio se centra en implementar el Filtro de Kalman Simplificado y Ampliado (SEKF) más complejo y avanzado para la asimilación de datos de superficie. El SEKF corrige la temperatura del suelo y el contenido de humedad del suelo utilizando observaciones a nivel de pantalla (temperatura a 2 m y humedad relativa), ofreciendo mejoras sobre el OI. Destacamos las ventajas del SEKF a lo largo de diferentes estaciones, señalando que es un enfoque más basado en la física con Jacobianos que varían dinámicamente. Demostramos cómo se pueden filtrar los Jacobianos atípicos utilizando un chequeo de linealidad para manejar la no linealidad del sistema. La sintonización de parámetros de asimilación de datos apropiados, como los errores de observación y de fondo, también es crucial para lograr resultados óptimos. Evaluamos el impacto del SEKF realizando una verificación de pronósticos contra observaciones atmosféricas in situ, comparando su rendimiento con el del OI. Nuestros resultados indican una mejora significativa en los pronósticos de invierno. Además, se observa una mejora moderada en primavera, destacando la dependencia estacional de la eficiencia del SEKF.