Los métodos de asimilación de datos híbridos (DA) han recibido una atención extensa en el campo de la predicción numérica del tiempo. En este estudio, se aplicó por primera vez un método de asimilación de datos de ganancia híbrida (HGDA) que combinaba las matrices de ganancia de los métodos de conjunto y variacionales en la versión mesoscalar del Sistema de Asimilación y Predicción Global/Regional (GRAPES_Meso). Para evaluar el rendimiento del método HGDA en el modelo GRAPES_Meso, se compararon diferentes esquemas de DA, incluidos los esquemas de variación tridimensional (3DVAR), el filtro de Kalman de transformación de conjunto local (LETKF) y los esquemas HGDA en ocho casos de ciclones tropicales (TC), y se asimilaron vectores de movimiento atmosférico FY-4A. Los resultados indicaron que el esquema HÍBRIDO superó a los esquemas 3DVAR y LETKF en la predicción de la posición del TC, y con técnicas de predicción por conjunto, el esquema HÍBRIDO promovió la precisión de la predicción de la intensidad del TC. Los valores del índice de amenaza (TS) para las predicciones de precipitación ligera y media obtenidas en el experimento HÍBRIDO fueron más altos que los de las predicciones obtenidas en los experimentos 3DVAR y LETKF, lo que puede atribuirse a la precisión de la predicción de la posición del TC. En cuanto a las lluvias intensas y extremas, el esquema HÍBRIDO logró un efecto más estable que los de los esquemas 3DVAR y LETKF. Los resultados demostraron la superioridad del esquema HGDA en la predicción de TC con el modelo GRAPES_Meso.