El objetivo de este estudio es asimilar conjuntamente el producto de ozono del satélite Atmospheric Infrared Sounder (AIRS) y datos ficticios utilizando el método de variación en conjunto de cuatro dimensiones (4DEnVar), y demostrar los beneficios potenciales de esta técnica de inicialización en la mejora de la predicción de huracanes a través de un estudio de caso. En primer lugar, se emplea un esquema de control de calidad para mejorar la calidad del producto de ozono del satélite AIRS; se construye simultáneamente una presión de nivel del mar (SLP) ficticia en el centro del huracán basada en el modelo matemático de Fujita para la posterior asimilación. En segundo lugar, se establece un modelo de asimilación de datos de ozono satelital y datos ficticios (SOBDA) 4DEnVar, incorporando un operador de observación de ozono satelital que utiliza la relación entre el ozono satelital y la vorticidad potencial (PV) desde el nivel inferior de 400 hPa hasta el nivel superior de 50 hPa. Finalmente, se realizan varios experimentos comparativos para evaluar la influencia de la asimilación de ozono satelital y/o datos ficticios, el método 4DEnVAR y el método de variación en cuatro dimensiones (4D-Var), y el tamaño del conjunto en la predicción de huracanes. Se encuentra que la asimilación de ozono satelital y datos ficticios con el método 4DEnVar simultáneamente provoca alteraciones significativas en las condiciones iniciales (ICs) del vórtice del huracán, resultando en un vórtice más homogéneo y profundo con un núcleo más grande, cálido y húmedo en comparación con la asimilación de solo un tipo de dato. A medida que aumenta la duración de la integración, las perturbaciones iniciales en los niveles superiores se propagan gradualmente hacia abajo, dando lugar a disparidades significativas en la predicción del huracán cuando se incorpora ozono satelital y/o información ficticia. Los resultados demuestran que utilizar el enfoque 4DEnVar para asimilar tanto ozono satelital como datos ficticios conduce a la máxima mejora en la reducción del error de trayectoria y el error de SLP central de la simulación del huracán durante todo el período de pronóstico de 72 h, en comparación con la asimilación de un solo conjunto de datos. Además, los experimentos comparativos han indicado que el rendimiento de 4DEnVar SOBDA en la predicción de huracanes se ve influenciado por el tamaño del conjunto. En general, seleccionar un número apropiado de miembros del conjunto no solo puede mejorar efectivamente la precisión de la predicción de huracanes, sino que también puede reducir significativamente la demanda de recursos computacionales en relación con el método 4D-Var. Este estudio también puede servir como una referencia técnica ventajosa para aplicaciones numéricas de productos de ozono de otros satélites e inicialización de huracanes.