麻巨慧，朱跃建，王盘兴，段明铿

(1.南京信息工程大学气象灾害省部共建教育部重点实验室，江苏南京210044;2.Environmental Modeling Center/NCEP/NOAA，Camp Springs，MD 20746 USA;3.UCAR，Boulder，CO 80307 USA)

0 引言

大气具有混沌特性，对于初始场的微小误差高度敏感，这种误差会迅速增长，影响可预报性(Lorenz，1963)。初始场误差主要来源于观测(资料在时间和空间上的不完整，代表性误差和测量误差等)及资料同化过程(使用背景场误差协方差时假设各向同性及缺乏背景场误差的信息等)，即使假设模式完备，这样的初值也会使预报技巧在几周后降为零(Toth and Kalnay，1993)。况且数值预报模式并非完备，离散化的大气模式仅是真实大气在数学和物理上的近似。有限的模式分辨率、不完备的物理参数化方案及边界条件(近似估计粗糙度长度、土壤湿度、雪盖、植被和海表温度)都会带来模式误差，它像初始误差一样，会影响预报技巧。

集合预报是估计数值预报中不确定性的一种方法，它将单一确定性预报转变为概率预报。初始场的不确定性可用概率密度函数(PDF)来表征。集合预报的初始扰动方法就是通过不同方式取样PDF，包括经典的蒙特卡罗法(Leith，1974)、滞后平均法(Hoffman and Kalnay，1983)、增殖向量法(Toth and Kalnay，1993，1997)、能量模奇异向量法(Buizza and Palmer，1995;Molteni et al.，1996)、观测扰动法(Houtekamer et al.，1996)、集合转换卡尔曼滤波(Bishop et al.，2001;Wang and Bishop，2003)和集合转换法(Wei et al.，2008)等。集合预报不但可以估计初始不确定性，也可以通过采用多模式方法(Houtekamer et al.，1996)、物理过程的随机模拟方法(Buizza et al.，1999)及随机全倾向扰动法(Hou et al.，2006，2008，2010)等来捕捉与模式相关的不确定性，从而弥补单一确定性预报的不足。

集合预报可以通过追踪初始不确定性的时空演变，提供依流型(flow-dependent)的概率分布，来提高可预报性(Toth et al.，2007)。……