闵锦忠，毕坤，2，陈耀登，王世璋

(1．气象灾害教育部重点实验室(南京信息工程大学)，江苏南京210044;2.94608部队，江苏南京210022)

0 引言

当前数值预报已逐步成为现代天气预报技术的核心，随着模式的不断进步、计算能力进一步提升，模式分辨率也在向更高水平发展。尽管现代数值模式对天气过程发生发展的外部因素描述更加细致，但如何为高分辨率模式提供一个更准确的初值依然是一个极具挑战的问题。

就中尺度天气系统而言，多普勒天气雷达凭借其探测时空分辨率高的特点，成为监测预警的有效手段之一。如何将多普勒雷达探测结果有效融入数值预报模式中，提高灾害性天气的预测能力，前人已做了许多工作。Sun and Crook(1997，1998)应用四维变分资料同化方法(Four-dimensional variational data assimilation method，简称4D-Var)将雷达探测的径向风和反射率同化进云尺度数值模式;Gao et al．(1999)利用ARPS上构建的三维变分资料同化系统(Three-dimensional variational data assimilation system，简称3D-Var)，同化了雷达径向风数据。尽管前期变分方案在同化雷达资料方面取得了一定成果，但就3D-Var而言，其使用的背景误差协方差在空间上是均匀且各向同性的，同时也不随时间改变;而对4D-Var来讲，其具有隐式的背景误差协方差调整特性，但在求解极小化过程中必须依赖伴随模式，困难之处不仅在于设计伴随，同时某些物理过程也不具备向后积分的特性。Evensen(1994)将集合预报与传统卡尔曼滤波器相集合，应用于高维数系统，形成了集合卡尔曼滤波器(Ensemble Kalman filter，EnKF)。EnKF可实现背景误差协方差随模式积分变化，同时不依赖伴随模式，可应用于复杂的非线性模式。……