张涵斌，陈静，智协飞，龙柯吉，王亚男

(1．南京信息工程大学大气科学学院，江苏南京210044;2．中国气象局数值预报中心，北京100081;3．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;4．四川省气象台，四川 成 都610072;5．浙江省气象服务中心，浙江 杭 州310017)

0 引言

GRAPES模式是我国近年来自主研发的新一代数值模式，包含有资料同化系统、区域/全球模式统一设计的模式动力框架以及经过优选的参数化方案(陈德辉和沈学顺，2006;张人禾和沈学顺，2008)，其中区域模式称为GRAPES_Meso，目前已经发展出多个版本，较新的为GRAPES_Meso V3.0(王雨和李莉，2010)。GRAPES模式的研发成功体现了我国的数值预报发展的进步，而基于GRAPES_Meso模式来发展我国的区域集合数值预报技术，是目前研究的一个重要方向。

集合预报扰动方法是集合预报技术研究的关键。单一数值模式预报存在不确定性(Leith，1974)，这些不确定性来源于初值不确定性、模式不确定性以及大气的混沌特性，针对这些不确定性来源，集合预报发展了初值扰动技术以及模式扰动技术等。对于初值扰动，国外最初发展了monte-carlo随机扰动法(Leith，1974)、滞后平均法(Hoffman and Kalnay，1983)，之后又有了沿快速增长误差方向产生扰动的增长模繁殖法(Breeding Growing Mode，简称 BGM)(Toth and Kalnay，1993，1997)，奇异向量法(Buizza and Palmer，1995;Molteni et al．，1996)，观测扰动法(麻巨慧等，2011)以及集合变换卡尔曼滤波法(Ensemble Transform Kalman Filter，简称 ETKF)(Wang and Bishop，2003;Wang et al．，2004;马旭林等，2008)等，其中ETKF是较新的一种初值扰动方法，该方法基于集合变换思想，可以直接得到预报误差协方差的减少量，且具有卡尔曼滤波流依赖的特性。Wang and Bishop(2003)将该方法应用于集合预报全球中期集合预报系统初值扰动的生成，结果表明产生的扰动能够在更多正交方向保持误差方差。……