马旭林 何佩仪 周勃旸 和杰

摘要 集合变换卡尔曼滤波（ensemble transform Kalman filter，ETKF）是一种有效的集合预报初始扰动构造方案。但是，有限的集合样本、相同的集合成员设置以及预报模式误差等可能会使两个距离较远的状态变量产生虚假相关，从而影响ETKF集合扰动的质量。为了有效解决远距离虚假相关问题，将局地化思想引入ETKF方案。本文针对GRAPES区域集合预报系统（GRAPES REPS），对ETKF初值扰动局地化方案的效果进行了试验分析，为进一步改善和优化局地化方案（LETKF方案）提供依据。通过一周的连续试验，从暴雨个例、集合预报多种评分检验等方面分析了LETKF初始扰动方案所产生的集合预报质量。结果表明，区域集合预报中集合变换卡尔曼滤波初始扰动的局地化方案能够更加合理地捕捉到快速增长的分析误差的物理结构，更准确地再现数值模式预报误差的线性与非线性传播和演变特征。该局地化方案可以较好地改进预报质量，提高降水预报的准确率，尤其是针对小雨、中雨、暴雨量级的预报。相对于现有区域集合预报的业务系统GRAPES REPS，基于局地化ETKF初始扰动方案的区域集合预报具有较明显的优势。总体来看，LETKF初始扰动方案可更好地改善区域集合预报的质量。

关键词 集合预报;GRAPES;集合变换卡尔曼滤波;LETKF;初始扰动

集合预报能够描述数值天气预报中大气状态的不确定性，并定量给出概率密度函数（Bowler，2006），在数值天气预报中具有愈加重要的意义，其研究和应用也得到迅速发展（马旭林等，2015）。……