王瑞春 龚建东 王皓

1 国家气象中心，北京 100081

2 中国气象局数值预报中心，北京 100081

1 引言

随着高性能计算机的不断发展，水平分辨率在1～4 km 的公里尺度区域数值预报系统（Numerical Weather Prediction system, 简称NWP）近年来发展迅速（Gustafsson et al., 2018）。由于中小尺度系统生命史短、误差增长迅速、可预报性差，发展好相应的公里尺度资料同化系统（kilometer-scale Data Assimilation system, 以下简称km-DA）及时更新模式预报轨迹十分重要（Sun et al., 2014; Yano et al., 2018）。

在km-DA 发展研究中，大尺度环流分析能力不足是制约其效用充分发挥的重要瓶颈之一（ Guidard and Fischer, 2008; Gustafsson et al.,2018）。其原因主要源于以下几个方面：（1）模式范围限制以及侧边界条件带来的误差；（2）km-DA 的框架设计和资料应用更加侧重中小尺度；（3）km-DA 发展时间尚短，框架发展和卫星资料应用等方面滞后于全球同化系统（Guidard and Fischer, 2008）。然而，大气运动本身是多尺度共同作用的结果，大尺度环流分析能力不足会使得同化预报循环过程中误差不断累积，影响系统整体性能。

相比于区域NWP，全球NWP 主要关注中长期天气系统的模拟和预报，大尺度环流的描述能力要好得多。为此，许多区域系统常采用所谓的局部循环（Partial Cycling）的运行方式，也即同化预报循环过程中每隔一段时间引入全球模式场降尺度冷启系统（徐枝芳等, 2013; Benjamin et al., 2016;Milbrandt et al., 2016）。这样的方式虽然能通过重置大尺度环流消除循环过程中累积的误差，但同时也丢失了宝贵的中小尺度信息（Schraff et al.,2016）。为此，业务局部循环中常引入一段时间的预热，也即在循环流程提供业务产品之前，让其先通过几次同化预报循环spin-up 出合理的中小尺度信息（Benjamin et al., 2016），这显然大大增加了计算消耗。……