集合预报误差在GRAPES全球四维变分同化中的应用研究Ⅱ：参数选取与数值试验

研究的第一部分讨论了如何有效应用集合预报误差的科学方案,确定了集合预报误差在GRAPES（Global Regional Assimilation and PrEdiction System）全球4DVar（four dimensional variational data assimilation）中应用的分析框架。在此基础上研究了针对集合预报误差实际应用于GRAPES全球4DVar,解决接近或超过100个集合样本数时高效生成的计算效率问题,以及与GRAPES全球4DVar匹配的同化关键参数确定问题。选择基于4DVar的集合资料同化方法生成集合样本,通过将第1个样本极小化迭代过程中产生的预调节信息用于其他样本极小化做预调节,将计算效率提高了2倍。通过时间错位扰动方法增加集合样本数,实现集合样本增加到3倍。对集合方差进行膨胀,并选择水平局地化相关尺度为流函数背景误差水平相关的1.4倍。通过批量数值试验方法确定背景误差与集合预报误差的权重系数,对60个集合样本当集合预报误差权重为0.7时预报效果最好。对北半球夏、冬两季各52 d的批量试验表明,对于南、北半球En4DVar （ensemble 4DVar）较4DVar的改进在冬季主要集中在700—30 hPa,而在夏季主要集中在400—150 hPa。赤道地区受季节影响较小,En4DVar对位势高度、风场与温度的改进都较为明显,且经向风场的改进最为显著。文中研发的集合预报误差在GRAPES全球4DVar中应用的方法合理可行。