中文摘要：

开始于上个世纪八、九十年代的集合预报，将会在未来的数值天气预报体系中（包括气象观测、资料同化、模式运算等）占有举足轻重的地位。集合预报中一个非常关键的问题，就是如何生成初始扰动。针对有限的计算机资源，对于高分辨率数值天气集合预报系统，增长模繁殖法（BGM法）是产生初始扰动的一个恰当的选择。BGM法中的核心是约束过程(rescaling)，rescaling方案的选择将直接影响所产生的集合预报初始扰动场的特性。因此，本项目主要内容是，研究Rescaling过程并应用于高分辨率数值集合预报系统。其中需要解决三个问题（1）如何比较合理地估计分析场不确定性是我们需要回答的第一个问题；（2）如何在所确定的MASK中滤掉与对流不稳定有关的结构，而保留与斜压不稳定相关的天气尺度结构；（3）第三个问题是如何检验MASK方案的合理性。

结论摘要：

由于数值模式的不确定性，数值模式本身的不完善性以及大气过程的混沌特性，使得集合预报成为越来越具物理意义的预报概念，必将在数值预报发挥主导性作用。本基金项目主要针对集合预报的关键之一即初始扰动的产生，而研究增长模繁殖法中的约束过程，并将其应用到全球集合预报。取得的主要成果有 1）确定了国家气象中心T213模式分析误差特征，并分析了分析场不确定性分布随季节的变化； 2）通过滤波方法，保留了分析场不确定性中与斜压不稳定性相关的天气尺度结构，从而得到全球集合预报的地理掩模； 3）将以上成果应用于T213l31全球中期模式，建立了国家气象中心T213全球集合预报系统，目前已经进入准业务化运行； 4）通过检验，目前准业务化系统的15个成员的T213全球集合预报系统，预报效果明显优于上一代全球集合预报系统T106. 总之，本项目完成了任务书制定的研究任务并成功应用于国家气象中心准业务系统。