摘要：对于中尺度数值天气预报来说,初始条件的准确与否已成为影响预报技巧的主要因素之一。现有的大气观测资料在...对于中尺度数值天气预报来说,初始条件的准确与否已成为影响预报技巧的主要因素之一。现有的大气观测资料在时空分布上的不均匀,以及存在的观测误差,使得我们必须引进资料同化方法,为中尺度数值模式提供最优的初始场。由于传统的三维变分同化（3DVar）方法缺乏模式约束以及背景误差协方差矩阵（B矩阵）不具有流依赖性,因此本文提出一种基于历史样本投影的3DVar（HSP-3DVar）方法,它不仅具有流依赖的B矩阵,而且比传统的3DVar简单易行。为了评价HSP-3DVar的同化性能,我们基于区域暴雨预报模式AREM（Advanced Regional Eta Model）对其进行了观测系统模拟试验（OSSE）,结果表明：HSP-3DVar能够有效融合观测信息,模式初值在各层的均方根误差都显著地降低。显示全部
