常规的分析增量更新方案（Incremental Analysis Updates, IAU）是将分析增量分成若干份“小增量”，在固定的时间窗内逐步加入模式积分过程中。该方案能够既保障同化信息的引入，同时又在一定程度上有效控制了模式积分过程中产生的噪音。但是考虑到不同尺度增量信息的演变速度、生命史及其在模式中的响应时间是不同的，常规IAU方案对模式噪音的控制效果还不能完全满足短临预报的要求，同时又会在一定程度上给模式带来系统性的漂移。为了解决常规IAU方案在这些方面的不足，我们首次提出多尺度IAU方案。通过滤波技术把同化增量分成不同尺度，寻找不同尺度增量信息在IAU方案中各自的最优松弛时间，最终通过多尺度IAU方案把不同尺度的增量信息加入模式积分过程中。多尺度IAU方案的实施可以有效抑制模式积分初期所产生的噪音，同时又能提高大尺度信息与中小尺度信息之间的平衡性。最后，在GRAPES_Meso中尺度区域模式中成功利用多尺度IAU方案对台风“山竹”开展数值模拟实验，模拟结果表明：（1）多尺度IAU方案对模式积分初期的噪音抑制效果非常明显；（2）综合地面气压、台风路径误差和强度误差，我们得到大尺度和中小尺度增量各自的最佳松弛时间分别是6h和3h；（3）通过多尺度IAU方案得到的台风路径误差、强度误差及风场统计误差均优于常规IAU方案的结果。

多尺度分析增量更新,最优松弛时间,GRAPES_Meso,台风山竹