近年来，大气多尺度误差修订与计算效率提升成为数值天气预报（NWP）数据同化的关键挑战。传统四维变分同化（4DVar）依赖伴随模式且难以有效处理多尺度误差，而集合方法（如EnKF）因高分辨率集合模拟，计算成本受限。为此，本研究提出了一种基于多网格技术的非线性最小二乘四维变分同化方法（MG-NLS-4DVar），通过结合集合策略与多尺度迭代优化，显著提升了分析精度与计算效率。
MG-NLS-4DVar方法的核心在于将多网格技术与NLS-4DVar算法结合，通过外层迭代（多尺度网格）和内层迭代（Gauss-Newton优化）实现误差从大尺度到小尺度的逐级修正。该方法利用网格点数控制尺度分辨率（如从30×25到120×100逐级加密），在粗网格上初步修正大尺度误差后，通过插值传递至细网格进一步优化，同时采用集合扰动生成流依赖的背景误差协方差矩阵（B），避免了传统4DVar对伴随模型的依赖。基于WRF模型的单点观测实验表明，MG-NLS-4DVar能有效利用观测信息，通过多尺度分析增量逐步改善初始场，其均方根误差（RMSE）较标准NLS-4DVar降低，且计算成本更低。进一步地，该方法被集成至区域多网格NLS-4DVar同化系统（SNAP）中，实现了卫星辐射数据的直接同化。通过同化ATOVS微波（AMSU-A、MHS）与红外（HIRS4）辐射数据，SNAP系统在暴雨事件和一周循环同化实验中表现出显著优势。以2016年华北暴雨为例，SNAP同化后的24小时累积降水分布更接近实况，ETS评分提升，空报率（Far）降低；整体分析场在多尺度误差修正中表现出更高的稳定性。计算效率方面，MG-NLS-4DVar通过仅在细网格运行集合预报并插值生成粗网格数据，显著减少了多尺度模拟的计算负担。
本研究证实了多网格NLS-4DVar方法在大气多尺度分析中的有效性，其区域应用系统（SNAP）为高分辨率数值天气预报提供了新的技术路径，未来可扩展至台风、强对流等灾害天气的精细化预报中。

 

资料同化，多尺度，数值天气预报