随着极端天气事件日益频发，精确的数值天气预报（NWP）对于灾害预警和社会经济稳定至关重要。数据同化（DA）技术作为提升全球NWP技巧的关键手段，能够通过融合观测数据和模式预报信息来提高初始条件的精度，从而改进预报。其中，四维变分（4DVar）是最先进的同化方法之一，但由于其研发难度大，国际上至今只有六个国家级预报中心拥有4DVar系统。四维集合变分（4DEnVar）方法是采用集合技术来实现4DVar的一种求解算法，其研发难度大大降低，近年来已得到NWP的青睐。然而，由于集合样本数的限制，基于4DEnVar的确定性预报一直没能超过基于4DVar的确定性预报，限制了其在天气预报业务中的应用。

尽管如此，前期相关研究显示，4DEnVar集合预报的均值竟优于4DVar确定性预报，这为提升4DEnVar确定性预报的精度带来了曙光，如何借鉴集合预报的均值减少预报不确定性的思路，以最小的计算成本显著提升4DEnVar确定性预报技巧，成为一个有重要科学意义和应用价值的课题。

中国科学院大气物理研究所地球系统数值模拟与应用全国重点实验室的博士后朱舒君（第一作者）和王斌研究员（通讯作者）等近期在《Geophysical Research Letters》上发表的题为“An Approach to Improving the 4DEnVar-Initialized Deterministic Prediction Skill for Global Weather”的研究论文基于上述思路提出了一种4DEnVar确定性预报新方法，其采用4DEnVar的60个分析样本构造一种特殊的初值扰动，并与其60个分析样本的均值进行组合起报两个预报，然后取两个预报的均值作为4DEnVar的确定性预报。通过中国气象局全球预报系统（CMA-GFS）进行10天中期天气预报检验，发现该方法可达到类似4DEnVar集合预报60个成员均值的效果，不仅优于4DEnVar原确定性预报（以60个分析样本的均值作为初值）（图1），而且总体上超越了4DVar确定性预报（图2）。

该研究不仅为提升中期数值天气预报技巧提供了新的思路，也有望推广应用到基于其他集合同化方法（如EnKF等）的确定性预报中。

相关论文信息如下：

Zhu, S., Wang, B., Zhang, L., Liu, J., Liu, Y., Gong, J., et al. (2025). An approach to improving the 4DEnVar-initialized deterministic prediction skill for global weather. Geophysical Research Letters, 52, e2024GL111357. https://doi.org/10.1029/2024GL111357

图1 基于(a)观测系统模拟试验和(b)实际观测试验，新方法获得的4DEnVar确定性预报与旧方法相比的ACC和ARMSE的相对变化。向上的绿色三角形表示明显正差异，向下的紫色三角形表示明显负差异。三角形中最大、中、最小填充区域分别表示差异大于95%置信阈值的3倍（非常显著）、1至3倍（显著）以及0.5至1倍（不显著）。空白表示差异相当（小于95%置信阈值的0.5倍）。

图2 基于观测系统模拟试验的新的4DEnVar和4DVar确定性预报的比较，展示了在北半球热带外（a-d）、南半球热带外（e-h）、热带（i-l）地区的ARMSE差异。位势高度、纬向风、温度和比湿变量的预报结果分别展示在第1-4列。