针对2003年7月5日江淮流域一次暴雨过程，以NCEP／NCAR1°×1°再分析资料为背景场，采用WRF（weather research and forecasting）模式及其三维变分同化系统，对雷达径向风和E-VAP（extended velocity azimuth processing）反演的水平风场进行了直接同化和反演同化试验，结果表明：直接同化雷达径向风资料后，增加了初始风场的中小尺度信息，改善了垂直速度条件，且在风场作用下水汽分布得到改善；反演同化资料虽然能增加初始场的中小尺度信息，但效果不如直接同化明显；无论直接同化还是反演同化都能改善降水预报，但直接同化好于反演同化，且间隔5～6min比30min的直接同化模拟效果好。
基于前后张驰逼近(Back and Forth Nudging,简称BFN)和集合卡尔曼滤波(En KF)方法,构建了一种新的同化方法 HBFNEn KF(Hybrid Back and Forth Nudging En KF)混合同化方法,并将此同化系统分别与通道浅水模式(shallow water model)和全球浅水模式对接,检验了HBFNEn KF同化方法的有效性。同时,对比了集合均方根滤波(En SRF)、HNEn KF(Hybrid Nudging En KF)、HBFNEn KF三种方法在有误差模式中的同化效果。试验结果表明:HBFNEn KF同化方法保留了HNEn KF方法的同化连续性,解决了En KF同化不连续不平滑的问题,同时还有着更快的收敛速度;当采用单变量分析试验时,HBFNEn KF方法的优势最为明显,表明HBFNEn KF能够较好地保持不同模式变量间的平衡。此外,增量场尺度分析结果表明:相比En SRF,HBFNEn KF在大尺度范围有更好的同化效果,同时能够避免在中小尺度范围内出现大量的虚假增量。
