背景介绍

因为大气由多尺度系统组成，对真实大气状态最佳估计的数据同化是一个多尺度问题。有限区域模式（LAM）的数据同化系统可以 捕获大气系统多尺度特征是非常重要的，包括长度尺度比LAM区域大的系统。然而在以前的研究中发现， 由于有限的区域大小和 LAM区域外没有观测，LAM分析和预报普遍缺乏大尺度特征。此外，侧边界条件公式误差可能对大尺度斜压波形状和传播特征有不 利影响。

区域数据同化和预报系统采用partial cycle策略，通过重新启动数据同化周期来从全球分析场初始化背景场。一种类似的 方法，依赖于当边界误差程序检测到预报误差是，重启动预报。然而，上面的两种方法失去了在之前预报周期中建立的小尺度特征， 需要模式spin-up几个小时。

近年来，已经做出努力来纠正在区域数据同化系统中的大尺度分析误差，一种可能的解决方案是将host model（例如， 全球模式）产生的大尺度信息融合进有限区域模式。融合可以直接从谱空间或格点空间插值实现。除了插值，Brozkova提出了一种 数字滤波融合方法融合LAM预报场和全球分析场，在低分辨率格点，将他们之间的差异加入到LAM预报中。Yang 提出一种空间滤波 来逐步增加融合ECMWF和HIRLAM分析场。这项技术成为“分析融合”。Yang 也提出了一种“背景场融合”方案融合ECMWF预报场和 HIRLAM预报场，给HIRLAM分析场提供背景场。这种方案可以有效地从host model重新引入信息，并且增加了HIRKAM预报准确性。 Tudor和Termonia（2010）提出了一种谱松弛方法，将LAM嵌套在大尺度模式中。他们对该方法进行了可行性研究，改方法改善了 区域侧边界条件缓冲区被的侧边界（LBC）时间分辨率问题。

Guidard和Fischer（2008）提出了一种统计方法，该方法首先将全球分析数据视为要添加到变分数据同化系统代价函数中 的额外信息源。他们通过添加AROEGE分析场作为数据同化的约束，把ARPEGE模式分析场信息同化到了ALADIN模式。最近， Dahlgren和Gustafsson（2012）采用了略有不同的方法，仅同化ECMWF预报中的涡度信息到区域HIRLAM模式的数据同化系统中。 Liu和Xie（2012）指出，将全球预报场的大尺度流量同化到区域模型中可以改善飓风“费利克斯（Felix）（2007）”的路径和强度 预报。