在高分辨率对流可分辨数值预报中，有限区域模式易累积大尺度偏差，且传统单尺度局地化难以充分利用FY4A等全空卫星观测的多尺度信息，导致中低层环境场模拟与对流预报精度受限。为解决上述问题，本研究构建基于混合尺度集合信息的对流尺度双局地集合-变分同化（BDLEnVar）同化框架，旨在兼顾背景场与背景误差协方差的多尺度特征，提升对流可分辨分析及预报能力。

本研究的核心创新点在于：一是将全球集合大尺度信息通过六阶切线性隐式滤波器，融入区域模式集合背景场与流依赖背景误差协方差，弥补区域模式大尺度信息不足的缺陷；二是在集合变分框架中引入双局地化方法（图1），分别针对中α尺度与中β尺度设置差异化局地化半径，实现多尺度分析增量的构建；三是将该方案应用于FY4A全天空红外辐射率资料同化，挖掘静止卫星观测在对流系统监测及预报中的多尺度价值。

研究采用4 km分辨率WRF模式，选取2022年6月江淮流域两次典型强对流过程（多尺度系统相互作用的梅雨期对流、单一中尺度系统驱动的局地对流）为试验个例，设计4组对比试验，系统评估BDLEnVar方案的同化与预报效果。试验同化FY4A AGRI全天空辐射率资料与GTS常规观测，结合连续循环同化及预报试验验证方案有效性。

研究结果表明，单独应用尺度混合或双局地化均可提升预报效果，其中尺度混合贡献更为显著，二者结合的BDLEnVar方案表现最优。该方案有效优化了大尺度环境场、水汽输送与热力垂直结构模拟，增强低层弱上升运动（图2），精准刻画对流区域，改善降水落区与量级预报，FSS降水评分得到提升（图3）。在多尺度天气系统相互作用的对流过程中，方案改进效果更加突出。连续循环同化及预报试验证实，BDLEnVar可有效降低对流尺度预报的中低层风、温、湿要素均方根误差，优化云雨区气象条件模拟能力。

图1（a）不同截止长度尺度下六阶切线性隐式滤波器的振幅响应（黄色部分为混合尺度后的区域模式，蓝色部分为全球模式）（b）引入尺度混合方法和双局地方法的集合-变分同化流程图。

图2 2022年6月24日01时（a-d）850 hPa流场（流线）、500 hPa位势高度与ERA5的差值场（填色：dagpm）；（e-h）相当位温（等值线：K），垂直风速（箭矢，w放大十倍：m/s）和水平风速（填色图：m/s）沿降水中心的剖面，垂直风速小于10 m/s的部分被掩膜。

图3 不同阈值下逐小时降水FSS评分时间序列图。

以上研究成果发表于国际地学类SCI期刊Journal of Advances in Modeling Earth Systems。

论文信息：

Wang, Y., Qian, X., Chen, Y., Li, X., Min, J., & Deng, Y. (2026). Enhancing regional ensemble‐variational data assimilation for convection‐permitting prediction with combination of the dual‐localization and scales blending of global and regional ensembles. Journal of Advances in Modeling Earth Systems, 18, e2025MS004946. https://doi.org/10.1029/ 2025MS004946