随着多年以来科学知识和技术发展的持续积累，数值天气预报的发展如同一次寂静革命，也是目前最常用和有效的天气预报方法，并且每天都在世界各地主要的业务预报中心运行。初始条件的准确程度直接影响着数值天气预报的成败，而资料同化可以利用最优化的理论与方法将各种有效观测信息与数值模拟结果充分融合从而为数值天气预报提供准确的初始场。 

　　中国科学院大气物理研究所张洪芹、田向军等人基于WRF数值预报模式（亦可被任意全球或区域模式替代）、多重网格同化框架构建了多重网格NLS-4DVar资料同化系统SNAP（System of Multigrid NLS-4DVar Data Assimilation for Numerical Weather Prediction）。SNAP系统采用业务化的NCEP/GSI分析系统的观测资料质量控制与观测算子模块，用以计算同化模块所需要的模拟观测等；SNAP同化系统采用多重网格NLS-4DVar同化框架可从大尺度到小尺度顺序修订误差、加速迭代；同时，NLS-4DVar方法利用高斯--牛顿显式迭代、可有效应对预报模式和观测算子的高度非线性；SNAP中快速局地化方案的使用，进一步地提高了同化效率；不同于一般变分同化系统所采用的控制变量方式，SNAP的同化变量为模式变量。通过真实个例和一周的循环同化常规资料试验，评估SNAP同化系统。数值试验结果表明SNAP系统通过同化常规观测资料，强降水的强度和位置均得到较好改善。初始场分析增量的结果与降水预报结果有很好的一致性。降水分量级TS评分的结果也表面SNAP同化系统可以有效吸收观测信息、改进初始场，进而改进降水预报。

欧洲中期天气预报中心对南北半球（热带除外）3天、5天、7天和10天的500hPa高度场业务预报水平发展情况（引自Bauer等，2015）

　　以上研究已被《Advances in Atmospheric Sciences》接收并出版，张洪芹为第一作者, 田向军研究员为通讯作者。 

　　论文信息： 

　　Zhang, H. Q., X. J. Tian, W. Cheng, and L. P. Jiang, 2020: System of Multigrid Nonlinear Least-squares Four-dimensional Variational Data Assimilation for Numerical Weather Prediction (SNAP): System formulation and preliminary evaluation. Adv. Atmos. Sci., 37(11), http://www.iapjournals.ac.cn/aas/en/article/doi/10.1007/s00376-020-9252-1