水平分辨率为1～5 km的对流尺度集合预报对初始场的微小扰动非常敏感,且初值扰动的演变具有模式依赖、环流依赖和尺度依赖特征,如何构建初值扰动是国内外对流尺度集合预报领域尚未解决的难点问题和研究前沿。2019年,中国气象局自主研发的3 km水平分辨率GRAPES（Global/Regional Assimilation and Prediction System）对流尺度模式业务化,建立GRAPES对流尺度集合预报成为迫切需求,因此开展对流尺度集合预报初值扰动演变特征和初值扰动方法研究,对构建GRAPES对流尺度集合预报初值扰动场具有参考意义和应用价值。本文基于GRAPES＿MESO 3 km对流尺度模式,首先利用其同化分析系统的背景误差和一个二维随机型,构建大、中、小尺度随机初值扰动场,对2020年5月28日至31日开展连续4天的对流尺度集合预报初值扰动尺度敏感性试验,从扰动能量演变和集合预报检验入手,认识了不同背景环流影响下,GRAPES＿MESO 3 km对流尺度集合预报不同尺度初值扰动的演变特征和集合预报效果。最后基于GRAPES全球奇异向量（Singular Vectors,SVs）初值扰动技术,设计2.5°、1.5°、引入湿物理过程的0.5°SVs和多尺度SVs初值扰动计算方案,针对2020年5月30日的中国东部多区域强降水典型天气个例,开展SVs初值扰动对流尺度集合预报试验,分析其集合预报结果。获得如下主要结论:（1）大尺度初值扰动总能量随积分进行呈增长态势,而中、小尺度初值扰动总能量随模式积分以日变化为主,且扰动总能量小尺度分量的日变化占主导;初值扰动总能量增长具有环流依赖特征,在斜压不稳定较强的北支槽区,大尺度初值扰动总能量增长突出,而在南海夏季风影响区,大、中、小尺度初值扰动总能量发展均较弱;扰动总能量在不同积分时段的多尺度串级特征不同,积分前3 h为扰动总能量的大尺度分量向小尺度分量的降尺度串级,积分6 h后则为中、小尺度分量的升尺度串级。（2）对流尺度集合预报的等压面和近地面要素预报结果受初值扰动尺度影响较大,大尺度初值扰动的概率预报技巧最高。但不同环流区域的降水集合预报效果有差异,在斜压不稳定主导的华北降水区,大尺度初值扰动在24 h累积降水各量级均具有更高的概率预报技巧;而在弱梯度（weak-gradient）的华南暖区暴雨区,小尺度初值扰动24 h降水的中雨及以上量级的概率预报技巧更高。（3）基于GRAPES的2.5°、1.5°和湿0.5°SVs均能较好地捕捉斜压不稳定区域的初值不确定性,但不同分辨率SVs初值扰动演变和集合预报效果不同,其中,1.5°SVs初值扰动总能量发展最强,集合预报可靠性和概率预报技巧最高,而湿0.5°SVs可以提高等压面风场和温度场积分0～6 h的离散度增长率。此外,受目标区域影响,SVs初值扰动对降水的影响主要体现在斜压不稳定较强的华北地区。（4）多尺度SVs初值扰动可以进一步改进单一1.5°SVs初值扰动的预报效果,主要体现在提高了积分24 h后的离散度增长率,且在华北24 h降水的中雨和大雨量级的概率预报技巧更高。此外,不同分辨率SVs所占权重对集合预报结果具有重要影响,当1.5°SVs占比最多时,初值扰动能量发展最强,离散度和一致性也最优。基于以上研究结果,在天气系统复杂、动力不稳定时空分布不均匀的区域（如中国区域）发展对流尺度集合预报时,大尺度初值扰动也很重要,且有必要针对不同的不稳定天气区,构建具有尺度依赖和环流依赖的初值扰动结构,而基于GRAPES的SVs初值扰动能在一定程度上表征对流尺度模式斜压不稳定区域的初值不确定性,且多尺度SVs引入了更多尺度初值不确定性信息,未来有必要针对该方法开展更加深入的研究,构造尺度适应和环流适应的对流尺度集合预报初值扰动场。