集合预报初值扰动方法是描述数值模式初始误差不确定性的重要手段,也是目前集合预报研究领域的核心技术。奇异向量法(Singular Vectors,SVs)是国际上广泛应用的初值扰动方法之一,但目前普遍采用分辨率较低的切线性和伴随模式计算获得奇异向量,对初始误差的多时空尺度特征代表性不足。因此研究多尺度奇异向量初值扰动方法,代表模式初始误差的多尺度特征,有着重要的科学意义和应用价值。本文基于GRAPES-REPS(Global and Regional Assimilation and Prediction Enhanced System-Regional Ensemble Prediction System)区域集合预报模式,设计了GRAPES区域集合预报多尺度奇异向量初值扰动计算方案,即利用GRAPES全球奇异向量计算技术,以GRAPES区域集合预报模式积分区域为奇异向量计算目标区,通过计算2.5°分辨率、1.5°分辨率和0.5°分辨率3种空间分辨率的奇异向量,分别获得代表大尺度、天气尺度和中小尺度系统初值误差在相空间中最快增长的初始扰动结构。进一步采用高斯取样技术线性组合法构建了GRAPES区域集合预报的多尺度奇异向量初值扰动结构,并通过尺度化放大因子最终获得初值扰动三维结构。然后对2019年1月19日至1月26日进行了总计8天的多尺度奇异向量初值扰动集合预报试验,对比分析了单一尺度SVs初值扰动法与多尺度SVs初值扰动法的初值扰动结构特征及集合预报效果。进一步将多尺度奇异向量初值扰动法与GRPAES全球集合预报(GEPS)降尺度初值法进行集合预报对比试验。获得如下主要结论:(1)分析多尺度奇异向量特征发现,空间分辨率越高,奇异向量所对应的奇异值越大,误差扰动在相空间中增长得越快,且不同尺度的奇异向量选取的优化时间间隔有所差异;基于总能量模计算的SVs结构可以较好地体现出中国地区中高纬大气在垂直方向上对流层中的斜压不稳定特征;SVs能量模的大值区主要分布在大气对流层,小尺度SV能量模垂直分布较为集中,以动能为主要形式,大尺度SV能量模垂直分布更为分散,且位势能占总能量的大部分。(2)基于多尺度奇异向量构建的GRAPES区域集合预报初值扰动场结构合理,扰动量的大小随时间增长,较好地反映了当前大气的斜压不稳定特征;此外,多尺度奇异向量扰动可以在一定程度上描述大尺度以及中小尺度大气运动误差特征,较好地代表了初始场的多尺度不确定信息;从扰动能谱分析来看,多尺度SVs生成的初值扰动较为全面地包含了初始场多个尺度的扰动能量;扰动能谱时间演变特征显示,随着数值模式积分时间的延长,小尺度扰动能量有升尺度传播的趋势。(3)计算了GRAPES-REPS区域集合预报连续试验的集合一致性、连续等级概率评分、离群值等多个集合预报检验评分,结果表明1.5°水平分辨率的SVs初值扰动法在单一尺度SV初值扰动法中预报效果更优,而多尺度SVs初值扰动法明显优于单一尺度SV初值扰动法,也优于GRAPES全球集合预报动力降尺度初值扰动法,不仅可以减少均方根误差和集合预报系统漏报率、提高离散度,还能在一定程度提高降水概率预报技巧。总体而言,基于GRAPES全球奇异向量技术的多尺度奇异向量初值扰动法可以提高GRAPES区域集合预报的预报效果,能为构建一套统一的GRAPES全球和区域集合预报奇异向量扰动方法提供一定的科学依据和应用基础。