为避免反射率因子直接同化时非线性观测算子线性化带来的线性近似误差问题,目前许多研究和业务中通常采用间接同化方式来同化雷达反射率因子,其通过背景场的温度判定水凝物类型及比例。本文针对雷达反射率因子间接同化,指出了温度判定间接同化方案中水凝物粒子反演存在经验性的问题。为了更合理地分配水凝物比例及更好地同化,本文采用了一种实时天气背景的雷达反射率间接同化方案,其旨在根据背景场获得不同天气形势下不同反射率区间各水凝物对总反射率的贡献,首先通过观测系统模拟试验探讨了该方案的可行性,其次通过4个暴雨个例探讨了该方案在不同暴雨类型中的表现,最后在CMA-BJ业务系统中测试了该方案的实用性及应用价值。本研究的主要工作如下:1.本研究采用了一种实时天气背景的雷达反射率因子间接同化方案。该方案中水凝物粒子识别和配比的参数是根据背景场中不同反射率区间各水凝物对总反射率的贡献获取的。观测系统模拟试验结果表明,该方案通过结合背景场水凝物的实时分布特征,反射率因子获得的水凝物相态及比例与真实更为接近,结构更为合理。逐小时循环同化预报结果显示,由于该方案中的水凝物反演过程中包含了背景信息,从而引入了微物理过程的约束,使得水凝物与其他模式变量更为协调。通过对温度和湿度物理量的诊断可知,水凝物信息通过模式的热动力和微物理过程逐渐传递至温度和湿度变量,而温度和湿度预报的改善最终带来了短时累积降水和反射率因子预报结果的改善,从而减小了预报结果的误差。2.基于实时天气背景的雷达反射率因子间接同化方案,进行了4次暴雨过程（2次强对流,2次锋面）的循环同化及预报试验。结果表明,对于强对流暴雨个例,相对于传统温度判定方案,实时天气背景方案的温度预报误差更小、降水预报评分更高,而对于锋面过程区别不明显;进一步机理分析表明,对于强对流暴雨个例,实时天气背景方案由于在同化反射率因子时引入了实时天气背景信息,使得分析场水凝物结构能够更好表征实际对流特征且与其它模式变量更为协调,进而改善了模式预报的热、动力及水汽条件,从而改善了降雨预报效果;而锋面暴雨由浅对流过程占主导,水凝物以低层的雨水为主导,冰相水凝物对于该过程的影响较小,由于两种方案反演的雨水结构和量级均相似,因此降雨预报差异较小。3.为测试实时天气背景的反射率因子间接同化方案在业务系统中的实用性及应用价值,本研究基于CMA-BJ业务系统针对两个暴雨个例进行了快速更新循环同化试验。试验表明:对于“7·20”河南暴雨个例,实时天气背景的反射率因子间接同化方案不仅预报出了郑州的降水,并且能够明显改善漏报的现象。而对于“8·16”海淀暴雨个例,该方案模拟的强度与观测更为接近。对于以上两个个例,实时天气背景的反射率因子间接同化方案均能够一定程度改善个例的降水预报结果并且提高降水评分,这证明了实时天气背景的雷达反射率因子间接同化方案在实际业务运行中具有一定的有效性及潜在应用价值。