对流尺度集合预报作为数值天气预报的研究热点之一,在提高灾害性强对流天气预报准确率方面具有重要的意义与价值。本文首先利用传统的增长模培育(Breeding Growth Mode,BGM)法针对一次飑线过程开展了对流尺度集合预报试验,对经典的初始扰动方法在对流尺度集合预报中的应用进行了分析研究。随后,结合对流尺度天气系统的强局地特征,围绕着邻域思想改进了对流尺度集合预报的后处理和初始扰动方法,分别进行了降水预报效果评估和集合预报对比试验。主要结论如下:首先,针对传统集合平均平滑掉大量级预报值,降低集合预报对强对流天气预报能力的缺陷,引入概率匹配平均(Probability Matched Mean,PMM)法,从集合预报对飑线结构特征模拟的影响、确定性降水预报及评分检验方面开展了研究。降水预报和评分检验结果表明,对流尺度集合预报的降水预报准确率大于控制预报,传统集合平均在小量级降水预报上更加准确,而PMM法在大量级降水上的预报效果更好。该方法作为一种改进的集合平均方法,使得预报结果既保留了集合平均较好的落区分布,又避免了集合平均平滑削弱掉极端降水量的缺陷。通过对飑线系统结构特征分析可知,集合预报得到的冷池强度增加,飑线后部的雷暴高压范围增大、强度增强,水凝物带状结构更加清晰,风场更加组织化,且模拟出了飑线系统近地面冷池与垂直风切变的相互作用,对飑线结构特征有明显的改善作用。其次,针对当前邻域概率(Neighborhood Probability,NP)法主要考虑高分辨率预报结果的空间位移误差,而不能有效解决预报结果存在时间超前或滞后的问题,将时间维度引入到NP法中,结合分数技巧评分和相对作用特征曲线在不同时空邻域上对降水概率预报效果进行了评估。结果表明,对于此类飑线过程的对流尺度天气系统,邻域半径为15～45km的空间尺度能够改善降水位移误差的空间不确定性,使其预报效果达到最优,其中15～30km的邻域半径对于尺度更小的大量级降水事件预报能力更高。在具有研究意义的时间邻域内,对于小量级降水而言,时间尺度越大概率预报效果越好,而大量级降水的预报技巧随时间尺度的降低而升高。对流尺度降水预报所考虑的时间尺度窗口与降水量级之间存在着对应关系,不同时间尺度可以捕获到不同量级降水的时间不确定性。同时时空尺度两个邻域因素对于降水预报效果的影响是相互关联的。改进的NP法能够同时包含高分辨率模式预报结果在对流尺度降水上存在的时空不确定性,实现了对流尺度降水在时空邻域上的综合评估,并能为不同量级降水提供与其时空尺度相匹配的概率预报结果。最后,结合对流尺度天气系统的强局地特征,将邻域思想引入到初始扰动方法中,得到新型的局地增长模培育(Local Breeding Growth Mode,LBGM)法,并开展了对流尺度集合预报对比试验和适用性检验。LBGM法将对流尺度天气系统的局地相互作用考虑到扰动培育过程中,使得培育后的扰动具有了更多的局地特征。扰动分布较传统BGM法呈现出更显著的大气流依赖特征,得到具有更明确动力学意义的初始扰动。信息熵能够较好地衡量扰动场内部的局地信息量,验证了LBGM法较BGM法能够提升初始扰动局地信息的事实。对于集合离散度而言,LBGM法得到的各扰动物理量在培育阶段和预报阶段均大于BGM法,解决了传统BGM法得到的集合离散度不够高的问题。同时LBGM法进一步降低了各扰动物理量的预报均方根误差,一定程度上提高了集合预报的预报效果。从飑线结构特征和降水预报可以看出,LBGM法得到的结果较BGM法更加接近实况。通过另一飑线过程开展的适用性检验可知,LBGM法能够更好地预报出雷达回波和降水的落区与形态分布,初步检验了新型LBGM法在对流尺度集合预报中的适用性。这为进一步发展应用于对流尺度集合预报的初始扰动方法提供了参考依据。