本次研究采用WRF模式,基于两次对流性强降水天气过程,使用集合敏感性分析方法(Ensemble-based Sensitivity Analysis;ESA)研究了对流降水预报对前期不同时刻环境场的敏感性,并尝试将敏感性引入到初始扰动当中,提出了基于敏感性的增长模繁殖法(Sensitivity-based Breeding Growth Mode;Se BGM)构建初始扰动,以提升对流天气过程的预报技巧。研究主要分为四个步骤,首先构建后报试验对两次对流个例发生前的天气形势和环境条件进行模拟;随后,基于后报试验的结果,分析对流启动时刻降水强度对前期天气形势演变和热动力条件的敏感性;接着,设计Se BGM方法,通过繁殖循环将不同时刻的敏感性模态持续引入到初始扰动中,对两次对流天气过程进行预报,对预报结果进行分析和评估;最后,使用Barnes滤波方法对敏感性模态进行尺度分离,并按照相同的方法将不同尺度的敏感性模态分别引入至扰动中,探究预报误差随扰动尺度的变化规律,分析扰动的作用机制。研究主要得到了以下几点结论:1.ESA能够揭示对流发生发展与前期天气形势和热动力条件演变之间的关系,体现了系统的移动和强度发展对降水的影响,指示了对降水发生起到关键作用的影响因子,能够为后续的预报提供有价值的信息。2.本文提出的Se BGM法对于对流性降水具有更好的捕捉能力,能够有效地改善预报的技巧。当改变扰动量级探究模式预报对不同量级扰动的响应时,Se BGM方法在两次个例中的预报误差随扰动量级的改变呈现相对规律的发展趋势,且在不同的扰动量级下都具有相对较低的预报误差。从近地面变量的模拟结果来看,Se BGM方法对近地面形势场的预报存在系统性的调整,相对其他扰动方法能够对对流系统的移动速度和位置预报有较明显的提升,使得预报降水雨带的轨迹与实际更加相符。3.将不同尺度的敏感性模态通过繁殖循环引入到扰动中后,不同尺度的敏感性扰动在预报中呈现出不同的特征。中小尺度敏感性扰动侧重于对降水和对流强度的局地调整,而大尺度的敏感性扰动显示出了强烈的系统性调整。三组不同尺度的敏感性扰动在代表对流预报不确定性的过程中都存在一定的局限性。由于ESA方法得到的包含所有尺度的敏感性模态能够反映多尺度的相互作用,能够更好的适应不同的天气过程,对预报具有更大的改善作用。