灾害性天气的集合预报是目前数值天气预报的研究热点,对保障人民生命财产安全有重要的意义。本文对一次冷涡暴雨过程基于传统增长模繁殖法(BGM)和集合变换卡尔曼滤波法(ETKF)开展集合预报试验,研究了不同初始扰动方法在区域集合预报中的表现。随后基于天气系统在发生发展过程中的局地差异性,引入局地增长模繁殖法(Local Breeding Growth Mode,Local-BGM)生成初始扰动,进行集合预报对比试验。在空间邻域法中同时考虑时间邻域的影响,评估降水的概率预报效果。结论如下:BGM法生成的初始扰动在培育阶段经过24-30小时的培育后保持稳定,并且在模式中层和低层扰动更稳定。BGM法对扰动变量的预报结果要优于控制预报,对水平纬向风和经向风的改进幅度更明显。对于降水的强度和落区预报,BGM法的预报准确率均高于控制预报,显著提高了降水评分,同时集合平均预报能够有效综合各集合成员的降水情况,对降水的范围预报比控制预报更接近实况,并且强降水的量级大小要比控制预报更合理。ETKF法同BGM法一样,对扰动变量的预报结果要优于控制预报,在预报阶段后期要比BGM法更稳定,但对某些量级降水的改进程度不如BGM法明显。考虑天气系统的局地化分布特征引入局地Local-BGM法,即在培育周期结束时通过计算各格点周围局地半径范围的均方根误差与整层均方根误差之比来对扰动进行调整。与传统BGM法相比,Local-BGM法同样可以调整扰动的大小,使之在均方根误差意义上与初始扰动保持一致,但Local-BGM法调整后扰动出现了更多的局地信息。Local-BGM法能够降低各变量的均方根误差,并且提高集合离散度。综合两种方法的降水预报结果可以看到Local-BGM法在各个量级有更好的预报效果,并且对强降水带的位置预报要比传统BGM法更接近实况。邻域概率法(NP)能够结合邻域范围内格点的降水信息,改善由于落区误差导致的空间预报不确定性。基于所有集合成员的邻域集合概率法(NEP)结果有最高的FSS评分,在强降水要显著优于控制预报和集合平均(EM)法。在空间邻域概率法中加入时间维度,对概率预报结果在不同时空邻域上进行评估,控制预报、EM预报和NEP法预报的FSS评分均要高于仅考虑空间邻域的情况,并且降水量级越大改善效果越明显,能够得到更合理的极端降水概率预报结果。