为改善GRAPES(Global and Regional Assimilation and Prediation System)区域集合预报初始扰动场的质量，准确刻画中小尺度天气系统预报误差结构特征，提高区域集合预报水平，本文在GRAPES区域集合预报等压面ETKF（集合转换卡尔曼滤波）初始扰动方案的基础上，首先引入对流层低层大气运动信息对原方案进行优化，发展建立了与GRAPES m3DVAR系统完全一致的模式空间mETKF初始扰动方案，解决了现有等压面ETKF初始扰动方案与模式空间同化系统不协调的问题，从而更好地改善了集合扰动质量及其随预报时效增长的合理性。试验结果表明，吸收对流层低层大气运动信息后的初始扰动方案，更加合理地反映了低层中小尺度大气运动特征，显著提高了区域集合预报初始场质量。模式空间mETKF初始扰动方案对各模式物理量预报结果均有明显改善，新方案的集合预报性能在一定程度上得到提高。主要研究结论如下:　　(1)引入低层大气信息的ETKF初始扰动方案，能够合理地捕捉低层中小尺度天气系统的扰动信息、准确地描述中小尺度天气系统预报误差的结构特征;较好地改善了集合离散度，体现了集合预报的不确定性，提供了大气更多可能发生的状态。集合预报的降水预报效果及物理量场的质量得以改善。　　(2)模式空间mETKF扰动方案的集合预报在预报初始时刻扰动总能量和集合离散度更加合理，捕捉快速增长的分析误差的能力得以提高，更好地表现了预报误差随模式增长的特征。基于集合预报的各类评分优势明显，较高的可辨识度和可信度等均表明改进后的方案一定程度上提高了集合预报性能。　　(3)模式空间mETKF初始扰动方案与GRAPES同化系统更加协调，有效避免了插值误差，并进一步改善了基于mETKF初始扰动方案的区域集合预报系统的性能，为我国GRAPES-REPS业务预报系统的升级和完善奠定了科学基础。