GRAPES全球4D-Var

**数据同化，指的是通过各种数学物理手段，将多源观测数据的信息，尽可能完整、准确地整合到一个空间分布均匀，时间序列连续，物理意义合理的气象场当中，为数值天气预报模式提供更加精准的初始场。
传统的资料同化方法主要为各种空间和时间插值，包括人工填图插值、Cressman插值、牛顿松弛逼近法（nudging）、最优插值等等。近二十年来，随着计算机算力的增强，各种计算量更大、同化效果更好的技术也应运而生，比如三维变分（3D-Var）、四维变分（4D-Var）、卡尔曼滤波等由大数据驱动的算法。
观测资料同化如同制作一份描述大气初始状态的原材料，也就是初值，经过数值预报模式的运算“加工”，未来天气精细化预报的“饭菜”就出炉了。
观测资料同化作为智慧气象的基础，其最新的GRAPES全球四维变分资料同化系统（简称GRAPES全球4D-Var）**历经十年研发，投入业务化运行，大大提高了大尺度天气系统预报的稳定性和准确度，成为全球预报的坚实基础。
（GRAPES全球3D-Var）在三维变分资料同化中，多个时刻的大气状态数据，如温度、湿度、气压、风速等，被假定为同一时刻，通过数值预报模式运算，得出未来某一时刻的天气状态。而四维变分资料同化，则是在三维变分资料同化的基础上，加入时间维度信息，把多个时刻的大气状态数据联系起来，找到数据之间的变化关系，再以此通过模式运算推算出未来天气。
正是基于对天气数据间变化关系的了解，通过四维变分同化