协方差膨胀是减弱基于集合的资料同化方法中采样误差和模式误差的一种策略。本研究针对中国气象局（CMA）当前业务化运行的全球资料同化系统，提出了一种加性膨胀方法。该系统采用集合四维变分（En4DVar）框架，融合了短期集合预报所提供的流依赖背景误差协方差，并采用静态乘性膨胀方法来增大集合离散度。与静态乘性膨胀方法相比，本研究提出的加性膨胀具有动力误差增长特性，能够更好地考虑模式误差对流依赖背景误差协方差的影响。单点观测试验表明，加性膨胀保留了分析增量的流依赖特征，且与静态乘性膨胀相比，产生的分析增量幅度更小，但得到的分析场更为准确。循环同化试验表明，与静态乘性膨胀相比，加性膨胀改进了位势高度和温度的分析场，且加性膨胀相对于静态乘性膨胀的优势主要来自于小波数尺度。由分析场起报的预报试验表明，在北半球和南半球上，加性膨胀产生的预报结果在从地面至10 hPa的所有状态变量上均显著优于静态乘性膨胀，尽管在南半球的显著改进幅度较小，且有效预报时效较短。
 

资料同化，协方差膨胀，集合四维变分同化