针对随机参数扰动（SPP）方案中因忽略参数间物理相关性而导致的扰动效果抵消及离散度不足等问题，本文构建了一种参数结构化扰动方法（StruPP），基于参数间的相关性协调多个参数的扰动方向改善集合预报性能。通过选取云微物理方案中影响冰下落速度和云雨自动转化过程的四个关键参数，针对2020年夏季江淮地区两个暴雨个例开展随机物理倾向扰动（SPPT）、SPP、StruPP、SPPT_SPP及SPPT_StruPP五组试验，分析结构化扰动方法的误差演变特征及其在主流随机扰动方案中的优势。结果表明：StruPP方法激发的中、大尺度的误差能量演变与实况降水关联更密切，其总能量主要受潜热能（比湿扰动）主导；与SPP相比，结构化扰动方法通过协调参数扰动方向，有效缓解了扰动抵消，增强了降水、风场、温度和比湿等变量的集合离散度，并显著改善了强降水中心的负偏差；与倾向项扰动结合后，整体预报性能得到了进一步提升。综上，针对云微物理参数的结构化扰动，能够更合理地刻画参数间不确定性，有利于推动多参数协同扰动方案的发展，改善江淮暴雨的集合预报效果。
 

集合预报，参数相关性，结构化扰动，江淮暴雨