پس پردازش برونداد مدل میان مقیاس MM5 برای دمای بیشینه و کمینه با استفاده از فیلتر کالمن

پیش بینی دمای سطح زمین با مدل های پیش بینی عددی وضع هوا دارای خطاهای قاعده مند (سیستماتیکی) است که عمده آن دلیل پایین بودن میزان تفکیک توپوگرافی و نیز نقص در پراسنجی فرایندهای فیزیکی متفاوت در مدل است. فیلتر کالمن روشی است که با یک الگوریتم ساده و نیاز به ورودی برای مدتی کوتاه، با ترکیب پیش بینی های مدل و دیدبانی ها، خطاهای قاعده مند را تا حد بسیار خوبی کاهش می دهد. در این مقاله، فیلتر کالمن روی دماهای بیشینه و کمینه در دو متری سطح زمین برای 117 ایستگاه در ایران و به مدت 120 روز اعمال شده و نتایج مربوط به هفت ایستگاه ارائه شده است. مدل مورد استفاده، مدل میان مقیاس MM5 است و مدت آموزش فیلتر هفت روز انتخاب شده است. تحلیل آماری نتایج نشان داد که فیلتر کالمن برای روزهایی که خطای مدل زیاد یا متوسط بود، توانست پیش بینی مدل را تا حد قابل قبولی اصلاح کند؛ اما برای روزهایی که خطای مدل کم بود، کاربست فیلتر تاثیر چندانی در تصحیح خطا نداشت. فیلتر کالمن ساده را به دلیل کارکرد رضایت بخش و امکان اجرای آن روی رایانه ای با قابلیت متوسط، می توان برای مقاصد عملیاتی در مراکز پیش بینی مورد استفاده قرار داد.