پس‌پردازش برونداد مدل میان‌مقیاس MM5 برای دمای بیشینه و کمینه با استفاده از فیلتر کالمن

نویسندگان

چکیده

پیش‌بینی دمای سطح زمین با مدل‌های پیش‌بینی عددی وضع هوا دارای خطاهای قاعده‌مند (سیستماتیکی) است که عمدة 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 پیش‌بینی‌های مدل و دیدبانی‌ها، خطاهای قاعده‌مند را تا حد بسیار خوبی کاهش می‌‌دهد. 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 میان‌مقیاس 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 پیش‌بینی مدل را تا حد قابل ‌قبولی اصلاح کند؛ اما برای روزهایی که خطای مدل کم بود، کاربست فیلتر تأثیر چندانی در تصحیح خطا نداشت. فیلتر کالمن ساده را به دلیل کارکرد رضایت بخش و امکان اجرای آن روی رایانه‌ای با قابلیت متوسط، می‌‌توان برای مقاصد عملیاتی در مراکز پیش‌بینی مورد استفاده قرار داد.

کلیدواژه‌ها


عنوان مقاله [English]

Post processing of MM5 forecasts for minimum and maximum temperature using a Kalman filter

کلیدواژه‌ها [English]

  • Kalman filtering
  • Post processing
  • Maximum and minimum temperature