مژده پدرام - مربی پژوهشکده هواشناسی
پروین عربلی - کارشناس مرکز پیش بینی سازمان هواشناسی کشور
نجمه ابوفاضلی - کارشناس آمار پژوهشکده هواشناسی

پس از پردازش برون داد خام مدل های مورد استفاده در پیش بینی عددی وضع هوا، یکی از گام های اصلی و ضروری این فرآیند پیچیده است که به روش های مختلفی انجام می شود. در این گام که غالبا بر پایه تحلیل ها و محاسبات آماری استوار می باشد، خطاها کاهش یافته، عدم اطمینان کمی شده و ساختار نتایج به گونه ای قابل استفاده تبدیل می شود. همچنین برخی از کمیت های جوی محلی مانند دمای کمیته و بیشینه را که توسط مدل های عددی صراحتا قابل پیش بینی نیستند، می توان از این طریق تعیین کرد. در این مقاله ابتدا روش های متداول پس از پردازش آماری داده های خام مدل های پیش بینی عددی مانند آماری برون داد مدل (MOS) ، پیش یابی کامل (PP) و پالایش کالمن (Kalman Filtering) معرفی شده اند. سپس با استفاده از روش PP معادلاتی برای پیش بینی دمای کمیته و بیشینه تهران – مهرآباد به دست آمده و میزان و علل خطاهای آن بررسی شده است. این معادلات بر اساس تحلیل و ایازی خطی بین داده های اندازه گیری شده بین ضخامت لایه های hpa 700-850 و hpa 500-700 به عنوان پیش بینی کننده (متغیر مستقل) و دمای کمیته و بیشینه به عنوان پیش بینی شونده (متغیر پاسخ)، در یک دوره آماری ده ساله (1986-1995) ساخته شده اند. نتایج بدست آمده همبستگی معنی داری را میان متغیرهای مستقل و پاسخ نشان می دهد. در به کارگیری این مدل وایازی برای پیش بینی دمای کمیته و بیشینه از مقادیر ضخامت حاصل از اجرای مدل عددی MM5 استفاده شده است.

پس پردازش آماری ، پیش بینی عددی وضع هوا ، دمای کمینه ، دمای بیشینه