نوع مقاله : مقاله پژوهشی

چکیده

     پیش­بینی دقیق کمیت­های هواشناسی همیشه جزو چالش­های مورد اهمیت بوده است. خروجی­های خام مدل­های عددی هواشناسی(DMO) همواره شامل خطاهای تصادفی و سیستماتیک هستند که باعث کاهش دقت پیش­بینی­ها می­شود. با استفاده از روش­های پس­پردازش بر روی خروجی خام مدل­ها می­توان خطاهای سیستماتیک را کاهش داده و به بهبود دقت پیش­بینی­ها دست یافت. این موضوع ثابت شده است که با استفاده از پس­پردازش آماری، مهارت پیش بینی های قطعی عمدتا از طریق کاهش خطاهای سیستماتیک بهبود می یابد. در واقع فرایند پس­پردازش، با استفاده از روابط آماری بین خروجی مدل و مشاهدات در گذشته، خطای سامانمند بین پیش­بینی­های مدل و مقادیر مشاهداتی در آینده را باید کاهش دهد. در این مطالعه خروجی مدل WRF برای ایستگاه هواشناسی فرودگاه رشت در بازه زمانی 8 ماه و برای کمیت­های دما، دمای نقطه شبنم، دمای بیشینه و دمای کمینه با روش میانگین لغزان(MA) پس­پردازش شد و مورد راستی­آزمایی قرار گرفت. راستی­آزمایی پیوسته در تمام موارد بهبود را نشان داد و مقدار بهبود بر اساس ME از 81 تا 110 درصد و بر اساس RSME  از 4 تا 12 درصد است. با تعریف مقادیر آستانه، در بیشتر مقادیر راستی­آزمایی گسسته نیز بهبود مشاهده شد. 

کلیدواژه‌ها

• پس‌پردازش
• مدل عددی پیش‌بینی هوا
• میانگین لغزان