محمد مرادی - عضو هیات علمی پژوهشکده هواشناسی
سامان مرتضی پور - کارشناس تحقیقات اداره هواشناسی استان گیلان

پیش بینی دقیق کمیت های هواشناسی همیشه جزو چالش های مورد اهمیت بوده است. خروجی های خام مدل های عددی هواشناسی(DMO) همواره شامل خطاهای تصادفی و سیستماتیک هستند که باعث کاهش دقت پیش بینی ها می شود. با استفاده از روش های پس پردازش بر روی خروجی خام مدل ها می توان خطاهای سیستماتیک را کاهش داده و به بهبود دقت پیش بینی ها دست یافت. این موضوع ثابت شده است که با استفاده از پس پردازش آماری، مهارت پیش بینی های قطعی عمدتا از طریق کاهش خطاهای سیستماتیک بهبود می یابد. در واقع فرایند پس پردازش، با استفاده از روابط آماری بین خروجی مدل و مشاهدات در گذشته، خطای سامانمند بین پیش بینی های مدل و مقادیر مشاهداتی در آینده را باید کاهش دهد. در این مطالعه خروجی مدل WRF برای ایستگاه هواشناسی فرودگاه رشت در بازه زمانی ۸ ماه و برای کمیت های دما، دمای نقطه شبنم، دمای بیشینه و دمای کمینه با روش میانگین لغزان(MA) پس پردازش شد و مورد راستی آزمایی قرار گرفت. راستی آزمایی پیوسته در تمام موارد بهبود را نشان داد و مقدار بهبود بر اساس ME از ۸۱ تا ۱۱۰ درصد و بر اساس RSME از ۴ تا ۱۲ درصد است. با تعریف مقادیر آستانه، در بیشتر مقادیر راستی آزمایی گسسته نیز بهبود مشاهده شد.

پس پردازش, مدل عددی پیش بینی هوا, میانگین لغزان