Tässä Pro Gradu-tutkielmassa selvitettiin kahden jälkiprosessointimenetelmän, Kalman-suodatuksen sekä MOS-käsittelyn (Model Output Statistics), vaikutusta vuorokauden päähän ulottuviin pintalämpötilaennusteisiin. Tutkimuksessa oli käytössä kolmen eri säänennustusmallin, Euroopan keskipitkien sääennusteiden keskuksen ennustemallin (ECMWF) sekä Ilmatieteen laitoksen HIRLAM- ja HIRLAM-MBE-ennustemallin, ennusteet 33 eri paikkakunnalle Suomessa vuosien 2008-2009 ajalta sekä niitä vastaavat lämpötilahavainnot. Tutkimuksessa pyrittiin selvittämään, miten jälkiprosessointi vaikuttaa kunkin ennustusmallin lämpötilaennusteiden laatuun, jonka lisäksi ECMWF:n ennustemallin osalta pyrittiin selvittämään, löytyykö suursäätilasta yhteneväisyyksiä niissä tapauksissa, joissa mallin ennustevirhe on ollut suuri. Aineisto tutkittiin koko maan kattavana kokonaisuutena, jonka lisäksi se jaettiin myös alueellisesti sekä vuodenaikojen perusteella ajallisesti osiin.
Tutkimuksessa laskettiin ennustemallien lämpötilaennusteista sekä niitä vastaavista havainnoista ennusteille keskivirhe, absoluuttinen keskivirhe, neliöllinen keskivirhe sekä osuvuus. Niiden tarkastelusta käy ilmi, että sekä MOS-menetelmä että Kalman-suodatus ovat varsin käyttökelpoisia menetelmiä lämpötilaennusteiden parantamiseksi. Esimerkiksi ECMWF-ennustemallin lämpötilaennusteen osuvuus koko tutkimuksen aineistossa paranee Kalman-suodatinta käyttämällä 80 prosentista 84 prosenttiin ja missään tutkimuksen aineiston osassa Kalman-suodatin ei tilastollisesti huonontanut ennustetta verrattuna suodattamattomaan malliin. Toisaalta yksittäistapauksissa, joissa suursäätila on nopeasti vaihtunut, on Kalman-suodatin myös huonontanut yksittäistä ennustetta.
Eniten Kalman-suodatin, samoin kuin MOS-menetelmä, parantaa lämpötilaennusteita tilanteissa, joissa esiintyy suuri systemaattinen ennustevirhe. Ennustemallien hilapisteikön rajallisuudesta johtuen, suuri systemaattinen ennustevirhe esiintyy säännöllisesti esimerkiksi joillakin rannikkoasemilla tai havaintoasemilla, joiden ympäristössä maaston muodot vaihtelevat paljon. Esimerkiksi Kilpisjärven havaintoasemalla Enontekiössä ennusteiden osuvuus parani kaikilla ennustemalleilla Kalman-suodatuksen jälkeen yli 20 prosenttiyksikköä.
Suurten ennustevirheiden ja suursäätilan välistä riippuvuutta tutkittiin vain ECMWF:n ennustemallista sekä sen Kalman-suodatetusta aineistosta. Tätä varten valittiin kustakin aineiston osasta 20 suurimman ennustevirheen käsittävää tapausta. Näiden tapausten päivämääristä määritettiin keskimääräiset jakaumat Euroopan alueella pintapaineesta, 850 hPa:n painepinnan lämpötilasta, 700 hPa:n painepinnan kosteudesta, 500 hPa:n painepinnan geopotentiaalikorkeudesta sekä 300 hPa:n painepinnan tuulivektoreista. Lisäksi edellä mainituista määritettiin anomaliajakaumat samalla alueella suhteessa normaalijaksoon 1968–1996, käyttäen Yhdysvaltain liittovaltion sää- ja valtamerentutkimusorganisaation NOAA:n kehittämän säänennustusmallien ja havaintojen uudelleenassimilointimenetelmän aineistoa. Lupaavimmat tulokset suursäätilan ja ennustevirheiden välisestä riippuvuudesta saatiin talviaikana sekä kevätaikana iltapäivän ennusteissa, mutta tarkempia johtopäätöksiä varten tarvitaan vielä lisätutkimuksia.
Tutkimuksesta käy ilmi, että Kalman-suodatin on säämallien lämpötilaennusteiden jälkiprosessoinnissa erittäin käyttökelpoinen menetelmä sekä meteorologin apuna että Ilmatieteen laitoksen sääennusteiden tuotantoprosessin kannalta. Erityisen paljon Kalman-suodatus parantaa Hirlam- ja Hirlam-MBE-mallin lämpötilaennusteita sekä ennusteita alueilla, joissa esiintyy suuri systemaattinen ennustevirhe. Toisaalta huonoimmillaan Kalman-suodatin on tilanteissa, joissa lämpötilatrendi muuttuu äkisti. On kuitenkin erittäin suositeltavaa, että Kalman-suodatus otetaan mahdollisimman nopeasti osaksi Ilmatieteen laitoksen sääennusteiden tuotantoprosessia.