本文利用2004年5-6月国家气象中心中期预报模式T213模式的数值预报产品资料，采用基于MOS的多元线性回归算法，并使用卡尔曼滤波校订技术和集成预报方法研究了改进客观定量温度预报效果的一个途径。采用T213模式输出的物理量资料为预报因子，对作为预报对象的日最高、最低温度进行预处理，建立了滑动多元线性回归温度预报模型(方案一)、使用卡尔曼滤波校订技术的回归模型(方案二和方案三)和集成预报模型(方案四)四种不同的方案，并对2004年7-12月的安庆、合肥、南京和徐州四个站进行逐日最高和最低温度预报试验。 使用卡尔曼滤波校订技术后，预报试验的总体预报效果有明显提高。尤其是由秋季向冬季转换的过程中，未使用卡尔曼滤波的方案一误差增长明显，而使用卡尔曼滤波技术的方案二和方案三表现了对季节转换良好的适应能力。这也充分的说明了，卡尔曼滤波方法可以通过数字化的滤波突出信息，压低干扰，将信息从干扰中分离出来，从而较好地反映物理量的波动情况，同时还能较好地反映物理量的突变性。 经过对四个方案详细的检验和分析结果还表明，方案四通过对前三个方案预报结果的集成，总体效果在四个方案中是最好的，这也说明预报的集成可有效地降低预报的误差，提高预报的准确率。因此，进行释用方法间的预报集成是必要的，也是有效的。 综合以上分析结果，本文所提出的基于小样本(2个月左右)学习的一整套客观温度预报方案，通过利用单数值预报产品的多方法集成释用，可以有效提高客观温度预报业务水平，在基层台站有广泛的应用前景。