本文利用NCEP/NCAR提供的2006年4～9月1°×1°6小时一次的分析资料以及江苏省气象台提供的相应时段南京地区28个自动站的气温实况观测资料，设计了以地理区域就近原则(方案一)和以系统聚类分析为原则(方案二)划分预报站点的两种方案，分别以MOS方法和一元线性回归分析为基础，结合卡尔曼滤波技术，对南京地区代表站和其它站总计28个站点6小时的温度进行精细化预报试验，目的在于寻求适合南京地区特点的精细化预报降尺度方法。在整个预报试验过程，获得以下主要结论： (1)从众多站点中合理地选取少量代表站首先进行预报，其它站点通过其与代表站的回归方程计算量为依据相继作出预报的精细化思路是可行的。 (2)通过对预报结果的检验表明，两种方案对与不同的站点或时次预报效果各有优劣；如M3622、M3631、M3549等站，方案一明显优于方案二；而对于高淳、溧水等所辖的几个站点，如M3581、M3582、M3591，方案二则优于方案一；从整个预报区域的效果看，两种方案差距很小。 (3)通过对两种方案温度预报的集成，发现集成预报效果明显优于单一预报模式，可以有效地预报误差，提高预报准确率。 (4)综观整个预报试验，以聚类分析为基础，采用MOS方法、回归分析和卡尔曼滤波相结合的降尺度释用技术制作的南京地区精细化温度预报具有较高的使用价值和参考价值。它可用较少的样本资料建立预报模型，得到预报精度较高且稳定的结果；该方法还具有操作简单、使用方便等优点，便于在基层台站推广使用。