新一代天气雷达的大量部署使用使得我国的灾害性天气的监测、预警水平有了很大的提高。由于新一代天气雷达探测能力的提高,在气象条件为晴空或有云但无降水的情况下,在雷达站附近经常可观测到大面积的非降水气象回波。这些回波对定量估测降水和雷达资料同化效果产生重要影响,为了有效识别这些非降水回波,在分析该类回波相关特征的基础上,本文使用北京SA雷达数据发展了基于模糊逻辑识别和回波分块的非降水气象回波识别算法。本文提到的非降水气象回波指的是在地面没有降水的情况下雷达探测到的大片回波。该类回波出现时,大部分情况下天空云量较少。在云较多的时候也有可能探测到该类回波。此外,非降水气象回波中也可能夹杂昆虫与鸟的回波。因为北京SA雷达探测到的非降水气象回波大部分为晴空回波,因此本文主要分析了北京地区的晴空回波特征及其与地面天气条件的关系。结果表明北京地区的晴空回波具有明显的日变化与季节变化特征。当11月份日平均气温开始低于0℃时,晴空回波不再出现。晴空回波出现时,地面风速均在6m/s以下。在回波识别时,首先借鉴SCIT(Storm Cell Identification and Tracking)算法原理将回波组合成片,在计算回波片属性值的基础上对PPI(plan position indicator)进行了初步的分类。对于不能初步判断为降水的PPI,依据相关参量及隶属函数对回波片的属性值进行计算,得到片内回波逐点识别时的阈值,从而实现了回波的动态阈值识别。当片回波属性值大于或等于0.5时,使用0.5作为点识别时的阈值；当片回波属性值小于0.5时,用1减去该属性值作为点识别时的阈值。当点回波的属性值大于或等于阈值时,将该点识别为非降水气象回波。这样做可以提高大部分降水回波的阈值,有助于减少降水回波的误判。但也应注意的是,这样做也会提高一些非降水回波的阂值,在一定程度上降低某些非降水回波的识别率。结果表明：该算法对大部分非降水气象回波识别效果较好,对较强降水回波误判较少,弱降水回波有时会出现较明显的误判。与NCAR的ICADA方法相比,动态阈值的方法能明显提高非降水气象回波的识别正确率,减少降水回波的误判。虽然本文方法所使用的参量及隶属函数是基于北京SA雷达的数据得出的,通过对杭州SA雷达的数据进行分析,本文方法对北京、杭州两地雷达的识别效果差别不大。本文对方法进行了业务化测试,单个基数据的处理时间一般在2s以内,可以满足业务化运行的需要。但本文方法仍有一定的不足,在回波片属性计算时所用参量较少,在弱降水的误判方面需要进一步的改进,较强非降水气象回波的识别效果需要进一步的改善。对于其它地区的雷达,所用参量及隶属函数可能需要进一步的调整。