强对流天气是一种破坏力极强的灾害性天气,严重威胁人民的生命财产安全。多普勒天气雷达是监测和预警强对流天气的主要工具之一,利用雷达基数据可以实现对强对流天气的识别、跟踪和预报。本文以雷达回波反射率图像为基础,在图像上确定强对流天气区域,通过分析提取相应的回波特征,进而利用数据挖掘技术建立客观识别模型。在识别的基础上,提出风暴单体跟踪算法,获取强对流天气的连续时序过程,最终实现强对流天气的有效预报。本文主要工作如下:(1)将雷达基数据中回波反射率因子转化为反射率图像,对85个冰雹过程和81和暴雨过程共1197个样本进行分析,提取风暴单体的图像特征,结合常用气象特征建立样本特征数据库。(2)利用数据挖掘中粗糙集理论方法,对样本特征数据库进行数据挖掘,生成冰雹暴雨天气分类规则,建立强对流天气的客观识别模型,采用标准投票的决策方法,实现强对流天气的自动识别。(3)通过分析两种风暴跟踪预报算法:TITAN算法和SCIT算法,提出适合京津冀地区的单体跟踪算法,兼顾了风暴内部结构和整体信息,并且改善了风暴间虚假合并问题。(4)使用加权最小二乘法,拟合时序过程中连续体扫内单体质心的运动轨迹,计算得到单体平均运动向量,实现风暴单体位置的预报。综上所述,本文实现了强对流天气的自动识别,提高了强对流天气的识别准确率,并在识别基础上完成对强对流天气的跟踪和预报。