冰雹识别技术研究对提前防御和减轻冰雹灾害具有重要意义。本文基于支持向量机（Support Vector Machine，SVM）模型和Kolmogorov变量筛选过滤器，利用FY-2G卫星的7项反演产品开展冰雹识别方法研究。以贵州省2020—2022年30个冰雹日368组未降雹点与降雹点FY-2G卫星反演产品数据作为数据集，分别基于Linear核函数、Radial Basis Function（RBF）核函数、Sigmoid核函数建立L-SVM模型、RBF-SVM模型、S-SVM模型开展冰雹识别，通过交叉检验提升模型冰雹识别结果的可靠性，并对识别准确率分布进行分析，利用Kolmogorov变量筛选过滤器优化模型输入参数。 结果表明：3种核函数SVM模型均能对降雹点和未降雹点进行有效识别，且准确率均超过70%。其中，RBF-SVM模型对总样本和未降雹点样本的识别准确率最高，分别为87.50%和91.85%；S-SVM模型对降雹点识别准确率最高（89.13%）。利用Kolmogorov变量筛选过滤器优化模型输入参数后，模型识别准确率有不同程度提升。对于未降雹点数据集，优化输入参数后RBF-SVM模型和S-SVM模型识别准确率均达92.93%；对于降雹点数据集，S-SVM模型识别效果最好；对于总数据集识别效果最好的是优化输入参数后的RBF-SVM模型。综合识别效果最好的是输入参数优化后的RBF-SVM模型，若识别降雹区域则主要关注S-SVM模型识别结果。

利用NECP 1° × 1°的6 h 再分析资料、区域自动站资料以及多普勒雷达资料，对2010 年7 月31 日南疆西部最强一次区域性暴雨过程的环流背景、大气层结特征、水汽收支及雷达回波形态等方面进行诊断分析，揭示此类暴雨的动力成因、水汽来源和雷达回波特征。结果表明: 此次暴雨过程是在南亚高压东西振荡、西太平洋副高西伸、中亚低涡维持加深、高空西南气流发展、低空偏东急流的环流背景条件下产生的; 垂直上升运动剧烈区域及水汽辐合区域与大降水的落区较为吻合; 中亚低涡携带西方水汽东移南下，低纬孟加拉湾、阿拉伯海水汽西北上以及贝加尔湖的偏东水汽爬上“冷池”西送，3支水汽在南疆西部产生辐合，西、南边界水汽输入达401 亿t，占总输入量的98%; 对流层低层对
流不稳定配合对称不稳定使得垂直及斜升气流先后发展，利于发生强度强、范围广的降水。线性多单体发展、传播及中—γ 尺度的对流单体发展、新生，是造成此次降水的主要回波特征。

利用常规气象资料和喀什多普勒雷达资料，从天气形势、T213数值预报物理量场和雷达回波演变特征分析2008年5月26日克州境内出现的一次大范围强对流天气过程的成因。结果表明：此次天气过程发生在中亚低值系统，高空冷空气的侵入对不稳定能量释放起触发作用，高低空急流的相互配置为此次天气过程的发生提供了有利的动力抬升条件，大气不稳定层结和良好的水汽输送条件有利于对流天气的形成和发展；表现在雷达回波强度的不断发展加强和径向速度的风场辐合。