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。

暴雨及其引发的洪涝、积涝是宁夏最严重的自然灾害之一。构建宁夏暴雨综合灾害风险预警模型有效预估暴雨风险并提前发布风险预警具有重要意义。采用层次分析法（Analytic Hierarchy Process，AHP）和专家调查法（Delphi），综合考虑危险性、暴露性、脆弱性和防灾减灾能力4个因子，构建由宁夏人口、经济、高程、植被等14项评价指标组成的宁夏暴雨综合灾害风险预警模型，并结合GIS技术，对1次暴雨个例进行模拟。结果表明，该模型因素全面，能客观地反映暴雨过程的综合风险等级分布。2022年7月10日的暴雨过程分析显示，危险性最高的区域为银川市金凤区、西夏区，吴忠市利通区，青铜峡及盐池县东部和固原市原州区；暴露性最高的区域为银川市区；脆弱性最高的区域为青铜峡西部、同心县、海原县、西吉县和彭阳县；防灾减灾能力最弱的区域为海原县；综合风险最高的区域为银川市金凤区、吴忠市利通区、海原县和西吉县。通过将该模型与智能网格预报结合，可计算即将发生的暴雨综合灾害风险等级，从而为实际业务中的精准防范提供科学依据。