云的观测在天气监测预报、维持大气辐射收支平衡以及大气化学、人工影响天气等多方面有着重要的意义,毫米波雷达在云探测方面比厘米波天气雷达和激光雷达具有显著优势,不仅可以测量云底、云顶和云的垂直分布数据,还可以获得云的雷达反射率、垂直速度等定量数据,时空分辨率高,不受晴空湍流和地物回波的影响,穿云能力强,能够探测多层云的回波,此外,地基毫米波雷达可以进行无人值守的全天候连续观测,非常适合用于云观测业务的自动化。为了开展对毫米波雷达探测的云回波进行自动分类的研究,利用161次云回波的个例数据,统计得到了卷云、高层云、高积云、层云、层积云和积云6类云型的特征量和其它参量的数值范围,利用分级的多参数阈值判别方法,达到了自动分类的目标,通过与人工分类的初步验证,两种分类结果的一致性达到82%,其中,层云和积云的识别一致较低的原因在于样本数据有限,因为仅有10次层云和9次积云的个例样本数据。此外,基于不同季节对各类云的影响,在上述云回波样本数据和多参数阈值法的基础上,按季节不同对卷云、高层云、高积云、层积云4类云型进行分类,结果表明春、夏、秋、冬四季的分类命中率分别为95%、98%、83%和84%,春夏两季的准确率明显有所提高,由此说明按季节进行云回波的统计分类是可行且有效的。通过更多样本的处理,提取的特征参量更可靠,自动分类的准确率会得到提高,以便将基于毫米波雷达的云分类技术应用于将来的云观测自动化业务。