冰雹、短时强降水、大风等中小尺度强对流天气会带来不可避免的灾害,由于其生命周期短、空间尺度小和局地性强等特点,想要准确预测就变得尤为困难。据相关资料显示,近六十年来我国高原地区以及周边山地是强对流天气的高发区。虽然目前相关专家学者对强对流天气的研究取得了许多成果,但针对高原地区的强对流天气预测还鲜有定量化研究。本文主要是基于多普勒天气雷达数据利用图像处理、模式识别和机器学习的理论和技术,对高原地区冰雹、短时强降水和对流性大风这3种强对流天气构建分类识别模型。主要工作如下:（1）为了更好的构建高原地区强对流天气识别模型,从回波特性、布设地区地形、分辨率三个方面对C波段与S波段雷达进行对比;通过分析海拔高度与0℃层高度对雹块降落距离的影响,构建了2个基于90m分辨率高程数据的高程特征。（2）统计分析了2006-2015年间贵州省域内冰雹天气出现的季节和时刻,并取其中95个冰雹过程作为建立针对我国高原地区冰雹自动识别系统的研究样本。移植了基于S波段雷达数据构建的6个机理性特征。联合采用反映冰雹形成机理的特征和高程特征,构建了基于随机森林的冰雹/短时强降水分类识别模型,提出了一种建立在主成分分析基础之上的冰雹/短时强降水贝叶斯最小错误决策。通过对测试结果的分析,给出两模型“与”融合策略。实验结果表明,本文算法可将用于测试的19例冰雹过程全部识别出来,对89.5%（17例）的冰雹过程给出了提前预警,其中,52.6%（10例）的冰雹过程的提前预警量超过了半小时,将全过程一半以上强降水单体误报成冰雹的过程数占22个降水过程的18.2%。除此以外,在7个指标上本算法测试结果均优于两种经典冰雹指数。最后建立了基于贝叶斯最小错误决策理论的强降水与非强降水间的分类识别模型。（3）为了建立适用于C波段雷达对流性大风识别模型,提取了7类基于图像的与对流性大风相关的特征。通过互信息对特征类的参数或者阈值进行选择,再利用L1-SVM模型进行特征降维,实现了从940维特征中选择出最有效的28维特征来构建对流大风与非对流大风的分类识别模型。