本文针对多普勒天气雷达数据的质量控制和实际应用中需要解决的问题,进行了退速度模糊、风场反演和临近预报等方面的研究：1.针对目前业务应用中多普勒天气雷达资料退速度模糊容易退错的问题,提出了一种新的自动退模糊方法——零速线搜索法。从雷达原点开始到最远探测距离,搜索线性风场的两条零速线,同时确定零速线两侧区域的标准速度符号。然后,逐点比较径向速度场中数据点的速度符号与所属区域的速度符号,若两者相同,认为该数据点速度值正确；若两者相反,则认为该数据点为速度模糊,并修改为正确的速度值。实例的退模糊结果表明,零速线搜索方法合理有效,能够正确退除存在孤立回波、距离折叠等情况的速度模糊。从思路和方法上改进了传统线性外推方法退速度模糊容易退错的问题。2.针对多普勒雷达资料反演风场的VVP(Velocity Volume Processing)方法中出现的病态矩阵问题,提出了一种改进的VVP方法——SVVP(Step VVP)方法。SVVP方法采用分步反演的策略,计算线性方程组的各个变量,降低了方程组的条件数,克服了VVP方法中的病态矩阵问题,在分析体积很小的情况下仍可以得到较理想的反演结果,同时详细分析了反演过程中的误差来源和大小。对对流单体和台风资料的反演结果表明SVVP方法是可行的,能较有效地获得中小尺度对流系统的风场结构。3.针对利用多普勒天气雷达资料进行临近预报中需要改进对流单体的识别和跟踪的问题,提出了新的对流单体识别方法和预警方法,尝试将现代优化算法应用于对流单体追踪。新的对流单体识别方法利用搜索邻近点技术识别二维对流单体分量,并且改进了对流单体分量的垂直相关来构造三维对流单体,克服了传统方法中的识别缺陷。尝试利用现代优化算法(模拟退火算法,遗传算法,蚁群算法)进行对流单体的匹配和追踪,实验结果和理论分析显示,模拟退火算法和蚁群算法对于对流单体追踪简单有效,参数直观可调；遗传算法受限于遗传操作方式,效果不理想。基于风暴演化规律和特征量分布特征,将对流单体分为强对流单体和普通对流单体,并用支持向量机方法进行辨别,结果表明支持向量机能够指示对流单体的演化阶段和强弱变化,为强对流天气的预警提供了有力的工具和参考。