灾害天气给我国的国民经济和社会生活造成了巨大的经济损失,尤其是暴雨已成为主要的天气灾害。随着气象卫星技术的快速发展及在气象业务中的广泛应用,利用卫星遥感资料监测降水做为一个重要的应用迅速发展起来,同时也成为监测降雨的重要手段之一。利用气象卫星遥感资料,对云团移动的预测及降雨量的估算进行非线性的外推,对于短时临近的预报、洪涝灾害的监测、地质灾害的预警、天气预报准确率的提高等问题都有重要的应用意义。针对目前预报工作中云团的预测和降水的估算方法大多采用线性外推的方法所产生的较大误差问题。本文采用了遗传优化BP神经网络的非线性算法对区域云团移动的预测和降水量的估算展开研究。在区域云团移动的预测中,采用数值预报产品资料建立了云图的预测输入模型,并且利用经验函数正交分解法,对云图图像进行EOF展开,并将得到的一维时间系数序列作为云图预报的输出模型；在降水的估算中：采用Delaunay三角网方法对输出因子进行栅格插值,提高了预测模型的精度。通过本文的研究,避免了由预报员对卫星云图主观的判断和定性的外推所带来的较大误差,从而实现了降水监测过程的客观和定量性预报。本文主要研究内容包括以下几个方面：1.对卫星遥感资料进行实时处理。对卫星数据进行了定位定标的处理和相关坐标系的转换。通过计算图像的经度纬度位置实现图像的定位,而较高精度地理位置的计算对云团的预测及区域降水估算的准确性做了铺垫。2.提出了基于遗传算法的BP神经网络模型(GA-BP)的算法思想。根据遗传算法、BP神经网络理算法之间的互补性,设计出(GA-BP)遗传优化BP神经网络的算法,并将该算法应用于区域云团的监测及降水估算的模型中。从理论上证明了该算法的可行性及可靠性。3.区域云团移动预测模型的设计。本文考虑云在演变的过程中受到环境要素场的综合影响,采用数值预报产品资料建立了云图的预测输入模型,并且利用经验函数正交分解法,对云图图像进行EOF展开,并将得到的一维时间系数序列做为云图预报的输出模型。利用卫星云图资料及数值预报的物理因子,将BP神经网络算法的指导性搜索思想和遗传算法的全局搜索能力的方法相结合,对区域降水云团进行非线性的预测。根据卫星云图资料的变化和发展关系实现对区域降水云团的预测。实验表明通过上述的方法预测的云团与实况云团相关系数达到85%,能较好的反映云态的非线性变化的特点。4.降水非线性估算模型的设计。为了解决自动气象站数据在空间上的散乱性和不完整性问题,在降水估算输出模型中采用Delaunay三角网方法进行栅格插值。利用卫星亮温资料与降水的相关性及BP神经网络算法的指导性搜索思想和遗传算法的全局搜索能力相结合的方法,建立一种基于遗传算法优化BP神经网络的模型(GA-BP),对区域降雨进行估算。实验表明模型的平均相对误差在15%,提高了预报模型的精度,同时预报的稳定性大大提高。5.降水监测系统的设计与实现。利用地面实际观测站的降水资料对整个降水系统进行分析测试。