本文采用分层聚类的方法对暴雨回波进行了多尺度识别，分析了不同尺度回波的发展演变特征，考察了TREC和多尺度识别方法对暴雨lh累积雨量的预报能力和效果。论文的主要研究内容和研究成果如下： 1 将层级的 k-means 聚类方法引入到雷达图像的分割，通过对广州飑线过程和温州卡努台风等过程的识别，结果表明：基于k-means的分层聚类方法能够实现暴雨回波的多尺度识别，对雷达连续时次图像的识别结果分析，证明了回波识别结果是稳定的，合理的。 2 这种多尺度识别暴雨回波的方法对参数的变化不是很敏感，有利于将该方法适用于不同的天气情况。在暴雨的临近预报中可以根据预报时效的不同，选择不同的尺度来识别云团。对飑线过程的临近预报，预报1h累计雨量较TREC外推的1h累计雨量更接近于雷达反演的1h累计雨量。 3 对飑线和台风过程进行了暴雨回波的多尺度识别，分析了不同尺度暴雨回波的发展演变特征。结果表明：较小尺度回波的生命史一般在数十分钟，时空变化比较快，易发生合并与分裂，对其外推预测的难度较大，较大尺度回波的生命史一般在数小时，发展演变较慢，易于识别、外推。 4 通过选择合适的参数，利用TREC方法能够跟踪暴雨雨带的移动，对移动矢量场进行连续性检查，可以有效去除杂乱的移动矢量。通过外推，可以对暴雨进行临近预报，预报的准确性随预报时效的增加而降低。 5 利用温州单站雷达对卡努台风的观测资料、福建区域组网雷达对热带风暴碧利斯的观测资料，证明了TREC方法对螺旋雨带的跟踪能力，移动矢量场能够很好地反映雨带的旋转特征和台风眼的位置，螺旋雨带的移动类似于兰金的中尺度气旋模式，在台风眼的位置，移动速度为零，在一定的半径范围内，移动速度随着半径的增加而递增。由于雨带的旋转移动，采用拉格朗日积分方法的预报结果好于线性外推的预报结果。 6 将聚类方法识别暴雨回波与 TREC 跟踪技术相结合，进行暴雨的临近预报，并对TREC技术和聚类技术外推预报结果的误差进行了分析，探讨了位置误差和强度误差对预报误差的影响。