本文用条件非线性最优扰动(CNOP)方法，研究了台风目标观测中的敏感区识别问题。针对三个台风个例(0509号台风麦莎、0422号台风米雷、0414号台风云娜)，应用MM5模式及其伴随系统，分析了如何用CNOP方法确定敏感区，考察了扰动约束值、度量范数、投影算子、参考态、模式分辨率、积分时间长度等条件对CNOP识别的敏感区的影响，且从预报误差的能量、台风的路径和强度的预报效果等方面检验了上述不同条件下CNOP识别的敏感区的有效性，探讨了该类敏感区的物理意义，而且与第一奇异向量(FSV)方法识别的敏感区进行了比较。　　 主要结论如下：　　 1.CNOP识别的敏感区依赖于初始扰动的大小。初始扰动较小时，CNOP和FSV识别的敏感区较为相似；而初始扰动较大时，如当初始扰动大小和当前数值天气预报分析场误差相当时，CNOP和FSV识别的敏感区则可能有较大差别，而且CNOP识别的敏感区对提高验证区域和台风的预报技巧的提高更有效。　　 2.CNOP识别的敏感区对度量范数、参考态、投影算子、模式分辨率以及积分时间长度有一定的依赖性，这与FSV方法类似。然而存在显著的差异。　　 (1)与FSV相比，CNOP识别的敏感区对空间分辨率以及基态初始场(即参考态)的敏感性要小；当采用使模拟结果较好的高分辨率时，CNOP和FSV识别的敏感区差别很大，而此时CNOP识别的敏感区对提高台风预报技巧更有效，FSV识别的敏感区只有在低分辨率下才有效。　　 (2)虽然CNOP和FSV识别的敏感区都依赖范数，但它们各自在动能、干能量、湿能量等能量范数下得到的敏感区，方位及结构特征大体一致。用能量范数度量扰动发展得到的结果具有一定的指导意义。不论用何种能量形式，CNOP识别的敏感区的有效性总是高于FSV识别的敏感区的有效性。　　 (3)验证区域(即投影算子)小幅度变化时，CNOP识别的敏感区受到的影响小于FSV识别的敏感区受到的影响；验证区域变化较大时，CNOP识别的敏感区较FSV识别的敏感区的变化情况更合理。　　 (4)CNOP和FSV识别的敏感区都不是简单地从时间上进行外推的上游区域；在某一时刻CNOP和FSV识别的敏感区增加观测可以较大程度地改善验证区域在关心时刻的预报技巧，也可以在一定程度上改善其他时刻的预报技巧。但是CNOP识别的敏感区对预报技巧的改善更大。　　 CNOP和FSV的这些差别表明了非线性过程的影响，体现了CNOP识别台风目标观测敏感区的优越性。　　 3.CNOP识别的主要敏感区往往位于两个或多个系统、以及冷暖平流的交界地带，处于背景场相对不稳定地区；有时，也会有部分敏感区处于台风眼周围的强对流活动区，该结论表明台风的发展变化还受其自身的对流不对称结构的影响；另外，CNOP识别的敏感区内具有明显的非线性过程和斜压不稳定结构，这为敏感区内扰动大幅度增长提供了额外的动力。可见，用CNOP方法识别的敏感区具有一定的动力意义和物理意义，借助CNOP方法可以考虑各种动力物理过程的综合非线性效应，从而使识别的敏感区更加有效。　　 总的说，在CNOP识别的敏感区内减小初始误差，比在FSV识别的敏感区内减小初始误差对验证区域预报技巧的提高更显著，对台风的路径和强度预报的改进也更有效；且CNOP识别的敏感区具有一定的物理意义，能够考虑非线性过程的影响；因此，CNOP方法是有利于台风目标观测中有效敏感区确定的有意义的方法。