雷暴是航空气象中最重要的危险天气之一，其伴随的强降水、冰雹、风切变和雷电等现象，会严重干扰飞机起降安全，导致航班延误、返航甚至事故。传统雷暴识别方法多依赖单一雷达观测和固定阈值分割，存在地物杂波干扰强、识别结果粗糙、无法精细刻画雷暴内部结构及运动趋势等问题，难以满足高密度机场对雷暴精细化监测与预警的业务需求。近年来，相控阵雷达及双偏振雷达等新技术的应用，为获取高时空分辨率的气象回波数据提供了可能。本课题基于大兴机场C波段相控阵雷达与国家天气雷达组网数据，开展雷暴识别跟踪关键技术研究，为提升机场雷暴天气的自动化预警能力提供了有效技术方案。

本项目构建了一套完整的“雷达融合拼图—深度学习质控—雷暴智能识别—运动跟踪与外推”技术体系。首先，将大兴机场C-PAR相控阵雷达与北京CINRAD-SA新一代天气雷达数据进行融合生成高精度组合反射率拼图，有效填补了单雷达观测盲区。在此基础上，引入基于多层卷积神经网络的雷达质控模型，高效剔除地物回波等非气象杂波，显著提升了数据可靠性。雷暴识别环节，创新采用双重反射率阈值结合连通区域标记算法，先识别大雷暴团，再分割内部单体；并引入区域生长算法，以满足尺寸比例条件的单体质心为种子点进行精细化分割，有效避免了虚假合并，成功还原了涡旋状、絮状、带状、块状、弓状等多种形态的雷暴回波结构。雷暴跟踪方面，融合优化匹配法与重叠匹配法，通过递归历史编号实现雷暴全生命周期的轨迹回溯，输出当前雷暴位置、移动速度、方向及历史路径。测试表明，算法效率满足业务实时运行要求。

本研究成果可直接应用于民航机场气象保障与空管决策。通过接入大兴机场及周边雷达实时数据流，系统能够自动化输出雷暴区域边界、强度等级、移动矢量和未来0–1小时外推路径，为塔台、进近管制及航空公司运行控制提供客观、定量的雷暴预警信息。相比传统基于单阈值或人工判读的方法，该技术能够精细分析多单体雷暴团的内部结构，显著提升预警的时空精度和可信度。该成果有助于提升机场雷暴自动化监测能力，减少雷暴对航班运行的干扰，并为同类民航气象应用提供可借鉴的技术方法。