风场对于天气形势的演变和预报至关重要。基于风云四号A星干涉式大气垂直探测仪（GIIRS）中波通道资料和ERA5风场资料，采用LightGBM进行大气三维风场反演研究。首先，构建模型特征变量。GIIRS通道最优选择采用二步特征选择法：（1）建立GIIRS通道黑名单；（2）采用置换特征重要性（Permutation Feature Importance，PFI）方法选择特征变量，在形成通道最优子集的基础上，构建含有时空信息的特征变量。其次，构建基于LightGBM的三维风场反演方法。最后，基于台风“利奇马”期间的GIIRS加密资料开展了LightGBM超参数优化和相关反演试验。结果表明，相对于ERA5风场资料，测试集中风场U和V分量的均方根误差（Root Mean Square Error，RMSE）分别小于1 m/s和15 m/s。本文中的二步特征选择法能够实现GIIRS通道的动态最优选择。

准确自动检测台风风眼位置可为台风预报与监测研究提供先验信息，以减少灾害损失。由于台风形态结构的多变性，其中心自动定位仍存在一定的困难。本研究利用台风卫星云图，提出一种基于多尺度镶嵌的R-CNN台风风眼检测方法。收集日本气象厅发布的1981—2017年5000多张台风卫星云图，利用图像数据中风眼眼壁轮廓曲线及内外明暗差别清晰明显的特点对图中风眼进行分割标注。通过台风风眼半径多尺度估算算法，将原始图像划分为多尺度台风云图，整合训练集和测试集。借助多尺度图像镶嵌、超参数选择和多条件测试分析，构建利用多尺度Mask R-CNN模型检测分割台风风眼的总体算法框架，开展多尺度对比实验。在自建标定数据集中，台风风眼的识别准确率最高达到92.63%、最低为88.36%，平均每张图片的检测时间最少为0.043 s，均方误差最小达到2154，平均交并比最大为0.9454。实验结果表明，所提多尺度镶嵌数据增强方法在大中规模尺度融合时效果最好、中小尺度较差，与现有主要数据增强方法相比，能更有效地提升神经网络准确率。整体检测模型在台风中心定位中的综合效率优于其他深度学习定位方法。

结合茂名外场观测数据以及气象要素再分析数据,对台风外围环流影响和局地海陆风环流(SLBC)影响下沿海地区的大气边界层(ABL)结构识别方法和特征规律展开研究。利用气象要素探空数据和微脉冲激光雷达(MPL)观测数据进行了大气边界层高度(BLH)识别方法的适用性分析,提出了一种新的基于微脉冲激光雷达的BLH识别方法,以有效提高复杂边界层结构情况下激光雷达识别BLH结果的准确性,进而分析了受大尺度和局地环流影响的ABL结构以及BLH的时空变化特征。结果表明:沿海地区在没有大尺度天气系统的控制时,局地SLBC的影响较为显著,会使ABL出现多层复杂结构,BLH表现出波峰和波谷交替出现的日变化规律;BLH开始增长的时间一般出现在白天的陆风-海风转换时刻,最大值一般出现在正午气溶胶层顶的位置,即2 km左右;BLH下降的时间通常伴随着夜间的海风-陆风转换,最小值一般出现在夜间残留层以下稳定边界层顶的位置,低至500 m左右。而台风外围环流控制下,局地SLBC引起的局地对流现象会被抑制,ABL昼夜交替的空气上升、下沉运动减弱甚至消失,整个ABL内气溶胶垂直分布较为均匀,BLH与气溶胶层顶基本重合,维持在2 km左右,BLH变化波动不大且没有比较明显的日变化规律。

风云四号A星干涉式大气垂直探测仪（Geostationary Interferometric Infrared Sounder，GIIRS）中波通道的最优选择是有效变分同化此资料的关键技术之一，能减少冗余信息所引起的变分同化和反演的不适定性。将通用的熵减法（Entropy Reduction，ER）用于GIIRS通道优选。此外，由于红外探测器观测容易受云影响，在变分同化GIIRS亮温资料时，需要进行云检测以获得晴空视场点或云参数信息。采用最小剩余法对GIIRS资料开展了云检测研究。该方法不仅能判识视场点是否有云，而且还能得到视场点的有效云量和有效云顶气压信息。但检测精度受不同通道组合的影响，因此基于台风“利奇马（2019）”资料进一步探讨了该影响。

利用安装在输电线路上的分布式光传感风速监测系统，通过分析风速时-空分布特征和变化趋势，捕捉到飑线风和台风对输电线路的影响，并实现其在输电线路通道运动轨迹的追踪分析：飑线风从线路大号端向小号端移动，影响时长不到2 h；而台风过境时线路长达30 km 的档距段均处于结构清晰的台风眼中，约1 h 后出眼区，风力骤增，并通过相应的预警机制进行判别预警。实测案例表明，基于分布式光传感的风速监测技术能够有效实时监控大风对输电线路的影响情况，为电力部门针对其范围及程度制定相应的运维措施提供第一手的数据支撑，也可为气象部门研究大风活动提供一种重要的数据来源。

静止卫星的高时空分辨率对高影响灾害性天气的监测和预报有显著优势。开展了基于风云四号A星多通道扫描成像辐射计（Advanced Geosynchronous Radiation Imager，AGRI）红外光谱亮温的台风降水反演研究。探讨了正则化反问题方法中K-最邻近（K-Nearest Neighbor，KNN）不同距离度量对降水反演精度的影响。降水反演共分两步：一是降水视场点识别，主要基于训练字典样本，利用KNN识别待反演的亮温“降水”和“非降水”信号；二是降水视场点反演，即在判识视场点有降水的基础上采用正则化反问题方法进行红外亮温降水反演。KNN距离度量分别采用欧氏、标准化欧氏、马氏和布洛克距离。以台风“安比（2018）”为例，开展了降水反演试验。试验表明，反演结果与GPM的相似度较高，且不同距离度量在反演“极端降水”时各有优势。

台风是一种路径和强度变化不确定性很大的、短暂的、能量很强的灾害性天气系统。卫星遥感特别是星载微波遥感不仅具有大范围、快速重复观测的特点, 而且具备全天候和全天时的优点, 受恶劣天气影响较小, 可以对台风活动路径进行较好的监测和预警, 是分析台风的一种有效手段。本文结合 3种微波卫星载荷：高级微波扫描辐射计 (AMSR)、TOPEX&Jason-1微波高度计和 WindSat全极化微波辐射计的数据, 初步分析了台风对海洋动力环境的影响, 结合与台风相关的海洋参数的卫星遥感测量结果, 给出了目前常用的微波散射计和微波辐射计海洋风场遥感的比较。对于多云情况下的海表面温度测量, 微波辐射计比红外辐射计更有优势。全极化微波辐射计还具有在恶劣天气条件下海洋风场测量能力。

以2009年14号台风“彩云”为例，基于CloudSat相关云产品统计了台风深对流云中水云和冰云的有效粒子半径、云水含量谱分布的特征。在此基础上探讨了两个云微物理参量的相关性，并对不同发展时期的多个台风进行了该关系的应用检验。研究结果表明，不论是水云还是冰云，若以云水含量为横坐标，以云有效粒子半径为纵坐标，台风深对流云像元散点图的分布存在明显的下边界线，且边界值随着有效粒子半径和云水含量参数值的增大而逐渐提高；零度层以下低层水云的有效粒子半径与液态水含量呈正相关关系，可采用对数关系式进行拟合。经检验，该拟合关系式对其他发展阶段的台风同样适用，证实了该关系的普适性。

利用上海宝山站L波段探空资料，分析台风季无云、有云和全天空条件下不同质量控制以及台风登陆前后24 h内FY--4A干涉式大气垂直探测仪(Geostationary Interferometric Infrared Sounder, GIIRS)温度资料的反演精度。结果表明: (1) GIIRS温度反演产品在无云条件下反演精度最高，质量控制为0的数据均方根误差(Root Mean Squared Error, RMSE)为1.74 K，表明该产品在对流层中上层具有一定可信度。(2)云层降低了GIIRS温度反演的精度，有云条件下质量控制为0的数据RMSE为3.57 K，超出了美国环境监测系统给出的标准误差范围。(3)有云天空条件下，当温度大于230 K时，GIIRS反演温度均低于探空数据。(4)台风“安比”、“云雀”登陆前24 h内，在500 hPa高度至近地面附近和对流层顶，GIIRS反演温度偏高；台风“云雀”登陆后24 h内，GIIRS在800 hPa高度至近地面附近反演温度偏低，并且反演会产生大量无效值。

为提高卷积神经网络对图像多尺度变化的感知能力,增加网络的尺度不变性,提出一种基于多尺度卷积特征融合的台风等级分类模型。在卷积神经网络中添加多尺度感知层,对卷积特征进行多尺度感知并进行级联。将多尺度正则化项添加到损失函数中,通过反向传播来最小化隐含层权重的残差,优化模型的特征提取能力。最后将多尺度高层语义特征通过Softmax分类层归一化成各图像类别的概率值,取最大概率值为最后图像的分类结果。为有效验证本模型的多尺度感知能力,选用红外卫星台风云图作为数据集,实验结果表明,本模型能有效感知并提取台风云图的局部特征,并在两个通用数据集MNIST和CIFAR-10上验证了本模型的泛化能力。