降水在人类日常生活中十分常见,它对雷达通信和气象观测有着重要的影响。为了保证雷达通信的传输效应和气象观测的准确性,研究降水对雷达发射波的散射衰减特性、分析降水类型就变得尤为重要。由于降水粒子主要分为雨滴和冰晶两大类,因此本文的主要研究亦是针对雨滴粒子和冰晶粒子展开的。本文的主要研究成果包括:1.利用Rayleigh近似和Mie散射分析了小粒子的散射特性。利用Mie散射和离散偶极子近似(DDA)法分析了尺寸与波长相当的粒子的散射特性,并将结果进行比较。比较结果说明了DDA近似法在计算粒子散射特性方面的准确性和可用性。随后,给出了雨滴粒子模型和冰晶粒子模型,使用离散偶极子(DDA)近似法对两种模型的散射特性进行了研究分析。2.基于雨滴粒子、冰晶粒子X波段和Ka波段的散射特性结果,使用ITU-R衰减模型建立了不同的反演关系式,并通过与经验公式的比较说明了衰减反演降水的误差。从雷达方程角度出发,以粒子后向散射因子为基础,本文研究建立了X波段、Ka波段雷达反射率因子(雷达反射率)与降水率、降雨率的反演关系式。通过与经验公式、数据的对比,说明了雷达参量反演降水的准确性。3.为了提高降水反演的准确性。本文给出了两种双因子反演降水的方法:一种是利用相同波段的特征衰减与雷达反射率来反演降水;一种是利用双波段雷达反射因子以及其比值来反演降水。在本文所整理的数据范围内,双因子反演降水的准确性大大提高。4.本文将模糊逻辑算法与双波段雷达探测的雷达反射率以及特征衰减相结合,对降水类型进行分类。其分类结果表明了模糊逻辑分类法在降水类型分类方面的一般准确性。但是对于某些特殊输入,其分类结果并不唯一,因此本文使用神经网络算法对隶属函数参数进行了修正调整。调整后的神经网络-模糊逻辑分类系统的分类结果更为准确,提高了降水类型分类的准确性。