暴雨、冰雹、龙卷、雷暴大风、强雷电等中尺度强对流天气能形成严重自然灾害，给国民经济建设带来重大损失，但由于强对流天气空间尺度小、生命史短、突发性强、破坏力大，预报起来十分困难。目前，国内外强对流天气预报的准确率远不能满足国民经济可持续性发展的需要。因此，雷电、冰雹等强对流重大天气灾害的机理和预测研究是气象领域的重大科学研究课题之一。　　 本文通过对上海地区1998年-2009年4月-9月各类强对流天气的统计分析，揭示了不同时间尺度各类强对流天气的时空分布特征。各类强对流天气高发的月份主要集中在6、7、8月份。从分布上看，崇明、奉贤、松江等郊区较易发生雷雨大风和强雷电天气，市区易发生冰雹天气，青浦是龙卷发生最多的地区。利用探空资料计算了反应大气层结稳定条件、水汽条件、抬升条件的42个对流参数，包括K指数，LI指数，SI指数，SWEAT(强天气威胁指数)，TOT指数，CAPE(对流有效位能)，Pwv(大气可降水含量)，θsedif85(500hPa和850hPa的假相当位温差)等，用对流参数和各类强对流天气发生进行了对比，发现：K指数，LI指数，SI指数，SWEAT,TOT指数，CAPE，Pwv，θsedif85等对雷雨大风、强雷电、冰雹等强对流天气有较好的指示作用。　　 本文用42个对流参数，采用逐步回归的方法建立了针对各类强对流天气的12小时潜势预报方程。同时，为了刻画对流参数的时间变化，将对流参数的12小时和24小时变量也列为预报因子，融入了预报方程。通过与原方程的检验结果比较，得出各类强对流天气的最佳预报方案：(1)对于冰雹和龙卷的预报：采用126个对流参数作为预报因子；(2)对雷雨大风的预报：采用42个对流参数和其12小时变量作为预报因子；(3)对强雷电和强对流的预报：采用42个对流参数和其24小时变量预报预报因子。　　 在此基础上，本文尝试用出现降水时和出现雷雨时的强对流天气样本来预报强对流天气，发现了一些区分强对流与一般降水、强对流与一般雷暴的关键因子，如SWEAT、HELI0、SSI、SW82等，得出在降水条件和雷雨条件下各类强对流天气潜势预报方程。与最佳预报方程对比发现：降水条件下的预报方程对雷雨大风预报CSI(临界成功指数)从18％提高到了19.6％，对冰雹的预报从2.8％提高到了12.5％，强雷电和强对流也分别有4％和2％的提高;而雷雨条件下无提高。　　 天气形势类型对强对流天气的发生、发展和演变十分关键，不同天气背景形势下，强对流天气呈现出不同的特点。为了捕捉天气形势类型不同的关键点，实现对天气形势类型的自动识别，本文还提出了基于一些关键对流参数进行天气形势分类的强对流预报方法。选取了K指数，SI指数，Pwv(大气可降水含量)指数和θsedif85这四个对流参数，将各对流参数分别分为三类，分组建立了针对不同强对流天气的预报方程。将分类型的强对流天气潜势预报方程，与最佳预报方案的评分进行比较后，表明：(1)雷雨大风的预报采用SI分类方程效果最好；(2)强雷电和强对流采用Pwv分类方程效果最佳；(3)对冰雹和龙卷的预报还需采用无条件方程。　　 通过对各类方法建立方程的预报结果对比，遴选出各类强对流天气的最优预报方程，构建了各类强对流天气潜势预报业务流程和模型。本文还对一些强对流天气过程进行了预报测试，对各类强对流天气的预报模型进行检验，得到了较好的预报效果。