预报灾害性天气系统发展演变的趋势是强对流短时临近预报的最大难点，对于急剧发展和减弱的暴雨系统，仅仅依赖于雷达回波外推位置而不对雨区强度和形状进行修正，其预报误差会随着时间迅速增大。包含了热力变化和动力变化的数值模式预报则显得比较重要，尤其是在预报时效2-3h以后。另一方面，模式通常有“spin-up”问题，因此影响了预报前1-2h的可靠性。由于外推预报与数值预报技术各有所长，通过融合技术，将雷达回波外推和高分辨率数值模式预报结果相结合形成0-6小时定量降水的最优预报是本文的研究目标。为此，本文拟从雷达短时临近预报方法的构建、基于雷达回波外推和中尺度数值模式的短时降水预报的对比分析以及雷达外推预报与暴雨数值模式融合预报降水方法研究三个方面入手，尝试构建完整的融合预报体系，为发展0-6小时降水融合预报方法提供有益思路。主要结论如下：（1）在常用的交叉相关跟踪回波运动方法TREC(Tracking Radar Echo bycorrelation)技术基础上，进行两步改进，发展了多尺度雷达回波跟踪预报算法MTREC（Muti-scale tracking radar echoes by cross-correlation scheme）。个例分析表明:在雷达回波运动矢量场的构建上，MTREC反演的移动矢量场综合了回波系统性的运动以及回波内部的小尺度运动，其反演的运动场具有多尺度的特征，物理意义更明确。同时消除了原TREC矢量场中由于回波型的快速变化导致的一些无序矢量、在弱回波处引起的零矢量、小矢量，其空间连续性优于TREC矢量场。在外推方案的选取上，采用Reich发展的RPM-SL（The Remmapped Particle-meshSemi-Lagrangian Scheme）半拉格朗日平流方案替代传统的线性外推方法，很好解决了“线性外推值”不落在格点上的问题。批量检验表明：改进后的新算法MTREC的预报准确性相比于TREC算法，有了一定程度的提高。（2）选取北京城市气象研究所发展的BJ-RUC（AWRF-based Rapid UpdatingCycling forecast system of Beijing Meteorological Bureau）作为降水融合预报方法的中尺度数值预报输入。筛选2011年夏季北京出现的典型强对流个例，从空间检验角度入手，对比分析雷达外推预报算法MTREC和BJ-RUC在不同类型强天气中的表现，分析两者的可融合性，同时归纳总结两者的各自预报特点，为发展基于两者的定量降水融合技术提供基础。检验结果表明：首先，从降水偏差来看，对于不同类型的降水预报，在研究的降水时段内，MTREC和BJ-RUC均表现为降水预报偏强。MTREC对于四次过程的预报偏差较为平稳，而BJ-RUC随过程差异变化较大。其次，从降水落区预报看，MTREC的预报准确性随过程差异变化明显，降水系统范围越大，预报准确性越高。BJ-RUC总体上表现平稳，但是对于局地对流性降水的预报能力仍然有限。最后，从整体预报性能看，对于0-6小时降水预报，MTREC和BJ-RUC在预报性能上存在交叉点，具有可融合性。交叉点的出现时间随降水过程而异，降水范围越大，组织性越强，交叉点出现越晚。（3）将依托MTREC和BJ-RUC制作的逐小时降水场作为Blending算法的降水输入，尝试进行基于两者的降水融合预报试验。个例分析表明：融合预报算法对于1-6小时的定量降水预报效果总体上优于单纯的数值模式或者雷达临近预报结果，一定程度上提高了降水落区预报的准确性，也提升了降水强度预报的准确率，算法有效可行，对今后强对流天气系统变化趋势预报有一定的参考价值。融合算法对于动态融合权重参数变化十分敏感。在融合的前2小时内适当提高数值模式所占比重能一定程度上减少由于雷达外推无法预报降水系统生消变化所造成的漏报，使得降水面积与实况相比更为接近。2小时之后，融合算法对于数值模式的依赖性加大，数值模式的好坏直接影响最终的预报结果。在数值模式预报较好的基础上，融合后的预报评分提高明显。融合算法中基于傅里叶变换的相位订正技术对于模式系统性位置偏差的修正极为重要，但是基于傅里叶变换的相位订正技术要求两个配准场具有很高的相似度。在模式虚报降水偏多的情况下，反演出的位置移动参数的合理性有待验证，易造成错误订正。基于“对象”的配准方法从整体着手，避免了配准场之间细小差别造成的影响，在个例分析中表现了一定优势，但是其稳定性与可靠性还需要大量以及长期的系统的验证。