贵州冰雹灾害多发、频发，实现冰雹的早识别、早预警对防雹减灾意义重大。卫星探测范围广的特点对冰雹的早期识别优势巨大。因此，本研究以FY-2G卫星7项反演产品（云顶高度、云顶温度、过冷层厚度、光学厚度、有效粒子半径、液水路径、黑体亮温）为输入参数建立BP神经网络模型，对2020年至2021年贵州22个冰雹日286组降雹点与非降雹点数据（143个降雹点与143个未降雹点）进行降雹识别研究。将建立的反演产品数据分为模型训练集和模型检验集，利用训练集246组数据（包括123组降雹点数据与123组未降雹数据）对模型进行训练，完成BP神经网络模型建立。利用剩余40组数据（包括20组降雹点数据与20组未降雹数据）作为模型检验集，验证模型识别效果。对反演产品分布特征显示，123组降雹点的云顶高度分布在4.8至14km，云顶温度分布在-72至-15℃，过冷层厚度分布在1.8至11km，光学厚度分布在4至46，有效粒子半径分布在4至50.4μm，液水路径100至1280mm，黑体亮温分布在-70至-10℃。识别结果表明，所建BP神经网络模型降雹识别准确率为85%，其中对20个降雹点识别准确率为95%，对20个未降雹点识别准确率为75%。

冰雹；识别；人工智能；卫星