研究提出了一种基于Transformer的双偏振雷达回波分类方法，用于对中国新一代多普勒天气雷达SA型号（即 CINRAD/SA）的双偏振数据进行气象回波与非气象回波分类。利用南昌站2022年6月逐小时整点时刻的雷达资料，通过人工目视解译获取“真值”样本，并以此构建数据集训练模型。模型输入特征采用与Zhong et al(2026)[1]改进的模糊逻辑算法一致的参量集合，即水平反射率ZH、差分反射率ZDR、相关系数ρhv、差分相位ΦDP以及对应纹理参数SD(ZH)、SD(ZDR)、SD(ρhv)和SD(ΦDP)。使用南昌站同期逐小时半点时刻的雷达数据，在不同场景下，将新方法的性能与改进后的模糊逻辑算法的性能进行比较，并对雷达反射率超过20dBz的频率图进行分析。结果表明，两种方法均能有效区分气象回波与非气象回波；但在雷达站附近、山区以及鄱阳湖东北岸等地区，改进的模糊逻辑算法存在过度识别非气象回波的现象。相比之下，基于Transformer的方法能够在剔除绝大部分非气象回波的同时，更好地保持气象回波结构的完整性。

双偏振雷达；神经网络；气象回波；非气象回波