针对地面观测业务中仍需人工观测的露、霜和结冰等天气现象要素，发明了一种适用于露、霜、结冰天气现象的自动判识方法。该方法充分考虑了露、霜和结冰天气现象的形成机理，运用海量的地面气象观测数据，探究了全国范围内露、霜、结冰天气现象的分布特征和变化趋势，以及温度、湿度和风速等气象要素对露、霜和结冰等天气现象的影响，基于Bayes判别、Logistics回归、决策树学习、神经网络等多种算法构建了全国2400余个气象站的露、霜和结冰天气现象的自动判识模型，模型判别准确率分别达到86%、88%和92%。利用该方法形成的天气实况判识产品能有效替代或补充观测站人工观测的露、霜和结冰现象，为实现国家级地面气象站的观测自动化、智能化、无人值守提高了重要支撑和技术保障。

(1)多算法融合，高判识准确率，保证判识结果可信度。一种适用于露、霜和结冰天气现象的自动判识技术，对海量气象数据进行了深度挖掘，最大程度地利用了现有的观测仪器和数据，通过多种手段对获取的气象数据进行充分清洗，减少了无关要素对相关特征提取的干扰。采用Bayes判别、Logistics回归、决策树学习、神经网络等多种算法构建了露、霜和结冰天气现象的自动判识模型，弥补了单一算法的不足，保证了判识模型在全国的普适性，同时提高了判识的准确性，增加了判识结果的可信度。

(2)实施成本低，易于推广，预期效益显著意义非凡。该成果充分利用了地面气象站中现有的观测仪器和数据，无需布设其它相关仪器设备，与现有的电容传感器等判识技术相比，实施成本较低。相关技术可推广可复制，应用前景好，能够解放大量人力，对推动观测员业务转型，气象业务改革具有深远的意义。