本发明公开了基于深度学习和时空要素的雷达非降水回波质控方法，包括：S1：收集用于训练样本的雷达基数据；S2：将收集的雷达基数据进行极坐标系列到笛卡尔坐标系的转换，制成RGB雷达图像；S3：对RGB雷达图像中的每一个像素进行手工标记，将非降水回波分成不同种类；S4：将标记后的RGB雷达图像裁剪成特定像素的图片后作为训练样本数据集；S5：采用DeeplabV3+模型训练样本数据集；S6：使用混淆矩阵平均交并比评分对模型精度进行评价；S7：使用训练完成的DeeplabV3+模型对其他雷达回波做非降水回波的识别。本发明通过手工标注和深度学习DeeplabV3+模型结合建立训练数据集，再使用混淆矩阵平均交并比对模型精度进行评价，可以提高对雷达非降水回波质控的准确性和可靠性。