山西省雷电活动时空分布特征及定量化分级研究

Spatiotemporal Distribution Characteristics and Quantitative Grading of Lightning Activity in Shanxi Province

摘要

为表征山西省天气和气候尺度雷电活动的强弱特征，提升雷电监测业务的科学化与标准化水平，基于1994-2013年山西省气象局地面气候资料日值数据集（109个站点）的人工观测雷暴日数，以及2011-2021年闪电定位仪地基观测资料，采用网格法计算雷电密度和强度。通过划分年、月、小时的尺度，分析雷电活动的时空分布特征，并基于台站经纬度计算不同半径范围内的年均雷电次数，与台站雷暴日数进行比对，利用最小二乘法优化半径参数。研究绘制山西省各站点雷暴日数、雷暴等级区划图，以及基于闪电定位仪数据的雷电密度与强度分布图，并进行对比分析。结果表明，山西省雷电活动存在明显的空间差异，总闪平均强度呈现“南北高、中部低”的分布特征，其中运城市部分地区强度超过60 kA，而太原市、吕梁市东部、忻州市中部、阳泉市西部、晋中市北部的部分区域闪电强度相对较低。人工雷暴日观测数据表明，高雷暴频次区域主要分布在朔州市中部、忻州市、太原市、阳泉市、吕梁市东北部、晋中市、长治市北部、临汾市中部，而低雷暴频次区域主要分布于大同市、朔州市东西部、吕梁市西部、临汾市大部、长治市和运城市。闪电定位仪观测结果与人工观测总体一致，但在大同市北部和忻州市西部部分地区存在差异，该区域人工观测为多雷区，而闪电定位仪观测则为少雷区。

Abstract

To characterize the intensity of lightning activity at both weather and climatic scales in Shanxi Province and to enhance the scientific and standardized level of lightning monitoring operations， this study used manual observation thunderstorm days from the Shanxi Provincial Meteorological Bureau's daily surface climate dataset （109 stations） during 1994–2013， as well as ground-based lightning location data during 2011–2021. The grid method was employed to calculate lightning density and intensity. By dividing the data into annual， monthly， and hourly scales， the spatiotemporal distribution characteristics of lightning activity were analyzed. The annual average number of lightning strikes within different radii was calculated based on station latitude and longitude. It was compared with station thunderstorm days， and the radius parameter was optimized by the least squares method. The study produced thunderstorm day and thunderstorm grade zoning maps for each station in Shanxi Province. It conducted comparative analysis using lightning density and intensity distribution maps based on lightning location data. The results show that significant spatial differences exist in lightning activity across Shanxi Province. The average intensity of total lightning exhibits a pattern of high values in the north and south and low values in the central region. In some areas of Yuncheng City， the intensity exceeds 60 kA， whereas lower lightning intensity is observed in parts of Taiyuan City， eastern Lüliang City， central Xinzhou City， western Yangquan City， and northern Jinzhong City. Manual thunderstorm observation data indicate that areas with high thunderstorm frequency are mainly distributed in central Shuozhou City， Xinzhou City， Taiyuan City， Yangquan City， northeastern Lüliang City， Jinzhong City， northern Changzhi City， and central Linfen City. Low-thunderstorm-frequency areas are mainly located in Datong City， eastern and western Shuozhou City， western Lüliang City， most of Linfen City， Changzhi City， and Yuncheng City. The lightning location observations are generally consistent with the manual observations， though discrepancies exist in parts of northern Datong City and western Xinzhou City， where manual observations indicate high-thunderstorm areas but lightning location data show low-thunderstorm areas.

Graphical abstract

关键词

闪电定位 / 雷暴 / 气候分级 / 天气分级

Key words

lightning location / thunderstorm / climatic grading / weather grading

雷电是一种剧烈的放电现象，其发生与强对流天气密切相关，不仅对电力、通信、航空、交通等行业^［1⁃2］构成潜在威胁，也可能引发森林火灾、建筑物损毁、人员伤亡等灾害^［3⁃4］。近年来，随着极端天气事件频率的增加^［5］，雷电灾害的影响逐渐受到关注，因此准确监测雷电活动、量化雷电强弱、优化雷电分级标准成为雷电气象业务的重要研究方向^［6⁃8］。然而，受观测手段限制，雷电活动的定量化分析仍面临诸多挑战。

传统的雷电观测主要依赖地面气象观测站的人工观测^［9⁃10］，即通过目视观察和听觉判断雷暴的发生，记录雷暴日数、发生时间和大致方位^［11］。然而，这种观测方式存在主观性强、空间覆盖不均、分辨率低等问题，难以满足雷电定量化研究的需求^［12］。为弥补人工观测的不足，近年来国内外陆续发展了雷电遥感监测技术，包括闪电定位系统（lightning detection and ranging， LDAR）^［13］、星载光学观测^［14］等手段。目前，全球广泛应用的闪电定位系统主要包括美国的NLDN（national lightning detection network）、欧盟的LINET（lightning detection network以及中国的ADTD（atmospheric discharge total detection）^{［15⁃16］}等。这些系统能够实现对雷电的全天候、自动化监测，并精确记录闪电发生的时间、位置、幅值和极性等信息，为雷电活动的空间分布和时空变化分析提供了数据支撑。

中国自20世纪90年代开始布局闪电定位网络。2006年，山西省在大同市、忻州市、太原市、阳泉市、吕梁市、长治市、运城市安装了7部ADTD型二维闪电定位仪，构建了山西省闪电监测业务系统，为雷电研究提供了丰富的数据资源。雷电分级是雷电气象研究和灾害防御的重要内容，目前国内主要采用两种雷电分级方法。一是基于气候统计的雷电区划方法，该方法以多年平均雷暴日数为依据，将各区域划分为强雷区、高雷区、中雷区和少雷区^［17］。这种方法在气候尺度上具有一定的指示意义，能够反映雷电活动的空间分布特征，但由于雷暴日的记录精度有限，且2014年后我国已停止人工雷暴观测^［18］，该方法在实时监测和业务应用方面的适用性受到限制。二是基于雷电天气的黄色、橙色、红色三级预警信号，主要用于指示雷电发生的可能性和影响程度。然而，该方法主要服务于短时临近预警，而非对雷电活动的定量化分析，因此在雷电灾害防御中的应用仍有局限性。为弥补现有方法的不足，近年来，国内外学者探索基于闪电定位数据的雷电定量分级方法。如尹丽云等^［19］提出了网格法统计方法，将雷电自动监测数据按不同参数输入数据库，并采用计算机程序进行等面积网格划分，从而统计各个网格的雷电频次，为雷电活动定量化评估提供了新思路。王淑一等^［20］采用层次分析法建立指标层判断矩阵，确立了雷电灾害风险安全度评价等级。贺姗等^［21］经过统计分析雷电流幅值、雷电陡度的特征，采用对称不等间隔四级法，建立了雷电强度等级评估模型。近年来，学者开始使用机器学习结合气象数据或脉冲信号的方法对雷电强度进行分类^{［22⁃23］}。

近年来对雷电的定量化分类研究虽然取得了一定进展，但现有方法仍存在以下不足：（1）雷电活动的强弱划分标准尚不统一，不同区域的雷电特征存在差异，导致分级方法的适用性受限；（2）人工雷暴日观测与闪电定位数据之间存在一定差异，尚缺乏系统的对比分析；（3）雷电定量分级方法在雷电预警、气象服务、灾害防御等方面的应用仍需进一步优化。针对上述问题，本研究的主要目标如下：（1）基于1994-2013年山西省气象局地面气候资料和2011-2022年闪电定位仪观测数据，系统分析山西省雷电活动的时空分布特征；（2）采用网格法计算雷电密度和强度，构建基于闪电定位数据的雷电定量分级体系；（3）基于台站经纬度计算不同半径范围内的年均雷电次数，并与台站雷暴日数进行比对，优化雷电分级方法；（4）绘制山西省雷电密度、雷暴等级区划分布图，并分析人工观测与闪电定位观测的差异，以提升雷电监测的精度和适用性。

本研究的创新点包括：（1）结合人工雷暴日观测数据与闪电定位数据，建立雷电活动的定量评估体系，提高雷电分级的准确性和适用性；（2）基于网格法优化雷电分级指标，提出适用于山西省的雷电强弱划分方法；（3）揭示山西省雷电活动的空间分布规律，为雷电灾害防御、雷电监测业务优化及精细化预警工作提供科学依据。

1 资料与方法

1.1 资料来源

本研究所用资料来源于1994-2013年山西省气象局109个站点的地面气候资料日值数据集中雷暴日数据资料，内容涵盖各台站每日“有无雷暴”的观测记录（包括雷暴发生的起止时间、方位等辅助信息），以及山西省7个ADTD闪电定位系统子站2011-2021年监测的闪电定位资料，包括闪电发生的时间、空间位置以及强度、极性等参数信息。采用的闪电定位数据需要进行质控处理，剔除闪电流幅值为0~2 kA和200 kA及以上的地闪数据，统一数据格式，再利用数理统计方法进行闪电特征分析。ADTD闪电定位系统基于电磁波传播原理，采用实时连续观测模式，时间分辨率精度达0.1 ms，可捕捉单次闪电的起始时间、峰值时间及结束时间；采样频率为1 MHz，能够完整记录闪电放电过程中的电磁波信号变化，确保雷电流幅值、陡度等参数的计算精度。空间覆盖范围方面，基于ADTD系统“时差⁃测向混合定位算法”的技术特性，单站有效监测半径约150~200 km，7个子站通过组网形成对山西省全域空间覆盖，其中平原地区（如运城盆地、太原盆地）覆盖率达100%，高海拔山区（如大同市北部、忻州市西部五台山区域）因存在微弱信号遮挡导致覆盖率偏低。ADTD系统子站的空间分布如图1所示。

1.2 处理方法

1.2.1 雷暴日数计算

依据中华人民共和国国家标准《建筑物电子信息系统防雷技术规范》（GB 50343-2012）^［24］中“雷暴日定义”（一天内（地方时08：00至次日08：00）只要观测到1次及以上雷暴（包括雷声或闪电）即计为1个雷暴日），结合人工观测数据的实际情况，具体计算步骤如下。

（1）数据筛选：从1994-2013年109个台站的日值数据中，提取每日“雷暴观测标识”（“有”记为1，“无”记为0），并关联台站的缺测记录（缺测记为“-”）。

（2）异常值与缺测处理：若单台站某一年的缺测天数超过30天，则剔除该年数据（避免年雷暴日数计算偏差）；若单日缺测，且前后相邻2天均为“无雷暴”，则补记为“无雷暴”（0）；若前后相邻2天中有1天及以上为“有雷暴”，则结合周边3个最近台站的同日观测结果（采用“多数表决法”）补全。

（3）单站年雷暴日数计算：对每个台站每年的“雷暴标识”求和，得到1994-2013年各站的年雷暴日数（如某台站1994年有32天记录“有雷暴”，则该年雷暴日数为32）。

（4）单站年均雷暴日数计算：对每个台站1994-2013年的年雷暴日数取算术平均值，得到年均雷暴日数，用于后续气候尺度的雷暴等级区划。

1.2.2 空间网格化分析

为深入研究雷电活动的空间分布特征，解决闪电定位数据“连续分布但离散记录”的问题，本研究采用规则网格法将山西省全域离散化，实现雷电密度及强度等雷电参数的空间标准化统计。基于山西省经纬度边界（110°14′~ 114°33′E，34°34′~40°44′N），结合省内地形复杂度（东部太行山脉、中部汾河盆地、西部吕梁山脉），本文确定5 km×5 km为最优网格分辨率。该分辨率既能捕捉小尺度地形（如盆地与山地）导致的雷电差异，又可避免网格过细（如1 km×1 km）导致偏远区域出现大量“零值网格”情况，从而影响统计可靠性。

1.2.3 最优半径计算

为建立闪电定位数据与人工雷暴日观测数据的关联，需确定台站周边最能代表“人工观测范围”的闪电统计半径，本研究采用最小二乘法进行参数优化^［18］。研究采用逐步扩大半径的方式，通过最小二乘法找到一个半径值，使该半径内的年均雷电日数与台站雷暴日之间的拟合关系达到最优。

半径范围与步长设定参考国内同类研究^［18］及山西省台站间距（平均约50 km），选取0~20 km为半径范围，步长1 km（即依次计算1 km、2 km…20 km半径内的闪电数据），确保覆盖“台站周边可能被人工观测到雷暴”的区域。

1.2.4 地闪密度等级划分

为量化不同区域的地闪频次差异，本研究选取2011-2021年所有5 km×5 km网格的日地闪频次数据，采用百分位数法确定地闪密度等级划分阈值，避免因数据极值导致的等级偏倚。百分位数法是一种基于数据排序的统计方法，在本研究中，选取历史网格单元日地闪频次的25%、50%、75%、95%作为阈值百分位数点。本文根据山西省雷电活动强度，将地闪密度划分为6级（0级无闪电，1级弱，2级中等，3级强，4级较强，5级极强），通过等级划分可有效反映实际灾害风险。

1.2.5 幅值等级划分

闪电幅值直接关联雷电破坏力，本研究同样采用百分位数法划分幅值等级阈值。按照与地闪密度等级划分类似的计算方法，参考贺姗等^［21］的雷电强度分级研究，结合山西省正闪占比低的特点，选取60%、80%、90%、95%为关键百分位数，确定不同百分位数位置对应的电流幅值数值，根据这些阈值，将闪电电流幅值划分5级（1级弱至5级极强），从而对闪电的强度进行分类和评估。

1.3 综合等级划分

1.3.1 划分方法

本文采用雷电综合强度指标（I_N）公式，用于全面衡量雷电活动的综合强度^［25］。其计算公式为

I_d=A₁×G_d+A₂×G_In，（1）

式中，I_d为日综合强度指标，综合考虑了雷电密度和幅值两个关键因素，能够更全面地反映一天内雷电活动对某一区域的影响程度；A₁为密度等级权重，代表雷电密度在综合强度评价中所占的相对重要性；A₂为幅值等级权重，代表雷电幅值在综合强度评价中所占的相对重要性；G_d为网格单元的日地闪密度等级，根据之前计算的地闪密度等级划分结果确定，反映了该网格单元内一天中地闪密度的高低水平；G_In为网格单元的地闪幅值等级，根据之前计算的幅值等级划分结果确定，反映了该网格单元内闪电幅值的大小程度。

1.3.2 划分权重

根据密度和幅值对雷电灾害发生及影响重要程度的长期研究和实践经验，确定权重为3∶1^［25］。雷电密度表征网格内闪电数量，闪电数量越多，意味着在该区域内发生雷电灾害的概率越大，如可能引发森林火灾、电力系统故障等；强度为网格内最大闪电幅值，幅值越大，闪电所携带的能量越高，其破坏力也就越强，对建筑物、通信设施等的损毁程度可能更严重。这样的权重设置充分保留了频次与幅值自身衡量雷电活动的特性，使日综合强度指标能够更合理地反映雷电活动的实际情况和对雷电灾害的潜在影响，为后续的雷电灾害风险评估和预警提供科学依据。

2 结果与分析

2.1 闪电总况

山西省ADTD探测系统从2010年8月至2022年4月连续记录了142个月的闪电活动情况，共监测到地闪1 452 966次，其中负闪1 341 041次，占地闪总数的92.3%；正闪111 925次，占地闪总数的7.7%，符合我国以负地闪为主的特征^［26］，但山西省负地闪占比略低于基于 ADTD 数据统计的全国平均水平（约 94%）。

2.2 年变化特征

从 2011-2021 年（共 11 年）山西省雷电变化趋势来看（因 2010 年、2022 年观测数据不完整，未纳入本次统计范围，后续不再另行说明），山西省总地闪次数呈下降趋势，最高（2011年）达30万次，最低（2014年）不足1万次，负闪次数明显大于正闪次数；从闪电强度看，平均正闪强度基本在50~70 kA之间，平均负闪强度基本在30~40 kA之间，强度远小于正闪强度，其强度均在2014年后呈下降趋势。

2.3 月变化特征

从山西省逐月地闪趋势看（图略），山西省雷电从4月开始，至10月结束，1月、2月、3月、11月和12月的雷电次数非常少，雷电主要在6-8月，占全年地闪次数的90%左右，其中7月最高，11年共达55万次左右；从闪电强度看，平均负闪强度在不同月份浮动小，基本介于27~40 kA之间，平均正闪强度浮动大，介于28~65 kA之间，冬季强度小，夏季强度大，4月份最大达65 kA左右。

2.4 小时变化特征

从山西省逐小时雷电变化特征看，山西省雷电主要出现在午后至夜间，雷电次数在8时最低，15时最高，8时至11时逐渐上升，11时后迅速上升，15时开始逐渐下降，在凌晨2时至8时基本维持在2~3万次之间。负闪强度基本在30~40 kA之间，正闪强度在凌晨0~4时相对偏低，在50 kA左右，6时后基本维持在60 kA附近至18时后开始逐渐下降至50 kA。

2.5 总闪电频次水平空间分布

图2为近11年山西省5 km×5 km格点的总闪电频次空间分布图，全省均有闪电出现，高闪电次数主要集中在山西省北中部，在400~600次/25 km²，其中忻州市中部。太原市中部和阳泉市西部的闪电频次异常偏高，达1 000次/25 km²，大同市和运城市的闪电次数在100~200次/25 km²，其余地区的闪电次数在200~400次/25 km²之间。

2.6 闪电幅值特征分析

图3为近11年山西省5 km×5 km格点的总闪电平均强度分布图，从图3可以看出，闪电强度呈现“南北强、中部弱”的空间分布特征，大部分地区的强度在30~40 kA之间，中部太原市、吕梁市东部、忻州市中部、阳泉市西部、晋中市北部部分区域强度偏小，在20~30 kA之间。南部运城市、临汾市和北部大同市、朔州市大部分地区在40~60 kA之间，其中运城市部分地区的平均强度达60 kA，电流幅值异常偏高。

2.7 雷电气候分级指标

根据中华人民共和国国家标准《建筑物电子信息系统防雷技术规范》^［24］，地区雷暴日等级可划分为少雷区、中雷区、多雷区和强雷区。其中：少雷区为年平均雷暴日在25 d及以下的地区；中雷区为年平均雷暴日大于25 d，不超过40 d的地区；多雷区为年平均雷暴日大于40 d，不超过90 d的地区；强雷区为年平均雷暴日超过90 d的地区。《建筑物防雷设计规范》中，人工观测雷暴日与落雷密度的关系为落雷密度值为人工观测雷暴日的0.1倍，各分区对应的落雷密度值分别为2.5、4.0、9.0。山西省大部分气象站观测到的年均雷暴日小于40 d，即大部分地区均为少雷区和中雷区，只有大同市和忻州市的部分高海拔区为强雷区（图4）。

统计山西省2011-2021年的网格累计闪电频次，取中值闪电频次作为指标，将山西省闪电频次进行区划，山西省境内5 km×5 km网格内年均最低闪电闪频次为0次，最高为145.5次，平均为19.5次，中值闪电频次为17次。以中值（中位数）为阈值，绘制山西省闪电频次距平图（图5）。在计算距平值时，首先获取了山西省年均网格闪电频次，将所有网格的数据按大小顺序排列，取数据列的中位数（中值）作为阈值，再将所有网格值减去阈值得到网格距平值。山西省网格闪电频次为高频次的区域主要为朔州市中部、忻州市、太原市、阳泉市、吕梁市东北部、晋中市、长治市北部、临汾市中部，闪电频次为低频次的区域主要为大同市、朔州市东西部、吕梁市西部、临汾市大部、长治市和运城市。

通过对比发现，采用网格化的方式对闪电定位数据进行统计分析所绘制的闪电密度分布与人工观测的雷暴日分布存在相同性和差异性。从图4可以看出，相同性在于山西省中部大部分地区属于中雷区，南部为少雷区。差异性在于闪电定位仪监测的山西省北部闪电频次与南部相当，而人工观测的雷暴日则山西省北部的较强。

2.8 雷电天气分级指标

我国于2013年底取消了人工观测雷暴日业务，而闪电定位探测系统开始广泛应用。因此普遍认为雷暴日的人工观测和闪电定位仪观测的关系是人工观测雷暴日与闪电定位数据的取值半径R之间的关系^［18］。由于闪电定位得到的雷电日和人工观测的雷暴日之间的误差会随着设定半径的变化而变化，呈现逐渐减小至最小再增大的趋势，故需要确定闪电范围与人工观测雷暴日相匹配。最小二乘法是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数进行匹配，是气象数据寻求最优参数和拟合的常用方法。具体公式为

D={\sum }_{i=\mathrm{1}}^{\mathrm{109}}{\left(L_{Ri}-T_i\right)}^{\mathrm{2}}，（2）

式中，L_Ri 为基于闪电定位数据计算得到的雷电日，采用2010年8月至2022年4月的闪电定位数据，以各站为圆心，以0~20 km为半径进行计算，在统计范围内只要监测到1次雷电，则为1个雷暴日；T_i 为人工观测的雷暴日，采用1994-2013年的多年雷暴日均值；R为闪电定位数据的取值半径（km）；i为台站（i=1，2，3，…，109，分别对应各台站）。

通过最小二乘法对气象观测站不同取值范围内的闪电定位数据与雷暴日进行匹配分析（图6），发现在18 km处为闪电定位仪数据的最优半径。

图7为各气象观测站18 km范围内的闪电数据计算的全省年均雷电日数及雷暴等级。从图7（a）可以看出，全省雷暴天数介于10~60 d之间，大部分县市在10~20 d之间，其中北部大部分县市及临汾市、长治市的部分县市在30~40 d之间，太原市、阳泉市的部分地区在40~50 d之间。从雷暴等级分布图（图7（b））看，全省大部分县市为中雷区，北部大同市和吕梁市、临汾市西部地区、运城市和晋城市大部为少雷区，太原市和阳泉市部分地区为多雷区，无中雷区，其结果与人工雷暴日观测结果（图4（b））基本一致，人工雷暴日观测在大同市北部和忻州市西部的部分地区为多雷区，但在闪电定位仪观测的为少雷区。

人工雷暴日观测与闪电定位仪观测差异的可能原因如下。

（1）观测原理差异导致的误判：人工观测依赖“目视闪电+听觉雷声”，该区域为高海拔山区（平均海拔1 500~2 500 m，如大同市北部的采凉山、忻州市西部的芦芽山），地形开阔，声波（雷声）传播距离远（山区大气逆温层利于声波传播，可听到20~30 km外的雷声），观测者易将“远处雷暴的雷声”误判为“本地雷暴”，导致人工雷暴日数高估；而闪电定位仪通过电磁波精准定位，仅记录18 km范围内的闪电，避免了“远距离雷声误判”，反映的是实际本地闪电活动。

（2）地形对闪电定位信号的遮挡：该区域多高山峡谷（如忻州市西部的黄河峡谷），闪电定位仪的电磁波信号（甚低频VLF）易受高山遮挡，当闪电发生在峡谷底部或高山背风坡时，信号衰减明显，导致部分低强度闪电未被捕捉（虽质控已剔除<2 kA的信号，但5~10 kA的弱闪电仍可能因遮挡漏测），而人工观测不受地形遮挡影响，仍记录为雷暴日，进一步扩大差异。

（3）数据时段的气候差异：因人工观测存在的主观性强、不能定量、观测不连续等缺点，2013年底中国气象局取消了雷暴日等相关人工观测，选择采用的人工观测数据为1994-2013年（20年），闪电定位数据为2011-2021年（11年），重叠时段仅3年（2011-2013年）。分析显示，人工观测的长期数据包含“雷暴偏多时段”，而闪电定位数据主要覆盖“雷暴偏少时段”，导致两者年均值存在差异，此外还可能与全球气候变暖导致的区域对流活动减弱有关。

计算5 km×5 km网格单元的日密度，按照指标判断地闪密度等级，形成网格日密度等级G_d数据（表1）。根据表2的百分位数区间确定幅值等级分级指标，并将表2中的I_n参考值作为幅值等级划分指标。取各网格单元内地闪的最大幅值作为网格电流幅值，判断电流幅值等级，形成网格电流幅值等级G_In数据。

在密度等级与幅值等级分为1~5，权重为3∶1^［25］的情况下，雷电综合强度等级范围也应为1~5，且共有1、1.25、1.5等25种组合，同样以1、2、3、4、5代表不同等级的思想，采用四舍五入的办法，形成如表3的分级指标范围。根据综合强度（I_N）的大小，按照表3的指标范围划分雷电综合强度等级。权重经验参考值见表4。

2.9 推广应用实例及前景

按照以上雷电综合强度等级划分方法，分别对2021年6-8月逐日雷电强度分布进行测试。以2021年6月13日为例，根据此强度划分表划分了当日的闪电强度图（图8），可以看出2021年6月13日00时至2021年6月13日23时，山西省共发生地闪1 083次，其中正地闪101次，负地闪982次，正闪比为9.3%，平均总电流幅值为26.4 kA，平均负电流幅值为23.9 kA，最大负电流幅值为99.1 kA，位于五寨县，平均正电流幅值为51.1 kA，最大正电流幅值为195.3 kA，位于左云县。闪电集中发生于10时至15时之间（图略），位置集中在山西省北部地区，12时最大闪电次数超过250次，忻州市、太原市部分地区雷电综合强度达到了极强标准。

本文研究成果目前已实现从天擎数据源获取雷电实时数据，应用更加便利，为深入开展运城市雷电监测工作提供了科学依据，为开展雷电业务及气象防灾减灾技术支撑工作打开了窗口，提升了对天气和气候尺度上雷电活动强弱的科学评价，未来可以推广应用到铁路、电力等专项气象服务中，技术路线和分级方法可在全国范围推广。

3 结论与讨论

本研究以用户需求为向导，基于闪电定位数据，最终实现了雷电活动的气候及天气分级指标，并在山西省范围内开展了分级指标试用。

首先，以现有国标中的地区雷暴日等级划分标准为依据，划分人工观测雷暴日山西省分布等级，最终绘制雷暴日分布图。从人工观测雷暴日数据分布图可以看出，高雷暴频次区域主要分布在朔州市中部、忻州市、太原市、阳泉市、吕梁市东北部、晋中市、长治市北部、临汾市中部，而低雷暴频次区域主要位于大同市、朔州市东西部、吕梁市西部、临汾市大部、长治市和运城市。其次，利用雷暴日人工观测数据与闪电定位仪数据，采用最小二乘法确定了使用闪电定位仪替代台站观测雷暴日的最优半径（18 km），研究建立了5 km×5 km分辨率雷电综合强度指数，研究山西省雷暴（电）日及雷电密度分布规律，建立基于闪电定位数据计算的年均雷暴日数及雷暴等级分布图。对比人工观测与闪电定位观测的分布结果，分析两者间的可连续性，结果显示闪电定位仪观测结果与人工观测总体一致，但在大同市北部和忻州市西部的部分地区存在差异，人工观测为多雷区，而闪电定位仪观测结果为少雷区。最后，计算网格单元日密度及网格电流幅值，分别用百分位数法划分等级，按照经验权重比例划分雷电综合强度等级。完成三个月雷电强度逐日分布测试，并在运城市人工影响天气和气象灾害防御中心进行应用测试，在工作中实现了基于网格化的闪电密度建立的雷电气候、天气分级指标，并实现在运城地区区划的应用。

本研究利用人工观测及闪电定位仪观测的数据，提出了适用于山西省的雷电强弱划分指标，为地方 气象业务和防灾减灾提供了技术支撑。这一方法不仅具有区域适应性，也为全国其他地区制定类似的雷电划分标准提供借鉴。目前，山西省尚无基于闪电定位数据的雷电定量划分技术标准，未来希望在这方面多做工作。然而，本研究仍存在一定局限性：（1）未对有利于雷暴发生的天气形势进行深入分析，未探讨不同天气系统背景下雷电活动的变化特征；（2）未结合数值模式产品对雷电等级进行预报，尚缺乏对雷电未来趋势的预测能力。未来研究可从以下几个方面展开：（1）结合再分析数据，探讨雷电天气形势的影响，未来可利用ERA5、NCEP等再分析数据，结合气象学诊断方法，研究雷暴发生的环境条件，分析大尺度环流形势、湿度条件、对流不稳定参数等对雷电活动的影响，以揭示雷电频次、强度变化的动力学和热力学机制；（2）基于人工智能的雷电分型研究，目前，深度学习和神经网络算法在气象研究中得到广泛应用，未来可尝试使用卷积神经网络（CNN）、长短时记忆网络（LSTM）等方法，对再分析天气场数据进行特征提取和分类，结合雷电观测数据，实现雷电天气形势的自动识别和分类，提高雷电监测和预警的智能化水平。

参考文献

[1] 卢志鹏.城市轨道交通系统雷电防护浅析［J］.建筑设计与研究，2023，4（5）：20-22.

[2] 谢雪芳.牵引供电系统雷电冲击模拟及其防护方法研究［J］.机车电传动，2024（1）：142-147.

[3] 谢东志，郑自君，胥鑫逸.基于网格化的凉山州西部雷击森林火灾风险区划［J］.森林防火，2024， 42（4）：65-69.

[4] 李霞，宋喃喃，刘银萍，等.基于信息扩散理论的江苏省雷电灾害风险评估［J］.暴雨灾害，2021，40（5）： 564-568.

[5] 周波涛，钱进.IPCC AR6报告解读：极端天气气候事件变化［J］.气候变化研究进展，2021，17（6）： 713-718.

[6] 朱浩，程向阳，田红，等.基于GIS的安徽省雷电致灾危险性评估与区划［J］.暴雨灾害，2024，43（6）： 733-740.

[7] 王赟，宋煜，王淑一，等.基于危化场所的多源数据雷电灾害风险区划［J］.自然科学，2024，12（4）： 719-728.

[8] 周纬昕，王金虎，杨璟，等.基于空间化数据的雷电灾害风险区划：以长三角为例［J］.运筹与模糊学，2023，13（6）：6678-6692.

[9] 庞波，朱彪，赖辉煌，等.基于闪电监测数据的台站雷暴日统计检验及其演变特征研究［J］.高原气象，2023，42（6）：1604-1614.

[10] 王学，李想，刘忻.长兴岛地区雷电特征分析［J］.气候变化研究快报，2021，10（6）：767-774.

[11] 栾健，李家启，林中冠，等.基于闪电定位系统和人工观测的雷电关注度对比分析［J］.西南大学学报（自然科学版），2014，36（9）：163-168.

[12] 张义军，孟青，马明，等.闪电探测技术发展和资料应用［J］.应用气象学报，2006，17（5）：611-620.

[13] POEHLER H A， LENNON C L. Lightning detection and ranging system LDAR system description and performance objectives ［R］. Washington ： National Aeronautics and Space Administration （NASA）， 1979.

[14] 郄秀书.卫星观测到的全球闪电活动及其地域差异［J］.地球物理学报，2003，46（6）：743-750.

[15] LIU Y， WANG H， LI Z， et al. A verification of the lightning detection data from FY-4A LMI as compared with ADTD-2［J］. Atmospheric Research，2021，248：105163.

[16] 余田野，张科杰，贺姗.基于LLS监测数据的山区微地形落雷分布差异及影响因素分析［J］.暴雨灾害，2026，45（1）：121-129.

[17] 王学良，王海军，李卫红.近45年湖北省雷电日数的时空变化特征分析［J］.暴雨灾害，2007，26（1）： 83-87.

[18] 曾庆锋，力梅，兰红平，等.闪电定位数据替代雷暴日人工观测初探［J］.干旱气象，2018，36（5）：813-834.

[19] 尹丽云，许迎杰，张腾飞，等.一种新的雷电日及雷电参数统计方法［J］.气象科技，2009，37（6）：739-743.

[20] 王淑一，邹善勇，王囝囝.大连市雷电灾害风险评估体系指标量化方法［J］.气象科技，2016，44（3）： 510-516.

[21] 贺姗，肖稳安，王学良，等.雷电强度客观分级方法探讨［J］.气象科技，2018，46（6）：1291-1296.

[22] WANG L， HARE B M， ZHOU K， et al. Identifying lightning structures via machine learning ［J］. Chaos， Solitons & Fractals，2023，170：113346.

[23] WANG J， HUANG Q， MA Q， et al. Classification of VLF/LF lightning signals using sensors and deep learning methods ［J］. Sensors，2020，20（4）：1030.

[24] 建筑物电子信息系统防雷技术规范：GB 50343-2012 .［S］.北京：中国标准出版社，2012.

[25] 雷电综合强度等级划分：DB22/T 2974-2019 .［S］.吉林：吉林省市场监督管理厅，2019.

[26] 王娟，谌芸.2009—2012年中国闪电分布特征分析［J］.气象，2015，41（2）：160-170.

基金资助

山西省气象局资助项目“山西省雷电活动定量化分级分析与研究”(SXKMSDW20205239)

运城市气象局创新团队资助项目“新型观测设备操作技术和新型观测资料应用”(202503)