2010–2018年FY-2E全圆盘探测区域内雷暴云特征数据集 - 中国科学院计算机网络信息中心

其他数据论文 II 区论文（已发表） • 版本 ZH4 Vol 8 (2) 2023

2010–2018年FY-2E全圆盘探测区域内雷暴云特征数据集

A dataset of thunderstorm features of the FY-2E full-disc observation area from 2010 to 2018

马瑞阳，郑栋

MA Ruiyang, ZHENG Dong

DOI: 10.11922/11-6035.csd.2022.0068.zh
CSTR: 32001.14.11-6035.csd.2022.0068.zh
: 10.57760/sciencedb.02003

： 2022 - 08 - 22

： 2023 - 01 - 10

： 2022 - 09 - 05

： 2023 - 06 - 06

map

6812 23 0

摘要&关键词

摘要：雷暴云是产生雷电的对流云，常伴随着灾害性天气过程，是天气监测和预报的重要对象。目前针对我国雷暴云特征的研究还相对较少，具有高时间分辨率和大空间范围的雷暴云数据集也较为欠缺。本数据集综合利用了风云2号E星（FY-2E）的相当黑体亮度温度（Black Body Temperature，TBB）产品、云分类（Cloud Classification，CLC）产品和全球闪电定位网（World-Wide Lightning Location Network，WWLLN）的闪电观测数据，通过对TBB不超过−32℃的云区进行提取和椭圆拟合，定义1小时内上述云区或椭圆区域有WWLLN闪电发生的个例为雷暴云，获得雷暴云时间、位置、形态、结构、闪电活动等特征参量，构建雷暴云特征数据集。本数据集时间范围为2010–2018年，时间分辨率为1小时，覆盖包括我国陆地和毗邻海域的FY-2E全圆盘探测区域，可以在雷暴活动研究中发挥重要作用。

关键词：雷暴云特征数据集；高时空分辨率；广域空间覆盖；闪电

Abstract & Keywords

Abstract: Thunderstorm clouds yield lightning discharges and are often accompanied by damaging weather; therefore, they are important concerns for weather monitoring and forecasting. At present, the research on the thunderstorm activity in China is deficient; and available thunderstorm cloud datasets with high temporal-spatial resolution and big spatial coverage are rare. We established the thunderstorm feature dataset (TFD) by using the black body temperature (TBB) and the cloud classification (CLC) products from the Fengyun-2E (FY-2E) satellite and the lightning location data from the World-Wide Lightning Location Network (WWLLN). Thunderstorm cloud is defined in accordance with the criterion that at least one WWLLN lightning is in the area with TBB ≤ −32°C or its fitted ellipse. We obtained the parameters including time, location, structure, and lightning activities to prepare the TFD. This dataset extends from 2010 to 2018, with a temporal resolution of 1 hour and wide spatial coverage of the FY-2E full-disc observation area, especially including the mainland and adjacent sea areas of China. This TFD can play an important role in the study of thunderstorm activities.

Keywords: thunderstorm feature dataset; high temporal-spatial resolution; wide area coverage; lightning

数据库（集）基本信息简介

数据库（集）名称	2010–2018年FY-2E全圆盘探测区域内雷暴云特征数据集
数据通信作者	郑栋（zhengdong@cma.gov.cn）
数据作者	马瑞阳、郑栋
数据时间范围	2010年1月12日–2018年12月31日
地理区域	FY-2E卫星的全圆盘探测区域，2015年7月前地理范围为90°S–90°N，14.5°E–194.5°E，2015年7月后为90°S–90°N，3.5°W–176.5°E。
空间分辨率	与FY-2E卫星TBB产品空间分辨率一致，星下点（104.5°E，2015年7月后为86.5°E）分辨率为5 km，越靠近卫星探测全圆盘区域边缘分辨率越低。
数据量	246 GB
数据格式	*.mat
数据服务系统网址	http://doi.org/10.57760/sciencedb.02003
基金项目	国家重点研发计划（2017YFC1501503）；第二次青藏高原综合科学考察研究（2019QZKK0104）；中国气象科学研究院基本科研业务费重点项目（2020Z009）。
数据集组成	数据集包括2010–2018年每小时的雷暴云参量数据文件，以Matlab格式中的结构体（struct）变量进行存储，其中包括雷暴云时间、位置信息，用拟合椭圆表示的雷暴云形态（长、短轴、旋转角等）信息，表征雷暴云结构的云面积、TBB统计值，雷暴云中包含的闪电信息以及包含的强对流核、闪电簇信息。

Dataset Profile

Title	A dataset of thunderstorm features of the FY-2E full-disc observation area from 2010 to 2018
Data corresponding author	ZHENG Dong (zhengdong@cma.gov.cn)
Data author(s)	MA Ruiyang, ZHENG Dong
Time range	2010.1.12–2018.12.31
Spatial resolution	Full-disc observation areas probed by FY-2E satellite ( 90°S–90°N，14.5°E–194.5°E before July 2015; 90°S–90°N，3.5°W–176.5°E after July 2015)
Spatial resolution	Same spatial resolution as TBB product provided by FY-2E satellite. The resolution of the subsatellite point (104.5°E before July 2015, 86.5°E after July 2015) is 5 km. The closer to the edge of the FY-2E satellite detection area, the lower the resolution.
Data volume	246 GB
Data format	*.mat
Data service system	http://doi.org/10.57760/sciencedb.02003
Source(s) of funding	National Program on Key Basic Research Project of China (2017YFC1501503); the Second Tibetan Plateau Scientific Expedition and Research (STEP) Program (2019QZKK0104); Basic Research Fund of CAMS (2020Z009).
Dataset composition	The dataset includes the thunderstorm cloud feature parameters from 2010 to 2018, stored as structure (struct) variables by hourly Matlab format files, including thunderstorm cloud time and location, cloud area, cloud fitted ellipse parameters (the length of major axis and minor axis, rotation angles, etc.), TBB features, parameters of internal strong convective cores (the continuous areas with TBB ≤ −52 °C) and WWLLN lightning clusters.

map

引言

雷电灾害会严重威胁到人们的生命和财产安全^[1]，被联合国有关部门列为“最严重的十种自然灾害之一”。雷暴云是闪电产生的母体，且雷暴云不仅会产生雷电灾害，往往还伴随有强降水、大风、冰雹和龙卷风等灾害性天气。对雷暴云的研究可以为重大灾害性天气的预测提供科学依据，从而减少雷暴灾害天气的损失。此外，雷暴还是全球气候变化的重要影响因子之一^[2]。雷暴活动可以看作是全球大气电路的电源，对电离层和空间天气等产生影响，与对流层和平流层物质输送、大气化学过程（比如闪电产生氮氧化物）、空间天气（电离层演变、中层放电等）等有密切联系^[3-4]。因此，深入开展对雷暴云的研究具有重要的科学意义与应用价值。

雷暴云虽然属于对流系统，但其具有广泛的时空尺度和对流强度分布，除了以往研究中更多关注的面积较大、对流较强的对流活动（如中尺度对流系统、深对流等）外^[5]，仍存在大量面积不大但可以产生强天气过程的雷暴云。因此有必要对雷暴云本身进行研究，深化对雷暴活动特征的了解。闪电是判断雷暴云的本质特征之一，Mezuman等^[6]和Hutchins等^[7]对全球闪电定位网（World-Wide Lightning Location Network，WWLLN）的闪电定位数据进行聚类，识别出雷暴云并对雷暴活动进行研究。但通过闪电聚类得到的实际是的闪电活动簇，仅代表雷暴云内闪电活动活跃区的信息，无法描述雷暴云整体的云结构属性。美国犹他大学基于TRMM（Tropical Rainfall Measuring Mission）卫星观测数据建立的RPF（Radar Precipitation Feature）数据集在雷暴活动研究中发挥了重要作用^[8-10]。但由于TRMM卫星对地面较低的观测频次和较短的观测时间，会错失大量雷暴云样本。且TRMM卫星轨道扫描宽度和运行区域有限，无法对部分尺度较大的雷暴云以及高纬度地区的雷暴云进行完整观测。

目前能够进行雷暴活动和雷暴云特征分析的数据集较少，已有的一些仅仅基于闪电数据聚类或者极轨卫星观测的数据集也具有自身的局限性。本数据集综合使用了静止轨道气象卫星风云2号E星（FY-2E）的观测数据和WWLLN闪电探测数据，结合了两种观测手段的优势（时空范围广且时间分辨率高），获取大量的雷暴云样本，并获得它们的时空位置和结构等信息。本数据集时间范围为2010–2018年，时间分辨率为1 h，空间覆盖范围广，可覆盖我国陆地区域和邻近海域，能在雷暴活动研究中发挥重要作用。

1 数据采集和处理方法

1.1 数据来源

雷暴云特征数据集建立使用的数据包括基于FY-2E卫星的相当黑体亮温（Black Body Temperature, TBB）产品、云分类（Cloud Classification，CLC）产品以及WWLLN闪电定位数据。

FY-2E是中国自主研制的业务应用型静止轨道气象卫星，于2008年12月23日发射升空，并于2009年定位于104.5°E赤道上空开始进行业务观测，自2015年7月1日起漂移至86.5°E赤道上空，继续提供观测服务，至2019年正式退出业务运行。FY-2E在探测时间上较为连续，且探测范围广，能够覆盖中国及其周边区域。其TBB产品、CLC产品由FY-2E卫星搭载的可见光红外自旋扫描辐射仪（Stretched Visible and Infrared Spin Scan Radiometer-II，VISSR-2）观测处理得到。产品的时间分辨率为1 h，星下点空间分辨率为5 km。

WWLLN是覆盖全球的闪电定位网。WWLLN的传感器探测到3～30 kHz频段内的甚低频（Very Low Frequency）闪电电磁辐射信号，用GPS获得雷电信号到达各观测站的精确时间，在中心站通过采用组到达时间法（Time of Group Arrival）对至少5个测站接收到的闪电辐射脉冲和时间进行处理，得到闪电发生的位置、时间等信息^[11-12]。WWLLN探测系统最大的优势在于能连续不间断地对全球范围内的闪电活动进行监测，其连续性观测在认识闪电活动时空分布特征方面具有优势^[13]。但是，由于采用较长的基线，WWLLN的探测效率相对较低，主要是探测具有较强放电过程的闪电^[14-16]。

1.2 数据集的建立方法

如图1所示为雷暴云特征数据集的建立流程图。先使用TBB数据和CLC数据对备选云区进行识别；然后使用WWLLN闪电数据与备选云区进行匹配，选择出有闪电活动的云为雷暴云；随后对雷暴云各参量进行计算，参量包括雷暴云时间、位置信息，雷暴云拟合椭圆的长、短轴、旋转角，雷暴云面积、雷暴云内的TBB统计值、闪电信息以及强对流核信息等；最后对雷暴云内的WWLLN闪电进行聚类，得到雷暴云内闪电簇的参量信息。以下对数据集建立中的一些重要步骤进行详细说明，主要包括雷暴云的识别，闪电的匹配以及雷暴云内的闪电聚类。

图1 雷暴云特征数据集建立流程

Figure 1 Process of establishing the thunderstorm cloud feature dataset

1.2.1 雷暴云的识别

TBB是由卫星红外探测通道获取的云顶及无云或少云区地球表面的黑体辐射温度^{[5, 17]}，在云区中，TBB是云顶的黑体辐射温度，其值一般低于0 ℃，且TBB值越低，说明云顶高度越高，对流越强，反之亦然。TBB ≤ −32 ℃常作为中尺度对流复合体、中尺度对流系统等的识别标准之一被广泛使用于对流活动的研究中^{[5, 17-18]}。本数据集选择的雷暴云备选区域需要同时满足TBB ≤ −32 ℃且在CLC产品中被识别为云，如图2中黑色曲线所围区域即为雷暴云备选云区。图2中的蓝色椭圆为备选云区的拟合椭圆，该拟合椭圆由备选云区的二阶距确定，有助于更好的描述云区的形状特征。

图2 雷暴云区域的识别示意图。颜色填充表示TBB值，黑色线所围区域为TBB ≤ −32 ℃的区域，蓝色线表示针对上述区域的拟合椭圆，绿色“*”为叠加的1小时WWLLN闪电，黑色和蓝色实线表示雷暴云，黑色和蓝色虚线表示非雷暴云

Figure 2 Schematic diagram of thunderstorm cloud area identification. The fill color indicates the TBB value; the areas delineated by black lines have TBB not higher than −32 ℃; the blue lines represent the fitted ellipses for these areas, the one-hour WWLLN lightning flashes superimposed are labelled by the green "*"; the black and blue solid lines represent thunderstorms; and the black and blue dashed lines represent non-thunderstorms

1.2.2 闪电的匹配

雷暴云是产生闪电的对流云，因此需要使用闪电数据与雷暴云备选区进行匹配，选择出产生闪电的云为雷暴云。根据FY-2E的观测时间（通常在每小时的前20分钟进行观测），选择出TBB数据显示时间前20分钟至后40分钟内的所有WWLLN闪电，将这些闪电与上一步得到的备选云区进行匹配，选择备选云区内或其拟合椭圆内有闪电的云为雷暴云。如图2中，绿色“*”标记的是WWLLN闪电的位置，黑色实线表示的云区即为雷暴云，蓝色椭圆为其对应拟合椭圆；黑色虚线表示的云区为非雷暴云。另外，若两个或多个备选云区的拟合椭圆存在重合，且仅在它们的重合区域内有闪电，则这两个备选云区均不认为是雷暴云；如果拟合椭圆重合的某些或全部雷暴云内（黑色曲线内）也存在闪电，则这些雷暴云保留。

在闪电匹配中，选择了1小时内的闪电与TBB ≤ −32 ℃区域进行匹配，这样做的理由如下：首先，如果在1小时内雷暴云有闪电活动产生，但卫星对该云探测的时间恰好处于云内无闪电活动的阶段（比如云形成的初阶段或消亡阶段），采用TBB ≤ −32 ℃的判断标准可以一定程度上减少上述情况造成的雷暴云样本的遗漏。其次，选择1小时内的WWLLN闪电可以与风云卫星数据的时间分辨率相对应，且在雷暴云内，强度大的闪电占比较小，如果观测时间足够长，WWLLN观测到的雷暴云产生的强闪电一定是更多的，因此使用1小时内的闪电数据也能降低WWLLN较低探测效率^[14-16]的影响，尽量减少遗漏的样本。

1.2.3 闪电聚类

对每个雷暴云中的WWLLN闪电进行聚类，得到雷暴云中的闪电簇，可以指示雷暴中强对流区的位置和范围。闪电聚类使用的算法为DBSCAN算法，参考Hutchins等^[5]的研究，确定DBSCAN聚类参数分别为𝜖 = 12 km、MinPts = 2，即要求雷暴云中的每个闪电簇中的闪电数大于2且都落在半径12 km以内。如图3为雷暴云内通过DBCAN算法聚类得到的闪电簇示意图，黑色实线包围的即为2011年7月24日14:00 UTC时次的一个雷暴云个例，其中绿色“*”标记的是WWLLN闪电的位置，绿色实线则为闪电簇的边界。通过对WWLLN闪电的聚类，对雷暴云内每个闪电簇的位置、面积、其内闪电数以及其内闪电对应的TBB值等信息进行存储。

图3 雷暴云内闪电聚类成闪电簇的示意图。图中绿色实线为闪电簇的边界，其他信息解释同图2

Figure 3 Schematic diagram of lightning clustering into WWLLN clusters within a thunderstorm cloud. The areas delineated by green lines are flash clusters; the other information in the figure is the same as that in Figure 2

2 数据样本描述

本数据集为2010–2018年整个FY-2E卫星全圆盘探测区域内的雷暴云特征数据集，其中包括了雷暴云时间、位置信息，用拟合椭圆表示的雷暴云形态（长、短轴、旋转角等）信息，表征雷暴云结构的云面积、TBB统计值、其中包含的闪电信息以及包含的强对流核、闪电簇信息等。数据文件格式为MATLAB格式，文件名为YYYYMMDD_hhmm.mat，每个数据文件中包含一个变量，变量名为TSC，数据格式为1×n的结构体(struct)变量，其中n为该文件的对应的时间段内区域内的所有雷暴云数量。变量TSC中共有20个属性(fields)，分别存储不同的雷暴云参量信息，具体参量信息如表1～5所示。missdata_hour.mat为数据集缺失数据统计文件。

表1 雷暴云特征数据集参量说明

属性（fields）名	中文参量名	参量说明
Boundaries	雷暴云边界信息	第1列为边界点经度，单位：degree；第2列为边界点纬度，单位：degree
Celldata	雷暴云内各点的经纬度信息及对应的TBB值	第1列为经度，单位：degree；第2列为纬度，单位：degree；第3列为TBB值，单位：℃
Area	雷暴云面积	雷暴云的面积，单位：km²
Center_lonlat	中心位置坐标	第1列为中心位置经度，单位：degree；第2列为中心位置纬度，单位：degree
Centroid_lonlat	质心位置坐标	第1列为质心位置经度，单位：degree；第2列为质心位置纬度，单位：degree
MajorAxisLength	拟合椭圆长轴长度	由雷暴云边界拟合得到的椭圆长轴长度，单位：km
MinorAxisLength	拟合椭圆短轴长度	由雷暴云边界拟合得到的椭圆短轴长度，单位：km
Orientation	拟合椭圆的旋转角	由雷暴云边界拟合得到的椭圆旋转角，单位：degree，从正东方向顺时针旋转为正，逆时针旋转为负，范围：−90～90°
Eccentrucity	拟合椭圆离心率	由雷暴云边界拟合得到的椭圆离心率，范围0，1)，椭圆越圆，离心率越接近0，圆形的离心率为0
TBBmax	TBB最大值	雷暴云内TBB的最大值，单位：℃
TBBmin	TBB最小值	雷暴云内TBB的最小值，单位：℃
TBBmean	TBB平均值	雷暴云内TBB的平均值，单位：℃
TBBmedian	TBB的中值	雷暴云内TBB的中值，单位：℃
WWLLNstroke	雷暴云内包含的WWLLN闪电	雷暴云内闪电的定位信息，详细信息见表2
s5282para	雷暴云包含强对流核的部分参量	第1、2列分别为雷暴云包含的强对流核（TBB ≤ −52 ℃的区域）的数量和总面积，面积单位：km²；第3、4列分别为雷暴云包含的极强对流核（TBB ≤ −80 ℃的区域）的数量和总面积，面积单位：km²
S52	雷暴云包含强对流核（TBB ≤ −52 ℃的区域）	雷暴云内包含的强对流核（TBB ≤ −52 ℃的区域）信息，包含14个参量，详细信息见表3
S80	雷暴云包含极强对流核（TBB ≤ −80 ℃的区域）	雷暴云内包含的极强对流核（TBB ≤ −80 ℃的区域）信息，包含14个参量，详细信息见表3
WWLLNcluster_point	雷暴云内闪电簇包含的闪电	闪电聚类后，闪电簇内的闪电信息，其中变量xy1内为闪电核心点定位数据，变量xy2内为闪电非核心点定位数据。闪电定位信息见表2
WWLLNcluster_noise	离散闪电	离散闪电（即闪电聚类过程中，未聚类到闪电簇中的闪电）的定位信息，详细信息见表2
WWLLNcluser	雷暴云内闪电簇	雷暴云内闪电簇参量信息，详细信息见表4

表2 雷暴云内的WWLLN闪电定位信息

列数	参量说明
1	WWLLN闪电定位的时间（UTC），年
2	WWLLN闪电定位的时间（UTC），月
3	WWLLN闪电定位的时间（UTC），日
4	WWLLN闪电定位的时间（UTC），时
5	WWLLN闪电定位的时间（UTC），分
6	WWLLN闪电定位的时间（UTC），秒
7	WWLLN闪电定位位置的纬度，单位：degree
8	WWLLN闪电定位位置的经度，单位：degree
9	闪电定位的时间误差，单位：µm
10	WWLLN站网内探测到该闪电的站数
11	闪电定位的日期数字（从公元0年到某一日期的的天数），单位：天
12	该闪电是否位于雷暴云边界内（1：是，0：否）
13	该闪电是否位于雷暴云边界的拟合椭圆内（1：是，0：否）
14	该闪电发生时间和位置对应的TBB值

表3 强对流核（TBB ≤ −52 ℃的区域）、极强对流核（TBB ≤ −80 ℃的区域）参量信息

属性（fields）名	中文参量名	参量说明
Boundaries	（极）强对流核边界信息	第1列为边界点经度，单位：degree；第2列为边界点纬度，单位：degree
Celldata	（极）强对流核内各点的经纬度信息及对应的TBB值	第1列为经度，单位：degree；第2列为纬度，单位：degree；第3列为TBB值，单位：℃
Area	面积	（极）强对流核的面积，单位：km²
Center_lonlat	中心位置坐标	第1列为中心位置经度，单位：degree；第2列为中心位置纬度，单位：degree
Centroid_lonlat	质心位置坐标	第1列为质心位置经度，单位：degree；第2列为质心位置纬度，单位：degree
MajorAxisLength	拟合椭圆长轴长度	由（极）强对流核边界拟合得到的椭圆长轴长度，单位：km
MinorAxisLength	拟合椭圆短轴长度	由（极）强对流核边界拟合得到的椭圆短轴长度，单位：km
Orientation	拟合椭圆的旋转角	由雷暴云边界拟合得到的椭圆旋转角，单位：degree，从正东方向顺时针旋转为正，逆时针旋转为负，范围：−90～90°
Eccentrucity	拟合椭圆离心率	（极）强对流核边界拟合得到的椭圆离心率，范围0，1)，椭圆越圆，离心率越接近0，圆形的离心率为0
TBBmax	TBB最大值	（极）强对流核内TBB的最大值，单位：℃
TBBmin	TBB最小值	（极）强对流核内TBB的最小值，单位：℃
TBBmean	TBB平均值	（极）强对流核内TBB的平均值，单位：℃
TBBmedian	TBB的中值	（极）强对流核内TBB的中值，单位：℃
num32	极强对流核所属的雷暴云编号	对应变量TSC中的行数

表4 雷暴云内闪电簇参量信息

属性（fields）名	中文参量名	参量说明
point	闪电簇包含的闪电信息	闪电簇中包含的闪电定位信息，详细参量信息见表2
bou	闪电簇的边界信息	第1列为边界点经度，单位：degree；第2列为边界点纬度，单位：degree
centroid	质心位置坐标	第1列为质心位置经度，单位：degree；第2列为质心位置纬度，单位：degree
area	闪电簇面积	闪电簇的面积，单位：km²

3 数据质量控制和评估

3.1 数据质量控制

通过对雷暴云数据集内雷暴云面积和闪电活动特征的统计分析，发现数据集中存在少部分的异常雷暴云样本，表现为云面积极大但其内闪电数量却极少^[19]，这些样本可能会对雷暴云特征参量的统计分析造成影响，因此在使用数据集和统计的过程中，可进行一定的质量控制。如下为对2010–2018年中国陆地区域内的雷暴云进行质量控制的详细描述：

数据集中共统计到质心落在中国陆地的雷暴云420 735个，图4为中国陆地内雷暴云在各闪电数量和云面积区间内的样本数分布。首先，将样本划分到不同的闪电频次区间内，并保证落每个区间内的样本量足够大。针对每个区间里的样本，进行雷暴云面积异常值边界的计算。异常值判断使用的阈值是箱线图中默认的异常值边界，上下边界分别为Q2+1.5×（Q2−Q1）和Q1−1.5×（Q2−Q1），Q1为25分位值和Q2为75分位值。图4中红色“*”表示不同闪电频次区间的面积异常值上边界。然后，对在各个区间获得的上边界面积进行拟合，拟合公式在图4中显示，拟合曲线如图4中黑色实线所示，统计中只选择位于该线下方的样本进入分析。通过质量控制，中国陆地区域内进入分析的雷暴云样本数为362 466个，约占区域内总样本数的86%。

图4 2010–2018年不同闪电数量（F）和雷暴云面积（A）区间的样本量分布

Figure 4 Distribution of sample numbers in different lightning frequency (F) and thunderstorm cloud area (A) intervals during 2010–2018

3.2 数据质量评估

雷暴云特征数据集的时间范围为2010年1月12日–2018年12月31日，但其中存在部分数据缺失，如2015年6月3日–6月28日由FY-2E卫星星下点的漂移造成的较长时间段的数据缺失，在使用数据时应当注意。本数据集中，共有缺失数据的小时数3302个，缺失数据的详细信息见文件missdata_hour.mat。雷暴云特征数据集覆盖范围与FY-2E观测区域一致，但由于在圆盘观测区域边缘，卫星观测到的云可能不完整，所以使用数据集时建议不要使用全圆盘区域靠近边缘处的数据。

如图5所示为2018年7月15日19:30 UTC时次华北地区一次雷暴个例的识别结果，图5a中红色实线圈住了雷暴云的识别区域，颜色表示TBB的数值，灰色“+”为叠加的1小时WWLLN闪电。图5b为对应时次的多普勒天气雷达组合反射率图。可以看出本数据集识别出的雷暴云区域的位置大致与组合反射率大于20 dBZ的区域对应，雷暴云的位置和结构在总体上与雷达探测的结果是一致的。但是由于卫星探测的云顶亮温，而地基雷达探测的降水回波，两者的观测对象并不完全相同，因此雷暴云的识别结果与雷达强回波的区域及形状具有一定的差异，通常卫星识别出的雷暴云区域由于包含非降水区的云顶信息，会大于雷达观测的降水区域。Du等^[20]使用本研究的雷暴云特征数据集分析了青藏高原地区雷暴云的部分特征，发现高原地区雷暴云的面积均值为1.82×10³ km²。而Zheng等^[21]使用TRMM卫星的降水雷达（Precipitation Radar，PR）数据计算得到高原地区雷暴云组合反射率大于20 dBZ的区域面积均值仅为448 km²，远小于使用雷暴云特征数据集得到的雷暴云面积值。这正是由于卫星TBB观测和地基雷达观测的对象差异造成的，因此在使用本数据集时应当注意到这一点。

图5 2018年7月15日19:30（UTC）华北地区基于FY-2E卫星的雷暴云识别结果（a）与地面雷达观测的组合反射率（b）对比。（a）中红色实线所围区域为识别出的雷暴云区域，灰色“+”为叠加的1小时WWLLN闪电。

Figure 5 Comparison between the thunderstorm cloud identified based on FY-2E satellite (a) and the image of radar composite reflectivity (b), taking a weather system at 19:30 UTC on 15 July 2018 as an example. The red line in (a) encloses the identified thunderstorm cloud where one-hour WWLLN lightning flashes are shown as grey "+".

图6所示为使用该雷暴云特征数据集基于雷暴云质心位置得到的我国陆地雷暴活动空间分布图，由于雷暴云特征数据集为逐小时的数据，其密度的统计实际为雷暴小时数密度，其中既有雷暴云数量信息，也有雷暴云生命史的信息，因此本数据集的雷暴云统计量就会远大于基于TRMM数据的统计结果^[10]。如图7为使用1961–2014年气象站观测数据得到的我国陆地地区年雷暴日数分布图，通过对比可看出，该图与使用本研究数据集得到的雷暴小时数密度的空间分布（图6）大致对应，一定程度上验证了该数据集的可靠性。

图6 2010–2018年中国雷暴小时数密度的空间分布，统计网格1°×1°（不含台湾省数据）【GS京（2023）1159号】

Figure 6 Spatial distribution of the thunderstorm hourly density in China during 2010–2018, 1°×1°grid (excluding the data of Taiwan Province)

图7 1961–2014年中国年雷暴日数空间分布图（不含台湾省数据）【GS京（2023）1159号】

Figure 7 Spatial distribution of the annual thunderstorm day in China during 1961–2014 (excluding the data of Taiwan Province)

4 数据价值

雷暴云特征数据集内包含大量的雷暴云样本，除了雷暴云发生的时间、位置外，还计算存储了雷暴云形态（云边界、拟合椭圆的长、短轴等）信息、雷暴云面积、TBB统计值、其中包含的闪电信息以及强对流核、闪电簇的信息等。利用本数据集，可对雷暴活动以及雷暴云的结构特征有更深的认识。

与以往研究雷暴云的数据相比，本数据集建立所使用的卫星数据和闪电数据覆盖范围大、时空分辨率高，特别是能很好地覆盖我国内陆及毗邻海域，对大范围区域和特定小区域的雷暴活动特征均可进行分析研究^[19-20]。除雷暴活动时空分布特征外，还可利用本数据集对雷暴结构特征、雷暴云内闪电活动等雷暴云本身的特征进行研究^[20]。此外，还可结合气象站观测数据、雷达观测数据、再分析数据等，对雷暴云发生的大尺度天气系统、气象环境条件以及雷暴云特征与相关气象要素的关系等进行分析和研究。

5 数据使用方法和建议

本数据集文件为.mat格式，是MATLAB的数据存储的标准格式。推荐使用Matlab直接进行读取，如下所示为Matlab读取代码示例：

%单个参量的读取
filepath=‘\dataset\YYYY\YYYYMMDD_hhmm.mat’; %数据路径
load(path); %打开本数据文件
Area=TSC(1).Area; %读取第1个雷暴云的面积
WWLLN_lon=TSC(1).WWLLNstroke(:,8); %读取第1个雷暴云内所有闪电的经度信息
S52_Area=TSC(1).S52(2).Area; %读取第1个雷暴云内第1个强对流核的面积

[1]

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. DOI: 10.11898/1001-7313.20060504。 [ZHANG Y J, MENG Q, MA M, et al. Development of lightning detection technique with application of lightning data[J]. Journal of Applied Meteorological Science, 2006, 17(5): 611–620. DOI: 10.11898/1001-7313.20060504.]