黄怡鋆1,2樊亚东1,2王红斌3蔡力1,2王建国1,2
（1.雷电防护与接地技术教育部工程研究中心武汉4300722.武汉大学电气与自动化学院武汉4300723.广州供电局有限公司广州510013）
摘要雷暴是威胁电力系统安全可靠运行的重要因素，监测雷暴活动可以为电力系统雷电防护提供雷暴活动路径及预警信息。该文提出一种组合八邻域雷暴跟踪算法及跟踪结果评估指标，并采用该算法对珠三角地区九次雷暴活动进行时空演变特征分析和定量评估。结果表明，九个雷暴活动共识别出大于18min的轨迹1490条，其中简单轨迹和含分裂合并过程的复杂轨迹各占一半。雷暴活动平均速度为51.4km/h，速度中值为43.0km/h，简单轨迹平均速度比复杂轨迹慢。评估指标命中率（POD）、虚假警报率（FAR）和临界成功指数（CSI）分别为64.3%、40.4%和42.7%，轨迹时长中值、平均轨迹偏差、非连贯性和平均合并分裂次数分别为24min、2.80km、0.0327s-1和2.51次。该方法可以很好地描述雷暴活动时空演变过程和评估跟踪结果，为雷电预警提供了有效手段。
关键词：雷暴活动跟踪算法评估指标时空演变组合八邻域
雷暴是严重威胁电力系统安全可靠运行的重要因素[1-4]，超过60%的输电线路故障是由于雷击引起的[5-7]。目前电力系统输电走廊规划和线路防雷主要依据落雷密度和雷电日分布，通过降低杆塔接地电阻、安装避雷器等措施提高输电线路耐雷水平[8]。传统的雷电密度和雷暴日数量不能反映单个雷暴活动时空演变特征[9]，雷电环境的精细化认识有助于优化防雷措施。精确地监测和跟踪雷暴活动轨迹与覆盖范围，研究雷暴活动规律，可以为电力系统提供雷电路径的实时雷电监测和预警服务[10]，开拓以雷电预警技术为基础的输电线路差异化主动性雷电防护新思路，减少因雷击造成的经济损失。
为找到合适输电线路尺度的跟踪方法，本文基于珠三角全闪电定位系统的全闪电数据，结合全闪电数据离散特征和输电线路档距等尺寸，提出了一种组合八邻域的雷暴活动跟踪方法，分析了该地区九次雷暴活动时空演变特征，得到闪电簇面积、质心坐标、云地闪数量、移动方向、移动速度及时空演变轨迹。在列联表法的评估指标基础上，结合全闪电簇轨迹特征提出了轨迹特征评估指标，可以对不同跟踪方法的轨迹时长、轨迹线性、轨迹连贯性及轨迹复杂性进行量化评估。该跟踪方法可描述雷暴活动的时空演变过程及特征，为预测雷暴运动趋势，精细化雷电预警提供行之有效的方法。
图1全闪电定位系统
Fig.1Totallightninglocationsystem
对全闪电雷电定位数据进行网格化处理，得到全闪电密度图，在此基础上采用组合八邻域法对闪电簇进行识别、匹配，获得闪电簇运动轨迹和特征，跟踪算法流程如图2所示。
图2闪电簇跟踪算法流程
Fig.2Flowchartoflightningclustertrackingalgorithm
选择一个网格作为中心网格，中心网格的上、下、左、右、左上、右上、左下、右下紧邻的位置和斜向相邻的位置有八个连通区域，称为八邻域，如图3a所示。采用八邻域法对全闪电密度图[26]（见图3b）进行初始识别，形成初级闪电簇。
在全闪电密度图中，选择某个含有闪电事件的网格作为中心网格，然后查找该网格的八邻域。若八邻域网格内含有闪电事件，则将这些网格合并，并以新网格为中心继续寻找其八邻域网格是否存在闪电簇事件，直到再无网格含闪电事件为止。
图3闪电簇识别算法
Fig.3Sketchoflightningclusteridentificationalgorithm
用多边形拟合勾勒雷暴区域，形成初级闪电簇，设定闪电簇最小有效面积为3个网格。图3c中的闪电簇“3”“4”和“5”由于有效面积小于3被舍弃，不形成初级闪电簇。
由于输电线路的档距通常不大于500m，5个档距的距离约为2.5km，以2.5km为半径的圆形面积约为19.63km2。合并空间距离小于或等于2个网格的初级闪电簇得到终级闪电簇，面积中位数为16.94km2，与输电线路5个档距覆盖面积相当。根据文献[25]对多邻域法（邻域数M=8,24,48,80和120）和组合八邻域法（网格间距gap=0,1,2,3和4）闪电簇的识别评估结果，组合八邻域法相对于邻域法闪电簇面积占比（闪电簇中含闪电事件的网格占闪电簇面积的百分比）显著提高。本文采用空间间距为2个网格距离的组合八邻域法，该方法得到的闪电簇面积虽与24邻域法闪电簇面积中值相当，但面积占比大约提高了19%，闪电簇更加紧密。此外24邻域法的闪电簇个数中值比组合八邻域法闪电簇个数中值大，组合八邻域法轨迹简单且计算量少。
图3d中的初级闪电簇“6”和“7”，以及初级闪电簇“8”和“9”，间距在2个或2个网格内，合并形成终级闪电簇，而初级闪电簇“1”和“2”之间距离为3个网格，则各自形成终级闪电簇。如图3e所示，对终级闪电簇进行椭圆拟合，得到终级闪电簇拟合椭圆的长半轴。在跟踪阶段，将此椭圆长半轴作为搜索半径。
（2）
式中，v为配对闪电簇速度；SLC为闪电簇面积；vi,j为参与合并闪电簇的速度；Si,j为参与合并闪电簇的面积；k为历史速度权重。采用本文评估指标分析得到，历史速度权重k对跟踪结果几乎没有影响，本文设置k=0.8。
闪电簇匹配算法如图4所示。以t时刻闪电簇椭圆拟合的长半轴为搜索半径，当椭圆长半轴大于或等于10km时，设置最大搜索半径阈值为10km[28]，在t+Δt时刻预测位置寻找是否存在闪电簇与t时刻闪电簇配对。若搜索半径范围内存在一个闪电簇，如图4a中的闪电簇i1和闪电簇j1，则称为简单配对；若在搜索半径范围内在t+Δt时刻有多个闪电簇存在，如图4b中的闪电簇i2分裂成闪电簇j21和闪电簇j22，可视为闪电簇i2发生分裂。当闪电簇搜索半径大于10km时，超过10km到搜索半径范围内的闪电簇不能配对，如图4b中的闪电簇i2和闪电簇j23。若t+Δt时刻的闪电簇在多个闪电簇的搜索半径范围内，且搜索半径都小于10km，则闪电簇发生合并，如图4c中的闪电簇i3和闪电簇i4合并闪电簇j3。最后采用最短距离法对未配对成功的闪电簇进行配对。
根据配对的闪电簇质心坐标可以求得移动速度和移动方向角分别为
图4闪电簇匹配算法
Fig.4Matchingmethodoflightningclusters
（4）
式中，p为闪电簇位置矢量；(xj,yj)为闪电簇“j”在t+Δt时刻的质心坐标；(xi,yi)为闪电簇“i”在t时刻的质心坐标。
用列联表法计算正确关联数量来评估跟踪结果，其定义见表1。表中X为命中次数，代表外推路径与实际路径一致个数；Y为漏报次数，代表外推不存在闪电簇而实际存在闪电簇的次数；Z为空报次数，指实际未发生闪电但是却外推存在闪电簇的个数；W指实际未发生闪电也未外推存在闪电簇。
表1POD、FAR和CSI的定义
Tab.1ThedefinitionofPOD,FARandCSI
探测闪电事件探测到未探测到发生XY未发生ZW
采用POD、FAR、CSI这三个指标对雷暴活动进行量化评估[29]。POD和CSI值越高，FAR值越低，算法越好。命中率POD、虚假警报率FAR和临界成功指数CSI的表达式分别为
（6）
（7）
式中，N为组成一条轨迹的闪电簇个数；Pt为t时刻闪电簇的质心；为t+1和t-1时刻质心线性插值得到的t时刻的质心位置。
轨迹连贯性采用非连贯性Nc作为评估指标。Nc为沿轨迹的闪电簇最大闪电事件数（maximumnumberoflightningevents,mln）的变化量，利用闪电轨迹时长对其进行归一化处理得到
（10）
式中，Ns、Nm和Nct分别为分裂数量、合并数量和复杂轨迹的数量。
将某年5—9月全闪电数据按事件总数分为5万～10万、10万～20万和20万以上三类，分别占51.9%、28.6%和19.5%。从每类中分别选择三个共九个案例，并按闪电事件个数由多到少排列，详情见表2，采用评估方法对跟踪结果进行评估。
表2九个雷暴活动
Tab.2Listoflightningactivitiesusedinthisanalysis
（续）
雷暴过程案例1为5:00—20:30（UTC）广州及周边地区发生的一次雷暴活动。此过程15.5h内共探测到253607个全闪电事件。雷暴活动每6h雷达反射率特征与全闪电分布情况如图5所示。
图5案例1雷达反射率特征与全闪电分布
Fig.5Radarreflectivitycharacteristicsandfulllightningdistributionmapofcase1
图6闪电簇LC时空演变过程
Fig.6TemporalandspatialevolutionoflightningclusterLC
表3闪电簇LC时空特征参数
Tab.3ThelightningclusterLCspatiotemporalparameters
Fig.7Variationoflightningareasandnumberoflightningeventswithtimealongtrack
整个雷暴活动过程一共得到541条闪电簇轨迹，其中313条闪电簇轨迹时长大于18min。将时长大于18min的轨迹采取如上述方法进行分析，忽略闪电簇影响范围，保留闪电簇质心运动轨迹，得到一次雷暴活动时空演变过程，如图8所示。
图8一次雷暴活动时空演变过程
Fig.8Temporalandspatialevolutionofathunderstorm
闪电簇的移动方向和移动速度可以由连续时刻闪电簇质心确定。九个案例中，案例1、2、4、5、7和9六个案例的闪电簇朝东北方向运动，案例3、6和8的雷暴活动则是朝西北方向运动。
闪电簇轨迹速度分布如图9a所示。在0～25km/h速度范围内，闪电簇数量分布急剧增加并在25km/h附近达到峰值；而后随着速度增加，闪电簇数量逐渐下降。轨迹时长大于18min的闪电簇移动速度均值为51.4km/h，中值为43.0km/h。32.91%的闪电簇速度大于60km/h，仅有10.11%的闪电簇速度大于100km/h，且闪电簇平均速度略高于速度中值，见表4。
表4九个雷暴活动运动特征
Tab.4Movementcharacteristicsoffromninecases
轨迹速度/(km/h)平均中值轨迹（dur≥18min）51.443.0简单轨迹42.134.4复杂轨迹54.847.1
复杂轨迹移动速度高于简单轨迹移动速度。简单轨迹闪电簇之间的配对依赖最短距离，而复杂轨迹的速度采用合并或分裂过程中配对成功闪电簇的平均速度，即合并或分裂过程中闪电簇的平均配对距离比简单配对距离大。本文所得闪电簇运动特征结果与文献[26]基于DBSCAN处理的十年闪电数据所得年均指标基本一致。
图9雷暴活动运动特征参数分布
Fig.9Distributionofmotionparametersinthunderstorms
九个雷暴过程识别出10894个闪电簇形成有效轨迹，面积分布如图9b所示。统计发现，35.1%的闪电簇面积小于10km2，21.6%的闪电簇面积超过100km2，闪电簇面积中值为22km2。这和蔡力等所分析的闪电簇几乎在百千米尺度相比，本文提出的跟踪方法有效缩小了闪电簇面积[20]。
采用评估列联表法对九个案例进行评估，九个案例及整体的POD、FAR和CSI见表5。
表5列联表法评估结果
Tab.5Evaluationresultsofcontingencytablemethod
案例POD(%)FAR(%)CSI(%)163.341.443.8263.940.944.3362.342.442.7463.641.743.7561.742.142.6667.737.448.2
案例POD(%)FAR(%)CSI(%)765.738.246.7867.437.847.8968.135.049.8整体64.340.442.7
九个案例的轨迹特征及整体的评估结果见表6和图10。从图10a可以看出，前五个案例的雷暴活动的轨迹时长中值为24min，而后四个案例中值为30min。前五个案例在闪电事件数量较多的情况下，轨迹时长中值较低，原因是轨迹时长较短的比例数增加。
表6轨迹特征法评估结果
Tab.6Evaluationresultsoftrackfeaturemethod
案例持续时长中值/min轨迹偏差均值/km平均标准化非连贯性/s-1平均分裂合并次数1242.850.03412.432242.890.03612.663242.870.02452.774243.010.03502.485242.910.03552.056302.750.03592.447302.790.02772.578302.470.03022.679302.320.04242.04整体242.800.03272.51
图10轨迹特征法评估结果
Fig.10Evaluationresultsoftrackfeaturemethod
如图10b所示，随着全闪电数量的减少，轨迹偏差呈现减小的趋势。5万～10万闪电簇的雷暴活动轨迹偏差最小；而20万以上闪电事件的雷暴活动轨迹偏差稳定，范围在2.85～2.89之内；10万～20万闪电簇的雷暴活动轨迹偏差波动较大，分别为3.01km、2.91km和2.75km。闪电事件数量和轨迹越少，闪电簇运动轨迹的线性越好。由图10c可见，20万以上的雷暴活动的连贯性指标Nc小于10万～20万的连贯性Nc，闪电簇沿轨迹连贯性更好。
九个案例轨迹分类分布情况如图10d所示，识别出的2517条闪电簇轨迹中，1490条轨迹时长超过18min，占总数的57.98%。简单轨迹和复杂轨迹几乎各占一半，分别为751条和739条。平均分裂合并次数为2.51次。
本文提出一种基于组合八邻域跟踪算法的全闪电雷暴活动监测方法及闪电簇轨迹定量评估方法，得到结论如下：
1）对九个雷暴活动进行识别跟踪，共识别出10894个闪电簇，面积中值为22km2.。九个雷暴活动共2517条闪电轨迹，轨迹时长大于18min的有1490条，其中751条为简单轨迹，739条为复杂轨迹。
2）时长大于18min的轨迹平均速度为51.4km/h，速度中值为43.0km/h。简单轨迹运动速度为42.1km/h，而复杂轨迹平均速度为54.8km/h，简单轨迹的闪电簇运动速度比复杂轨迹的闪电簇慢。
3）九次雷暴整体评估指标POD、FAR和CSI分别为64.3%，40.4%和42.7%，轨迹时长、轨迹偏差、轨迹非连贯性和平均合并分裂次数分别为24min、2.80km、0.0327s-1和2.51次。
4）本文所采用的方法，雷电识别尺度在输电线路的5个档距的范围，跟踪结果指标较好，可以为输电线路雷电预警提供支撑。
参考文献
[1]马瑞阳,郑栋,姚雯,等.雷暴云特征数据集及我国雷暴活动特征[J].应用气象学报,2021,32(3):358-369.MaRuiyang,ZhengDong,YaoWen,etal.ThunderstormfeaturedatasetandcharacteristicsofthunderstormactivitiesinChina[J].JournalofAppliedMeteorologicalScience,2021,32(3):358-369.
[2]王建.输电线路气象灾害风险分析与预警方法研究[D].重庆:重庆大学,2016.WangJian.Researchonmeteorologicaldisasterriskanalysisandfaultearlywarningmethodsforoverheadtransmissionlines[D].Chongqing:ChongqingUniversity,2016.
[3]蔡国伟,雷宇航,葛维春,等.高寒地区风电机组雷电防护研究综述[J].电工技术学报,2019,34(22):4804-4815.CaiGuowei,LeiYuhang,GeWeichun,etal.Reviewofresearchonlightningprotectionforwindturbinesinalpineareas[J].TransactionsofChinaElectrotechnicalSociety,2019,34(22):4804-4815.
[4]袁涛,左思家,司马文霞,等.紧凑型多腔室并联间隙雷电冲击闪络路径约束研究[J].电工技术学报,2023,38(11):2989-2998.YuanTao,ZuoSijia,SimaWenxia,etal.Researchonlightningflashoverpathconstraintsofcompactmulti-chamberparallelgap[J].TransactionsofChinaElectrotechnicalSociety,2023,38(11):2989-2998.
[5]OkabeS,TakamiJ.Occurrenceprobabilityoflightningfailureratesatsubstationsinconsiderationoflightningstrokecurrentwaveforms[J].IEEETransactionsonDielectricsandElectricalInsulation,2011,18(1):221-231.
[6]PerezE,EspinosaJ,ArangurenD.Onthedevelopmentofdynamicstrokedensityfortransmissionlineforpowersystemoperationalapplications[J].InternationalJournalofElectricalPower&EnergySystems,2020,116:105527.
[7]袁涛,王肖田,司马文霞,等山区输电线路雷击跳闸预警的融合算法研究[J].电工技术学报,2023,38(9):2528-2540.YuanTao,WangXiaotian,SimaWenxia,etal.Researchonfusionalgorithmoflightningstriketripwarningformountaintransmissionlines[J].TransactionsofChinaElectrotechnicalSociety,2023,38(9):2528-2540.
[8]MatsuiM,MichishitaK,YokoyamaS.Cloud-to-groundlightningflashdensityandthenumberoflightningflasheshittingwindturbinesinJapan[J].ElectricPowerSystemsResearch,2020,181:106066.
[9]BanjaninMS.Applicationpossibilitiesofspeciallightningprotectionsystemsofoverheaddistributionandtransmissionlines[J].InternationalJournalofElectricalPower&EnergySystems,2018,100:482-488.
[10]曾嵘,周旋,王泽众,等.国际防雷研究进展及前沿述评[J].高电压技术,2015,41(1):1-13.ZengRong,ZhouXuan,WangZezhong,etal.Reviewofresearchadvancesandfrontsoninternationallightningandprotection[J].HighVoltageEngineering,2015,41(1):1-13.
[11]王东方,孙竹玲,袁善锋,等.北京多频段闪电三维定位网及一次雷暴过程的闪电时空演化特征[J].大气科学,2020,44(4):851-864.WangDongfang,SunZhuling,YuanShanfeng,etal.Beijingbroadbandlightningnetworkandthespatiotemporalevolutionoflightningflashesduringathunderstorm[J].ChineseJournalofAtmosphericSciences,2020,44(4):851-864.
[12]蔡力.地基VLF/LF三维全闪电定位技术研究[D].武汉:武汉大学,2013.CaiLi.Ground-basedVLF/LFthreedimensionaltotallightninglocationtechnology[D].Wuhan:WuhanUniversity,2013.
[13]陈家宏,张勤,冯万兴,等.中国电网雷电定位系统与雷电监测网[J].高电压技术,2008,34(3):425-431.ChenJiahong,ZhangQin,FengWanxing,etal.LightninglocationsystemandlightningdetectionnetworkofChinapowergrid[J].HighVoltageEngineering,2008,34(3):425-431.
[14]BiagiCJ,CumminsKL,KehoeKE,etal.NationalLightningDetectionNetwork(NLDN)performanceinsouthernArizona,Texas,andOklahomain2003-2004[J].JournalofGeophysicalResearch,2007,112:D05208.
[15]ShaoXM,StanleyM,ReganA,etal.TotallightningobservationswiththenewandimprovedLosAlamosSfericArray(LASA)[J].JournalofAtmosphericandOceanicTechnology,2006,23(10):1273-1288.
[16]BetzHD,MeneuxB.LINETsystems-10yearsexperience[C]//2014InternationalConferenceonLightningProtection(ICLP),Shanghai,China,2014:1553-1557.
[17]高文胜,张博文,周瑞旭,等.基于雷电定位系统监测数据的雷暴云趋势预测[J].电网技术,2015,39(2):523-529.GaoWensheng,ZhangBowen,ZhouRuixu,etal.Nowcastingofthethunderstormtrendbasedondatacollectedbylightninglocationsystem[J].PowerSystemTechnology,2015,39(2):523-529.
[18]王羽,向美辰,邓冶强,等.基于时空聚类的引雷塔区域雷电地闪活动分析[J].高电压技术,2021,47(12):4255-4264.WangYu,XiangMeichen,DengYeqiang,etal.Analysisoflightningactivityinareaoftriggeringlightningtowerbasedonspatial-temporalclustering[J].HighVoltageEngineering,2021,47(12):4255-4264.
[19]司马文霞,李永福,杨庆,等.改进网格法及其在雷电参数统计中的应用[J].高电压技术,2012,38(8):1834-1841.SimaWenxia,LiYongfu,YangQing,etal.Improvedgridmethodanditsapplicationtostatisticsoflightningparameters[J].HighVoltageEngineering,2012,38(8):1834-1841.
[20]王红斌,程思,范伟男,等.雷暴活动全闪电定位及空间演变过程分析[J].电工技术学报,2021,36(2):373-379.WangHongbin,ChengSi,FanWeinan,etal.Totallightninglocationofthunderstormactivitiesandspatialevolutionprocessanalysis[J].TransactionsofChinaElectrotechnicalSociety,2021,36(2):373-379.
[21]HoustonAL,LockNA,LahowetzJ,etal.Thunderstormobservationbyradar(ThOR):analgorithmtodevelopaclimatologyofthunderstorms[J].JournalofAtmosphericandOceanicTechnology,2015,32(5):961-981.
[22]DixonM,WienerG.TITAN:thunderstormidentification,tracking,analysis,andnowcasting-aradar-basedmethodology[J].JournalofAtmosphericandOceanicTechnology,1993,10(6):785-797.
[23]KohnM,GalantiE,PriceC,etal.NowcastingthunderstormsintheMediterraneanregionusinglightningdata[J].AtmosphericResearch,2011,100(4):489-502.
[24]CaiLi,ZouXin,WangJianguo,etal.TheFoshantotallightninglocationsysteminChinaanditsinitialoperationresults[J].Atmosphere,2019,10(3):149-153.
[25]HuangYijun,FanYadong,CaiL,etal.Anewthunderstormidentificationalgorithmbasedontotallightningactivity[J].EarthandSpaceScience,2022,9(4):e2021EA002079.
[26]HeLifeng,RenXiwei,GaoQihang,etal.Theconnected-componentlabelingproblem:areviewofstate-of-the-artalgorithms[J].PatternRecognition,2017,70:25-43.
[27]delMoralA,RigoT,LlasatMC.Aradar-basedcentroidtrackingalgorithmforsevereweathersurveillance:identifyingsplit/mergeprocessesinconvectivesystems[J].AtmosphericResearch,2018,213:110-120.
[28]RigoT,PinedaN,BechJ.Analysisofwarmseasonthunderstormsusinganobject-orientedtrackingmethodbasedonradarandtotallightningdata[J].NaturalHazardsandEarthSystemScience,2010,10(119):1881-1893.
[29]彭治班,吴宝俊,江剑民,等.提高小概率事件预报成功率的一条途径[J].气象,2000,26(2):3-5,10.PengZhiban,WuBaojun,JiangJianmin,etal.Amethodtoimprovetheforecastaccuracyofrareevents[J].MeteorologicalMonthly,2000,26(2):3-5,10.
[30]张亚东.基于深度学习和多维空间数据的闪电落区识别研究——以浙江宁波为例[D].南京:南京信息工程大学,2022.
HuangYijun1,2FanYadong1,2WangHongbin3CaiLi1,2WangJianguo1,2
（1.EngineeringResearchCenterofLightningProtection&GroundingTechnologyMinistryofEducationWuhan430072China2.SchoolofElectricalEngineeringandAutomationWuhanUniversityWuhan430072China3.GuangzhouElectricPowerSupplyBureauGuangzhou510013China）
AbstractLightningisthemaincauseofdamagestopowersystems.Theplanningofpowersystemtransmissioncorridorsandlinelightningprotectionaremainlybasedonthelightningdensityandthedistributionoflightningdays.Measuressuchasreducingthegroundingresistanceoftowersandinstallinglightningarrestersaretakentoimprovetheinsulationleveloftransmissionlines.Thetraditionallightningdensityandthenumberofthunderstormdaysarenotabletopresentthetemporalandspatialevolutioncharacteristicsofthunderstormactivities.Monitoringthemovementoflightningactivitycanprovidetrackandwarninginformationforlightningprotectionofequipment.Thispaperpresentsacombinatorialeight-connectivitytrackingmethodandevaluationindexesbasedontotallightningdata,whichisappliedtoanalyzethetemporalandspatialevolutionoflightningactivitiesinGuangzhou.
Thetrackingmethodandevaluationareusedtoanalyzetheninethunderstormsandcase1arepresentedasanexample.Thecase1has313trackslongerthan18min,andtracksmoveinthenortheastdirection,withameanspeedof51.4km/handamedianspeedof43.0km/h.Thecentroidoflightningclustersandtemporalandspatialevolutioncharacteristicsofeachtrackarecounted.TheevaluationindexesofPOD,FARandCSIare63.3%,41.4%and43.8%,respectively,whilethemediantrackduration,meanjitteroftrack,incoherenceandaveragenumberofsplitsandmergesare24min,2.85km,0.0341s-1and2.43,respectively.
Thefollowingconclusionscanbedrawnfromtheninethunderstormsbasedonthecombinatorialeight-connectivitytrackingmethodandevaluationindexes:(1)Atotalof10,894lightningclusterswereidentifiedintheninelightningactivities,withamedianareaof22km2.Itisfoundthat1490lightningclustertracksarelongerthan18min,ofwhichsimpletracksandcomplextracks(involvingsplit-tingormerging)accountforhalf,respectively.(2)Sixlightningactivitiesmoveinthenortheastdirection,therestmovenorthwest,withameanspeedof51.4km/handamedianspeedof43.0km/h.Simpletracksmoveslowerthancomplextracks.(3)POD,FARandCSIare65.6%,39.2%,46.4%,respectively,whilethemediantrackduration,meanjitteroftrack,incoherenceandaveragenumberofsplitsandmergesare24min,2.80km,0.0327s-1and2.51,respectively.Thisalgorithmcandescribethetemporalandspatialevolutionoflightningactivityandindexesareabletoevaluatethetrackingresults,whichprovidesaneffectivemethodforpredictingthunderstormmovementandlightningwarningoftransmissionlines.
keywords：Lightningactivity,trackingmethod,evaluationindex,spatial-temporalevolution,combinatorialeight-connectivity
DOI:10.19595/j.cnki.1000-6753.tces.222187
中图分类号：TM863
国家自然科学基金（52177154）和中央高校基本科研业务费专项资金（2042022kf0016）资助项目。
收稿日期2022-11-21
改稿日期2023-01-07
作者简介
黄怡鋆女，1992年生，博士研究生，研究方向为雷电监测预警技术。E-mail：yjhuang23@whu.edu.cn
樊亚东女，1967年生，教授，博士生导师，研究方向为工程电磁场及应用、雷电防护与接地技术等。E-mail：ydfan@whu.edu.cn（通信作者）