黃怡鋆 樊亞東 王紅斌 蔡 力 王建國(guó)

組合八鄰域跟蹤算法監(jiān)測(cè)全閃電雷暴活動(dòng)時(shí)空演變過程及特征

黃怡鋆1,2樊亞東1,2王紅斌3蔡 力1,2王建國(guó)1,2

（1. 雷電防護(hù)與接地技術(shù)教育部工程研究中心 武漢 430072 2. 武漢大學(xué)電氣與自動(dòng)化學(xué)院 武漢 430072 3. 廣州供電局有限公司 廣州 510013）

雷暴是威脅電力系統(tǒng)安全可靠運(yùn)行的重要因素，監(jiān)測(cè)雷暴活動(dòng)可以為電力系統(tǒng)雷電防護(hù)提供雷暴活動(dòng)路徑及預(yù)警信息。該文提出一種組合八鄰域雷暴跟蹤算法及跟蹤結(jié)果評(píng)估指標(biāo)，并采用該算法對(duì)珠三角地區(qū)九次雷暴活動(dòng)進(jìn)行時(shí)空演變特征分析和定量評(píng)估。結(jié)果表明，九個(gè)雷暴活動(dòng)共識(shí)別出大于18 min的軌跡1 490條，其中簡(jiǎn)單軌跡和含分裂合并過程的復(fù)雜軌跡各占一半。雷暴活動(dòng)平均速度為51.4 km/h，速度中值為43.0 km/h，簡(jiǎn)單軌跡平均速度比復(fù)雜軌跡慢。評(píng)估指標(biāo)命中率（POD）、虛假警報(bào)率（FAR）和臨界成功指數(shù)（CSI）分別為64.3%、40.4%和42.7%，軌跡時(shí)長(zhǎng)中值、平均軌跡偏差、非連貫性和平均合并分裂次數(shù)分別為24 min、2.80 km、0.032 7 s-1和2.51次。該方法可以很好地描述雷暴活動(dòng)時(shí)空演變過程和評(píng)估跟蹤結(jié)果，為雷電預(yù)警提供了有效手段。

雷暴活動(dòng) 跟蹤算法 評(píng)估指標(biāo) 時(shí)空演變 組合八鄰域

0 引言

雷暴是嚴(yán)重威脅電力系統(tǒng)安全可靠運(yùn)行的重要因素[1-4]，超過60%的輸電線路故障是由于雷擊引起的[5-7]。目前電力系統(tǒng)輸電走廊規(guī)劃和線路防雷主要依據(jù)落雷密度和雷電日分布，通過降低桿塔接地電阻、安裝避雷器等措施提高輸電線路耐雷水平[8]。傳統(tǒng)的雷電密度和雷暴日數(shù)量不能反映單個(gè)雷暴活動(dòng)時(shí)空演變特征[9]，雷電環(huán)境的精細(xì)化認(rèn)識(shí)有助于優(yōu)化防雷措施。精確地監(jiān)測(cè)和跟蹤雷暴活動(dòng)軌跡與覆蓋范圍，研究雷暴活動(dòng)規(guī)律，可以為電力系統(tǒng)提供雷電路徑的實(shí)時(shí)雷電監(jiān)測(cè)和預(yù)警服務(wù)[10]，開拓以雷電預(yù)警技術(shù)為基礎(chǔ)的輸電線路差異化主動(dòng)性雷電防護(hù)新思路，減少因雷擊造成的經(jīng)濟(jì)損失。

雷電定位是雷暴活動(dòng)監(jiān)測(cè)的重要手段[11]，可以實(shí)時(shí)測(cè)量觀測(cè)區(qū)域內(nèi)閃的電數(shù)量、地理坐標(biāo)、時(shí)間及強(qiáng)度[12]。目前世界上有四十多個(gè)國(guó)家擁有雷電定位系統(tǒng)[13-16]，監(jiān)測(cè)雷擊位置，統(tǒng)計(jì)年雷擊密度。全閃電定位系統(tǒng)可以同時(shí)對(duì)雷暴活動(dòng)中的云閃（Intra-Cloud, IC）和地閃（Cloud to Ground, CG）精確定位，為實(shí)時(shí)監(jiān)測(cè)和跟蹤雷暴活動(dòng)提供技術(shù)支持。

在閃電跟蹤算法中，閃電區(qū)域劃分主要有兩種方法，即聚類法和網(wǎng)格法。聚類法主要采用DBSCAN（density-based spatial clustering of applications with noise）算法及其改進(jìn)算法將閃電事件聚類成簇。雷云趨勢(shì)預(yù)測(cè)方法可以預(yù)測(cè)未來一段時(shí)間內(nèi)云團(tuán)覆蓋區(qū)域及質(zhì)心位置[17]?；诘亻W數(shù)據(jù)，王羽等采用DBSCAN算法對(duì)比了引雷塔建設(shè)前后雷暴活動(dòng)地閃軌跡的差異[18]，這種方法將閃電數(shù)據(jù)作為散點(diǎn)處理，不易定量計(jì)算云團(tuán)影響區(qū)域。

網(wǎng)格法將研究區(qū)域按照一定的網(wǎng)格尺寸和時(shí)間間隔劃分，得到閃電密度網(wǎng)格圖，該方法輸入簡(jiǎn)潔，可以方便地統(tǒng)計(jì)分析雷電日、雷電小時(shí)、地閃密度等雷電參數(shù)[19]，也可用于監(jiān)測(cè)和跟蹤雷暴活動(dòng)，對(duì)雷暴活動(dòng)的時(shí)空演變特征進(jìn)行分析[20]?，F(xiàn)有文獻(xiàn)識(shí)別的閃電簇尺度約為幾十甚至上百千米，網(wǎng)格細(xì)化程度不能完全適用輸電線路尺度需求。

在跟蹤結(jié)果評(píng)估方面，氣象學(xué)中主要采用列聯(lián)表法來評(píng)估雷達(dá)回波的跟蹤結(jié)果，評(píng)估指標(biāo)包括命中率（Probability of Detection, POD）、虛假警報(bào)率（False Alarm Rate, FAR）、臨界成功指數(shù)（Critical Success Index, CSI）[21]。M. Dixon和G. Wiener應(yīng)用列聯(lián)表法評(píng)估美國(guó)科羅拉多地區(qū)夏季風(fēng)暴6 min的預(yù)測(cè)結(jié)果，三個(gè)指標(biāo)分別為83%、30%和61%[22]。M. Kohn采用k-mean聚類法對(duì)地中海地區(qū)全閃電軌跡進(jìn)行跟蹤，用列聯(lián)表法評(píng)估30～120 min預(yù)測(cè)結(jié)果，研究表明預(yù)測(cè)時(shí)間越短，預(yù)測(cè)結(jié)果越準(zhǔn)確[23]。這種評(píng)估方法關(guān)注相鄰兩個(gè)時(shí)間間隔的正確關(guān)聯(lián)數(shù)量，缺乏閃電簇軌跡特征的量化評(píng)價(jià)指標(biāo)，如軌跡時(shí)長(zhǎng)、軌跡線性、軌跡連貫性及軌跡復(fù)雜性等。

為找到合適輸電線路尺度的跟蹤方法，本文基于珠三角全閃電定位系統(tǒng)的全閃電數(shù)據(jù)，結(jié)合全閃電數(shù)據(jù)離散特征和輸電線路檔距等尺寸，提出了一種組合八鄰域的雷暴活動(dòng)跟蹤方法，分析了該地區(qū)九次雷暴活動(dòng)時(shí)空演變特征，得到閃電簇面積、質(zhì)心坐標(biāo)、云地閃數(shù)量、移動(dòng)方向、移動(dòng)速度及時(shí)空演變軌跡。在列聯(lián)表法的評(píng)估指標(biāo)基礎(chǔ)上，結(jié)合全閃電簇軌跡特征提出了軌跡特征評(píng)估指標(biāo)，可以對(duì)不同跟蹤方法的軌跡時(shí)長(zhǎng)、軌跡線性、軌跡連貫性及軌跡復(fù)雜性進(jìn)行量化評(píng)估。該跟蹤方法可描述雷暴活動(dòng)的時(shí)空演變過程及特征，為預(yù)測(cè)雷暴運(yùn)動(dòng)趨勢(shì)，精細(xì)化雷電預(yù)警提供行之有效的方法。

1 數(shù)據(jù)來源和分析方法

1.1 數(shù)據(jù)來源和跟蹤算法流程

廣州位于珠三角腹地，是中國(guó)雷暴活動(dòng)發(fā)生較為頻繁的區(qū)域之一。全閃電定位系統(tǒng)采用甚低頻/低頻（Very Low Frequency/Low Frequency, VLF/LF）技術(shù)，對(duì)200 Hz～500 kHz頻段電磁時(shí)域信號(hào)應(yīng)用時(shí)差法（Time-of-Arrival, TOA）進(jìn)行VLF/LF輻射源三維實(shí)時(shí)定位[24]。該系統(tǒng)由9個(gè)子站構(gòu)成，每個(gè)子站探測(cè)范圍為200 km，可區(qū)分云閃和地閃，并記錄每個(gè)閃電事件的時(shí)間、位置、高度和極性等。9個(gè)子站地理分布如圖1所示。

圖1 全閃電定位系統(tǒng)

將全閃電雷電定位系統(tǒng)探測(cè)區(qū)域，即經(jīng)度[112.5°E, 114.5°E]、緯度[22°N, 24°N]劃分若干網(wǎng)格。網(wǎng)格尺寸為0.01°×0.01°[25]，時(shí)間間隔長(zhǎng)度設(shè)定為6 min。

對(duì)全閃電雷電定位數(shù)據(jù)進(jìn)行網(wǎng)格化處理，得到全閃電密度圖，在此基礎(chǔ)上采用組合八鄰域法對(duì)閃電簇進(jìn)行識(shí)別、匹配，獲得閃電簇運(yùn)動(dòng)軌跡和特征，跟蹤算法流程如圖2所示。

圖2 閃電簇跟蹤算法流程

1.2 組合八鄰域閃電簇識(shí)別方法

選擇一個(gè)網(wǎng)格作為中心網(wǎng)格，中心網(wǎng)格的上、下、左、右、左上、右上、左下、右下緊鄰的位置和斜向相鄰的位置有八個(gè)連通區(qū)域，稱為八鄰域，如圖3a所示。采用八鄰域法對(duì)全閃電密度圖[26]（見圖3b）進(jìn)行初始識(shí)別，形成初級(jí)閃電簇。

在全閃電密度圖中，選擇某個(gè)含有閃電事件的網(wǎng)格作為中心網(wǎng)格，然后查找該網(wǎng)格的八鄰域。若八鄰域網(wǎng)格內(nèi)含有閃電事件，則將這些網(wǎng)格合并，并以新網(wǎng)格為中心繼續(xù)尋找其八鄰域網(wǎng)格是否存在閃電簇事件，直到再無網(wǎng)格含閃電事件為止。

圖3 閃電簇識(shí)別算法

用多邊形擬合勾勒雷暴區(qū)域，形成初級(jí)閃電簇，設(shè)定閃電簇最小有效面積為3個(gè)網(wǎng)格。圖3c中的閃電簇“3”“4”和“5”由于有效面積小于3被舍棄，不形成初級(jí)閃電簇。

由于輸電線路的檔距通常不大于500 m，5個(gè)檔距的距離約為2.5 km，以2.5 km為半徑的圓形面積約為19.63 km2。合并空間距離小于或等于2個(gè)網(wǎng)格的初級(jí)閃電簇得到終級(jí)閃電簇，面積中位數(shù)為16.94 km2，與輸電線路5個(gè)檔距覆蓋面積相當(dāng)。根據(jù)文獻(xiàn)[25]對(duì)多鄰域法（鄰域數(shù)=8, 24, 48, 80和120）和組合八鄰域法（網(wǎng)格間距gap=0, 1, 2, 3和4）閃電簇的識(shí)別評(píng)估結(jié)果，組合八鄰域法相對(duì)于鄰域法閃電簇面積占比（閃電簇中含閃電事件的網(wǎng)格占閃電簇面積的百分比）顯著提高。本文采用空間間距為2個(gè)網(wǎng)格距離的組合八鄰域法，該方法得到的閃電簇面積雖與24鄰域法閃電簇面積中值相當(dāng)，但面積占比大約提高了19%，閃電簇更加緊密。此外24鄰域法的閃電簇個(gè)數(shù)中值比組合八鄰域法閃電簇個(gè)數(shù)中值大，組合八鄰域法軌跡簡(jiǎn)單且計(jì)算量少。

圖3d中的初級(jí)閃電簇“6”和“7”，以及初級(jí)閃電簇“8”和“9”，間距在2個(gè)或2個(gè)網(wǎng)格內(nèi)，合并形成終級(jí)閃電簇，而初級(jí)閃電簇“1”和“2”之間距離為3個(gè)網(wǎng)格，則各自形成終級(jí)閃電簇。如圖3e所示，對(duì)終級(jí)閃電簇進(jìn)行橢圓擬合，得到終級(jí)閃電簇?cái)M合橢圓的長(zhǎng)半軸。在跟蹤階段，將此橢圓長(zhǎng)半軸作為搜索半徑。

1.3 閃電簇匹配方法

閃電簇匹配包括預(yù)測(cè)閃電簇位置、確定搜索半徑和閃電簇配對(duì)。將閃電簇?cái)M合多邊形質(zhì)心坐標(biāo)作為閃電簇的中心，采用上兩個(gè)時(shí)間間隔的歷史速度預(yù)測(cè)下一時(shí)間間隔閃電簇質(zhì)心位置。在雷暴活動(dòng)開始階段，起始速度設(shè)為30 km/h[27]。

閃電簇的預(yù)測(cè)速度為上兩個(gè)時(shí)間間隔速度的加權(quán)平均值。對(duì)于新生的閃電簇，預(yù)測(cè)速度則為上兩個(gè)時(shí)間間隔平均速度的加權(quán)平均值。當(dāng)閃電簇之間發(fā)生合并，時(shí)間間隔內(nèi)的速度為參與合并的閃電簇面積的加權(quán)平均。定義時(shí)間間隔內(nèi)所有配對(duì)成功的閃電簇平均速度和預(yù)測(cè)速度分別為

式中，為配對(duì)閃電簇速度；LC為閃電簇面積；,j為參與合并閃電簇的速度；S,j為參與合并閃電簇的面積；為歷史速度權(quán)重。采用本文評(píng)估指標(biāo)分析得到，歷史速度權(quán)重對(duì)跟蹤結(jié)果幾乎沒有影響，本文設(shè)置=0.8。

閃電簇匹配算法如圖4所示。以時(shí)刻閃電簇橢圓擬合的長(zhǎng)半軸為搜索半徑，當(dāng)橢圓長(zhǎng)半軸大于或等于10 km時(shí)，設(shè)置最大搜索半徑閾值為10 km[28]，在Δ時(shí)刻預(yù)測(cè)位置尋找是否存在閃電簇與時(shí)刻閃電簇配對(duì)。若搜索半徑范圍內(nèi)存在一個(gè)閃電簇，如圖4a中的閃電簇1和閃電簇1，則稱為簡(jiǎn)單配對(duì)；若在搜索半徑范圍內(nèi)在Δ時(shí)刻有多個(gè)閃電簇存在，如圖4b中的閃電簇2分裂成閃電簇21和閃電簇22，可視為閃電簇2發(fā)生分裂。當(dāng)閃電簇搜索半徑大于10 km時(shí)，超過10 km到搜索半徑范圍內(nèi)的閃電簇不能配對(duì)，如圖4b中的閃電簇2和閃電簇23。若Δ時(shí)刻的閃電簇在多個(gè)閃電簇的搜索半徑范圍內(nèi)，且搜索半徑都小于10 km，則閃電簇發(fā)生合并，如圖4c中的閃電簇3和閃電簇4合并閃電簇3。最后采用最短距離法對(duì)未配對(duì)成功的閃電簇進(jìn)行配對(duì)。

根據(jù)配對(duì)的閃電簇質(zhì)心坐標(biāo)可以求得移動(dòng)速度和移動(dòng)方向角分別為

圖4 閃電簇匹配算法

式中，為閃電簇位置矢量；(x,y)為閃電簇“”在Δ時(shí)刻的質(zhì)心坐標(biāo)；(x,y)為閃電簇“”在時(shí)刻的質(zhì)心坐標(biāo)。

1.4 跟蹤結(jié)果評(píng)估方法

用列聯(lián)表法計(jì)算正確關(guān)聯(lián)數(shù)量來評(píng)估跟蹤結(jié)果，其定義見表1。表中為命中次數(shù)，代表外推路徑與實(shí)際路徑一致個(gè)數(shù)；為漏報(bào)次數(shù)，代表外推不存在閃電簇而實(shí)際存在閃電簇的次數(shù)；為空?qǐng)?bào)次數(shù)，指實(shí)際未發(fā)生閃電但是卻外推存在閃電簇的個(gè)數(shù)；指實(shí)際未發(fā)生閃電也未外推存在閃電簇。

表1 POD、FAR和CSI的定義

Tab.1 The definition of POD, FAR and CSI

采用POD、FAR、CSI這三個(gè)指標(biāo)對(duì)雷暴活動(dòng)進(jìn)行量化評(píng)估[29]。POD和CSI值越高，F(xiàn)AR值越低，算法越好。命中率POD、虛假警報(bào)率FAR和臨界成功指數(shù)CSI的表達(dá)式分別為

為了量化評(píng)估跟蹤效果，本文提出了針對(duì)全閃電數(shù)據(jù)特征的評(píng)估指標(biāo)，包括軌跡時(shí)長(zhǎng)、軌跡線性、軌跡連貫性及軌跡復(fù)雜性。軌跡時(shí)長(zhǎng)是指閃電簇軌跡從開始到結(jié)束的時(shí)間長(zhǎng)度。軌跡線性采用閃電簇軌跡與相鄰兩個(gè)時(shí)刻線性插值所得到位置的均方差來描述，稱為軌跡偏差，即

軌跡連貫性采用非連貫性c作為評(píng)估指標(biāo)。c為沿軌跡的閃電簇最大閃電事件數(shù)（maximum number of lightning events, mln）的變化量，利用閃電軌跡時(shí)長(zhǎng)對(duì)其進(jìn)行歸一化處理得到

式中，s、m和ct分別為分裂數(shù)量、合并數(shù)量和復(fù)雜軌跡的數(shù)量。

2 雷暴活動(dòng)的時(shí)空演變分析

將某年5—9月全閃電數(shù)據(jù)按事件總數(shù)分為 5萬～10萬、10萬～20萬和20萬以上三類，分別占51.9%、28.6%和19.5%。從每類中分別選擇三個(gè)共九個(gè)案例，并按閃電事件個(gè)數(shù)由多到少排列，詳情見表2，采用評(píng)估方法對(duì)跟蹤結(jié)果進(jìn)行評(píng)估。

表2 九個(gè)雷暴活動(dòng)

Tab.2 List of lightning activities used in this analysis

（續(xù)）

2.1 閃電簇軌跡時(shí)空演變分析

雷暴過程案例1為5:00—20:30（UTC）廣州及周邊地區(qū)發(fā)生的一次雷暴活動(dòng)。此過程15.5 h內(nèi)共探測(cè)到253 607個(gè)全閃電事件。雷暴活動(dòng)每6 h雷達(dá)反射率特征與全閃電分布情況如圖5所示。

將時(shí)間間隔長(zhǎng)度為6 min的全閃電數(shù)據(jù)按經(jīng)緯度分布于0.01°的網(wǎng)格里，得到全閃電密度圖。采用組合八鄰域法對(duì)雷暴活動(dòng)區(qū)域進(jìn)行識(shí)別，得到閃電簇LC時(shí)空演變過程如圖6所示，并勾勒出閃電簇輪廓，見圖6中標(biāo)注區(qū)域。

圖5 案例1雷達(dá)反射率特征與全閃電分布

從圖6a可以看出，7:36—7:42時(shí)間段，閃電簇LC生成，面積為3.6 km2，移動(dòng)速度為35.7 km/h。7:42—7:54時(shí)間段，閃電簇LC由西向東移動(dòng)，面積增加至115.0 km2，速度也增加至54.5 km/h，如圖6b所示。圖6c中，閃電簇LC在7:54—8:00分裂為兩個(gè)閃電簇LC1和LC2，面積分別為4.8 km2和110.1 km2，此時(shí)閃電簇LC1移動(dòng)速度為這條軌跡的最大值101.7 km/h，此后在8:00—8:06時(shí)間段內(nèi)消失。在08:00—08:12時(shí)間段，閃電簇LC2由西南至東北移動(dòng)，面積從110.1 km2增加到177.8 km2，如圖6d所示。對(duì)于閃電簇LC2，8:12—8:18時(shí)間段內(nèi)，再次分裂成質(zhì)心坐標(biāo)為（112.18°E, 22.80°N）和（112.23°E, 22.77°N）的兩個(gè)閃電簇LC21和LC22，面積分別為115.0 km2和7.3 km2，如圖6e所示。閃電簇LC21和LC22一分為二各自移動(dòng)（見圖6f）。閃電簇LC22在8:24—8:30過程中消亡，如圖6g所示，雖然面積為46.0 km2，但含有閃電事件的網(wǎng)格數(shù)僅占閃電面積的57.9%。閃電簇LC21繼續(xù)從西南向東北移動(dòng)，面積先增大逐漸減小，于8:54開始消亡，面積為55.7 km2，但閃電簇內(nèi)含有閃電事件的網(wǎng)格數(shù)占閃電簇面積的34.8%，如圖6h所示。閃電簇LC生成、成熟、分裂、部分消亡、再分裂、部分消亡、直到消亡的時(shí)空演變軌跡如圖6i所示。圖6i中軌跡的顏色代表時(shí)間戳，圓形區(qū)域代表閃電簇覆蓋區(qū)域，圓心為閃電簇的質(zhì)心地理坐標(biāo)。閃電簇LC運(yùn)動(dòng)速度及方向角見表3。

表3 閃電簇LC時(shí)空特征參數(shù)

Tab.3 The lightning cluster LC spatiotemporal parameters

（續(xù)）

閃電簇LC面積和閃電事件個(gè)數(shù)，包括全閃電事件個(gè)數(shù)、云閃事件個(gè)數(shù)及地閃事件個(gè)數(shù)隨時(shí)間變化如圖7所示。一條完整軌跡的閃電簇面積和全閃電事件個(gè)數(shù)整體隨時(shí)間先呈上升趨勢(shì)而后呈下降趨勢(shì)。地閃個(gè)數(shù)少于云閃個(gè)數(shù)，于8:24（UTC）達(dá)到峰值，全閃電、云閃和地閃分別為154個(gè)、81個(gè)和73個(gè)。

圖7 軌跡面積和閃電事件個(gè)數(shù)時(shí)間變化

整個(gè)雷暴活動(dòng)過程一共得到541條閃電簇軌跡，其中313條閃電簇軌跡時(shí)長(zhǎng)大于18 min。將時(shí)長(zhǎng)大于18 min的軌跡采取如上述方法進(jìn)行分析，忽略閃電簇影響范圍，保留閃電簇質(zhì)心運(yùn)動(dòng)軌跡，得到一次雷暴活動(dòng)時(shí)空演變過程，如圖8所示。

圖8 一次雷暴活動(dòng)時(shí)空演變過程

2.2 雷暴活動(dòng)時(shí)空特征分析

閃電簇的移動(dòng)方向和移動(dòng)速度可以由連續(xù)時(shí)刻閃電簇質(zhì)心確定。九個(gè)案例中，案例1、2、4、5、7和9六個(gè)案例的閃電簇朝東北方向運(yùn)動(dòng)，案例3、6和8的雷暴活動(dòng)則是朝西北方向運(yùn)動(dòng)。

閃電簇軌跡速度分布如圖9a所示。在0～25 km/h速度范圍內(nèi)，閃電簇?cái)?shù)量分布急劇增加并在25 km/h 附近達(dá)到峰值；而后隨著速度增加，閃電簇?cái)?shù)量逐漸下降。軌跡時(shí)長(zhǎng)大于18 min的閃電簇移動(dòng)速度均值為51.4 km/h，中值為43.0 km/h。32.91%的閃電簇速度大于60 km/h，僅有10.11%的閃電簇速度大于100 km/h，且閃電簇平均速度略高于速度中值，見表4。

表4 九個(gè)雷暴活動(dòng)運(yùn)動(dòng)特征

Tab.4 Movement characteristics of from nine cases

復(fù)雜軌跡移動(dòng)速度高于簡(jiǎn)單軌跡移動(dòng)速度。簡(jiǎn)單軌跡閃電簇之間的配對(duì)依賴最短距離，而復(fù)雜軌跡的速度采用合并或分裂過程中配對(duì)成功閃電簇的平均速度，即合并或分裂過程中閃電簇的平均配對(duì)距離比簡(jiǎn)單配對(duì)距離大。本文所得閃電簇運(yùn)動(dòng)特征結(jié)果與文獻(xiàn)[26]基于DBSCAN處理的十年閃電數(shù)據(jù)所得年均指標(biāo)基本一致。

圖9 雷暴活動(dòng)運(yùn)動(dòng)特征參數(shù)分布

九個(gè)雷暴過程識(shí)別出10 894個(gè)閃電簇形成有效軌跡，面積分布如圖9b所示。統(tǒng)計(jì)發(fā)現(xiàn)，35.1%的閃電簇面積小于10 km2，21.6%的閃電簇面積超過100 km2，閃電簇面積中值為22 km2。這和蔡力等所分析的閃電簇幾乎在百千米尺度相比，本文提出的跟蹤方法有效縮小了閃電簇面積[20]。

3 評(píng)估結(jié)果

采用評(píng)估列聯(lián)表法對(duì)九個(gè)案例進(jìn)行評(píng)估，九個(gè)案例及整體的POD、FAR和CSI見表5。

表5 列聯(lián)表法評(píng)估結(jié)果

Tab.5 Evaluation results of contingency table method

（續(xù)）

評(píng)估指標(biāo)POD、FAR和CSI分別為64.3%，40.4%和42.7%。對(duì)于超過20萬個(gè)全閃電事件的雷暴活動(dòng)（案例1～3），POD值相對(duì)其他兩類較小，約占63%；5萬～10萬個(gè)全閃電事件的雷暴活動(dòng)（案例7～9）POD值最大，最大可達(dá)到68.1%；10萬～20萬個(gè)全閃電事件的雷暴活動(dòng)（案例4～6）POD值波動(dòng)幅度最大，三個(gè)案例分別為63.6%、61.7%和67.7%。FAR與POD的變化趨勢(shì)相反，CSI與POD的變化趨勢(shì)相同?？梢钥闯?，軌跡越簡(jiǎn)單，預(yù)測(cè)下一時(shí)間間隔的閃電簇位置的準(zhǔn)確性越高。文獻(xiàn)[20]采用k-mean聚類法對(duì)地中海地區(qū)全閃電軌跡進(jìn)行跟蹤，未來30 min的命中率為46%，可見預(yù)測(cè)時(shí)間越短，命中率越高。文獻(xiàn)[30]基于LSM-ResNet模型，結(jié)合多種雷達(dá)數(shù)據(jù)預(yù)測(cè)閃電區(qū)域的命中率大約為63%，本文命中率略高且計(jì)算量小。相對(duì)于八鄰域法識(shí)別閃電簇，不考慮歷史速度及閃電簇分裂合并過程，命中率大約為30%。本文采用的組合八鄰域法識(shí)別閃電簇，在考慮歷史速度以及閃電簇分裂合并過程的情況下，POD可以提升到64.3%。

九個(gè)案例的軌跡特征及整體的評(píng)估結(jié)果見表6和圖10。從圖10a可以看出，前五個(gè)案例的雷暴活動(dòng)的軌跡時(shí)長(zhǎng)中值為24 min，而后四個(gè)案例中值為30 min。前五個(gè)案例在閃電事件數(shù)量較多的情況下，軌跡時(shí)長(zhǎng)中值較低，原因是軌跡時(shí)長(zhǎng)較短的比例數(shù)增加。

表6 軌跡特征法評(píng)估結(jié)果

Tab.6 Evaluation results of track feature method

圖10 軌跡特征法評(píng)估結(jié)果

如圖10b所示，隨著全閃電數(shù)量的減少，軌跡偏差呈現(xiàn)減小的趨勢(shì)。5萬～10萬閃電簇的雷暴活動(dòng)軌跡偏差最??；而20萬以上閃電事件的雷暴活動(dòng)軌跡偏差穩(wěn)定，范圍在2.85～2.89之內(nèi)；10萬～20萬閃電簇的雷暴活動(dòng)軌跡偏差波動(dòng)較大，分別為3.01 km、2.91 km和2.75 km。閃電事件數(shù)量和軌跡越少，閃電簇運(yùn)動(dòng)軌跡的線性越好。由圖10c可見，20萬以上的雷暴活動(dòng)的連貫性指標(biāo)c小于10萬～20萬的連貫性c，閃電簇沿軌跡連貫性更好。

九個(gè)案例軌跡分類分布情況如圖10d所示，識(shí)別出的2 517條閃電簇軌跡中，1 490條軌跡時(shí)長(zhǎng)超過18 min，占總數(shù)的57.98%。簡(jiǎn)單軌跡和復(fù)雜軌跡幾乎各占一半，分別為751條和739條。平均分裂合并次數(shù)為2.51次。

4 結(jié)論

本文提出一種基于組合八鄰域跟蹤算法的全閃電雷暴活動(dòng)監(jiān)測(cè)方法及閃電簇軌跡定量評(píng)估方法，得到結(jié)論如下：

1）對(duì)九個(gè)雷暴活動(dòng)進(jìn)行識(shí)別跟蹤，共識(shí)別出10 894個(gè)閃電簇，面積中值為22 km2.。九個(gè)雷暴活動(dòng)共2 517條閃電軌跡，軌跡時(shí)長(zhǎng)大于18 min的有1 490條，其中751條為簡(jiǎn)單軌跡，739條為復(fù)雜軌跡。

2）時(shí)長(zhǎng)大于18 min的軌跡平均速度為51.4 km/h，速度中值為43.0 km/h。簡(jiǎn)單軌跡運(yùn)動(dòng)速度為42.1 km/h，而復(fù)雜軌跡平均速度為54.8 km/h，簡(jiǎn)單軌跡的閃電簇運(yùn)動(dòng)速度比復(fù)雜軌跡的閃電簇慢。

3）九次雷暴整體評(píng)估指標(biāo)POD、FAR和CSI分別為64.3%，40.4%和42.7%，軌跡時(shí)長(zhǎng)、軌跡偏差、軌跡非連貫性和平均合并分裂次數(shù)分別為24 min、2.80 km、0.032 7 s-1和2.51次。

4）本文所采用的方法，雷電識(shí)別尺度在輸電線路的5個(gè)檔距的范圍，跟蹤結(jié)果指標(biāo)較好，可以為輸電線路雷電預(yù)警提供支撐。

[1] 馬瑞陽(yáng), 鄭棟, 姚雯, 等. 雷暴云特征數(shù)據(jù)集及我國(guó)雷暴活動(dòng)特征[J]. 應(yīng)用氣象學(xué)報(bào), 2021, 32(3): 358-369. Ma Ruiyang, Zheng Dong, Yao Wen, et al. Thunderstorm feature dataset and characteristics of thunderstorm activities in China[J]. Journal of Applied Meteorological Science, 2021, 32(3): 358-369.

[2] 王建. 輸電線路氣象災(zāi)害風(fēng)險(xiǎn)分析與預(yù)警方法研究[D]. 重慶: 重慶大學(xué), 2016. Wang Jian. Research on meteorological disaster risk analysis and fault early warning methods for overhead transmission lines[D]. Chongqing: Chongqing University, 2016.

[3] 蔡國(guó)偉, 雷宇航, 葛維春, 等. 高寒地區(qū)風(fēng)電機(jī)組雷電防護(hù)研究綜述[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(22): 4804-4815. Cai Guowei, Lei Yuhang, Ge Weichun, et al. Review of research on lightning protection for wind turbines in alpine areas[J]. Transactions of China Electrotechnical Society, 2019, 34(22): 4804-4815.

[4] 袁濤, 左思家, 司馬文霞, 等. 緊湊型多腔室并聯(lián)間隙雷電沖擊閃絡(luò)路徑約束研究[J]. 電工技術(shù)學(xué)報(bào), 2023, 38(11): 2989-2998. Yuan Tao, Zuo Sijia, Sima Wenxia, et al. Research on lightning flashover path constraints of compact multi-chamber parallel gap[J]. Transactions of China Electrotechnical Society, 2023, 38(11): 2989-2998.

[5] Okabe S, Takami J. Occurrence probability of lightning failure rates at substations in consideration of lightning stroke current waveforms[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2011, 18(1): 221-231.

[6] Perez E, Espinosa J, Aranguren D. On the development of dynamic stroke density for transmission line for power system operational applications[J]. International Journal of Electrical Power & Energy Systems, 2020, 116: 105527.

[7] 袁濤, 王肖田, 司馬文霞, 等山區(qū)輸電線路雷擊跳閘預(yù)警的融合算法研究[J]. 電工技術(shù)學(xué)報(bào), 2023, 38(9): 2528-2540. Yuan Tao, Wang Xiaotian, Sima Wenxia,et al. Research on fusion algorithm of lightning strike trip warning for mountain transmission lines[J]. Transactions of China Electrotechnical Society, 2023, 38(9): 2528-2540.

[8] Matsui M, Michishita K, Yokoyama S. Cloud-to-ground lightning flash density and the number of lightning flashes hitting wind turbines in Japan[J]. Electric Power Systems Research, 2020, 181: 106066.

[9] Banjanin M S. Application possibilities of special lightning protection systems of overhead distribution and transmission lines[J]. International Journal of Electrical Power & Energy Systems, 2018, 100: 482-488.

[10] 曾嶸, 周旋, 王澤眾, 等. 國(guó)際防雷研究進(jìn)展及前沿述評(píng)[J]. 高電壓技術(shù), 2015, 41(1): 1-13. Zeng Rong, Zhou Xuan, Wang Zezhong, et al. Review of research advances and fronts on international lightning and protection[J]. High Voltage Engineering, 2015, 41(1): 1-13.

[11] 王東方, 孫竹玲, 袁善鋒, 等. 北京多頻段閃電三維定位網(wǎng)及一次雷暴過程的閃電時(shí)空演化特征[J]. 大氣科學(xué), 2020, 44(4): 851-864. Wang Dongfang, Sun Zhuling, Yuan Shanfeng, et al. Beijing broadband lightning network and the spatiotemporal evolution of lightning flashes during a thunderstorm[J]. Chinese Journal of Atmospheric Sciences, 2020, 44(4): 851-864.

[12] 蔡力. 地基VLF/LF三維全閃電定位技術(shù)研究[D]. 武漢: 武漢大學(xué), 2013. Cai Li. Ground-based VLF/LF three dimensional total lightning location technology[D]. Wuhan: Wuhan University, 2013.

[13] 陳家宏, 張勤, 馮萬興, 等. 中國(guó)電網(wǎng)雷電定位系統(tǒng)與雷電監(jiān)測(cè)網(wǎng)[J]. 高電壓技術(shù), 2008, 34(3): 425-431. Chen Jiahong, Zhang Qin, Feng Wanxing, et al. Lightning location system and lightning detection network of China power grid[J]. High Voltage Engineering, 2008, 34(3): 425-431.

[14] Biagi C J, Cummins K L, Kehoe K E, et al. National Lightning Detection Network (NLDN) performance in southern Arizona, Texas, and Oklahoma in 2003-2004[J]. Journal of Geophysical Research, 2007, 112: D05208.

[15] Shao X M, Stanley M, Regan A, et al. Total lightning observations with the new and improved Los Alamos Sferic Array (LASA)[J]. Journal of Atmospheric and Oceanic Technology, 2006, 23(10): 1273-1288.

[16] Betz H D, Meneux B. LINET systems - 10 years experience[C]//2014 International Conference on Lightning Protection (ICLP), Shanghai, China, 2014: 1553-1557.

[17] 高文勝, 張博文, 周瑞旭, 等. 基于雷電定位系統(tǒng)監(jiān)測(cè)數(shù)據(jù)的雷暴云趨勢(shì)預(yù)測(cè)[J]. 電網(wǎng)技術(shù), 2015, 39(2): 523-529. Gao Wensheng, Zhang Bowen, Zhou Ruixu, et al. Nowcasting of the thunderstorm trend based on data collected by lightning location system[J]. Power System Technology, 2015, 39(2): 523-529.

[18] 王羽, 向美辰, 鄧冶強(qiáng), 等. 基于時(shí)空聚類的引雷塔區(qū)域雷電地閃活動(dòng)分析[J]. 高電壓技術(shù), 2021, 47(12): 4255-4264. Wang Yu, Xiang Meichen, Deng Yeqiang, et al. Analysis of lightning activity in area of triggering lightning tower based on spatial-temporal clustering[J]. High Voltage Engineering, 2021, 47(12): 4255-4264.

[19] 司馬文霞, 李永福, 楊慶, 等. 改進(jìn)網(wǎng)格法及其在雷電參數(shù)統(tǒng)計(jì)中的應(yīng)用[J]. 高電壓技術(shù), 2012, 38(8): 1834-1841. Sima Wenxia, Li Yongfu, Yang Qing, et al. Improved grid method and its application to statistics of lightning parameters[J]. High Voltage Engineering, 2012, 38(8): 1834-1841.

[20] 王紅斌, 程思, 范偉男, 等. 雷暴活動(dòng)全閃電定位及空間演變過程分析[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(2): 373-379. Wang Hongbin, Cheng Si, Fan Weinan, et al. Total lightning location of thunderstorm activities and spatial evolution process analysis[J]. Transactions of China Electrotechnical Society, 2021, 36(2): 373-379.

[21] Houston A L, Lock N A, Lahowetz J, et al. Thunderstorm observation by radar (ThOR): an algorithm to develop a climatology of thunderstorms[J]. Journal of Atmospheric and Oceanic Technology, 2015, 32(5): 961-981.

[22] Dixon M, Wiener G. TITAN: thunderstorm identification, tracking, analysis, and nowcasting-a radar-based methodology[J]. Journal of Atmospheric and Oceanic Technology, 1993, 10(6): 785-797.

[23] Kohn M, Galanti E, Price C, et al. Nowcasting thunderstorms in the Mediterranean region using lightning data[J]. Atmospheric Research, 2011, 100(4): 489-502.

[24] Cai Li, Zou Xin, Wang Jianguo, et al. The Foshan total lightning location system in China and its initial operation results[J]. Atmosphere, 2019, 10(3): 149-153.

[25] Huang Yijun, Fan Yadong, Cai L, et al. A new thunderstorm identification algorithm based on total lightning activity[J]. Earth and Space Science, 2022, 9(4): e2021EA002079.

[26] He Lifeng, Ren Xiwei, Gao Qihang, et al. The connected-component labeling problem: a review of state-of-the-art algorithms[J]. Pattern Recognition, 2017, 70: 25-43.

[27] del Moral A, Rigo T, Llasat M C. A radar-based centroid tracking algorithm for severe weather surveillance: identifying split/merge processes in convective systems[J]. Atmospheric Research, 2018, 213: 110-120.

[28] Rigo T, Pineda N, Bech J. Analysis of warm season thunderstorms using an object-oriented tracking method based on radar and total lightning data[J]. Natural Hazards and Earth System Science, 2010, 10(119): 1881-1893.

[29] 彭治班, 吳寶俊, 江劍民, 等. 提高小概率事件預(yù)報(bào)成功率的一條途徑[J]. 氣象, 2000, 26(2): 3-5, 10. Peng Zhiban, Wu Baojun, Jiang Jianmin, et al. A method to improve the forecast accuracy of rare events[J]. Meteorological Monthly, 2000, 26(2): 3-5, 10.

[30] 張亞東. 基于深度學(xué)習(xí)和多維空間數(shù)據(jù)的閃電落區(qū)識(shí)別研究——以浙江寧波為例[D]. 南京: 南京信息工程大學(xué), 2022.

Spatial-Temporal Evolution Process and Characteristics of Thunderstorm Activity Based on Combinatorial Eight-Connectivity Tracking Algorithm

Huang Yijun1,2Fan Yadong1,2Wang Hongbin3Cai Li1,2Wang Jianguo1,2

（1. Engineering Research Center of Lightning Protection & Grounding Technology Ministry of Education Wuhan 430072 China 2. School of Electrical Engineering and Automation Wuhan University Wuhan 430072 China 3. Guangzhou Electric Power Supply Bureau Guangzhou 510013 China）

Lightning is the main cause of damages to power systems. The planning of power system transmission corridors and line lightning protection are mainly based on the lightning density and the distribution of lightning days. Measures such as reducing the grounding resistance of towers and installing lightning arresters are taken to improve the insulation level of transmission lines. The traditional lightning density and the number of thunderstorm days are not able to present the temporal and spatial evolution characteristics of thunderstorm activities. Monitoring the movement of lightning activity can provide track and warning information for lightning protection of equipment. This paper presents a combinatorial eight-connectivity tracking method and evaluation indexes based on total lightning data, which is applied to analyze the temporal and spatial evolution of lightning activities in Guangzhou.

The tracking method based on total lightning data is divided into two steps: cluster identification and cluster tracking. At the step of identification, the grid method is used to pre-process the total lightning events and the lightning region (112°E～115°E, 22°N～25°N) is gridded into 0.01°×0.01° grid boxes (longitude×latitude). Total lightning events are distributed into grid cells according to their geographical coordinates to form a total lightning density map in a single time interval. First, the electrically active region is identified by the 8-connectivity method and form primary lightning clusters. According to the size of the transmission line span, primary lightning clusters are merged into final lightning clusters within the distance of two grid cells. At the step of tracking, the algorithm takes influencing factors into account to match clusters between two successive time intervals, including history velocity, lightning cluster area and split-merge processes. In addition, the evaluation indexes contain the skill scores of the probability of detection (POD), false alarm ratio (FAR), and critical success index (CSI) from the contingency table approach, the track characteristics of track duration, track linearity, track continuity and track complexity to quantitatively evaluate the performance of tracking method.

The tracking method and evaluation are used to analyze the nine thunderstorms and case 1 are presented as an example. The case 1 has 313 tracks longer than 18 min, and tracks move in the northeast direction, with a mean speed of 51.4 km/h and a median speed of 43.0 km/h. The centroid of lightning clusters and temporal and spatial evolution characteristics of each track are counted. The evaluation indexes of POD, FAR and CSI are 63.3%, 41.4% and 43.8%, respectively, while the median track duration, mean jitter of track, incoherence and average number of splits and merges are 24 min, 2.85 km, 0.034 1 s-1and 2.43, respectively.

The following conclusions can be drawn from the nine thunderstorms based on the combinatorial eight-connectivity tracking method and evaluation indexes: (1) A total of 10,894 lightning clusters were identified in the nine lightning activities, with a median area of 22 km2. It is found that 1 490 lightning cluster tracks are longer than 18 min, of which simple tracks and complex tracks (involving split-ting or merging) account for half, respectively. (2) Six lightning activities move in the northeast direction, the rest move northwest, with a mean speed of 51.4 km/h and a median speed of 43.0 km/h. Simple tracks move slower than complex tracks. (3) POD, FAR and CSI are 65.6%, 39.2%, 46.4%, respectively, while the median track duration, mean jitter of track, incoherence and average number of splits and merges are 24 min, 2.80 km, 0.032 7 s-1and 2.51, respectively. This algorithm can describe the temporal and spatial evolution of lightning activity and indexes are able to evaluate the tracking results, which provides an effective method for predicting thunderstorm movement and lightning warning of transmission lines.

Lightning activity, tracking method, evaluation index, spatial-temporal evolution, combinatorial eight-connectivity

10.19595/j.cnki.1000-6753.tces.222187

TM863

國(guó)家自然科學(xué)基金（52177154）和中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金（2042022kf0016）資助項(xiàng)目。

2022-11-21

2023-01-07

黃怡鋆 女，1992年生，博士研究生，研究方向?yàn)槔纂姳O(jiān)測(cè)預(yù)警技術(shù)。E-mail：yjhuang23@whu.edu.cn

樊亞東 女，1967年生，教授，博士生導(dǎo)師，研究方向?yàn)楣こ屉姶艌?chǎng)及應(yīng)用、雷電防護(hù)與接地技術(shù)等。E-mail：ydfan@whu.edu.cn（通信作者）

（編輯 李 冰）