一种雷电集群识别方法,考虑多尺度的时空空间邻里关系
Manxing Shi1, Peng Fan2, Hantao Tao3
1School of Geographic Sciences, Xinyang Normal University, Xinyang, China.
PloS one
|October 3, 2025
概括
一个新的框架,CC3D-CSCAP,增强了从庞大的数据集中识别闪电集群. 这种方法通过准确跟踪闪电活动来改善雷暴预测和气候分析.
科学领域:
- 大气科学 大气科学
- 地质物理学 地质物理学
- 计算机科学 计算机科学
背景情况:
- 准确的雷电集群识别对于雷暴预测和气候学至关重要.
- 现有的基于密度的聚类方法与大数据集和可变的闪电密度相斗争.
研究的目的:
- 为改进闪电集群识别开发一个多尺度的时空框架.
- 解决当前算法在处理大规模闪电数据和密度变化的局限性.
主要方法:
- 提出了一个新的框架,CC3D-CSCAP,它结合了用于粗细分的3D连接组件算法 (CC3D) 和用于微细标识的基于圆柱体的扫描集群算法,具有自适应参数 (CSCAP).
- CC3D将数据分割成空间时间分离的子集.
- 为了实现强大的集群,CSCAP根据子集特征自适应地确定参数.
主要成果:
- CC3D-CSCAP确定了771,033个闪电集群,远远超过固定参数方法.
- 保持了高百分比 (98.988%) 的可用闪电.
- 聚类结果与最佳聚类标准保持一致.
结论:
- CC3D-CSCAP框架为分析大规模闪电检测数据提供了一个强大的解决方案.
- 在识别和跟踪闪电集群方面取得了显著的改进.
- 在雷电数据分析,现在预测和对流系统气候学方面显示出全球应用的前景.


