基于閃電聚類方法的西北太平洋區域雷暴活動特征

周鑫，張文娟，張義軍，孫秀斌，鄭棟，姚雯

(1.中國氣象科學研究院災害天氣國家重點實驗室，北京100081；2.成都信息工程大學電子工程學院，四川成都610225；3.復旦大學大氣與海洋科學系/大氣科學研究院，上海200438；4.復旦大學海洋氣象災害聯合實驗室，上海200438)

1 引言

雷暴是伴隨著閃電發生的一種常見的對流活動，而地理位置、氣候和天氣條件的不同可能會導致雷暴產生不同的災害天氣，例如大風、暴雨、冰雹等[1]。研究發現，美國休斯頓地區的雷暴頻次與冰雹具有很強的相關性[2]，東非地區的雷暴活動促進了大西洋颶風的生成[3]，而我國高閃電頻次雷暴與春季極端降水相關性非常大[4]。因此，了解雷暴分布和變化特征有利于增強人們對雷暴活動的認識，從而有效地防御其所帶來的危害。區域性雷暴分布及其氣候特征的研究對于強對流天氣預報和全球雷暴氣候特征的揭示也具有重要意義。

對于全球和區域性雷暴氣候特征，前人已開展一定研究。Price等[5]認為全球雷暴大部分發生在南北緯30°，且主要集中在美洲、非洲和東南亞的熱帶大陸地區。Mezuman等[6]發現全球約50%的雷暴發生在海洋，而海洋雷暴主要發生在凌晨和上午。Changnon等[7]利用雷暴日資料分析了1896—1995年美國雷暴時空分布特征，發現美國西部大部分地區雷暴數量呈上升趨勢，東部大部分地區則呈下降趨勢。Pinto等[8]利用1951—2011年巴西東南部三個城市的雷暴日資料分析發現，圣保羅和坎皮納斯雷暴活動顯著增加，而里約熱內盧雷暴活動無明顯變化趨勢。Manohar等[9]發現印度季風期開始和結束時（6月和9月）的雷暴活動比季風中期（7月和8月）更強。在我國雷暴氣候研究方面，張敏鋒等[10]利用30年雷暴日資料發現我國東南和華南為雷暴高值區，西北地區為雷暴低值區。楊波等[11]進一步發現我國華南、江南地區春季雷暴活動高發區主要在廣西東部至廣東西部。孔鋒等[12]利用1961—2016年雷暴日資料，研究了我國七大地理區域（東北、北方、西北東部、西北西部、西藏、西南和東南）雷暴日數的時空分布特征，發現我國雷暴日數整體呈減少趨勢。Xu等[13]發現南海雷暴的閃電頻次明顯高于太平洋深海區域。王婷波等[14]利用國家閃電監測網數據發現我國中東部地區雷暴具有局地性強和快速生消的特點。鄭永光等[15]發現夏季川西高原及云南北部、云南和貴州交界處和廣西北部、浙江、福建和江西是我國的雷暴活躍區，且6—7月較8月雷暴活動更為活躍。

近年來，隨著閃電定位網的建立和完善，全球（陸地和海洋）閃電監測成為可能。盡管如此，由于不同雷暴過程產生閃電數量的差異[16]，閃電時空分布特征并不能反映雷暴活動特征的全貌。國內外學者嘗試建立了基于閃電觀測數據識別雷暴的方法。Tuomi等[17]開發了利用時空閾值區分閃電簇進而識別并追蹤雷暴的算法，分析了芬蘭雷暴活動的特點。Betz等[18]基于LINET（lightning detection network）閃電定位網的探測數據，利用閃電密度判別雷暴的跟蹤算法，對地中海雷暴進行識別、追蹤和預測。Mezuman等[6]基于全球閃電定位網（WWLLN）的觀測數據，利用時間和空間密度矩陣設置閾值區來聚類雷暴簇。Wang等[19]利用地閃資料，基于空間聚合算法將閃電聚類為雷暴。周康輝等[20]利用密度極大值快速搜索聚類算法將地閃數據聚類為雷暴。姜蘇等[21]將TITAN（Thunderstorm Identification,Tracking,Analysis,and Nowcasting）算法應用到地閃定位資料中進行雷暴識別。閆文輝等[22]利用地基多普勒天氣雷達反射率因子數據和改進的DBSCAN聚類算法識別雷暴單體的三維結構。以上研究及其算法的建立說明利用閃電定位數據識別雷暴具有可能性。盡管如此，目前國內外大部分研究是針對閃電或者雷暴日的分析，而分析雷暴活動氣候特征及其雷暴屬性變化的研究較少。特別是，目前的閃電定位資料多來自于陸地站網的組網觀測，對海上的閃電和雷暴觀測有很大的局限性。

本研究利用2010—2018年WWLLN全球閃電定位數據，采用了基于閃電聚類雷暴空間聚類算法（DBSCAN），建立了西北太平洋地區雷暴數據集，研究了該區域雷暴活動的空間分布、季節分布和日變化等氣候特征，同時選取四個關注區域（西太平洋、印度洋、南海和我國內陸南方區域）進行了雷暴特征和海陸差異的對比分析。本文基于閃電資料的雷暴研究能夠給出雷暴數量、雷暴閃電聚集區面積、雷暴延展尺度等多種信息，并根據雷暴中包含的閃電數反映雷暴活動的強弱，豐富了對該區域雷暴活動的氣候特征和規律性的認識。

2 研究數據

2.1 研究區域

本文研究區域范圍為70°E～180°，15°S～60°N，包含亞洲東部、西北太平洋和印度洋北部（圖1）。為了分析不同海域以及海、陸的雷暴氣候特征差異，選取了四個重點關注區域（圖1中方框區域），分別命名為：西太平洋（PO，130～150°E，0°～20°N）、南海（SCS，110～117°E，7～18°N）、印度洋（IO，82～95°E，0°～10°N）和我國內陸南方區域（INL，110～116°E，23～30°N）。

圖1 研究范圍及四個重點關注區域（西太平洋PO，南海SCS，印度洋IO和我國內陸南方區域INL）

2.2 閃電數據

本研究使用的閃電數據來源于全球閃電定位網（WWLLN）。WWLLN通過探測8～18 kHz甚低頻（VLF）閃電電磁輻射信號來組網定位閃電發生的時間和位置[23]。研究表明，WWLLN閃電定位精度平均為10 km，探測效率約為11%[24-26]。通過與洛斯阿拉莫斯陣列（LASA）比較，發現WWLLN定位的閃電均位于雷暴活躍區內[27]。目前WWLLN全球站點數目已達到80多個[28]。隨著觀測站點數的逐年增加，站網探測效率也不斷增加。Zhang等[29]和Wang等[30]利用TRMM LIS/OTD高分辨率氣候數據計算了西北太平洋區域WWLLN的相對探測效率，結果顯示2005—2016年相對探測效率從4.3%上升到19.1%。盡管站網探測效率在這十幾年中變化較大，但對于整個研究區域，WWLLN在2010年后的探測效率較為穩定，年變化差異較小[29-30]，因此本文選用2010—2018年WWLLN數據。利用上述閃電數據，基于DBSCAN算法將閃電聚類為雷暴。聚類后雷暴數量年變化比閃電數量年變化的穩定性提高，一定程度上降低了WWLLN探測效率年變化帶來的影響。

2.3 雷達數據

本研究使用的雷達數據來自江蘇南通S波段新一代多普勒天氣雷達（CINRAD）。利用2012年7月3—4日一次雷暴天氣過程的組合反射率數據，來檢驗DBSCAN對閃電的聚類效果。

3 基于DBSCAN的閃電聚類

3.1 DBSCAN閃電聚類算法

DBSCAN是基于密度的空間聚類算法，根據點與點之間的距離和形成集群所需的最小點數（minPts），對滿足距離閾值（ε）的所有點進行聚類[31]。集群中的點分為核心點和非核心點。若在某一點的距離閾值ε內至少存在minPts-1個點，則該點為集群的核心點。一個集群中核心點距離閾值ε范圍內的所有點都屬于這個集群。

DBSCAN算法應用于WWLLN閃電聚類雷暴，是一種符合物理實際的閃電數據聚類算法。聚類后的集群核心點位置能夠表示雷暴的強閃電活動區中心，而非核心點則位于雷暴的邊緣。閃電數據除具有經度和緯度的空間位置信息外，還具有時間信息。因此基于WWLLN的DBSACN閃電聚類在考慮距離閾值（ε）和最小點數（minPts）的基礎上，還需要第三個參量——時間間隔（εtime）。Hutchins等[32]已經成功運用DBSCAN算法對全球范圍內的WWLLN閃電進行聚類，并通過設置不同閾值，分析聚類雷暴數量和雷暴面積的變化，發現相對其它參數閾值的設置，ε=12 km和minPts=2這種閾值組合下的聚類效果最好。本文基于此方法開展工作，因此基于WWLLN閃電的DBSCAN聚類雷暴公式為，

式中D為任意兩個閃電之間的距離（km），T為任意兩個閃電之間的時間差（h），P為構成雷暴的閃電數，ε為距離閾值，εtime為時間閾值，minPts為聚類的閃電個數閾值。F代表是否能夠聚類成功，當F＜1時表示閃電能夠聚類為一個雷暴。本研究中，三個參量的閾值選取分別為ε=12 km、εtime=1 h和minPts=2。本研究的閾值選取與Hutchins等[32]相一致，聚類的雷暴與雷達高反射率區重疊率最高。

此外在聚類過程中，當閃電活動較為密集且閃電數目較少時，會聚類出一些面積極小的雷暴。根據聚類后的統計結果，由3個閃電聚類形成的雷暴平均面積為13 km2。因此選取該值為面積閾值，對面積＜13 km2的雷暴進行剔除。基于以上的參數閾值選取和數據質量控制，對2010—2018年研究區域的WWLLN閃電數據進行雷暴聚類，聚類后的雷暴特征參量見表1。

表1 雷暴特征參量

3.2 算法檢驗

為檢驗DBSCAN算法的聚類效果，對聚類后雷暴日的數量級和空間分布進行分析。整個西北太平洋高雷暴日數區域主要分布在熱帶島嶼、中南半島和南海南部，這些區域屬于全球三大閃電煙囪區之一[33-34]。我國南、北雷暴日分布有明顯差異，南方地區年平均雷暴日超過40 d/y，北方地區雷暴日數則低于20 d/y，聚類結果給出的我國年平均雷暴日的空間分布和數量級，均與前人研究結果一致[35-36]。在此基礎上以一次雷暴過程為例，將聚類后的雷暴與天氣雷達觀測進行對比，以進一步檢驗聚類方法的可信度。2012年7月3—4日江蘇南通發生一次由西向東移動的多單體風暴過程，產生了強烈閃電活動。圖2（見下頁）給出了基于WWLLN閃電的DBSCAN聚類雷暴（黑色多邊形）與雷達回波的疊加。在7月3日15:02（當地時間，下同）（圖2a），聚類的雷暴活動中心位于121°E，32.6°N，與雷達觀測的強風暴中心一致。雷暴主體的西側還有多個高反射率回波區，表示多個雷暴單體正處于發展階段，聚類結果也進行了較好的顯示。在19:02風暴活動加強，有多個強風暴單體生成且較為分散，聚類結果與雷達回波反映的強風暴單體空間分布基本一致（圖2b）。在23:02（圖2c），雷達觀測到單體已經合并形成一個較大的強回波區，聚類的雷暴中心位置與雷達強回波區的中心位置一致。在次日05:02雷達回波顯示風暴過程開始消散，但還有兩個較強的單體存在，聚類的兩個雷暴與雷達回波反映的兩個單體一一對應（圖2d）。

圖2 2012年7月3日江蘇南通一次雷暴過程基于WWLLN閃電的DBSCAN雷暴聚類結果（黑色多邊形）與雷達回波的疊加

4 結果分析

4.1 雷暴整體統計特征

在2010—2018年間，利用WWLLN閃電數據基于DBSCAN總共聚類了12717566次雷暴，海洋雷暴占62%，陸地雷暴占38%。整個研究區域內，平均每天WWLLN觀測到3869次雷暴發生，Hutchins等[32]統計平均每天亞洲閃電煙囪區域的雷暴數量約有5000左右，二者數量級相當。雷暴的平均面積（即雷暴閃電聚集區面積）為557.91 km2，雷暴平均延展尺度為31.99 km，雷暴平均WWLLN閃電頻次為33 str/（h·thu）。

圖3給出了不同區域雷暴特征參量的概率統計分布圖，雷暴特征參量均符合對數正態分布的特點，即大部分樣本分布在數值較小的區域，而小概率覆蓋在較寬的雷暴參量大值區，與Miller等[37]得出的結果一致。雷暴面積的峰值區間位于＜100 km2，位于該區間的雷暴約占總雷暴數量一半（圖3a）。雷暴延展尺度的峰值區間位于8～24 km（圖3b），單個雷暴的閃電頻次峰值位于3～8 str/h（圖3c）。對于四個關注區域，西太平洋（PO）相對其它區域，其面積和延展尺度較小的雷暴所占比例較高，其它區域雷暴空間尺度分布沒有較大的差異（圖3a和圖3b）。PO區域的低閃電頻次（3～16 str/h）雷暴數量比例最大，其次是IO和INL，SCS最小（圖3c）。當雷暴產生的閃電頻次較大（為16～80 str/h）時，四個區域的閃電頻次分布比例無明顯差異。

圖3 雷暴特征參量概率分布

4.2 雷暴空間分布特征

圖4a給出了雷暴密度的空間分布，研究區域中雷暴密度最高值大于20 thu/(100 km2·y)，最低值小于0.1 thu/(100 km2·y)。從整體看，雷暴數密度隨著緯度的分布逐漸減小。雷暴活動密集區（＞10 thu/(100 km2·y)）主要分布在10°S～10°N的低緯度熱帶島嶼（即海洋性大陸），其次是10～25°N的中南半島和中國南部沿海區域，南海西南部也有部分區域雷暴密度較高（5～10 thu/(100 km2·y)）。特別注意到，喜馬拉雅山南麓的東端（90°E,25°N）存在一個明顯的雷暴高值中心，這是由于印度洋暖濕氣流與地形的相互作用，使得該地區雷暴增強。基于閃電聚類識別出的雷暴高值區與吳學珂等[38]和陽向榮等[39]給出的中尺度對流系統在此區域的強密集中心相吻合。雷暴密度低值區（＜1 thu/(100 km2·y)）主要分布在深海海域、高緯度地區和中國西北部。我國雷暴高發區主要分布在廣東省和海南省，由于地形作用而產生的雷暴增強，導致該地區也是我國極端降水的主要落區[4]。我國雷暴低值區主要分布在新疆南部、青海和甘肅北部。

雷暴平均面積的空間分布如圖4b所示。面積較大（＞900 km2/thu）的雷暴主要分布在澳大利亞北部、我國東部和南部近海區域以及日本東側海域，表明這些區域雷暴過程易產生活躍的閃電活動。而赤道附近（10°S～10°N）的深海海域、我國西部和高緯度大陸地區，其雷暴平均面積較小（＜400 km2/thu）。海洋雷暴中，距離海岸線越近的海域雷暴其平均面積越高。沿臺灣島到日本島區域也有較大面積的雷暴發生，這與黑潮暖流有關[40]。

圖4 雷暴特征參量的空間分布

4.3 雷暴季節分布特征

圖5給出了研究區域雷暴數空間分布的季節變化，這里采用北半球季節劃分，將全年分為冬季（12—2月）、春季（3—5月）、夏季（6—8月）和秋季（9—11月）。冬季（圖5a）整個亞洲大陸雷暴活動為一年中最弱，僅喜馬拉雅山南麓的西側有少量雷暴活動發生，雷暴活動主要集中在低緯度熱帶島嶼。但值得一提的是，日本東部近海海域的雷暴活動在冬季達到最強，這可能與黑潮有關，冬季冷空氣與黑潮暖流接觸促進閃電發生[41]。春季（圖5b）對應著亞洲季風區的季風前期，熱帶島嶼地區的雷暴活動為全年最活躍。雷暴活動中心在春季開始向北發展，大陸20°N以南地區雷暴頻繁發生，特別是受南海影響的菲律賓和中南半島、受孟加拉灣影響的印度東部和喜馬拉雅山南麓東側。李進梁等[40]也指出，亞洲季風區的低緯度地區強雷暴更容易發生在春季，強中心位于喜馬拉雅山南麓東端和中南半島，本文與其結論一致。夏季（圖5c）雷暴活動繼續北移，20～30°N中低緯度大陸地區雷暴活動大大加強，我國東南沿海區域雷暴數明顯增多。這是由于夏季為季風期，在西南季風的作用下來自西太平洋的暖濕季風氣流與冷空氣或地形相作用，在該地區出現較強的雷暴活動[41]。南海和菲律賓東側海域的雷暴數量達到全年最多。印度北部和孟加拉灣的雷暴也達到全年最多，這是由于印度洋暖濕季風氣流在高原迎風面受迫抬升，進而出現較強雷暴活動[42]。相反地，由于西南季風將印度洋的暖濕空氣向北往東亞輸送[40]，低緯度熱帶島嶼（印度尼西亞、馬來西亞）的夏季雷暴活動則相對春季明顯減弱。此外注意到在夏季，從臺灣島到日本島的洋面沿東北方向出現一個帶狀雷暴活躍區域，該區域雷暴數從春季開始增多，夏季達到最強，明顯高于鄰近海域。馬明等[43]指出是由于黑潮的影響，黑潮暖流高溫高鹽的特征能夠促進流經海域的雷暴發展。秋季（圖5d）雷暴活動開始南移，大陸20°N以北的地區雷暴活躍程度急劇下降，而赤道附近低緯度熱帶島嶼的雷暴活動又開始增強，這主要是太陽直射點由北回歸線向南回歸線移動，導致低緯度地區地表溫度升高引起大氣層結不穩定[40]。

圖5 年平均雷暴數（thu/(100 km2·y)）的季節變化

圖6給出了西太平洋（PO）、南海（SCS）、印度洋（IO）和我國內陸南方區域（INL）四個區域，雷暴數、雷暴平均面積、雷暴平均WWLLN閃電頻次的月分布。可以發現，四個區域的雷暴參量月分布具有明顯的差異。除西太平洋外，其它三個區域的雷暴數月變化波動較大（圖6a）。南海雷暴從5月開始迅速增多，6月達到峰值，7—9月仍持續較高雷暴數，10月雷暴開始減弱。我國內陸南方區域（INL）的雷暴活動月變化與南海相似，隨著地表溫度的升高和大氣不穩定性的增加，雷暴4月開始增多，5—8月雷暴發生頻繁，8月達到峰值，10月后迅速減弱，10月—次年2月雷暴數量達到谷值。印度洋北部區域的雷暴活動則呈現不同的月變化特點，2—5月為雷暴活躍期，雷暴數量占比達到全年最大，6—9月雷暴活動最弱。

從雷暴平均面積（圖6b）來看，西太平洋和印度洋的全年雷暴面積月變化小于南海和陸地區域。南海的雷暴平均面積在12月達到最大值（765 km2），并且夏季（6—8月）雷暴維持在較大面積（＞610 km2）。陸地雷暴平均面積受季節影響變化較大，3月達到峰值（880 km2），隨后逐漸下降，12月達到最小值。在雷暴平均閃電頻次（圖6c）方面，陸地區域具有與其他三個區域不同的特點。西太平洋、印度洋和南海區域的雷暴平均閃電頻次月變化與該地區的雷暴平均面積月變化趨勢一致，而陸地區域不同。INL雷暴數3月開始顯著增多，雷暴平均面積3月達到最大值，但雷暴平均閃電頻次5月才達到峰值。夏季（6—8月）我國內陸南方區域雷暴數達到峰值，但雷暴面積和平均雷暴閃電頻次均有所減小。說明在我國內陸南方區域初春雷暴較多，但閃電活動并不活躍；而高閃電頻次的雷暴在春末夏初開始迅速增多。Xu等[4]利用LIS資料研究同樣發現我國內陸南方區域，雷暴數峰值出現在6—8月，而高閃電頻次的雷暴數則在4—5月達到峰值。研究指出，從春季（3—5月）到夏季（6—8月），雖然我國內陸南方區域的對流不穩定有效位能（CAPE）增加，但由于夏季盛行的中高層西風帶的減弱，使得雷暴垂直風切變減弱以及暖云厚度增加。較弱的風切變導致了風暴尺度的減小，而暖云厚度的增加促進了暖雨過程、抑制了冰相過程和冰粒子體積的減少，因此造成了夏季雷暴平均閃電頻次的降低。

圖6 四個區域雷暴特征參量的月變化

4.4 雷暴日變化特征

圖7給出了四個研究區域雷暴數的逐時日變化。陸地雷暴（INL）活動呈現典型的單峰型日變化特征，09—10時雷暴數量開始迅速上升，14—15時達到峰值（71 thu/（107km2））且雷暴大部分發生在午后及傍晚，夜間和清晨（22—08時）陸地雷暴最不活躍，并于07—09時出現一個較小的谷值。與陸地雷暴強烈的日變化不同，海洋雷暴（PO和IO）的日變化較為平緩，這與海洋閃電頻次的日變化特征相一致[41]。盡管日變化幅度小，但可以看出海洋雷暴在凌晨00—03時有個較弱的峰值，在傍晚18—20時出現弱的谷值。海洋與陸地雷暴峰值時刻出現顯著的差異，主要是因為陸地雷暴數日變化的最大值出現在下午與白天地面升溫有關，而海洋雷暴數日變化的最大值與夜間增強的中尺度對流系統有關[44]。南海（SCS）雷暴活動與西太平洋和印度洋不同，具有其獨特的日變化特征：具有一個較為明顯的日峰值，峰值時刻出現在上午10—12時；而谷值出現時刻與PO和IO一致，均在20時左右。SCS與PO雷暴日變化差異大，是因為SCS四周環顧島嶼，海岸線效應對SCS的雷暴日變化有一定的影響[45]。

圖7 四個關注區域雷暴數（thu/(107km2))的逐時日變化

圖8給出了研究區域雷暴日變化峰值和谷值出現時間的空間分布。從整體看，大部分陸地區域的雷暴峰值出現在下午（12—18時）。盡管如此也注意到，高原南麓、天山南麓、四川東部地區的雷暴峰值發生在凌晨（圖8a）。這些地區主要是山谷或盆地，白天受到多云天氣的影響，地面升溫較慢，大氣層穩定，不利于對流形成；而夜間云頂輻射冷卻快，而地面降溫慢，因此易形成夜間和凌晨的雷暴[40]。20°N以南深海區域的雷暴峰值主要發生在00—06時，中緯度海洋區域的雷暴峰值時段既有凌晨又有午后和傍晚，而南海區域由于受到陸地的作用，其雷暴峰值發生在中午和午后（10—14時）。對于雷暴的不活躍時間，海洋雷暴谷值主要發生在夜間（18—24時），而陸地雷暴谷值則出現在00—12時（圖8b）。

利用日變化中雷暴數的最大值除以最小值，得到雷暴數的峰谷值比例，它能夠表明該地區雷暴數的日變化劇烈程度(圖8c)。海洋雷暴的峰谷值比率較低（＜8），表明海洋上的雷暴活動在一天中沒有強烈的變化。陸地雷暴的峰谷值比率較高，高值區位于熱帶島嶼、印度半島、中南半島和我國青藏高原地區，峰谷比率超過50（圖8c），說明這些區域的雷暴活動日變化最為劇烈。受海陸風的影響，熱帶島嶼、印度半島和中南半島地區的對流活動中午開始發展，下午達到最強，晚上慢慢減弱[46]；而青藏高原地區是由于對流云白天發展，而晚上減弱，導致雷暴活動日變化劇烈[47]。

圖8 a.雷暴峰值出現時間的空間分布（LT）；b.雷暴谷值出現時間的空間分布（LT）；c.雷暴數峰值與谷值比率的空間分布。

5 結論和討論

利用2010—2018年WWLLN全球閃電定位資料，采用DBSCAN閃電密度空間雷暴聚類方法，詳細研究了西北太平洋地區（70°E～180°，15°S～60°N）雷暴活動的統計特征、空間分布、季節變化和日變化等氣候特征，得出如下結論。

（1）整個研究區域內，WWLLN平均每天觀測到3869次雷暴發生，雷暴平均面積為557.91 km2，平均延展尺度為31.99 km，平均閃電頻次為33 str/（h·thu），海洋雷暴占62%，陸地雷暴占38%。雷暴特征參量（雷暴面積、雷暴延展尺度、雷暴閃電頻次）均符合對數正態分布的特點。基于WWLLN聚類的雷暴面積的峰值區間位于0～100 km2，雷暴延展尺度的峰值區間位于8～24 km，單個雷暴的閃電頻次峰值位于3～8 str/（h·thu）。西太平洋相對于南海、我國內陸南方區域和印度洋區域，其面積、延展尺度和閃電頻次較小的雷暴所占比例較高。

（2）雷暴活動隨著緯度的增高逐漸減弱。雷暴活躍區主要分布在低緯度熱帶島嶼，其次是中南半島、南海西南部和中國南部沿海區域。雷暴密度低值區主要分布在深海海域、高緯度地區和中國西北部。平均面積較大的雷暴區與高雷暴密度區的空間分布存在一定差異。海洋雷暴中，距離海岸線越近的海域雷暴其平均面積越高。沿臺灣島到日本島區域也存在與黑潮暖流有關的大面積雷暴。

（3）西北太平洋地區雷暴活動具有顯著的季節變化。在冬季，整個大陸和深海區域幾乎沒有雷暴產生，但日本東部近海海域的雷暴活動達到全年最強。雷暴活動在春季開始向北發展。在夏季，中低緯度大陸地區雷暴活動明顯加強，我國東南沿海區域雷暴數顯著增多，特別是由于黑潮的影響，從臺灣島到日本島的洋面沿東北方向出現一個帶狀雷暴活躍區域。相反地，低緯度熱帶島嶼的夏季雷暴活動則相對春季明顯減弱。秋季雷暴活動開始南縮，大陸20°N以北的地區雷暴活躍程度急劇下降。

（4）受季風的影響，南海雷暴從5月開始迅速增多，6月達到峰值，10月開始減弱。西太平洋和印度洋雷暴特征參量的月變化小于南海。我國內陸南方區域雷暴數3月開始顯著增多，雷暴平均面積3月達到最大值，但雷暴平均閃電頻次5月才達到峰值。夏季（6—8月）我國內陸南方區域雷暴數達到峰值，但雷暴面積和平均雷暴閃電頻次均有所減小。垂直風切變減弱以及暖云厚度增加，造成了我國內陸南方區域夏季雷暴平均閃電頻次的降低。

（5）陸地雷暴活動呈現典型的單峰型日變化特征，雷暴大部分發生在午后及傍晚（14—15時達到峰值），但也發現高原南麓、天山南麓、四川東部地區的雷暴峰值發生在凌晨，可能與地形有關（山谷或盆地）。海洋雷暴日變化則較為平緩，深海區域的弱雷暴峰值發生在00—06時。南海雷暴活動與西太平洋和印度洋不同，具有其獨特的日變化特征：較為明顯的日峰值（10―12時）和谷值（20時左右）。熱帶島嶼、印度半島、中南半島和我國青藏高原地區的雷暴活動日變化最為劇烈，雷暴數日變化的峰谷比值最高。