强雷暴天气的研究，长期以来一直是大气科学领域的热点与难点。热带降雨测量任务（TRMM）卫星通过雷达与闪电的同步观测，为区域乃至全球尺度上研究强对流活动提供了重要数据支撑，但低轨卫星的快照式（snapshot）观测限制了对雷暴演变过程的深入理解。因此，建立依赖雷暴不同阶段的闪电活动与雷达回波之间的关系，对于揭示雷暴微物理机制和改进极端对流天气预报具有重要意义。本研究利用全球闪电与雷暴活动最强的热带非洲地区1998-2013年的TRMM观测数据，，结合机器学习的方法，发展了一种改进的K均值聚类算法，根据回波结构将TRMM观测到的紧凑型雷暴（剔除多单体雷暴）识别并划分为三个不同的生命阶段。聚类结果很好地刻画了雷暴演变的物理过程，与已知的雷暴演变特征相吻合。就雷暴强度而言，成熟阶段雷暴最强，符合一般认识，与此相对应的，pre-mature阶段雷暴在闪电频数相近的情况下，表现出较小的水平尺度但更高的闪电发生效率（单位面积发生的闪电）；而post-mature雷暴则呈现相反特征，即尺度较大但闪电发生效率最低。在此基础上，我们进一步分析了闪电活动与对流核（40 dBZ）之间的关系，发现各阶段的相关系数相近，但对应的拟合参数存在显著差异，反映出不同阶段起电机理的差异，凸显了开展阶段依赖性分析的重要性。通过强调阶段依赖性分析，本研究深化了对热带非洲强雷暴动力演变机制的认识，并展示了利用非太阳同步轨道卫星从快照式观测中识别雷暴生命周期的潜力，该方法可推广应用于其他区域及低轨卫星。
 

热带雷暴及闪电,闪电,TRMM