西南地区不同下垫面雷电活动特征与森林雷击火的关系

摘要：【目的】西南地区是我国第二大天然林区，该地生态系统脆弱，森林雷击火灾频发。通过遥感、探测资料分析不同地表覆盖类型、不同海拔下垫面的雷电活动特征，探究雷电活动对森林雷击火的影响。【方法】根据2005—2017年全球闪电定位系统（WWLLN）闪电数据、MCD12Q1土地覆盖数据、SRTM（shuttle radar topography mission）海拔数据以及相应森林雷击火个例，结合Theil-Sen趋势分析、Mann-Kendall趋势检验、相对密度差分析，对我国西南地区雷电活动随下垫面类型、海拔的变化特征及其与森林雷击火的关系进行研究。【结果】① 2005—2017年西南地区云地闪频次以每年8.75%的速率增加。四川和云南交界的攀枝花附近区域是最高值核心区。② 海拔500～1 000 m、稀树草原类下垫面年均云地闪频次最多。以相对密度差表征雷电活跃程度，从季节上看，春季最活跃；从昼夜变化尺度上看，昼间最活跃。表现活跃的下垫面集中在海拔0～1 000 m段，以及农用地/自然植被拼接、稀树草原类和城区为主的地表类型。③ 云地闪在不同下垫面均呈增长趋势，其增长面积占比为西南地区的93.48%。其中，海拔3 500 m以上和草地类型下垫面的增长趋势最显著，从海拔和地表类型来看，显著的面积占比均超过80%。④ 年云地闪频次越高，发生森林雷击火的概率越大。海拔0～1 000 m森林雷击火发生与云地闪活动的下垫面特点一致，海拔1 000 m以上雷击火主要受高云地闪频次影响。【结论】西南地区雷电活动与下垫面的海拔、地表类型关系密切，且这一关系随不同时间尺度而变化。作为森林雷击火的起因，结合下垫面特征分析雷电活动，探究森林雷击火，可以为西南山地天然林保护提供科学支撑。

关键词：森林雷击火；云地闪；海拔；地表覆盖类型；西南地区

中图分类号：S762.1 文献标志码：A开放科学（资源服务）标识码（OSID）：

文章编号：1000-2006（2024）03-0219-10

Relationship between characteristics of lightning activity on different underlying surface and forest lightning fire in southwest China

LI Yansong¹， YANG Yanrong^1*， ZHANG Wenyi¹， ZHANG Leying¹， HUANG Ao¹， ZHANG Yirong²

（1. College of Ecology and Environment， Co-Innovation Center for Sustainable Forestry in Southern China， Nanjing Forestry University， Nanjing 210037， China；2. Wuyi Mountain National Park Administration， Nanping 354300，China）

Abstract：【Objective】Southwest China is the second largest natural forest region in China， where the ecosystem is fragile and forest lightning fire disasters occur frequently. According to the causal relationship between lightning and forest lightning fire， the characteristics of lightning activities on underlying surfaces with different land cover types and different altitudes， and the influence of lightning activity on forest lightning fire is explored. 【Method】Based on WWLLN lightning data， land cover data MCD12Q1， altitude data SRTM and corresponding lightning forest fires from 2005 to 2017， combined with Theil-Sen trend analysis， Mann-Kendall trend test， relative density difference analysis. The variation characteristics of lightning activity with underlying surface type and altitude in southwest China and its relationship with forest lightning fire were studied.【Result】（1） From 2005 to 2017， the cloud-to-ground lightning frequency in southwest China increased at a rate of 8.75% per year. The area near Panzhihua at the border of Sichuan and Yunnan maintains the core area of the highest value in years and seasons. （2） The annual cloud-to-ground lightning frequency was the highest in the underlying surface of savanna at an altitude of 500-1 000 m. The degree of lightning activity is characterized by the relative density difference. It is most active in spring and most active in daytime on a daily scale. The active surface types are concentrated in the 0-1 000 m elevation， Agricultural land/natural vegetation Mosaic， savanna type and urban type. （3） Cloud-to-ground lightning showed an increasing trend in different underlying surfaces， and its area accounted for 93.48% in southwest China. Among them， the growth trend of underlying surface of above 3 500 m altitude and grassland type is the most significant， and the significant area accounts for more than 80% from the elevation and surface type respectively. （4） The higher the annual cloud-to-ground lightning frequency， the greater the probability of lightning fire. The occurrence of forest lightning fire at 0-1 000 m altitude is consistent with the characteristics of the underlying surface of cloud-to-ground lightning distribution， and the lightning fire above 1 000 m altitude is mainly affected by high cloud-to-ground lightning frequency. 【Conclusion】The lightning activity in southwest China is closely related to the underlying surface altitude and surface type， and the relationship varies with different time scales. As the cause of forest lightning fire， the analysis of lightning activity and forest lightning fire combined with the characteristics of underlying surface can provide scientific support for the protection of natural forest in southwest mountainous area.

Keywords：lightning caused forest fire; cloud-to-ground lightning; altitude; land cover type; southwest China

森林雷电灾害是一种重要的森林自然灾害。它通过雷暴云对大地的云地闪击产生热电效应，产生的瞬时高温达6 000～10 000 ℃。其表现形式主要有两种：一是树木倒伏、炸裂、枯死^[1]，形成林窗，改变森林群落的结构，引起病虫害^[2]；二是森林雷击火。随着气候变暖，雷电活动有增加的趋势。研究表明，气温每增加1 ℃，闪电频率将增加5%～6%^[3]，导致森林雷电灾害增加。云地闪作为森林雷电灾害的必要诱因^[4]，其活动特点与下垫面特征，特别是地表覆盖类型、海拔等关联密切。

邻近且不同特征的下垫面，在受热后激发的中尺度环流会促使云地闪活动度增加^[5]。从地表类型对云地闪活动的影响来看，云地闪活跃区域多位于水域周边^[6-8]，在重庆^[7]、广西河池^[8]的森林区域云地闪也很活跃。卢友发等^[9]对河南的研究结果也表明，水体及植被覆盖区附近云地闪较为集中。海拔也是影响云地闪的重要下垫面特征^[10]，Boccippio等^[11]的研究表明云地闪随着海拔变化而变化，但各地不尽相同。重庆云地闪多分布于海拔300～400 m地区，长三角地区表现为高海拔地区高频次闪电活动^[13]。虽然一般负极性地闪远高于正极性，但喜马拉雅山脉附近有更多正地闪^[14]。由此可见，不同地表覆盖类型、不同海拔的下垫面差异，使云地闪活动具有明显地域性特征。

现阶段，森林雷击火在林火中的占比凸显。西班牙高山林区^[15]、我国大兴安岭^[16]等地的森林雷击火占比均超过30%，远高于全球均值。对森林雷击火的研究大多集中在基于云地闪活动特征及气象信息等的统计分析方面^[17]，进而建立森林雷击火的统计预测模型^[18]。在加拿大等地已经进入业务化运行^[19]，其中云地闪的来源也不乏全球闪电定位系统（the world wild lightning location network，WWLLN）数据^[20]。这类研究结果与云地闪活动的地域特征息息相关，特别是地表覆盖类型、植被类型、海拔等。

我国有关森林雷电灾害，特别是森林雷击火研究，一直以来都集中在东北、内蒙古等雷击火高发地。其中，大兴安岭的森林雷击火研究结论明确，包含的下垫面特征显著。如，落叶松林和落叶阔叶林是主要的受灾地表类型^[21]，坡度1°～4°、海拔300～800 m的山地区域发生雷击火的概率达85%^[22-23]。对比来看，西南天然林雷电灾害，尤其是近年屡见报道的森林雷击火，其针对性的研究鲜见报道。目前，我国西南地区干旱趋势显著^[24]，已成为我国主要森林雷电灾害区^[25]，云地闪引发的雷击火是当地天然林的巨大威胁。

本研究基于2005—2017年WWLLN数据、土地覆盖类型数据MCD12Q1、地理因子SRTM（shuttle radar topography mission）数据，利用ArcGIS，结合Theil-Sen中值趋势分析、Mann-Kendall趋势检验，开展西南地区云地闪与地表覆盖类型、海拔等时空关系研究，探究雷电活动的本地化特征，基于森林雷击火个例，探索云地闪活动对森林雷击火的影响，对于西南天然林保护有重要意义。

1 材料与方法

1.1 研究区概况

本研究所指的西南地区是指四川、云南、贵州及重庆所在的3省1市（97°21′～110°11′E，21°8′～33°41′N），是我国西南重要的生态屏障区。该区域地形十分复杂，海拔范围为73～7 556 m，是我国第二大天然林区，植被类型复杂多样，包括针叶林、阔叶林、针阔混交林、多树型稀树草原、稀树草原等17种^[26-27]，气候类型多样。依据国家气象科学数据中心（www.data.cma.cn）的历史站点资料，较过去30年相比，本研究时段（2005—2017年）西南地区年均总降水量基本保持不变，年均气温由12.77 ℃增加至13.01 ℃。

近年来，我国西南天然林雷电灾害特别值得关注。中国林业统计年鉴（https：//www.lknet.ac.cn/）资料表明，2005—2017年西南地区共有143起森林雷击火，其逐年变化见图1。

由 图1可见森林雷击火次数呈弱下降趋势（R²=0.20，P=0.10，趋势线未显示），但西南森林 “未查明火源”高达4 887次，占总林火的22.39%。这很可能与森林雷击火调查不足有关^[28]。根据年鉴信息考察雷击火研究较充分的大兴安岭地区，发现13年来未查明火源只有106起，仅为西南地区的2.21%，且未查明火源比例逐年下降，2010年后仅占当地总林火的5.32%。众所周知，连续时空分布的详尽森林雷击火信息获得是目前的世界难题，需借助遥感、机器学习等手段^[29]。对于西南地区森林雷击火研究起步晚，且复杂地理环境对于调查的困扰性更大。

在这一背景下，为更好地体现西南已知雷击火变化，分析了林业年鉴中已知的森林雷击火占比（森林雷击火/总林火）变化，其趋势线为上升的直线（R²=0.45，P=0.01）。可见，在有限数据下，西南雷击火占比仍显著上升。

1.2 数据及处理

1.2.1 雷电数据处理

雷电数据来自2005—2017年WWLLN数据（http：//wwlln.net/），包括闪电发生的时间、位置信息等。WWLLN虽然可以探测到总闪，但无法区分云闪和地闪，而云闪与云地闪的比例与纬度密切相关，所以按照经验公式（1）来计算云地闪^[30]：

其中：N_g为地闪次数；N_c为云闪次数；N_c+N_g为总闪次数；φ为纬度。

1.2.2 地表覆盖类型处理

土地覆盖资料信息来自 NASA 2005—2017年中分辨率成像光谱仪3级数据MCD12Q1（https：//ladsweb.modaps.eosdis.nasa.gov/search/），时间分辨率为年，空间分辨率500 m，包括17个主要土地覆盖类型。结合研究需求及西南地区地表特征，本研究把常绿针叶林、落叶针叶林、常绿阔叶林、落叶阔叶林和混交林合并成森林，将永久湿地、冰和雪、荒漠等合并成其他（该类型本研究不做分析），最终得到西南地区8种代表性地表类型：森林、稀树草原、多树型稀树草原、草地、农用地、农用地/自然植被拼接、城市和建筑区、水域。认为研究时段内土地覆盖类型无季节、昼夜变化。

1.2.3 海拔数据处理

海拔数据来自2000年美国国家测绘局公布的SRTM （http：//www.cgiar-csi.org）。将西南地区海拔分类为5类^[31]：[0，200）m、[200，500）m、[500，1 000）m、[1 000，3 500）m、3 500 m及以上。

1.2.4 其他辅助资料

辅助确定森林雷击火位置的2005—2017年西南地区火点数据MCD14DL来自MODIS（https：//firms.modaps.eosdis.nasa.gov/download/）地表火点信息，其空间分辨率为1 km，包含时间、经纬度、置信度等参数。林业统计年鉴资料来自中国林业信息网（https：//www.lknet.ac.cn/），以年为时间单位、省为空间单位。

1.3 研究方法

1.3.1 云地闪空间分布

研究整个西南地区云地闪空间分布时，将该区域划分成0.1°×0.1°的共19 600个网格，用单位栅格内的云地闪总数代表云地闪频次。研究不同地表覆盖类型和海拔段的云地闪分布时，应用ArcGIS矢量化这些地表类型对应的面积，逐年、季、日统计云地闪在不同地表面积上的频次。

1.3.2 云地闪空间变化趋势分析

采用Theil-Sen中值趋势分析耦合Mann-Kendall趋势检验判断云地闪趋势变化的显著性，Plt;0.05为通过显著性检验。按照西南地区不同地表覆盖类型和海拔，将云地闪空间变化趋势判定为4种类型：显著增加、显著减少、不显著增加、不显著减少。

1.3.3 云地闪活跃程度分析

为了消除地表覆盖类型、海拔段的面积大小对云地闪活跃程度的影响，使用相对密度差（D_r）表示云地闪在该下垫面的活跃程度^[7]，如式（2）所示：

式中：T为某种下垫面的云地闪频次；T₁为研究区内总云地闪频次；S为该种下垫面的面积，km²；S_l为总面积，km²；D_rgt;0时，数值越大说明云地闪在该类型地表的活跃度相对较高，D_rlt;0则表示不活跃。

2 结果与分析

2.1 云地闪时空分布

2005—2017年西南地区年、月时间尺度云地闪频次分布见图2。从年值变化来看（图2a），2005—2017 年西南地区年均云地闪频次为90 977次，呈增加趋势（R²=0.52，P=0.005），年均增幅为8.75%。其中增幅最大的年份为2008—2009年。单年频次数量来看，2013年最大，达到146 142次，为年均值的1.61倍。从月际变化上来看（图2b），西南月均云地闪7 580次，集中在6—9月，8月最多，占年均总频次的25.12%，其次分别为3—5月和10月，12月份云地闪频次最少，占年均总频次的比例仅为0.06%。

西南地区2005—2017年单位栅格年、季的平均云地闪空间分布见图3，由于冬季发生云地闪频次极少，因此未显示。如图3a所示，年均云地闪的空间分布差异较大，单位栅格数值呈现中东部高（大于15次）、西部低（小于8次）的分布格局。最大值位于四川省与云南省交界处的攀枝花市附近，年均云地闪频次高达40次，这里也是近年森林雷击火高发地，见图中的黑色圈区域。从季节上来看，西南地区春季（图3b）云地闪相对高值区主要集中在贵州省安顺市、云南南部、四川省攀枝花附近，夏季（图3c）数值整体增大，相对高值区扩张北抬，在攀枝花附近核心区不变的基础上，高值区北移到云南省昭通市，秋季（图3d）高值区又回落到攀枝花附近。

以上结果与我国闪电定位仪网ADTD（advanced TOA and direction system）数据对于西南云地闪的时空分布研究对应^[32]，云南与四川交界处属于年均雷电高活动区域。星载光学瞬态探测器OTD（optical transient detector）/闪电成像传感器LIS（lightning imaging sensor）的历史数据显示^[33]，从3—7月，四川、贵州及云南东部交界区域也逐渐变为雷电高活动区。这些区域也是近年的主要林火高发区^[25]。

2.2 不同海拔的云地闪活动特征

2005—2017年不同海拔段年均云地闪频次、相对密度差（D_r）分布见图4。由图4可见，在海拔[500，1 000）m、[1 000，3 500）m区域云地闪频次相对最多，分别占年均值总量的47.48%和27.43%，这与这两个海拔区域是西南地区主要海拔分布有关，二者分别占总区域面积的41.22%和28.72%。为了消除面积的影响，将年均D_r与海拔类型叠加，见图4折线，发现在[200，1 000）m区域云地闪表现活跃，海拔1 000 m以上活跃程度锐减^[34]，表现为不活跃。具体表现为：[200，500）m（18.17%）＞[500，1 000）m（15.18%）。

云地闪活跃程度直接与雷电灾害关联，其在不同时间尺度的特点不同。表1给出了不同海拔云地闪在季节、昼夜的D_r数值分布。表中的昼、夜以北京时间8：00—20：00、20：00—8：00为界^[35]。由表1可见，不论何种时间尺度，[0，1 000）m区域云地闪活跃度相对高于其他海拔段，在1 000 m以上活跃度下降， 3 500 m以上不活跃。这与年尺度的结论一致。但不同季节、昼夜又有所差别。从季节来看，春季[0，1 000）m活跃，不同海拔D_r值表现为[500，1 000）m（43.05%）＞[0， 200）m（38.01%）＞[200，500）m（10.64%）。夏季最活跃区降至[200，500）m段，表现为：[200，500）m（39.14%）＞[500，1 000）m（12.99%），[0，200）m不活跃。秋季活跃程度整体较低，仅在[1 000，3 500]m表现为较弱的活跃度，D_r值为16.77%。这些都符合雷暴的气候学特征^[36]。从昼、夜分布上来看，白天云地闪活跃程度大于夜里。主要原因可能是西南地区夜间温度较低，大气层结构稳定，可降水粒子较少，导致闪电活跃程度较低^[37]。白天[0，1 000）m不同海拔D_r表现为：[200，500）m（98.10%）＞[0，200）m（32.44%）＞[500，1 000）m（29.18%）。其中，在[200，500）m处昼、夜活跃程度相差最大，D_r差值为122.82%。

2.3 不同地表覆盖类型的云地闪活动特征

2005—2017年年均云地闪频次、D_r与地表覆盖类型关系见图5。由图5可见，云地闪频次在稀树草原类（稀树草原、多树型稀树草原）和森林类最多，分别占年均总量的54.18%和19.1%。从2005—2017年D_r数值可见，除了草地、水体类型的D_r为负值，其余均为正值。其中，农用地/自然植被拼接、稀树草原和城区类型的云地闪最活跃，D_r分别为23.83%、20.3%和16.89%。

季节、昼夜的云地闪相对密度差值见表2。由表2可见，在农用地/自然植被拼接、稀树草原类以及城市和建筑区，不同时间尺度的云地闪均相对活跃，草地均不活跃。具体从季节来看，春、夏季的D_r大于秋季。春季在农用地/自然植被拼接、稀树草原最活跃，D_r值分别为33.03%、27.05%。夏季最活跃区域调整为人类活动度更高的城市、农用地/自然植被拼接和水域，D_r分别为39.15%、31.13%、21.22%。这与夏季水域附近电阻率较低^[6]、城市热岛增温贡献率较高有关^[38]。从日尺度来看，白天云地闪活跃度大于夜里。白天，云地闪在农用地/自然植被拼接、城市区最活跃，D_r分别为85.57%、64.48%，这两种地表类型的云地闪活跃程度在昼、夜差异最大，分别达到了91.24%和67.47%。在活跃程度较高的春、夏季和昼间，农用地/自然植被拼接、稀树草原类、城区的均表现为相对最活跃。总体来看，农用地/自然植被拼接处的云地闪活跃程度在春季、白天均最高，其次为稀树草原类、城市建筑区域。

2.4 不同下垫面云地闪活动的变化趋势特征

各海拔段、不同植被类型分布下的云地闪变化趋势有所不同，西南地区不同下垫面云地闪趋势分布见表3。

由表3可见，相对低云地闪分布、低活跃度区域的云地闪增加趋势越显著。从海拔上来看，随着海拔升高，显著增加趋势越明显，3 500 m以上区域显著增加面积占比最高，达到85.21%。从土地覆盖类型来看，草地显著增加面积占比最高，达到80.61%，其次为水体和森林区域，农用地/自然植被拼接类型的显著增加面积占比最少，仅为8.92%。

将整个西南地区作为整体考虑，由1.3.2方法计算得到，整个西南无云地闪显著减少趋势，云地闪增加趋势区域占总面积的93.48%，显著增加和不显著增加、不显著减少区域占比分别为44.89%、48.59%和6.52%。

2.5 西南地区实际森林雷击火个例与云地闪活动的关系

为找出森林雷击火发生的位置信息，根据2005—2017年林业统计年鉴、MODIS植被火点、WWLLN闪电时空信息、土地覆盖类型MCD12Q1等数据^[29]，共筛选出西南地区真实森林雷击火16起，其中发生在春季10起，占62.51%，其余6起有5起发生在6月初，1起在8月。发生在白天的13起，占81.25%。森林雷击火主要发生的季节、昼夜分布与前文云地闪活跃度的时间分布一致。

云地闪是雷击火的“点火机制”，二者有因果关系。以上个例叠加年均云地闪空间分布见图6，图中等值线表示年均单位栅格云地闪频次分布。由图6可见，所有森林雷击火位置都属于年云地闪相对高值区，单位栅格数值均超过7次/a。从雷击火发生的空间对应性来看，这16起森林雷击火分布位置与对应年均云地闪频次关系如图7a，二者呈显著正相关，R²=0.91（P＜0.01）。从年鉴森林雷击火发生的时间对应性来看，结合图1，这13年西南年森林雷击火在林火中占比与年均云地闪频次亦呈显著正相关，R²=0.46（P＜0.05），见图7b。由此可见，从雷击火发生的时、空对应性均可见，年云地闪频次越高，森林雷击火概率越大。

从下垫面特点来看，16起森林雷击火中有13起（占81.25%）栅格云地闪频次超过10次/a（图6），主要在攀枝花市、昭通市以及布依族苗族自治州等。这13处以[1 000，3 500）m海拔段为主，常见稀树草原类、森林类下垫面类型。还有四川巴州区、万州区和云南玉溪3处对应栅格云地闪约为8次/a，这3次均发生在春季、白天，以[200，1 000）m海拔段为主，常见农用地/自然植被拼接、森林、稀树草原类为主的下垫面，符合前文云地闪数量集中、活跃程度高的下垫面特征。对比前13处[1 000，3 500）m雷击火个例，虽然其与前文云地闪活跃区的海拔特征不符，但其中有3次发生在夜间，而夜间的海拔区间为[1 000，3 500）m属于云地闪活跃海拔段（表1）。最重要的是，这13起高海拔雷击火的年云地闪频次相对于后3起更大，因此增加了雷击火发生的概率。

3 讨 论

雷电信息来源对雷电活动的研究精度有影响。鉴于雷电数据的时空连续性要求，选择WWLLN数据。实际上还有其他信息可用，但各有优缺点。我国ADTD组成的闪电定位网系统LLS（lightning location system）可以区分云间闪和云地闪，但存在标定及观测时间参差不齐的问题^[39]；可使用的全球遥感、探测数据如OTD/LIS和WWLLN，其中OTD/LIS有覆盖范围和时间连续性约束^[40]，因此本研究选择WWLLN。该资料有测站数量逐年增加、探测精度逐年提高的问题，这可能会对闪电变化趋势产生影响。根据WWLLN官网发布的2010年后探测效率增加的修订数值拟合文中2010年后未修订数据^[41]，发现年、月值拟合系数分别为0.88（P lt; 0.01）和0.92（P lt; 0.001），因此，校正与否在本研究中对闪电变化趋势的影响差异极小。

地表覆盖类型、海拔的时空分辨率与云地闪信息的不匹配性，会带来数值误差。本研究使用的MCD12Q1难以监测斑块尺度信息^[42]。SRTM亦设定没有时间变化。因此，以年值地表信息与云地闪月、日信息对应研究云地闪活跃程度，难以精确体现云地闪活动随地表特征的季节、昼夜尺度的变化特点。另外，不同土地使用类型的分界区在不同遥感数据中也有所差异，如何精确探测大范围空间的地表信息，是遥感领域的难点之一^[43]，这是否会对本研究计算的闪电频次及密度产生影响，也需要进一步的数据支持。

森林雷电灾害的局地性很强。比如，本研究得出西南地区云地闪在农用地/自然植被拼接和稀树草原类较为活跃，而大兴安岭和内蒙古地区雷击火主要发生于落叶松林和落叶阔叶林。这和不同地区的地表特征有关。由于森林雷击火分布具有区域性、“聚集态”趋势^[44]，因此，区域研究对于森林雷电防灾减灾意义更大。本研究仅限于西南地区2005—2017年时段得到的结论。今后，对于林火及雷击火的深入研究，可能需要借助多源遥感、精确雷电探测及气候模型，以期得到过去、现在、未来的预估趋势，这对于林火干扰下的森林碳循环意义重大^[45]。另外，基于闪电点燃地物引发林火的事实，在实验室环境探索雷电流点燃林木的模拟实验^[46]，对森林雷击火的机理研究也有重要意义。

4 结 论

1）2005—2017年西南地区雷电活动呈增加趋势，空间分布不均匀。2005—2017年西南地区云地闪年均值为90 977次，总体呈增加趋势，年均增幅为8.75%。云地闪频次大小的季节表现为：夏季gt;秋季gt;春季。空间上，云地闪分布大体呈现中东部高，西部低的特点，最高值分布于四川、云南交界处的攀枝花市附近，年均云地闪频次达到40次，这里也是不同季节的高值核心区。

2）2005—2017年西南地区不同时间尺度下雷电活跃区随海拔变化，活跃区的下垫面类型则保持一致。从年尺度上来看，海拔[500，1 000）m、稀树草原类下垫面年均云地闪频次最多，但在[200， 500）m海拔段最为活跃。以相对密度差表征活跃程度，从季节尺度上来看，春季最活跃，其次为夏季。从昼夜尺度来看，白天活跃程度远高于夜间。春季、白天的活跃区体现在[0，1 000）m海拔段以及农用地/自然植被拼接、稀树草原类和城市区，夏季的水体区域亦为活跃区。

3）西南地区云地闪在不同下垫面均呈增长趋势，增长面积占比为93.48%，显著增长面积占比为44.89%。随着海拔升高，云地闪呈显著增加的趋势越明显。增长趋势最高的区域为雷电活动不活跃的3 500 m以上海拔段以及草地类型的下垫面，其增长占比分别为85.21%和80.61%。

4）年云地闪频次与森林雷击火关系密切。从2005—2017年雷击火占比及确定的16起森林雷击火个例来看，年云地闪频次越高，发生雷击火的频次越大。从森林雷击火个例的下垫面特征来看，[1 000，3 500）m海拔段、稀树草原以及森林类为主的13起雷击火中，云地闪频次高于[200，1 000）m海拔段、农用地/自然植被拼接、森林、稀树草原类为主的下垫面类型，后者的下垫面特征与云地闪活动特征一致。

参考文献（reference）：

[1]MAGNUSSON W E， LIMA L O D. Group lightning mortality of trees in a Neotropical forest[J]. J Trop Ecol， 1996， 12： 899-903. DOI： 10.1017/S0266467400010166.

[2]PARLATO B P， GORA E M， YANOVIAK S P. Lightning damage facilitates beetle colonization of tropical tree[J]. Ann Entomol Soc Am， 2020， 6（3）： 404-410. DOI： 10.1093/aesa/saaa015.

[3]PRICE C， CRIND D. Possible implications of global climate change on global lightning distributionsand frequencie[J]. J Geophys Res-Atmos， 1994， 99（D5）： 10823-10831. DOI： 10.1029/94JD00019.

[4]SCHUMACHER V， SETZER A， SABA M M F， et al. Characte-ristics of lightning-caused wildfires in central Brazilirelation to cloud-ground and dry lightning [J]. Agr Forest Meteorol， 2022， 312： 108723. DOI： 10.1016/j.agrformet.2021.108723.

[5]SIMON T， MAYR G J. Daily-resolved lightning climatology of the eastern alpine region at the kilometer scale[J]. Atmos Ocean Phy， 2022： 2201.07294. DOI： 10.1007/s00502-022-01032-1.

[6]DISSING D， VERBYLA D L. Spatial patterns of lightning strikes in interior Alaska and their relations to elevation and vegetation[J]. Can J Forest Res， 2003， 33（5）： 770-782. DOI：10.1139/x02-214.

[7]赵生昊， 杨磊. 基于MODIS数据的地表覆盖种类与地闪分布特征关系研究[J]. 气象科技， 2016， 44（5）： 822-827. ZHAO S H， YANG L. Relationship between land cover and cloud-to-ground lightning distribution based on MODIS data[J]. Meteorological Science and Technology， 2016， 44（5）： 822-827. DOI： 10.19517/j.1671-6345.2016.05.022.

[8]吴量， 郭媛， 向清才. 河池市闪电活动与下垫面植被类型关系分析[J]. 气象研究与应用， 2019， 40（1）： 62-64. WU L， GUO Y， XIANG Q C. Analysis of the relationship between lightning activity and vegetation forms on underlying surface in Hechi[J]. Journal of Meteorological Research and Application， 2019， 40（1）： 62-64.

[9]卢友发， 吴世安. 河南省闪电活动与复杂下垫面之间的相关性分析[J]. 信阳师范学院学报（自然科学版）， 2017， 30（1）： 87-91. LU Y F， WU S A. Analysis about the correlation between lightning activity and the complex underlying surface in Henan Province[J]. Journal of Xinyang Normal University（Natural Science）， 2017， 30（1）： 87-91. DOI： 10.3969/j.issn.1003-0972.2017.01.019.

[10]PETROV N I， WATERS R T. Lightning to earthed structures： striking distance variation with stroke polarity， structure geometry and altitude based on a theoretical approach[J]. J Electrostat， 2021， 112（6）： 103599. DOI： 10.1016/j.elstat.2021.103599.

[11]BOCCIPPIO D J， CUMMINS K L， CHRISTIAN H J， et al. Combined satellite and surface-based estimation of the intracloud/cloud-to-ground lightning ratio over the continental United States[J]. Mon Weather Rev， 2000， 129（1）： 108-122. DOI： 10.1175/1520-0493（2001）129lt;0108：CSASBEgt;2.0.CO;2.

[12]李政， 肖稳安， 李家启， 等. 区域海拔高度变化对闪电特征影响的初步分析[J]. 湖北大学学报（自然科学版）， 2011， 33（2）： 197-201. LI Z， XIAO W A， LI J Q， et al. The preliminary analysis of the influence of region’s elevation change onlightning characteristics[J]. Journal of Hubei University（Natural Science）， 2011， 33（2）： 197-201.

[13]王凯， 周丽雅， 鞠晓雨， 等. 2011—2019年中国长江三角洲区域闪电时空分布特征[J]. 气象与环境学报， 2021， 37（4）： 100-106. WANG K， ZHOU L Y， JU X Y， et al. Temporal and spatial distribution characteristics of lightning in the Yangtze River Delta of China from 2011 to 2019[J]. Journal of Meteorology and Environment， 2021， 37（4）： 100-106. DOI： 10.3969/j.issn.1673-503X.2021.04.014.

[14]ADHIKARI P B， ADHIKARI A， TIWARI A K. Effects of lightning as a disaster in Himalayan region[J]. Bibechana， 2021， 18（2）： 117-129. DOI： 10.3126/bibechana.v18i2.29168.

[15]RODRIGUES M， GELABERT P J， RESCO DE DIOS V，et al. High-resolution modeling of lightning ignition Likelihood in Spain[J]. Environ Sci Technol， 2022， 17（1）： 40. DOI： 10.3390/environsciproc2022017040.

[16]尹赛男， 王东昶， 单延龙， 等. 黑龙江省3种主要火源引发森林火灾的次数和面积时空分布特征[J]. 林业科学， 2021， 7（6）： 115-124. YIN S N， WANG D C， SHAN Y L， et al. Spatial and temporal distribution of forest fires （frequency and area） caused by three main fire sources in Heilongjiang Province[J]. Scientia Silvae Sincae， 2021， 7（6）： 115-124. DOI： 10.11707/j.1001-7488.20210613.

[17]PINEDA N， RIGO T. The rainfall factor in lightning-ignited wildfires in Catalonia[J]. Agr Forest Meteorol， 2017， 239： 249-263. DOI： 10.1016/j.agrformet.2017.03.016.

[18]BARANOVSKIY N. Deterministic-probabilistic approach to predict lightning-caused forest fires in mounting areas[J]. Forecasting， 2021， 3（4）： 695-715. DOI： 10.3390/forecast3040043.

[19]NADEEM K， TAYLOR S W， WOOLFORD D G， et al. Mesoscale spatiotemporal predictive models of daily human-and lightning-caused wildland fire occurrence in British Columbia[J]. Int J Wildland Fire， 2019， 29（1）： 11-27. DOI： 10.1071/WF19058.

[20]MARINA Y B， NIKOLAY V B， ANDREY V K， et al. Assessment of the uncertainty for the spatial distribution of lightning discharge density based on the smoothed bootstrap procedure and wwlln data： a case study[J]. International Journal on Engineering Applications， 2022. DOI： 10.15866/irea.v10i2.20850.

[21]何诚， 舒立福， 刘柯珍. 大兴安岭地区夏季森林火灾环境因子特征分析[J]. 西南林业大学学报（自然科学）， 2021， 41（3）： 87-93. HE C， SHU L F， LIU K Z. Analysis on environmental factors’ characteristics of summer forest fire in Daxing’an Mountains[J]. Journal of Southwest Forestry University， 2021， 41（3）： 87-93. DOI： 10.11929/j.swfu.202008039.

[22]杨少斌， 曹萌， 祝鑫海， 等. 2001—2019年内蒙古大兴安岭北部原始林区森林火灾发生规律研究[J]. 灾害学， 2022， 37 （3）： 122-128. YANG S B， CAO M， ZHU X H， et al. Research on occurrence law of forest fire in the northern primitive forest area of Greater Khingan range， Inner Mongolia from 2001 to 2019[J]. Journal of Catastrophology， 2022， 37（3）： 122-128. DOI： 10.3969/j.issn.1000-811X.2022.03.020.

[23]杜野. 内蒙古北部原始林区的雷击火分布规律研究[J]. 森林防火， 2017（4）： 28-31. DU Y. Study on distribution law of lightning fire in primitive forest area in northern Inner Mongolia[J]. Forest Fire Prevention， 2017（4）： 28-31.

[24]靖娟利， 和彩霞， 王永锋， 等. 西南地区1902-2018年干旱时空演变特征分析[J]. 水土保持研究， 2022， 29（3）： 220-227. JING J L， HE C X， WANGY F， et al. Spatiotemporal evolution characteristics of meteorological drought in southwest China from 1902 to 2018[J]. Research of Soil and Water Conservation， 2022， 29（3）： 220-227. DOI： 10.138 69/j.cnki.rswc.2022.03.007.

[25]田晓瑞， 舒立福， 赵凤君， 等. 气候变化对中国森林火险的影响[J]. 林业科学， 2017， 53（3）： 159-169. TIAN X R， SHU L F， ZHAO F J， et al. Impacts of climate change on forest fire danger in China[J]. Scientia Silvae Sincae， 2017， 53（3）： 159-169. DOI： 10.11707/j.1001-7488.20170716.

[26]刘晔， 李鹏， 许玥， 等. 中国西南干旱河谷植物群落的数量分类和排序分析[J]. 生物多样性， 2016， 24（4）： 378-388. LIU Y， LI P， XU Y， et al. Quantitative classification and ordination for plant communities in dry valleys of Southwest China[J]. Biodiverdity Science， 2016， 24（4）： 378-388. DOI： 10.17520/biods.2015241.

[27]杨艳蓉， 侯召朕， 张增信. 2001—2018年西南地区NDVI变化特征及影响因素[J]. 水土保持通报， 2021， 41（2）： 337-344. YANG Y R， HOU Z Z， ZHANG Z X. NDVI Changes and driving factors in southwest China from 2001 to 2018[J]. Bulletin of Soil and Water Conservation， 2021， 41（2）： 337-344. DOI： 10.13961/j.cnki.stbctb.2021.02.044.

[28]舒洋， 孙子瑜， 张恒. 世界森林雷击火研究现状和展望[J]. 世界林业研究， 2022， 35（2）：34-40. SHU Y， SUN Z Y， ZHANG H. Research on lightning fire in forest： current status and outlook[J]. World Forestry Research， 2022， 35（2）： 34-40. DOI： 10.13348/j.cnki.sjlyyj.2021.0070.y.

[29]MORIS J V， CONEDERA M， NISI L， et al. Lightning-caused fires in the Alps： identifying the igniting strokes[J]. Agricultural and Forest Meteorology， 2020， 290（107990）： 1-11. DOI： 10.1016/j.agrformet.2020.107990.

[30]马金福， 冯志伟. 雷击地闪密度与雷暴日数的关系分析[J]. 气象科学， 2009， 29（5）： 674-678. MA J F， FENG Z W. The analysis the relationship between density of ground lightning strokes and the number of thunderstorm days[J]. Scientia Meteorologica Sinica， 2009， 29（5）： 674-678.

[31]李洪广， 周旭， 肖杨， 等. 基于SRP模型的西南喀斯特山区生态脆弱性时空变化特征[J]. 生态科学， 2021， 40（3）： 238-246. LI H G， ZHOU X， XIAO Y， et al. Temporal and spatial changes of ecological vulnerability in southwestern Karst mountains based on SRP model[J]. Ecological Science， 2021， 40（3）： 238-246. DOI： 10.14108/j.cnki.1008-8873.2021.03.028.

[32]杨宗凯， 刘平英， 胡颖， 等. 云南省雷电活动分布特征及对农村地区的影响分析[J]. 中国农业资源与区划， 2018， 39（9）： 262-267. YANG Z K， LIU P Y， HU Y， et al. Analysis of distribution characteristic of lightning activity and its influence on rural areas in Yunnan[J]. Chinese Journal of Agricultural Resources and Regional Planning， 2018， 39（9）： 262-267. DOI： 10.7621/cjarrp.1005-9121.20180935.

[33]杨水泉， 熊晓洪. 利用LIS/OTD格点资料分析西南地区闪电活动的气候分布特征[J]. 广西气象， 2006（S3）： 60-66. YANG S Q， XIONG X H. Climate distribution characteristics of lightning activity in southwest China were analyzed using LIS/OTD grid data[J]. Journal of Guangxi Meteorology， 2006（S3）： 60-66.

[34]KARANINA S Y， KARANIN A V， KOCHEEVA N A， et al. The distribution of lightning discharges across the altitude of the territory in the Altai-Sayan region[J]. Journal of Physics： Conference Series， 2020， 1604（1）： 12009.

[35]王学良， 张科杰， 余田野， 等. 湖北地区云地闪电频次及雷电流幅值时间分布特征[J]. 电瓷避雷器， 2017（3）： 1-9. WANG X L， ZHANG K J， YU T Y， et al. The time distribution characteristics on frequency and peak current of cloud-to-ground lightning in Hubei Province[J]. Insulators and Surge Arresters， 2017（3）： 1-9. DOI： 10.16188/j.isa.1003-8337.2017.03.001.

[36]GALANAKI E， LAGOUVARDOS K， KOTRONI V， et al. Thunderstorm climatology in the Mediterranean using cloud-to-ground lightning observations[J]. Atmospheric Research， 2018， 207（15）： 136-144. DOI： 10.1016/j.atmosres.2018.03.004.

[37]王义耕， 刘洁， 王介君， 等. 卫星观测的西南地区闪电的时空分布[J]. 大气科学学报， 2010， 33（4）： 489-495. WANG Y G， LIU J， WANG J J， et al. Temporal and spatial distributions of lightning activity in southwest China based on satellite observations[J]. Transactions of Atmospheric Sciences， 2010， 33（4）： 489-495. DOI： 10.13878/j.cnki.dqkxxb.2010.04.010.

[38]成鹏伟， 周筠珺， 赵鹏国， 等. 北京与成都城市下垫面闪电时空分布特征对比研究[J]. 成都信息工程大学学报， 2018， 33（3）： 326-334. CHENG P W， ZHOU Y J， ZHAO P G， et al. A comparative study on space-time distribution characteristics of lightning flashes in Beijing and Chengdu cities[J]. Journal of Chengdu University of Information Technology， 2018， 33（3）： 326-334. DOI： 10.16836/j.cnki.jcuit.2018.03.016.

[39]许洪泽， 周梅. ADTD异常对闪电定位资料影响分析[J]. 气象科技进展， 2018， 8（1）： 33-37. XU H Z， ZHOU M. An analysis of the effect of ADTD abnormality on lightning location Data[J]. Advances in Meteorological Science and Technology， 2018， 8（1）： 33-37. DOI： 10.3969/j.issn.2095-1973.2018.01.005.

[40]邓雨荣， 李涵， 朱时阳， 等. 基于卫星资料的全球闪电定位系统探测效率评估[J]. 气象科学， 2015， 35（5）： 599-604. DENG Y R， LI H， ZHU S Y， et al. Detection efficiency of the WWLLN based on OTD/LIS data[J]. Journal of the Meteorological Science， 2015， 35（5）： 599-604. DOI： 10.3969/2014jms.0051.

[41]KAPLAN J O， LAU K H K. The WGLC global gridded lightning climatology and time series[J]. Earth System Science Data， 2021， 13（7）： 3219-3237.

[42]LIAO W L， LIU X P， XU X Y， et al. Projections of land use changes under the plant functional type classificationin different SSP-RCP scenarios in China[J]. Science Bulletin， 2020， 65（22）： 1935-1947. DOI： 10.1016/j.scib.2020.07.014.

[43]ZHU Y， DENG X Q， NEWSAM S. Fine-grained land use classification at the city scale using ground-level images[J]. IEEE Transactions on Multimedia， 2018， 21（7）： 1825-1838. DOI： 10.1109/TMM.2019.2891999.

[44]岳超， 罗彩访， 舒立福， 等. 全球变化背景下野火研究进展[J]. 生态学报， 2020， 40（2）： 385-401. YUE C， LUO C F， SHU L F， et al. A review on wildfire studies in the context of global change[J]. Acta Ecologica Sinica， 2020， 40（2）： 385-401. DOI： 10.5846/stxb201812202762.

[45]孙龙， 窦旭， 胡同欣. 林火对森林生态系统碳氮磷生态化学计量特征影响研究进展[J]. 南京林业大学学报（自然科学版）， 2021， 45（2）： 1-9. SUN L， DOU X， HU T. Research progress on the effects of forest fire on forest ecosystem C-N-P ecological stoichiometry characteristics[J]. Journal of Nanjing Forestry University （Natural Sciences Edition）， 2021， 45（2）： 1-9. DOI： 10.12302/j.issn.1000-2006.202003037.

[46]张宏民， 乔艺骞， 唐珑坪， 等. 模拟雷击明火点燃松针燃料的实验研究[J]. 工程热物理学报， 2022， 43（3）： 840-845. ZHANG H M， QIAO Y Q， TANG L P， et al. Experimental study on sustainable flaming lgnition of dead pine needles by simulated lightning discharge[J]. Journal of Engineering Thermophysics， 2022， 43（3）： 840-845.

（责任编辑 李燕文）