雷电强度等级的定量化及其空间分布探究是对雷电研究的深化与应用,结合土地利用类型来分析两者的联系对雷电防护工作既有理论意义也有现实意义。对于雷电的临近趋势预报一直是雷电预测方向的热点。本文将数据挖掘的中聚类思想引入雷电研究的相关邻域,对雷电强度进行等级划分,并讨论各强度等级的空间分布与对应土地利用类型的关系。同时,针对前人提出的基于DBSCAN（Density-Based Spatial Clustering of Applications with Noise）方法构建雷电临近预报模型的不足,将两种基于DBSCAN算法的优化算法进行复合,提出复合后的 PDBSCAN（Practical Density-Based Spatial Clustering of Applications with Noise）算法,使用该算法对2009年7月6日发生在淮安境内的一次雷电天气实例进行趋势预测验证,结果表明基于本文提出的PDBSCAN算法的雷电临近趋势预测是科学、有效的。具体研究内容如下:（1）本文通过雷电数据自身特点,在R语言环境下,利用K-Means聚类方法,对江苏省2007至2009年雷电高发的夏半年进行强度等级聚类。得出5个雷电簇,3年的各雷电簇质心的均值分别为19kA、31 kA、47kA、75kA、138 kA。其中第1、2等级组内成员最多占雷电强度等级79.64%以上,而后3个等级的地闪簇组内成员数量则成递减趋势。通过对江苏省雷电强度聚类后各等级的均值计算,做出相应的区划分布图,全省各地市中淮安市属于第1等级,该市雷电强度的变化最高,情况最复杂;盐城、南京属于第2等级;徐州、扬州和苏州属于第3等级;宿迁、泰州、南通、镇江、常州和无锡为第4等级;连云港市属第5等级。（2）利用遥感数据对江苏省土地利用类型进行解译,不同土地利用类型与对应的雷电强度等级进行匹配。发现单位面积上各雷电强度等级关系最为密切的土地利用类型为林地。其余五个土地利用类型的对应密度分别为1.37、1.23、1.03、0.40、0.02（单位d/km2）。此外,在雷电强度等级为2,即中心雷电强度为31kA时,出现拐点并达到峰值,而后才成衰减趋势。峰值大小依次为0.88、1.13、1.05、1.14、0.93、1.23（单位 d/km2）。（3）通过对前人研究成果的充分学习,提出将两种DBSCAN算法进行复合优化后的PDBSCAN算法。算法以k-dist图和DK图的方法为Eps进行赋值。从数据本身出发,实时更新上述参量,代替了以往的经验赋值法,同时也完善了适用的闪电簇的范围。将数据集的存储结构以邻表替换,起到了释放内存空间和提高运算效率的作用。通过对各等时段最大地闪聚类簇的空间中心的线性拟合,预测下一等时段的雷电的最大密度簇空间中心坐标。通过对雷电天气实例的模拟,发现预测结果与实际结果相差约3.114km,证明该模型对于预报雷电核心的移动趋势是有效的、准确的。