1.一种基于DENCLUE聚类算法的雷暴识别方法，其特征在于，包括如下步骤：

步骤一：通过天气雷达观测到完整的雷暴天气过程中的雷达基数据，使用雷达基数据中的反射率数据作为原始的雷达数据；

步骤二：雷达数据预处理，雷达数据中包含地物杂波非气象数据，需要预先进行杂波的去除、孤立回波去除、滑动平均处理；

步骤三：将雷达极坐标系数据按照径向和方位插值到笛卡尔坐标系的三维网格中；

步骤四：采用反射率因子阈值对雷达回波强度数据进行划分;

步骤五：基于DENCLUE聚类算法识别1km‑19km高度上共19层等高面的所有二维雷暴分量；

步骤六：对识别出的雷暴单体进行“腐蚀‑膨胀”操作消除雷暴单体间虚假合并的现象；

步骤七：对相邻等高面上的二维雷暴分量进行垂直关联；基于垂直方向上每层等高面上的二维雷暴分量之间投影的重叠面积，对二维雷暴分量进行垂直关联构建三维雷暴单体模型并储存为由反射率因子描述的多边形区域；最后计算所有三维雷暴单体的特征量，对每个雷暴单体的特征量进行提取；

步骤八：针对单偏振或双偏振S波段天气雷达观测到的回波强度数据，先进行杂波剔除预处理，然后使用DENCLUE聚类算法识别出雷暴单体在19层等高面上的二维雷暴分量，再对相邻等高面上的二维雷暴分量进行垂直关联构建三维雷暴单体，最后对每个雷暴单体的特征量进行提取，从而完成对雷暴单体的识别和特征提取。

2.根据权利要求1所述的一种基于DENCLUE聚类算法的雷暴识别方法，其特征在于，所述步骤二中，雷达数据预处理具体为：首先，以当前回波点为中心，取3×3的滑动窗口，若窗口内的回波大于13dBZ，则判断该点为地物回波点并剔除；然后以当前回波点为中心，取5×5的滑动窗口，若窗口内有效的反射率因子值所占百分比小于70%，判断该点为孤立回波点并剔除；再对径向5像素、切向3像素区域进行滑动平均，用于提高回波数据的连续性。

3.根据权利要求1所述的一种基于DENCLUE聚类算法的雷暴识别方法，其特征在于，所述步骤三中，将雷达极坐标系数据按照径向和方位的最近邻居法和垂直线性内插法、插值到笛卡尔坐标系的三维网格中；雷达站为网格中心、雷达探测半径230km为网格半径；网格点分辨率为1km×1km×1km，垂直高度从1km到19km共19层，正北方向设为Y轴正方向。

4.根据权利要求1所述的一种基于DENCLUE聚类算法的雷暴识别方法，其特征在于，所述步骤四中，反射率因子阈值分别为30dBZ、35dBZ、40dBZ、45dBZ、50dBZ、60dBZ。

5.根据权利要求1所述的一种基于DENCLUE聚类算法的雷暴识别方法，其特征在于，所述步骤七中，所述雷暴单体的特征量包括：体积、质心、回波顶高和底高、雷暴单体厚度、最大反射率因子、平均反射率因子、倾角、垂直液态含水量以及二维平面投影特性。