在日常生活、生产、科研工作中,经常要对研究对象进行分类。在古老的分类学中,对研究对象进行分类主要靠经验和专业知识来实现。但随着科学技术的发展,只靠经验和专业知识来进行的分类已不能满足人们的需要,于是出现了用数学方法进行分类的聚类分析,且聚类分析具有非此即彼的性质。但是在实际的生活中,研究对象大多具有亦此亦彼的性质,许多事物的类之间无明显的划分,它们之间的相互关系更多的是模糊关系。这个时候,更需要进行的是软划分。模糊集理论的提出为这种软划分提供了有力的分析工具,人们开始用模糊的方法来处理聚类问题,应用模糊数学的方法进行的聚类分析,就是模糊聚类分析。模糊聚类已经被广泛运用于数据挖掘、图像处理等方面,而在天气状况极端气温的应用几乎没有。天气状况的分析是一种多因素的分析,而极端气温是由闽值来决定的。于是,能否找到一个单因素的模糊聚类,与传统的多因素模糊聚类效果相接近,是本文所要探讨的问题。本文在聚类分析和模糊聚类分析的理论基础之上,基于传统的多因素的分类方法,提出新的因素分类,将模糊聚类分析与极端天气联系起来。根据全国20个省会从1965-2004年40年的数据,提取出相应的极端气温,并以不同阈值的极端气温作为不同的因素,最后利用Sufer软件制作的中国基面图和各地数据资料聚类分析的结果进行比较分析,从中发现两种聚类结果具有80%的相似度。并且也可以从聚类的最后结果看出,在全国的省会中,西宁的天气状况是最特殊的,而武汉、杭州、南京、合肥、郑州等城市的天气状况是接近的。接着,本文将所提出的分类法应用于武汉市这50年的天气中,得到相应的分类,最后通过阈值最佳确定法,当把武汉站点1955-2004年50个年份分为14个类的时候是最合适的,且可以看出武汉有33个正常年,其它都是异常年。通过查阅历史资料,发现异常年与历史资料呈现的数据相吻合,再次论证了分类的合理性。