极端天气事件产生的危害限制着社会和经济的进步发展,甚至严重危害到人类及动植物用来生存发展的生态系统,得到了世界各地政府机关及国际组织机构的严密关注,成为气象科学的重要研究方向之一。近年来,针对极端气候事件的区域性及其分布规律的研究逐渐成为研究热点。传统上通常采用统计的方法对积累的气象数据进行研究处理,但随着数据量指数级的增加和数据维度的不断扩大,将数据挖掘技术应用到气象数据的处理和表示已成为一种趋势和必然。本文采用数据挖掘技术中挖掘关联规则的Apriori算法来研究小范围极端气候事件的区域关联模式,在此基础上使用K-means聚类算法,来识别和表示全国极端温度事件时空数据集中区域聚集性,从而为极端天气事件的研究提供了一个新的方向。本文主要研究内容如下:首先,对国内外极端温度事件的处理方法进行了综述,着重介绍了气象数据处理的发展方向;其次,对极端气温事件的小范围空间数据进行了分析,采用Apriori算法对山东省内区域上存在的极端高温事件进行研究,结果显示山东省内发生极端高温事件的某些地区在空间上具有相互关联性;再次,将小范围区域的数据量扩展到全国大范围区域的数据量,同时采用可以快速高效处理大数据集的K-means算法作进一步研究。结果表明,极端高温事件的发生不仅存在着区域上的聚集性还存在着区域流动性。最后,总结了全文,并对数据挖掘等相关技术在气象研究和应用方面的发展做出了进一步展望。