降雨是全球水循环的重要组成部分,是防洪预报和干旱监测的关键研究因素。传统的地面雨量站和降雨雷达受站点布设的局限性,无法准确且完整地反映降雨真实的空间分布情况。而卫星通过对云层大范围探测,可以补充雨量站缺失的降雨空间分布信息,但卫星受到多种影响因素的干扰,其数据存在一定的系统误差。基于此,本文提出了基于互信息的CART-ANN多源数据融合模型（简称MC-ANN融合模型）。以伊洛瓦底江流域为例,开展多源降雨数据融合研究,首先进行了6种格点降雨产品（CHIRPS、TRMM3B42、GPM-Final、ERA5-Land、GLDAS-CLSM和PERSIANN-CDR）的多尺度、多方面的精度评估工作,由此筛选出在流域内精度表现较好的4种格点降雨产品:CHIRPS、TRMM3B42、GPM-Final和ERA5-Land。通过MC-ANN融合模型对筛选出的四种格点降雨产品和地面雨量站降雨资料进行融合,同时加入土壤湿度、气温、气压等数据,得到了同一年份的融合降雨数据,再从多个时空尺度对降雨数据进行了精度检验,通过比较不同源降雨在该流域的径流建模中的适应性,分析融合降雨数据的质量。主要结论包括:（1）将地面雨量站降雨资料中的降雨值作为实际降雨值,采用多评估指标,分别从年、季、月、日的时间尺度和站点、流域的空间尺度定量分析了6种格点降雨产品的误差和日降雨事件监测能力。结果表明:与地面雨量站实测降雨相比,CHIRPS、TRMM3B42、GPM-Final和ERA5-Land的在各尺度上表现都比GLDAS-CLSM和PERSIANN-CDR好。（2）本文提出基于互信息的CART-ANN多源数据融合模型（MC-ANN模型）,使用人工神经网络、决策树和互信息对流域空间和时间自相关性建模,进行多源降雨的融合。通过对融合数据进行精度分析,检验MC-ANN模型的融合效果。从数据精度的改善程度看,日尺度下MC-ANN融合降雨数据的相关系数（CC）比格点产品中表现最好的ERA5-Land提高了0.192,误差也得到了明显改善,MC-ANN的相对误差（BIAS）降低至9.839%,在绝对值层面上,比参与融合的4种格点产品中相对误差最小的GPM-Final降低了6.963%,MC-ANN的均方根误差（RMSE）仅为14.999 mm/d,比卫星产品中表现最好的ERA5-Land减少了2.145 mm/d。由此可得MC-ANN融合模型的数据融合效果较好,有效地降低了原始卫星降雨数据的误差。（3）本文分别使用六种原始格点降雨和MC-ANN融合降雨数据,基于LSTM长短时记忆网络,进行伊洛瓦底江流域径流模拟,结果表明,在水文径流模拟中,以上述7种降雨数据作为降雨输入数据,均能获得较好的模拟精度,对比而言,MC-ANN融合降雨得到的径流模拟结果较好,其ENS为0.945,r为0.972,PBIAS也仅为-1.376%。所以,在水文模拟过程中,MC-ANN降雨融合模型能有效提升原始格点降雨的精度,能为资料缺乏地区提供较为可靠的降雨数据。