降水作为全球水文循环的重要组成部分,是水文、气象及气候等领域研究的关键参数。传统的降水数据大多都是基于气象站点观测资料借助插值方法来获得,该方式受气象站点个数的限制,存在以点代面的问题,很难有效地反映降水的空间变异,特别是站点稀少的区域。目前,随着气象卫星和遥感技术的发展,借助卫星遥感探测区域降水信息,已成为空间化降水资料获取的重要来源。其中,TRMM数据凭借空间分辨率较高和覆盖范围较广等优点,广受国内外研究者的青睐。但对于小区域尺度的定量应用,该分辨率还是不能满足需要,对其进行降尺度研究是解决该问题的有效办法。本研究以大兴安岭作为研究区,利用研究区内9个气象站点的观测数据评估TRMM降水数据在大兴安岭的适用性,并根据TRMM降水与植被NDVI的相关关系,基于GWR回归模型进行降尺度研究,将TRMM数据的空间分辨率提高到1 km,之后借助GDA方法对数据进行校准,并利用比例指数将校准数据分解成相应年份各月降水数据,最后利用经过降尺度操作和数据校准的TRMM降水数据分析探讨大兴安岭的降水分布规律。主要结论如下:(1)TRMM降水数据在中纬度地区具有适用性,且更适合北方地区4~10月降水研究。除1、2月、冬季,TRMM数据在其他月份、季度、年的相关系数均大于0.85,且4?10月、春夏秋季、年的相对误差均小于20%。从数据误差的空间分布结果来看,TRMM数据在大兴安岭大部分区域的误差在-10%?30%之间,存在高估情况。(2)利用TRMM降水数据与NDVI数据建立GWR回归模型进行降尺度研究可行,且相对于全局OLS回归模型,GWR回归模型更适合用于降尺度研究。降尺度结果表明:基于GWR模型进行降尺度,多年年均、2001年、2012年的R值分别提高了0.02、0.05、0.15,BIAS值分别降低了0.06、0.04、0.02,RMSE值分别降低了24.54、11.09、25.53;而传统的OLS回归模型对应的R值只在2012年有所提高,BIAS值分别降低了0.11、0.12、0.07,RMSE值分别降低了18.7、10.37、28.25。(3)可利用GDA方法进行降尺度结果的数据校准。对多年年均、2001年、2012年基于GWR回归模型的降尺度结果,利用GDA方法进行数据校准发现,与校准前的降尺度结果数据相比,多年年均、2001年、2012年的校准数据对应的R值分别提高了0.09、0.04、0.01;除2012年外,多年年均、2001年对应的BIAS值分别降低了0.10、0.04,RMSE值分别降低了9.96、9.24。(4)可利用简单的比例指数将年校准数据分解成相应年份的各月降水数据。结果显示,相比0.25°的原始数据,分解获得的分辨率1 km的月降水与观测降水的相关系数提高0.002,相对误差(BIAS)降低了15%,均方根误差(RMSE)减少了1.94,表明该方法可行。(5)基于TRMM降尺度数据进行大兴安岭降水分布规律的探讨,可以得到以下结论:①大兴安岭年内降水分布呈现极其不均匀性。1月~4月、10月?12月的降水稀少,均在50mm以下,其中2月降水量最少,7月最大。②大兴安岭降水主要集中在夏季,冬季降水最少,该区域降水季节性明显。其中,春季占全年降水的10%~20%,夏季所占比重最大,最高达70%~80%;秋季大部分区域降水所占比例为10%~20%;冬季降水为全年最少,降水比例在10%以下。③大兴安岭中段东部区域的年均降水量最大,500mm以上,在小二沟站点附近一带;最小值在北段西侧,平均223mm左右。整体来看,大兴安岭多年平均降水的空间分布遵循从东向西减少趋势,且中段的东部、南段的南部降水量大于南段中部。