如何获得高精准度的降水数据是气象与水文及其他相关科技领域中的一个重要研究方向,同时降水信息也是自然灾害防护工作和水文分析预报工作研究的重要基础。多年以来降水数据的获取主要依赖于地面气象观测站,但气象站数据多是在其行业内部被运用,普通科研工作者若获得高时空精度的气象数据并不容易,因此卫星探测降水的技术就成为人们关注的重点。卫星技术开始于上个世纪的六十年代,至今虽只有半个多世纪的时间,但是却在短时间内实现了飞跃式的发展。利用卫星获得高时空分辨率的降水数据已是完全可能实现的事情,目前有超过十种卫星可以提供降水数据,但是卫星数据仍然存在较大问题,例如其精度,只能做到接近地面雨量计的值,不能达到可取代雨量计的精度。目前卫星反演降水产品能够达到0.25°*0.25°,空间上约25km,这样的精度对降水而言仍然偏大,因此如何在缺少雨量计数据、卫星数据又不能达到应用要求的情况下获得高质量的降水数据就成为一个值得研究的课题。本文将研究三种卫星反演降水数据在四川省的运用效果,分别为:CMORPH(Climate Prediction Center’s MORPHing technique,气候预测中心算法)、TRMM(Tropical Rainfall Measurement Mission,热带降水观测卫星)和PERSIANN(Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks,基于人工神经网络的遥感信息降水估计),这三种数据是目前运用非常广泛的降水数据,空间分辨率均为0.25°*0.25°。本文的研究内容将分为五部分,首先对四川省多年降水的空间分布特征进行分析,从而对四川省整体的降水情况和多年来降水变化情况进行概括性的了解;第二是分析三种卫星反演降水数据在时间和空间上的探测精度,时间上的精度分析将分为3小时、逐日和逐月,进而检验三种数据的降水量和空间精度;第三是结合包括NDVI和经纬度在内的地理因子对三种数据进行降尺度处理,以期得到空间上精度更高的降水信息;第四是结合地理加权回归方法,在加法和乘法融合模型下,对卫星反演降水数据和地面雨量计数据进行数理合并,得到比原卫星反演降水数据精度更高的融合降水数据;第五是利用未参与融合的地面基准站数据对第四步中所得到的融合数据进行检验,验证其精度是否真的得以提高。通过对以上五部分的研究,得到以下主要研究结果:(1)从1981-2010年的30年间,从所选用的四川省41个地面站记录的降水情况来看,夏季的降水天数比冬季的降水天数多出近900天,且秋季是所有季节中降水量最小的季节。同时,四川西部的降水远远小于四川东部地区的降水,而30年间,四川的降水主要集中在两个区域,一是四川的东部,二是四川偏向西藏和云南的地区。在四川东部,1998年之前,降水的距平正负交替变化,而1998年之后,正距平的年份比负距平多。在春季,川西和川东的降水在30年间是增加的,增长的幅度分别为0.017/10a和1.3/10a,其他季节的降水量均为降低。(2)由于三种降水数据的空间分辨率为0.25°*0.25°,选择在这个空间分辨率内的雨量计数据,求其平均值作为验证卫星数据的标准值,发现当时间尺度越小,卫星数据的探测结果越差,而当验证时间增加,卫星反演降水数据与雨量计的结果也越来越接近,特别是CMORPH。从2013-2015年,其月尺度上的降水与雨量计的相关系数分别达到了85%、87%和87%,并且CMORPH的空间降水分布特征和雨量计的空间分布特征十分相似。TRMM和PERSIANN的空间降水特征只是在四川的局部地区与雨量计吻合,且两种数据与雨量计的散点图特征也比较离散,相关系数及偏差和均方根误差的值均比CMORPH低。同时,CMORPH的每日降水变化趋势与雨量计是一致的,而PERSIANN则与雨量计的降水变化存在明显差异。(3)进行三种降水数据的验证之前,首先计算降水与NDVI的响应关系,发现NDVI在16天内对降水的响应系数是最大的,故在降尺度处理中,所选用的NDVI是16天后的NDVI。降尺度处理后,CMORPH与雨量计的结果最相近,其相关系数也是三种数据中最高的,偏差在3年中都在2以下,均方根误差相比于其他两种降水产品的降尺度也低很多。CMORPH的降尺度数据在空间上与雨量计数据也很类似,并且没有原数据在空间上突然变化的现象,说明CMORPH的降尺度数据可以反映更小空间尺度的降水信息。由于TRMM原数据的影响,其降尺度产品只在某些时候与降水的信息吻合,降尺度TRMM的日降水变化趋势与雨量计的变化趋势类似,但TRMM的偏差在春季和冬季都很大,这一点PERSIANN数据也是一样,而且PERSIANN的降水变化趋势与雨量计的变化趋势差异巨大,不能反映每日降水的变化真实情况。(4)在地理加权回归GWR的基础上,利用加法模型和乘法模型对三种降水产品进行融合,得到新的空间分辨率为0.05°*0.05°的融合降水数据,融合数据中不仅包含卫星反演降水数据,也包含雨量计数据以及经纬度在内的其他地理因子数据。融合结果中,CMORPH在加法模型框架下的结果比乘法模型框架下的结果更准确,前者在整个四川省都与雨量计的结果很接近,而乘法模型只在四川省局部地区与雨量计类似;TRMM的融合结果在某些时间准确度高,但在某些时间又和雨量计观测结果差异很大;文中选择了6个融合结果较高的PERSIANN月数据,除了这6个月的数据结果外,PERSIANN的其他融合结果存在很大误差。(5)将融合数据与四川省157个基准站降水数据进行对比,验证融合数据的精度。受数据获取的难度影响,能获得的基准站降水数据时间为2013年5月-8月,这些数据未参与融合。通过对比分析,发现CMORPH的加法融合模型和基准站降水相关系数最高、偏差和均方根误差最低,并且加法模型的结果比乘法模型的结果精度更高;TRMM的融合结果比其原数据精度更高,特别是加法模型,虽然TRMM在2013年5月的融合结果与基准站存在差异,但在其他月份的融合结果与基准站还是很接近的;PERSIANN的融合结果与基准站存在很大的差异,其融合结果是不理想的。