降水数据作为气象水文分析的基础数据,其空间尺度和序列的长短对研究的结果至关重要,现阶段面降水量的获取主要靠插值方法。针对青海省地势复杂,面积广阔,气象站点分布极不均匀的情况,在分析大区域的降水时容易因插值造成误差,而基于卫星雷达测雨的热带测雨计划(TRMM)可以有效的改善该现象。本研究首先分析了TRMM3B43数据在青海省的适用性,之后利用多源遥感数据获取地面干旱过程中的各致旱因子信息,进行干旱监测模型研究,论文的主要研究内容如下:(1)区域适用性分析。利用研究区内50个地面气象站点实测降水数据,分别从年、季、月3个尺度,以及单站降水过程分析,采用相关系数、相对偏差等方法对TRMM 3B43降水数据进行适用性分析。研究表明:1)从整体上看,TRMM数据在青海省具有很好的精度。月尺度相关系数为R=0.9344,年尺度相关系数R=0.9111,研究区41个站点的相关系数大于0.9,且遥感降水过程与实测降水过程有很好的一致性。2)数据精度存在时间差异。秋季的拟合效果最好,其次为春季、夏季,拟合效果最差的是冬季。3)数据精度存在空间差异。拟合效果差的三个站分别为海西州的茫崖、小灶火和冷湖,相关系数为0.73,偏差在50%以上。拟合效果较好的五道梁站相关系数达到0.98,偏差最小的刚察站Bias值达到0.08%。(2)统计降尺度研究。分析遥感降水数据与归一化植被覆盖指数(NDVI)间关系,呈现很好的正相关。同时考虑到降水受季节、地形等因素影响,以月为单位,通过人工智能软件找到主要TRMM数据与地理因子(经纬度)、高程因子(DEM)和NDVI之间的最优关系,作为降尺度模型的核心。将低分辨率(0.25°×0.25°)的TRMM 3B43数据降尺度至高分辨率(0.05°×0.05°和1km×1km)。结果表明:所有的拟合方程均通过了显著性检验,除了1月和12月,其余各月份的拟合优度R2均大于0.6。(3)构建的TRMM-Z指数和TCI指数。使用2000-2014年TRMM产品的逐月降水量资料和单站干旱监测Z指数方法,构建监测大气降水亏缺的TRMM-Z指数。并利用TRMM-Z作为单项干旱监测模型,与气象站点实测降水数据计算的SPI值进行对比,结果表明TRMM-Z具有一定的表征干旱的能力,但受遥感降水序列长度较短的原因,计算结果表现出一定的不稳定性,并且存在弱化干旱等级的现象。获得青海省MODIS遥感源下地表温度数据,基于其与同期最大值最小值的关系,计算温度状态指数TCI,作为一个衡量干旱的指标。(4)计算50个气象站点的CI值和Z值,并提取站点位置的温度状态指数TCI值,以Z值和TCI值为自变量,以CI为因变量,构建相关性模型,获得多源遥感综合监测模型参数,并通过计算的区域TRMM-Z数据和区域TCI数据计算出多源遥感综合干旱指数。结果如下:拟合效果最优的情况下,相关系数R=0.5844,通过了显著性检验。并且通过与典型年干旱实例的分析,综合干旱监测模型可以表征出干旱状态。但仍需进一步从其他数据源来对综合干旱监测模型进行检验。