降雨不仅是影响资源、环境和灾害的重要因素,而且是水文和水资源研究的一个重要参数。但是长期以来,降雨量数据的获取只限于一些分散的点,而无法提供区域内各具体地点的降雨量。因此,本文提出利用空间插值技术和利用MODIS传感器的卫星数据建立反演模型,得到分布式的降雨量。研究水文模型的空间插值方法具有很重要的实际应用价值。而人工神经网络具有很强的处理非线性关系数据的能力。本文采用神经网络方法研究流域降雨分布模式,并将其与传统的距离平方反比方法和克里金方法进行了对比分析。本文从云层降雨的物理机理分析了与降雨有关系的气象因子,并从MODIS的云产品数据集中选定参数因子,与地面实测降雨数据组成历史样本,并采用BP网络建立了降雨反演模型。针对BP网络在实际应用中的弱点,如算法收敛较慢,对于较大的搜索空间存在多个极值点,使网络容易陷入局部极值点,另外网络的初始权值和阈值的选择具有很大的随机性问题等,利用具有全局搜索最优的遗传算法对BP网络的权值和阈值分布进行了优化,建立了优化后的BP网络反演模型,并对历史样本进行学习。最后的结果表明遗传算法优化后的网络模型不论在精度还是稳定性上都有提高,基本反映了实际的降雨情况,同时说明了MODIS的高光谱分辨率和丰富的数据产品应用于卫星雨量估算具有实际意义文中的降雨数据采用由湖北省自动观测站点得到的2006年11月24日的降雨量数据,卫星数据采用采用华中科技大学数字流域工程中心MODIS地面站接收并处理的MODIS卫星数据产品。