研究不同的水资源应用(例如,城市洪水预警系统以及农业灌溉)往往需要不同精度的降雨数据。但是通常许多的气象部门只提供一种精度的降雨数据(例如荷兰皇家气象局提供精度为1公里的降雨数据)。本文的主要目的是通过插值等方法来提供不同精度的降雨数据,并分析时间和空间尺度对降雨插值方法的影响。实际上,降雨空间插值方法被广泛应用于获取不同时间和空间的降雨数据。而通常这种网格数据是通过对实际测量数据的插值而来,所以有很多因素会影响到插值结果。其中不同插值方法的选择是很重要的影响因素,因为每种方法都有各自的优缺点,所以分析不同方法所引起的误差是很有必要的。本文的研究使用了两种地理统计学的算法(普通克里金和薄板样条插值)以及一个确定性的算法(反距离权重法)来插值每日的降雨数据,结果包含了1公里、3公里、8公里、12公里、25公里这5种不同的空间尺度。本文所选的插值地区是荷兰,降雨数据包含了从2003年到2013年共4018天。另外,重采样作为简单快捷的调整网格尺度的方法,也将用于和插值方法比较。本文采用荷兰皇家气象局提供的1公里的网格地图,将其重采样到3公里、8公里、12公里和25公里。然后与实际测量的数据相比较。当然,除了不同插值方法的影响,空间尺度和时间尺度也是影响插值结果的重要因素,本文将根据插值的结果来确定在不同精度下最合适的降雨插值方法,同时对月降雨数据进行插值,来分析时间尺度对插值结果的影响。本文主要研究目的是评估在不同时间精度和空间精度上最合适荷兰地区的降雨插值方法,同时也为将来计算出一条长时间的降雨序列做铺垫(约50年)。研究结果包含了3种插值方法在5种空间精度下插值的降雨数据、重采样方法产生的4组相应精度的降雨数据,以及不同空间精度下的按月插值的插值结果。通过与32个自动气象站的实际测量数据做误差分析比较,发现对于长期数据,以天为单位的降雨插值,反距离权重法在1公里、3公里和8公里表现最优。重采样最适合空间精度为12公里和25公里。对于按月插值的降雨数据,普通克里金方法是最合适的。