暴雨导致洪涝灾害,特别是在山区,除了引发洪水还容易导致滑坡、崩塌以及泥石流等灾害造成人民生命财产损失,因此对暴雨特征的研究以及暴雨的预报就很有意义。本文基于TRMM卫星测雨数据,以陕南秦巴山区为研究区,对TRMM数据进行空间降尺度处理,基于TRMM降尺度数据筛选构建暴雨数据集,并利用暴雨数据进行暴雨预报研究,为无地面资料或少地面资料地区的暴雨模拟、预报提供新途径。原始TRMM数据空间分辨率偏低适用性差,需要对其进行降尺度处理。本文选用两种方法对TRMM降水数据进行降尺度处理:(1)一个站点一个模型的以遥感地表温度为中间参数的一元非线性回归降尺度(UNR)处理,该方法可以得到日降水序列;(2)一年一个模型的以及以遥感地表温度、高程以及经纬度为中间参数的多元线性回归(MLR)降尺度处理,该方法得到的是整个研究区高分辨率的年降水量数据。空间降尺度处理得到的降水数据的适用性需要得到检验,本文分析了降尺度处理对TRMM数据对比实测数据的精度的影响,并对研究区整体以及各个站点进行精度检验。之后,按1d、3d和5d尺度筛选年最大降水量构建两种降尺度TRMM数据以及实测数据的暴雨数据集,并分析TRMM降尺度暴雨数据对比实测数据的精度。在暴雨预报研究中选择红椿站和竹林关站的暴雨数据进行拟合预报研究,运用灰色周期-外延叠加模型以及BP神经网络模型进行了年最大暴雨序列的拟合预报研究,并且对比了两种模型的拟合预报效果。本文主要研究结论如下:(1)整体来看,UNR降尺度处理和MLR降尺度处理对TRMM数据的精度影响很小,说明降尺度处理可以提高TRMM数据的空间分辨率,而且不会对TRMM数据精度产生较大影响。(2)在对将尺度数据相比实测数据的精度检验中,从研究区整体上来看,两类降尺度降水数据均呈现处降水量少的时候降尺度降水量大于实测降水量,降水量大的时候降尺度降水量小于实测降水量的情况。就不同站点不同时间尺度而言,降尺度数据BIAS在夏季各月明显小于冬季各月,RMSE则相反。从不同数据类型来看,MLR数据精度整体上略优于UNR数据。(3)在暴雨数据集构建时,随着暴雨时间尺度从1d到3d再到5d,暴雨数据的精度逐渐提高。在暴雨模拟预报研究中,BP神经网络模型相比灰色-周期外延模型具有更优的拟合预报效果;MLR暴雨数据模拟预报效果优于UNR暴雨数据;3d和5d尺度暴雨数据模拟预报效果优于1d尺度;建模期的拟合效果优于预报验证期的拟合效果。