降水是水循环过程中重要组成部分,准确可靠的降水数据不仅是研究降水时空变化的关键,同时也是提高水文模拟精度的重要因素。传统的雨量计提供了较为精确的降水数据,然而,由于降水具有高度的空间差异性,不均匀和分布稀疏的站点观测数据难以满足水文模型和其他相关研究的需要。卫星降水数据具有空间覆盖范围广、时空分辨率高的特点,但往往存在对实际降水高估或低估的现象,特别是在地形复杂、地势变化大的地区,这种现象尤为明显。融合了站点降水、卫星降水和再分析数据的多源加权集成降水数据集(Multi-Source Weighted-Ensemble Precipitation,MSWEP)充分结合了站点数据和卫星数据的优点,具有长时间序列、高精度和高时空分辨率特性,在全球尺度上提供了较为可靠的降水数据。本研究选择云南元江流域作为研究区,对MSWEP降水数据进行精度检验和水文模拟效果进行评估,旨在探讨MSWEP降水数据在该地区的适用性,为流域水文过程模拟、水文灾害监测和流域水资源规划提供基础。首先利用气象站点观测降水数据对1979-2015年MSWEP降水数据在不同时空尺度上进行精度检验;在此基础上基于GR4J和GR2M水文模型,分别在日和月尺度上对MSWEP降水数据的水文模拟效果进行评估。主要结论如下:(1)MSWEP降水数据的精度检验结果表明:MSWEP降水数据在年、季、月尺度上与气象站点实测降水数据之间具有较高的一致性(年尺度R=0.81、月尺度R=0.89、春季RR=0.88、夏季R=0.77、秋季RR=0.75、冬季RR=0.81);在日尺度上,MSWEP降水数据的表现较差,与站点数据间相关性R为0.43。整体上,MSWEP降水数据在元江流域存在一定程度上的低估(Bias=-8.5%)。空间上,MSWEP降水数据重心移动轨迹与站点实测降水数据重心移动轨迹基本吻合,能够反映降水的空间分布及演变过程。站点尺度上,MSWEP降水数据与站点降水数据的相关系数R均大于0.88,且80%站点的|Bias|在20%以内。在降水/非降水事件探测能力上,88%站点的探测率在0.7以上,93%站点误报率在0.4以下,表明MSWEP降水数据对降水/非降水事件有较强的探测能力。(2)基于GR4J和GR2M水文模型分别在日和月尺度上对站点降水数据和MSWEP降水数据的水文模拟效果进行评估。结果表明:站点观测降水数据驱动的水文模型对流量过程的模拟较好(日尺度:NSE=0.82,Bias=0.6%;月尺度:NSE= 0.87,Bias=1.8%),说明GR4J和GR2M水文模型在元江流域有较好的适用性。在情景一(站点观测降水数据率定模型)中,MSWEP降水数据驱动的水文模型在日尺度和月尺度的NSE分别为0.73和0.84,Bias分别为-6.8%和-6.7%,总体模拟效果较好,基本上能够再现流量过程。在情景二(MSWEP降水数据率定模型)中,由MSWEP数据驱动水文模型的流量模拟效果较情景一中的流量模拟效果有所提高。日尺度和月尺度上的NSE分别提高为0.78和0.85、Bias分别为2.4%和1.3%。在极端水文事件中,MSWEP数据对极端流量的模拟能力较差,对高流量(Q90)的模拟存在低估(-17.6%),而低流量(Q50)的模拟存在高估(33.5%)。综上所述,MSWEP降水数据在元江流域缺资料地区有很好的应用前景,尤其是在流域长期水资源规划和水文干旱监测方面具有应用潜力。