降水量作为一个重要的气象参数,不仅是水文循环的关键强迫因子,也是各种水文气象模型的重要输入。因此,生产高精度和高时空分辨率的降水资料在水文、气象学的研究中具有重要的意义。地面站点数据不能全面反映降水的空间特征,特别是在雨量站稀少的山区。近年来,卫星技术的广泛应用使得获取空间上连续的面状降水数据成为了可能,从而克服地面站点数据空间不连续的缺陷。热带降水观测任务(Tropical Rainfall Measurement Mission,TRMM)提供了TRMM产品,而最新一代的全球降水计划(Global Precipitation Measurement,GPM)提供了覆盖全球范围的IMERG(Integrated Multi-satellite Retrievals for GPM)产品,其空间分辨率分别为0.25°和0.1°。卫星降水数据的分辨率较低,使得无法满足精细化的水文、气象学研究。本文从降水降尺度、降水数据融合两个方面,开展了TRMM 3B43数据的降尺度研究和GPM IMERG数据的降水融合降尺度研究,估算了1 km分辨率的降水产品。主要内容如下:(1)基于多元自适应回归样条的TRMM 3B43降水降尺度目前一些降尺度方法(如:地理加权回归,GWR;随机森林,RF)存在不连续性的问题,特别是在降尺度结果中存在“块状效应”的现象,这在自然界是不可能发生的。本文引入了多元自适应回归样条(MARS)来解决这一问题。本研究以地理位置(经纬度)、数字高程模型(DEM)、日地表温度(LSTD)、夜间地表温度(LSTN)及四个遥感指标作为陆表环境解释变量。本研究将2006-2013年长江经济带月尺度TRMM 3B43数据从0.25°的分辨率降尺度到1 km,为了提高降尺度TRMM的精度,对降尺度TRMM进行了残差校正和地理差异分析(GDA)定标处理。MARS算法的作用是通过分裂环境变量的机制将研究区域划分为若干个子区域,并利用每个子区域中模型选择的可解释环境因子变量构造一个光滑的样条模型。因此,MARS具有平滑的建模能力,可以避免降尺度结果的“块状效应”现象。同时,降尺度TRMM数据显示了合理的空间变化模式和去噪的结果。根据站点数据的验证结果,基于MARS模型的降尺度TRMM的精度比GWR、RF模型更高,并且与原始TRMM数据相比,降尺度结果的偏差得到降低。此外,变量重要性分析的结果表明,地理位置变量在MARS模型中的重要性最高,其次是DEM数据。(2)基于高斯过程算法的降水融合降尺度研究本研究以湖北省为研究区域,考虑经纬度、DEM、亮温数据、IMERG插值数据等辅助变量,融合2016年7月19日IMERG日分辨率卫星降水数据与气象站点数据资料。本研究提出了点面融合方法和站点偏差校正估计两个融合方案,选择自适应样条多元回归、随机森林、高斯过程回归三种算法。结果表明,点面融合方法优于站点偏差校正估计方法,且高斯过程回归的融合结果优于其他两种算法。基于高斯过程方法的融合结果呈现合理的变化细节,符合降水的空间分布变化模式。融合结果的空间分辨率从0.1°提高到1 km,且精度相对于原始的IMERG数据得到了较大的提升,该研究对高时间分辨率的多源降水数据的融合具有一定的意义。