降水是水文循环的重要组成部分,高精度的降水数据对于流域水文预报、水资源管理、旱涝灾害评估等具有重要意义。传统的降水数据主要来源于气象站点记录,降水空间分布依赖于多个站点数据的空间插值。但气象站点观测数据由于站点分布稀疏且观测范围有限,很难准确反映整个区域的降水空间分布。卫星降水数据具有覆盖范围广、空间分辨率高等特点,在获取降水数据的时空分布方面具有明显优势。然而在流域尺度应用上,卫星降水数据的空间分辨率仍较低,需要发展空间降尺度和校准方法进一步提高数据质量。本研究选择季风气候和复杂地形影响的红河流域作为研究区,首先利用气象站点观测数据对Tropical Rainfall Measuring Mission(TRMM)卫星降水数据进行精度评估;然后基于TRMM数据与Digital Elevation Model(DEM)、Normalized Difference Vegetation Index(NDVI)之间的相关关系,采用回归模型加残差校正的方法对TRMM数据进行降尺度研究,将其空间分辨率提高到1km,并基于气象站点数据,采用地理差异分析(GDA)和地理比率分析(GRA)方法,对TRMM降尺度数据进行校准;再利用比例分解方法,将TRMM年降尺度数据分解为月降水数据;最后根据年、月上的降尺度降水数据,分析红河流域的降水时空分布规律。主要结论如下:(1)时间上,TRMM降水数据在年、季、月尺度上与站点实测数据均具有较高的一致性(R~2>0.64),TRMM降水数据在红河流域整体上存在7.7%的高估。空间上,降水重心移动轨迹表明TRMM降水数据基本能反映降水的空间分布及演变过程。站点尺度上,相关系数均大于0.84,相对偏差较大的站点主要分布在河谷和盆地地区。总的来说,TRMM降水数据在红河流域具有较好的适用性。(2)基于TRMM年降水数据与DEM、NDVI之间的相关关系,对比三种不同回归模型(多元线性回归模型、人工神经网络模型、地理权重回归模型)在0.25o上的模拟效果和五种不同插值方法(反距离权重插值、规则样条函数插值、张力样条函数插值、普通克里金插值、简单克里金插值)对回归残差的插值效果,结果表明地理权重回归模型加简单克里金残差校正方法能够获得理想的结果。因此,引入地理权重回归克里金(GWRK)方法对TRMM数据进行空间降尺度,与原始TRMM数据相比,降尺度后1km空间分辨率的TRMM数据能够较合理地描述降水的空间分布,而且能表现更多的细节信息。(3)站点验证结果表明GDA和GRA校准方法都能获得更精确的降水分布。就两种方法对比而言,GRA的R~2值更大,RMSE、MAE和Bias更小,表明在红河流域GRA校准方法比GDA效果更好。此外,站点密度会影响GDA和GRA的校准效果。(4)利用月比例分解方法,将TRMM年降尺度数据分解为月降水数据,并基于站点月数据,与原始TRMM月数据进行对比。结果表明,分解得到的月降水数据不仅提高了空间分辨率,而且与站点数据之间具有很好的一致性(R~2=0.91,RMSE=22.2 mm,MAE=13.5 mm,Bias=0.048)。(5)基于TRMM降尺度数据,红河流域降水时空分布特征表现为:年尺度上,降水总体上呈现由南向北、至西向东递减的趋势;干湿季尺度上,湿季降水空间分布与年尺度类似,干季降水主要表现为南北方向上的空间变异;月尺度上,降水主要集中在5-10月份,降水量空间分布明显受季风进退的影响。