降水是地球水循环的主要驱动因子,其在气态、固态、液态间进行转换。通过与云、水汽、大气和海洋环流、土壤湿度以及地表反照率的耦合作用,大气降水深刻改变着地球能量平衡。地面观测降水量是最直接的降水观测资料,但台站大多位于低海拔地带,尤其对于面积广阔的新疆地区,观测站点稀疏且分布不均,导致观测数据难以表达整个流域实际降水信息。随着遥感技术的快速发展,卫星反演降水成为系统了解区域乃至全球降水情况及其变化的重要手段。然而由于卫星反演降水的物理原理和算法的局限性,导致其反演质量不高。如何充分融合地面与卫星观测降水数据的各自优点是当前研究的重点,本文以新疆地区为研究区开展卫星降水与地面观测实况的融合方法研究,主要开展的工作及结论如下:1.多种卫星降水产品在新疆地区的精度对比评估卫星降水反演是了解西北干旱区新疆降水空间分布的重要手段。然而,新疆气象站分布稀疏,在干旱地区进行卫星降水反演是一项具有挑战性的任务。本节研究目标是从不同时间尺度（半小时、小时、3小时、日和月）评估四种卫星降水产品,即CMORPH（Climate Prediction Center Morphing Technique,气候预测中心算法）、3B42/3B43（Tropical Rainfall Measuring Mission Multi-satellite Precipitation Analysis（TMPA）3B42/3B43,热带降雨测量任务多卫星降水分析）、GSMa P（Global Satellite Mapping of Precipitation,全球降水卫星图）以及IMERG（Integrated Multi-satellite Retrievals for Global Precipitation Measurement,多卫星联合反演全球降水测量）。结果表明:1)四种产品总体呈现由西北向东南的下降趋势,IMERG在半小时尺度上的所有指标都比CMORPH具有更高的精度,而GSMa P在小时尺度和日尺度上的大多数指标都优于其它产品;2)在南疆（SX）、北疆（NX）和天山山区（Tianshan）三个子区域,这些产品具有显著的区域特征,具体表现为在降水稀少的南疆,所有的产品都高估降水量;相反,在北疆和天山山区除了3B42,所有的产品都低估降水量;3)所有卫星产品在暖季的性能均优于冷季,暖季期间,除CMORPH明显高估外,其它产品的相对偏差值均在±10%以内,在冷季,所有产品都低估了主要由降雪构成的降水量,尤其是3B42,其产生的低估值最大;4)从概率密度函数（PDF）分布来看,降水频次（PDFc）上IMERG与实况观测的一致性最好,特别是在降水强度较低的情况下,小时尺度下估算降水量与观测降水量的差异最小,而根据降水量级（PDFv）,GSMa P在日尺度上表现更好。本研究是首次在半小时尺度上评估IMERG和CMORPH产品,也是在中国干旱地区进行多种卫星降水产品对比评估的少有的针对日以内时间尺度的研究之一,可为干旱区卫星降水反演提供重要参考。2.基于逐步回归的多源遥感数据与地面观测降水融合方法研究在降水量较少的干旱区,卫星降水反演是一个巨大的挑战。为了提高我国干旱严重地区新疆卫星降水产品的精度,本研究以两个广泛使用的卫星降水产品为基础,分别是TMPA 3B43第7版（以下简称3B43V7）和IMERG（以下简称3IMERGM）,在对其进行评估基础上,利用由数字高程模型（DEM）提取的地形变量,采用逐步回归模型对3IMERGM进行融合。为了全面评价模型的性能,采用十折交叉验证方法。结果表明,融合后的3IMERGM（C-3IMERGM）比3IMERGM的性能有大幅提高。具体来说,相关系数（CC）从0.68增加到0.73,相对误差（RB）从7.76%降低到-1.65%。此外,C-3IMERGM比融合前的卫星降水产品以及稀疏的站点观测,具有更为精细的降水分布。降水的实际空间分布表明,C-3IMERGM捕捉到位于新疆南部的昆仑山的降水带,但融合前的卫星降水产品未观测到这一点。3.基于BP神经网络的多源遥感数据与地面观测降水融合方法研究利用1998—2013年TMPA月降水产品与新疆同期的105个国家站观测数据,运用逐步回归与BP神经网络方法,建立了新疆地区的降水融合模型。结果表明:加入地形因子对TMPA降水产品有明显的融合效果,整体上两种模型对TMPA降水产品融合后相关系数从最初的0.66分别提高到0.75和0.8,相对误差由10.75%分别降低为4.88%和3.19%;月尺度上,TMPA月降水相对误差为-5.68%—54.44%,经逐步回归融合后为-4.26%—32.57%,而神经网络为-5.33%—24.48%,表明BP神经网络模型融合效果更好;从综合时间技巧评分ST来看,融合后卫星降水产品在各月的质量都有了不同程度的提高,逐步回归提高0.01-0.49,神经网络提高0.03-0.7。因此,基于逐步回归与BP神经网络的TMPA降水融合模型均能够准确、定量地再现降水分布,为TMPA降水产品质量的改进提供一种较实用的参考方法。4.基于地理加权回归的多源遥感数据与地面观测降水融合方法研究雨量计的点观测具有固有的局限性,由于观测不足和地形复杂,使得对于高山地区降水时空分布的研究变得十分困难。全球降水量测量任务（GPM）提供了新一代卫星降水产品,这为山区降水研究提供了潜在的替代数据源。然而,在卫星数据应用之前有必要进行质量评估和融合研究。在本研究中,使用超过1000个自动气象站（AWSs）组成的相对以前更加密集的地面实况观测网络,用于多源遥感与地面观测的融合方法研究。首先,使用泛克里金插值将GPM IMERG由初始的0.1°降尺度到500m,以确保与雨量计观测的一一对应;其次,采用逐步回归（STEP）和地理加权回归（GWR）两种融合方法用以提高天山山区IMERG产品的精度,这两种方法都建立在与降水关系密切的各种地形因素和植被指数上。结果表明:（1）GWR融合结果优于传统的逐步回归以及IMERG原始数据;（2）从海拔高度影响来看,原始IMERG在平原地区（小于1000米）的表现最好,而在中低海拔地区（1000-1500米）的融合效果最好;（3）GWR模型的性能在很大程度上取决于复杂地形山区可用实况站的数量。总体来说,本研究方法和结果为山区缺实况观测区域卫星降水数据的融合提供了依据。