估算降水量一直是广大气象工作者和研究人员十分关注的气象热点问题,由于产生降水的因素很多,加上观测站稀疏,造成估算0-6小时的降水量难度较大。本论文利用TBB(Temperatuer of Brightness Blackbody,TBB)资料、云顶亮温梯度资料、水汽云图资料、总云量资料、云分类资料、雷达基本反射率资料及自动雨量站降水资料,对云南滇中区域08年建有自动雨量站的18个测站,使用BP神经网络建立预报模型进行3小时、6小时降水估算研究,使用传统Z-I关系及云分类Z-I关系进行3小时降水估算研究,通过研究,得到了如下一些有意义的结论:　　 (1)云分类Z-I关系降水估算研究中,引入卫星云图中的云分类产品资料,对估算降水能力有一定提高,对估算降水与实测降水在相关系数及均方根误差上都有改善。卫星与雷达资料综合使用可以用来提高降水估算的精度。　　 (2)使用BP神经网络建立单站预报模型,3小时降水估算能很好的表示降水产生的趋势,准确的表示出降水的增强和减弱特征,对估算小于25nm的降水误差较小,对大于25mm降水存在一定的误差。　　 (3)使用BP神经网络建立单站预报模型,6小时降水估算总体效果比3小时稍差,但也能表示出降水的趋势来,实况降水与估算降水之间有一定的误差。　　 (4)利用BP神经网络建立单站预报模型估算降水与传统Z-I关系、云分类Z-I关系估算降水比较,对于强降水估算,BP神经网络建立单站预报模型优于另外两种方法,同时对降水空报也有一定改善。　　 (5)综合利用卫星雷达资料,利用BP网络神经建立单站的预报模型,在一定程度上解决了误差和降水空报问题,对强降水估算能力有所提高,但是空报和误差问题依然存在,在以后的研究中待改善提高。