多源降水融合模型是集成来自地面观测、卫星反演和模式分析等不同降水估计来源各自优势的有效途径，对精准捕捉降水时空变化具有重要意义。由于降水具有高度的时空异质性和多尺度效应，现阶段的多源融合模型主要是聚焦于区域尺度的融合，如何研发全球尺度高时空分辨率（0.1°和逐小时）的多源融合模型依然是学界面临的关键挑战。本研究提出了一种耦合融合与校正技术的多源降水融合新框架，从降水事件判断和降水量值融合两个角度出发，力争最大限度地整合来自地面观测、卫星反演和模式估计的各自优势，并研制一套全球多源融合降水数据集GMCP （0.1°, 逐小时, 2000-今, 全球）。本研究的主要结论包括但不限于：（1）融合结果GMCP的质量总体优于驱动模型的遥感和模式降水数据，对极端降水量值的捕捉精度得到了显著提升；（2）以美国大陆地区2016年至2020年间地基雷达与雨量计融合结果（Stage IV，4 km，逐小时）为参考，相比NASA卫星降水反演数据的地面校正产品IMERG-Final，GMCP在相关系数、均方根误差和降水事件捕捉方面分别提升了~60%、~40%和~20%；（3）以2016年中国大陆地区~6.7万雨量计逐小时降水观测结果为参考，相比美国普林斯顿大学研发的多源融合降水数据MSWEP V2（0.1°和逐3小时），GMCP对降水事件的捕捉精度提升了~20%；（4）本研究提出的全球多源降水融合模型GMCP能够从降水事件判断和降水量值融合两个角度，有效地集成了来自地面观测、卫星反演和模式分析不同降水估计来源的各自优势，研发的数据集GMCP (0.1°, 逐小时, 2000-2024, 全球，图1)将会持续更新，有望为相关领域的研究提供一定的数据支撑。