1.一种多传感器降水估计融合方法，其特征在于：包括如下具体步骤：

1)先从星载雷达DPR数据和地基雷达GR数据中，选取空间窗和时间窗同时匹配的DPR降水率数据和GR反射率因子数据；再选取位于所述空间窗内所有雨量站处于所述时间窗±

30min的雨量计数据；其中，空间窗指地基雷达覆盖范围与星载雷达测绘带所相交的区域；

时间窗指星载雷达扫过匹配空间窗的时间与地基雷达开始一次体扫的时间差距在±6min以内；

2)对步骤1)选取的GR反射率因子数据、DPR降水率数据和雨量计数据分别进行质量控制；

3)对步骤2)质量控制后的GR反射率因子数据进行降水反演得到GR降水率数据；

4)将质量控制后的雨量计数据分别与质量控制后的DPR降水率数据和步骤3得到的GR降水率数据进行统计分析，以雨量计数据为标准分别进行系统偏差校正；

5)基于小波域HMT模型对步骤4)得到的DPR降水估计数据和GR降水估计数据分别与质量控制后的雨量计数据进行融合，即在小波域对DPR和GR降水估计数据进行最优滤波；

6)将步骤5)中最优滤波后的GR和DPR降水估计数据进行小波域多尺度分解和小波系数融合，得到融合后的小波系数；

7)将步骤6)得到的融合后的小波系数进行小波逆变换，则得到经雨量计滤波的GR和DPR多传感器降水估计融合结果。

2.根据权利要求1所述的多传感器降水估计融合方法，其特征在于：步骤2)中，对于GR反射率因子数据采用模糊逻辑法进行GR反射率因子数据的地杂波去除，以及采用自适应约束法对GR反射率因子数据进行衰减订正；

对DPR降水率数据选取2ADPR产品中NS模式地面降水率数据进行质量控制；

对雨量计数据采用奇异点的去除方法进行质量控制。

3.根据权利要求2所述的多传感器降水估计融合方法，其特征在于：步骤3)中，对于双偏振雷达的GR反射率因子数据采用Z-R关系法或KDP法或ZH和ZDR法联合反演GR降水率数据；对于常规多普勒雷达的GR反射率因子数据采用常规Z-R关系进行反演得到GR降水率数据。

4.根据权利要求3所述的多传感器降水估计融合方法，其特征在于：步骤4)中，先从步骤2)质量控制后的DPR降水率数据和步骤3)得到的GR降水率数据中分别提取相关系数大于等于0.8的最优数据集，再进行系统偏差校正。

5.根据权利要求1-4任一所述的多传感器降水估计融合方法，其特征在于：步骤5)中，基于小波域HMT模型将雷达GR/DPR降水估计数据与雨量计数据融合方法包括如下步骤：

5.1)首先将雷达降水估计数据与质量控制后的雨量计数据进行统计对比分析，再通过误差方差分离法得到雷达降水估计数据和雨量计数据之间的误差方差

5.2)对雷达降水估计数据进行二维小波变换：

在小波域，雷达降水估计数据小波系数为：

w＝d+n

其中w为雷达降水数据的小波系数向量，d为待估计的无噪小波系数向量，n为雷达降水估计小波域误差向量，其服从 的正态分布；

5.3)对小波系数进行HMT建模；

5.4)利用EM算法对HMT模型参数估计；

5.5)基于估计得到的HMT模型参数，对雷达降水估计数据的小波系数进行最优滤波处理；

5.6)利用滤波后的小波系数和最后分解尺度的尺度系数进行小波逆变换，则得到最优滤波后的雷达GR/DPR降水估计数据。

6.根据权利要求5所述的多传感器降水估计融合方法，其特征在于：步骤6)中将最优滤波后的GR和DPR降水估计数据进行小波域融合，得到融合的小波系数的具体步骤如下：

6.1)将最优滤波后的DPR降水估计数据的DPR原始分辨率采用最近邻点插值法变换为

4km×4km分辨率，再进行多级小波分解，得到在各尺度上的DPR小波系数和在最后尺度上的尺度系数；

6.2)对最优滤波后的GR降水估计数据进行多级小波分解，得到在各尺度上的GR小波系数和最后尺度上的尺度系数；

6.3)对于6.1)和6.2)中尺度小于DPR原始分辨率的，保留步骤6.2)中相应尺度的GR小波系数作为融合后的小波系数；

对于6.1)和6.2)中尺度大于等于DPR原始分辨率的，将相应尺度的DPR小波系数和GR小波系数采用HMT模型进行融合，得到融合后的小波系数。

7.根据权利要求6所述的多传感器降水估计融合方法，其特征在于：步骤6.1)中DPR原始分辨率为5km×5km。

8.根据权利要求7所述的多传感器降水估计融合方法，其特征在于：步骤6.1)中小波分解级数为2级，步骤6.2)中小波分解级数为4级。