静止气象卫星红外观测具有高时空分辨率和近实时获取优势，是灾害性天气快速监测的重要数据来源。然而，红外亮温与地面降水之间仅存在间接物理联系，其降水反演能力受到云物理过程复杂性及观测信息不足的限制。相比之下，被动微波和星载测雨雷达能够直接响应降水粒子特征，具有更强的降水信息表征能力，但受限于卫星轨道条件，其空间覆盖稀疏且不同传感器间存在显著的时间不同步问题。因此，如何在业务时效约束下，将物理响应机制不同、空间覆盖不一致的多源卫星观测有效融合，是提升灾害性降水快速监测能力的关键问题之一。
本文提出一种可扩展的多源卫星降水反演框架 RAINDROP。该框架以潜空间生成模型为核心，采用基于DiT（Diffusion Transformer）的整流流（Rectified Flow）生成建模方法，学习多源观测约束下降水场的条件概率分布，在输出降水估计结果的同时生成集合样本，以表征反演结果的不确定性。针对不同卫星传感器观测特征差异，框架设计了独立的旁路条件分支实现多模态观测接入，使新增观测源能够在保持主干网络结构稳定的情况下进行扩展。针对不同传感器空间覆盖不一致的问题，进一步引入像元级空间权重场，自适应调节不同观测源在重叠及非重叠区域中的贡献。基于该框架，本文以 FY-4B/AGRI 红外观测作为基础输入，依次融合 GPM/GMI、组网 SSMIS（F16/F17/F18）以及 GPM/DPR 主动雷达观测，验证了框架对异构卫星观测的可扩展融合能力。
利用 2025 年 7–8 月独立样本进行评估结果表明，在微波观测有效覆盖区域内，引入微波信息后，降水反演相关系数由 0.584 提升至 0.792，1 mm/h 阈值下 CSI 由 0.330 提升至 0.518，RMSE 由 0.697 降低至 0.511，集合概率评分 CRPS 由 0.117 降低至 0.079。进一步分析发现，多源融合增益与逐时次微波覆盖率之间呈近似线性关系（r=0.895），表明观测覆盖程度是影响融合效果的重要因素。在多源观测共同覆盖区域，融合结果显著优于任一单一观测源，体现了不同传感器观测误差近似独立条件下的协同增益，而非简单的信息叠加。对于覆盖东亚至西太平洋区域（40°-160°E，1200×1200 网格）的单次全域反演，计算耗时可控制在数十秒以内。
研究结果表明，RAINDROP 能够在统一生成式框架下持续融合新增卫星观测，实现近实时、概率化的多源卫星定量降水估计，为地基观测稀疏区域的灾害性降水监测提供了一种具有扩展性的技术路径，并为多源卫星资料在业务化快速降水监测中的深度应用提供了新的可能。

多源卫星观测,概率降水反演,生成式模型,灾害性天气监测