定量降水估计（Quantitative Precipitation Estimation, QPE）是气象业务的重要基础，其数据主要来源于天气雷达观测，并通过地面雨量计进行校准。然而，雨量计网络在实际应用中常受限于其有限的空间代表性和典型的稀疏、不均匀分布特征。针对这一问题，微波链路（Microwave Links, ML）因其密集的分布特性，为降雨观测提供了新的数据源，特别是在经济欠发达地区，其与雷达数据的整合展现出显著的应用潜力。本研究提出了一种自适应数据融合技术，该技术通过整合ML的衰减数据和雷达反射率数据，动态调整雷达反射率因子（Z）与降雨强度（R）之间的关系，以适应不同天气系统的变化。研究采用江阴市47个ML和一部S波段天气雷达的观测数据，并结合8个雨量计进行验证。结果表明，所提出的方法与参考测量结果具有较高的一致性，皮尔逊相关系数达到0.65。与传统的经验Z-R关系和基于ML的雷达平均场偏差调整方法相比，该方法在变异系数和均方根误差方面分别提升了17%（24%）和15%（27%）。本研究不仅验证了该方法在提高定量降水估计精度方面的有效性，还深入探讨了天气系统不稳定性和观测时间对方法性能的影响，为相关领域的研究提供了新的思路和方法参考。

定量降水估计,微波链路,天气雷达,数据融合,Z-R关系