利用人工神经网络气候数据记录(PERSIANN-CDR)对遥感信息进行的降水估算，提供了1983年至现在北纬60度 - 南纬60度范围内空间分辨率为0.25度的日降雨量估算。采用PERSIANN算法对GridSat-B1红外卫星数据进行降水估算，利用国家环境预报中心(NCEP)第四阶段逐时降水数据对人工神经网络进行训练。通过使用全球降水气候学项目(GPCP)月度产品版本2.2 (GPCPv2.2)调整PERSIANN-CDR，使PERSIANN-CDR的月度分辨率降至2.5度，与GPCPv2.2匹配。PERSIANN CDR是一份气候数据记录，美国国家研究委员会(NRC)将其定义为一组时间序列，这些时间序列具有足够的长度、一致性和连续性，以确定气候的可变性和变化。

主要优势:

长期数据集与30年以上数据一致，每季度更新一次;

使用许多不同的数据源，使产品更可靠;

高分辨率(0.25)月降水量与GPCP月估计值一致。

关键限制:

CDR版本具有日尺度的时间分辨率，不解决昼夜周期，可能不记录一些短暂的、剧烈的事件;

严重依赖从IR红外数据,转换到降水率需要复杂的算法,不是全球范围;

不是独立于GPCP-1DD等其他降水量估算.

数据链接：https://climatedataguide.ucar.edu/climate-data/persiann-cdr-precipitation-estimation-remotely-sensed-information-using-artificial