Los datos de precipitación precisos y distribuidos espacialmente son fundamentales para una gestión efectiva de los recursos hídricos. En Marruecos, al igual que en otras regiones áridas y semiáridas, la precipitación exhibe una variabilidad espacial y temporal significativa. De hecho, hay una variabilidad intra e interanual y el noroeste es más lluvioso que el resto del país. En la cuenca del Bouregreg, esta irregularidad, junto con una red de estaciones de medición escasa, representa un gran desafío para la gestión de los recursos hídricos. En este contexto, los datos de teledetección podrían proporcionar una alternativa viable. Este estudio tiene como objetivo evaluar el rendimiento de cuatro productos de precipitación diaria en cuadrícula: tres conjuntos de datos IMERG-V06 (GPM-F, GPM-L y GPM-E) y un producto de reanálisis (ERA5). La evaluación se lleva a cabo utilizando 11 estaciones de pluviómetros durante un período de 20 años (2000-2020) en diversas escalas temporales (diaria, mensual, estacional y anual) utilizando un enfoque de píxel a punto, empleando diferentes métricas de clasificación y regresión de aprendizaje automático. Según los hallazgos, los productos GPM mostraron alta precisión con un bajo margen de error en términos de sesgo, RMSE y MAE. Sin embargo, se observó que ERA5 superó a los productos GPM en la identificación de patrones espaciales de precipitación y demostró una correlación más fuerte. Los resultados de la evaluación también mostraron que los productos de precipitación en cuadrícula tuvieron un mejor rendimiento durante los meses de verano para la evaluación estacional, con una precisión relativamente más baja y sesgos más altos durante los meses de lluvia. Además, estos productos en cuadrícula mostraron un excelente rendimiento en la captura de diferentes intensidades de precipitación, con la mayor precisión observada para la lluvia ligera. Esto es particularmente importante para las regiones áridas y semiáridas donde la mayor parte de la precipitación cae en la categoría de baja intensidad. Aunque las estimaciones de precipitación en cuadrícula proporcionan cobertura global a altas resoluciones espacio-temporales, su precisión es actualmente insuficiente y requeriría mejoras. Para abordar esto, empleamos un modelo de red neuronal artificial (ANN) para la corrección de sesgos y la mejora de las estimaciones de precipitación bruta del producto GPM-F. Los resultados indicaron un ligero aumento en el coeficiente de correlación y una reducción significativa en los sesgos, RMSE y MAE. En consecuencia, esta investigación apoya actualmente la aplicabilidad de los datos GPM-F en el noroeste de Marruecos.