En los últimos años, los productos satelitales han desempeñado un papel cada vez más significativo en el monitoreo y la estimación de eventos climáticos extremos a nivel global, gracias a sus ventajas de una excelente continuidad espacio-temporal y amplia cobertura. Este estudio evalúa sistemáticamente el producto de Recuperaciones Integradas de Múltiples Satélites de Medición de Precipitación Global (GPM) para la Ejecución Tardía de GPM (IMERG-L) para eventos de precipitación regional basándose en las observaciones en la provincia de Zhejiang desde 2001 hasta 2020. En este estudio, se aplican siete índices de precipitación típicos con siete índices de evaluación de precisión para analizar el rendimiento de IMERG-L desde múltiples perspectivas en términos de la intensidad de la precipitación, la frecuencia y las dimensiones de distribución espacial. Los resultados muestran que IMERG-L es capaz de capturar las tendencias de distribución espacial, especialmente en los índices de precipitación basados en la frecuencia (CWD, R10mm y R20mm), que pueden describir la humedad regional y el patrón de precipitación. Sin embargo, el producto sufre de una sobreestimación sistemática al capturar precipitaciones intensas y una intensidad de precipitación extrema, con una alta tasa de falsas alarmas y precisión inestable, especialmente en eventos de lluvia intensa y superiores, donde la Probabilidad de Detección (POD) disminuye significativamente, mostrando una reducción obvia en la capacidad de reconocimiento y el riesgo de clasificación errónea. Específicamente, IMERG-L no logró reproducir las tendencias observadas de aumento hacia el este en la precipitación máxima anual tanto para duraciones de un día (RX1day) como de cinco días (RX5day), demostrando sus limitaciones para capturar con precisión los patrones de precipitación extrema en toda la provincia de Zhejiang. En general, se necesita avanzar en la optimización y mejora de IMERG-L para reducir los sesgos dependientes de la intensidad en la detección de lluvias intensas, aumentar la inhomogeneidad espacial en las representaciones de tendencias y mejorar la supresión de falsas alarmas para eventos extremos, con el fin de lograr un monitoreo preciso y una estimación cuantitativa de eventos de precipitación extrema de alta intensidad.