La cuenca del río Yangtsé (YRB) es altamente vulnerable tanto a inundaciones como a sequías, siendo la precipitación un factor clave en la generación de estos extremos hidrológicos. Por lo tanto, entender y reducir la incertidumbre en las estimaciones de precipitación es crucial para una gestión efectiva del agua y la mitigación de riesgos. El estudio evaluó las características de error de las estimaciones diarias de precipitación de tres conjuntos de datos (CRA40, IMERG y SM2RAIN) utilizando el enfoque de colocalización triple (TC). Luego se aplicó un marco de fusión de mínimos cuadrados para integrar estos conjuntos de datos y generar estimaciones de precipitación fusionadas con mayor precisión y menor incertidumbre en la YRB. Los resultados mostraron que todos los conjuntos de datos examinados exhibieron un mayor error cuadrático medio fraccional (fRMSE) en la región de origen del río Yangtsé, lo que indica una mayor influencia de errores aleatorios y una menor sensibilidad a los cambios de precipitación en esta área. Entre los conjuntos de datos, SM2RAIN mostró el acuerdo más débil con las mediciones en tierra, mientras que IMERG tuvo el mejor desempeño en la captura de eventos de precipitación extrema. CRA40 y las estimaciones de precipitación fusionadas basadas en TC exhibieron una precisión general más alta, con un coeficiente de correlación promedio por estación de aproximadamente 0.71. A pesar de una precisión comparable, los datos de precipitación fusionados son relativamente más robustos que CRA40, con una desviación estándar del error promedio más baja de 2.07 mm.