陆地水作为地球必不可少的重要资源,深刻影响着人类的生活和生产。深入研究陆地水变化及其变化规律,对于防范旱涝等自然灾害、合理利用水资源有着重要意义。GRACE（Gravity Recovery and Climate Experiment）和GRACE Follow-on重力卫星可以获取全球尺度、高精度、高时空分辨率的时变重力场数据,有效用于监测陆地水储量的变化,弥补了传统陆地水文观测方法尺度有限,手段单一,无法获取深层地下水信息等缺陷。因此,重力卫星用于研究陆地水变化成为一个研究热点。但重力卫星获取的时变重力场存在着大量的噪声,掩盖了陆地水变化引起的时变重力信息,极大降低了结果的信噪比,不利于对陆地水储量变化的监测与分析。因此,研究既能有效滤除噪声又能保留更多真实信号的时变重力场滤波算法,对获取更高精度的时变信息,更准确地掌握陆地水变化情况具有重要的意义。基于此,本文深入研究时变重力场滤波算法,引入了经验模态分解滤波方法,与传统的滤波方法进行试验比较,验证了其滤波效果和可靠性,并用于长江流域陆地水储量变化研究。本文主要研究内容和成果如下:（1）详细介绍了时变重力场反演陆地水储量变化的原理和方法,并推导了相关的公式;重点介绍了后处理过程中的空间平滑滤波和去相关滤波,试验对比分析了各滤波方法的滤波效果;介绍了泄露误差改正方法。（2）针对时变重力场噪声问题,引入经验模态分解方法,构建了适用于时变重力场滤波的函数模型,分析了技术可行性,并与成熟的P3M6和Duan滤波相比较,结果表明:该滤波方法可以有效地滤除时变重力场的噪声,并且具有较强的去噪能力和较好的保留真实信号能力。进一步将三种滤波方法用于研究亚马逊流域、密西西比河流域和长江流域的陆地水储量变化,发现本文提出的方法与Duan滤波方法结果较为一致,充分验证该方法的可靠性。（3）将经验模态分解滤波方法用于研究长江流域陆地水储量变化情况,结果表明:2003-2020年长江流域陆地水储量整体为上升趋势,速率为3.01±1.03 mm/a;长江流域内青海、贵州、湖南和江西等省份陆地水储量处于增长趋势;四川西部、西藏和河南等地区处于下降趋势。