水汽是低层大气圈中的重要组成部分,90%以上的水汽分布在对流层底部,尽管其在地球大气中占比很小,但却跟多种气候和天气现象密切相关,如何精确探测大气中的水汽变化备受关注。GNSS水汽探测技术具备实时、高精度、高时空分辨率等优点,已成为近年来的研究热点。其中大气加权平均温度（Tm）是GNSS水汽反演过程中将天顶湿延迟（ZWD）转换成大气可降水量（PWV）的关键参数。本文针对已有大气加权平均温度模型建模时未同时考虑高程、纬度和季节性变化等因素的不足,联合欧洲中期天气预报中心（ECMWF）提供的最新ERA5大气再分析资料,开展了顾及时空因素的高精度、高时空分辨率全球大气加权平均温度模型构建研究。本文的主要研究内容和工作如下:1.提出了以探空站等用户所在高度为积分起算高度的积分方法,并以2017年全球545个无线电探空站Tm数据为参考值,对MERRA-2和ERA5大气再分析资料积分计算的Tm进行了精度评估。结果表明:MERRA-2和ERA5再分析资料计算Tm的年均bias分别为-0.10 K和0.13 K,年均均方根误差（RMSE）分别为1.23 K和1.09 K,由此说明ERA5再分析资料积分计算Tm的精度略高于MERRA-2再分析资料,可作为全球T模型构建的数据源。2.在分析全球范围的Tm垂直递减率时空变化特性的基础上,引入滑动窗口算法构建了全球多维Tm垂直递减率模型（NGGTm-H模型）。同时,联合2017年全球378个无线电探空站Tm数据和未参与建模的ERA5再分析资料积分计算的格网Tm数据对NGGTm-H模型在垂直插值和空间插值中的应用进行精度检验和分析。结果表明:三种分辨率的NGGTm-H模型在全球范围的垂直插值和空间插值中均表现出较高的精度和稳定性,尤其在中低纬度地区和海洋区域,其具有更为明显的精度改善。3.在构建Tm垂直递减率模型的基础上,探索Tm的日变化特性以及其与高程和纬度之间的关系,最终构建了顾及时空因素的高精度全球Tm模型（NGGTm模型）。同时,联合2017年全球ERA5地表格网Tm数据和378个无线电探空站Tm数据来检验NGGTm模型的精度,并且与Bevis和GPT3模型进行比较分析。结果表明:（1）以ERA5地表格网Tm数据为参考值,NGGTm模型的平均RMSE仅为2.84 K,相比于Bevis、GPT3-5和GPT3-1模型分别提升了 0.50K、0.18 K和0.06 K;（2）以无线电探空站Tm数据为参考值,NGGTm模型的平均bias和RMSE分别为0.10 K和3.30 K,相比于其他模型其具有更优的精度和稳定性。因此NGGTm模型可应用于高精度实时GNSS水汽监测。