水汽作为地球大气中重要的组成气体,其不仅是天空中的云和地面上的雨形成的重要的物质基础,也是地球气候变化以及洪水灾害等问题发生的重点监测对象之一,因此探测大气中的水汽含量和变化状况相当重要。然而,由于水汽序列复杂多变的时间和空间变化情况,精确的探测大气水汽含量、预报降雨量是许多研究人员一直以来的研究课题之一。中国领土辽阔广大,地形起伏大、地势西高东低,地貌多样,气候类型丰富多样,因此反演中国地区上空的可降水汽具有十分重要的科学价值和实用意义。鉴于地基GNSS(Global Navigation Satellite System)反演水汽技术与其他水汽观测手段相比,其具有高精度、可全天不间段观测等优势,因此本文在详细分析说明GNSS反演大气可降水汽理论和方法的基础上,主要针对当前部分GNSS测站缺少气象观测数据或气象资料这一问题和当前部分对流层模型UNB3m、GPT2和GPT2w模型,可利用它们根据测站位置和日期计算出部分测站经验气象数据的优势,在分析这些气象数据误差大小的基础上提出利用这些气象数据反演大气可降水汽PWV(Precipitable Water Vapor,PWV)。因此,本文主要的研究内容和结论如下:1.详细地阐述了当前常用的无需实测气象参数的对流层模型GPT系列模型和UNB系列模型中的UNB3m模型,然后在此基础上对GPT系列模型中的GPT2模型和GPT2w模型和UNB3m模型计算出的部分均匀分布于中国区域的49个无线电探空站的两类气象参数:测站气压和测站温度进行误差分析,发现GPT2模型和GPT2w模型的精度更高。2.利用分布在中国区域的89个无线电探空提供的气象数据作为参考,求取常用的经典的大气加权平均温度Bevis公式在中国地区的误差,并且分别在时间和空间上详细地分析了该公式的偏差、标准差和均方根差的分布特征后,提出了Bevis的改进模型,并且验证了该模型的精度在不同的区域有较大的提高,同时发现水汽加权平均温度虽然受海拔及影响较大,但是也受到测站的经度和纬度的不同程度的影响。3.选取GPT2w模型中的1*×1*分辨率精度的模型计算出气象参数后,并求出ZWD和K值后,计算出PWV与RS/PWV进行对比,验证了对于部分没有实时观测的气象数据并且对反演水汽的精度要求不高的GNSS气象监测网络来说,可以考虑使用GPT2w的气象数据。