水汽是大气环境的重要组成成分,也是衡量极端天气与降雨事件的关键指标。为了能实现对极端天气和降雨事件的监测和预警,需要获取高精度、高时空分辨率的水汽信息。地基GNSS水汽反演作为一个新的观测手段是GNSS气象学中重要的研究内容之一,利用地基GNSS技术探测大气可降水量(Precipitable Water Vapor,PWV)可以弥补常规探测手段的缺陷,具有实时、连续、稳定、高精度、高时空分辨率等优点。本文以地基GNSS反演大气可降水量为研究重点,针对反演过程中的关键参数进行研究分析,并且对无气象参数对流层延迟模型进行相应的分析,主要研究内容如下:(1)以香港连续运行参考站网为实验区域进行区域天顶对流层延迟解算优化方案研究。通过分析区域天顶对流层延迟解算的影响因素(解算方法与星历类型、网外辅助站的数量与网型、高度角),较为科学的提出了一套解算优化方案,为今后的学者提供参考。(2)基于GPT2/2w模型,结合Saastamoinen模型(分别用GPT2S、GPT2w-1S、GPT2w-5S表示)估计亚洲地区2007-2017年10年的ZTD并分析其精度与时空分布。利用BP神经网络对GPT2w-1S模型进行了优化改进,取得了较好效果,系统偏差削弱63%。(3)全面的介绍了各种加权平均温度解算模型,并以香港探空站为实验测站,以探空数据所得加权平均温度为参考值,对各模型的精度进行比较分析。在基于地面气象参数方面,对采用单因素、双因素、三因素模型进行精度分析,并且在双因素模型的基础上提出了一种基于季节的双因素模型,该模型在夏季精度提升显著,系统偏差削弱52%。在无气象参数模型方面,介绍了GPT2w模型并利用BP神经网络对模型进行了优化改进,系统偏差削弱75%。(4)利用MATLAB建立了PWV自动解算软件,有较好的解算精度。利用PWV自动解算软件对PWV解算过程中的关键参数进行了相关性分析。最后利用香港地区2019年的四次降雨事件对PWV与降雨的相关性进行分析,分析可得降雨前PWV会达到较高水平且降雨一般会发生在PWV的积累阶段和下降阶段。该论文有图57幅,表18个,参考文献99篇。