水汽是地球水圈的重要组成部分,其含量、分布变化是极端灾害性天气形成及其演变过程中的重要因子,精确测量水汽及其分布变化是天气预报和气候研究中的基本问题之一。全球卫星导航系统（Global Navigation Satellite System,GNSS）技术由于其较高的高时空分辨率和较低的成本,近年来已经成为了获取高时空分辨率水汽的重要手段。加权平均温度（Weighted Mean Temperature,Tm）是用于计算由天顶湿延迟（zenith wet delay,ZWD）转化为大气可降水量（precipitable water vapor,PWV）的转换因子,是GNSS反演可降水量的重要参数。很多研究表明Tm与地表气温Ts（Surface Temperature,Tm）具有明显的线性相关关系,建立了全球或者区域范围的Tm-Ts转换模型,并被广泛应用于GNSS PWV的反演,一些研究指出Tm还与气压,水汽压相关,但是这些气象参数的加入对于Tm转换的影响非常小,并且存在数据不易获取的问题,因此在近实时的PWV反演中并未广泛应用。本文主要研究内容如下:（1）本文使用2011-2019年中国地区的无线电探空站数据分析了Tm-Ts模型的时空分布特性,并基于时空分布特征获取了中国区域基于单站的分段线性Tm-Ts转换模型,经统计有86个探空站Tm精度提升10%以上,52个探空站Tm精度提升20%以上,使用该模型与2011-2019年国家现代测绘基准工程及中国大陆构造环境监测网络GPS台站ZTD数据与站点实测温度与气压气象实测数据获取PWV序列,相对于Bevis模型,PWV反演精度有一定提升。（2）对于少数站点在一些时段缺失实测气象参数的情况,本文使用欧洲中尺度天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）最新发布的数据集,采用插值的方法获取测站的温度和气压,经过与实测数据对比验证,使用该数据集插值获取的温度和气压精度能够满足高精度可降水量反演的要求。（3）利用高精度PWV序列,获取了中国地区GPS站PWV的年均值,日均值以及长期趋势及其变化特征,发现中国中东部和华南地区平均PWV较高,西北、东北和华北地区平均PWV较低,中国大部分地区PWV呈上升趋势,华北部分地区PWV呈下降趋势。提取了分布在受台风影响地区的GPS站PWV序列,对两次台风行进路径进行了模拟,根据各个测站的位置以及各个测站PWV到达峰值的时间,可以推算出台风的行进方向以及方向的变化。