洪水被认为是世界范围内最频繁和最具毁灭性的自然灾害之一。要提高洪水预报的精度，就必须借助于短期降雨预报和先进的科技手段，需要从各个角度去探索准确预报的新方法。GPS水汽反演和降雨预报研究是当前气象遥感应用的一个前沿探索领域，本论文依托于中意科技合作项目“洪水风险规划、监测和实时预报的集成系统”，主要成果体现在以下方面： (1) 提出了一个合理的GPS水汽监测网设计方案 根据GPS卫星信号传播原理和水汽垂直分布规律以及流域天气的地方性特征，确定了不同高度截角下一个GPS站所能测定大气水汽含量的有效范围，得出了滨江流域只需要3～4个GPS接收机就足以反映流域水汽变化的结论。在实地考察的基础上，借鉴上海地区GPS综合应用网和意大利Umbria流域GPS网络的建设经验，提出了滨江流域水汽监测网的设计方案。 (2) 模型订正与比较 在GPS水汽反演过程中，一般干延迟和大气加权平均温度的计算是采用“普适性”模型，目前应用较多的有Saastamoinen(sA)模型、Hopfield(H)模型和Bevis模型。然而在实际大气中，大气温湿廓线千变万化，在我国GPS水汽反演中如采用这些普适模型不一定能获得最优效果。本研究利用实际探空资料建立了大气干延迟和大气加权平均温度的局地订正模型，并对实际水汽计算模型进行了比较，得到了满意的结果。 (3) GPS水汽反演优化策略分析 利用GPS观测数据，使用多种数据处理方案，进行GPS水汽反演优化策略分析，初步解决了进行GPS水汽反演中引入IGS站的最佳个数、单站解算和联合解算的关系、网络布局、截止高度角、天顶延迟参数、时段长度、节点位置等选择问题。 (4) 建立了基于遗传算法的降雨预报神经网络模型 利用滨江流域的雨量站和周围探空站的观测资料，首次将遗传算法(GA)应用于流域面降雨量预报研究。采用最优子集回归方法进行预报因子的确定，其次从样本选择、网络结构、转移函数、训练算法选取等方面入手寻找一个优化的BP网络，然后将BP算法和遗传算法结合起来，建立了流域面降雨量预报的神经网络模型。比较结果表明GA-BP网络模型无论在拟合精度还是在预报精度上都高于其它统计方法。因此可以说，GA-BP网络是一种精度较高的降雨预报模型。 (5) 卫星云图参数化及在降雨预测中的应用 红外卫星云图参数化估计值，与局地降雨过程的发生、发展具有较为密切的关系。相关较密切的参数有平均亮温、亮温方差、等效云量、亮温面积指数(1级、5级、6级)。在不同分析视场下，云图参数与降雨的相关系数和预测模型方程的系数没有明显的差异。对预测方程检验的结果表明：利用红外资料估算未来6h的降雨量其总体样本的平均正确率为80％以上，但是在分级样本上差别很大，这对小区域短时降雨预报具有很好的参考价值。分月模型在估算结果中的改进并不明显，这可能与样本不足有关。