水汽是水循环中最活跃的因子,在大气能量的传输中起着至关重要的作用。水汽相位的变化与降水事件的发生密切相关。大气中的水汽含量是灾害性天气形成和演变的物质基础,是进行暴雨天气实时监测和准确预报所依据的主要参数。因此,对大气水汽的实时监测与准确预报具有重要意义。基于全球导航卫星系统的大气水汽探测具有高精度、全天候、低成本、高时空分辨率等优点,可克服传统大气水汽探测手段的不足。对流层天顶湿延迟和大气水汽转换系数是地基GNSS反演PWV的两个重要参量。当前,基于GNSS技术的ZWD解求主要有相对定位和精密单点定位两种模式。为有效削弱对流层延迟空间相关性的影响,相对定位模式需额外引入远距离的基准站观测数据参与解算,从而增加了地基GNSS反演PWV的数据处理复杂度。精密单点定位具有作业灵活、模型简单、定位精度高等优点,且无需引入基准站也可获得高精度的ZWD估值,在GNSS/PWV的反演方面更具优势。然而,受测量误差、卫星数目及空间构型等因素的影响,基于单系统的PPP为获得高精度的ZWD估值,往往需要较长的初始化时间,这势必影响GNSS反演PWV的效率。当采用GNSS技术获得ZWD估值后,大气水汽转换系数成为GNSS反演PWV的唯一参量。大气加权平均温度作为大气水汽转换系数计算式中的唯一变量,直接决定着大气水汽转换系数的解求精度。为方便大气加权平均温度的获取,学者们先后建立了大量的全球性和区域性大气加权平均温度模型。受气象资料空间差异性的影响,T_m具有较强的地理相关性,导致基于非本地化气象资料所构建的T_m模型的适宜性较差。基于此,结合当前GNSS多模多频的发展格局,为改善PWV的反演精度和效率,本文主要围绕以下问题进行了相关的分析和研究:(1)较为系统地介绍了PPP的数学模型、PPP中常用的线性组合观测值、PPP的误差源及其影响特性,并分析了各误差源的处理策略。(2)阐述了地基GNSS反演PWV和利用探空资料计算大气可降水量的原理,给出了几种大气加权平均温度的计算方法及PWV和T_m的精度评价指标。(3)针对贵州山地气候的特点,建立了适合于贵州地区的局地大气加权平均温度模型,并以无线电探空资料计算所得大气加权平均温度和PWV(RS/PWV)为参考,分析讨论了贵州局地大气加权平均温度模型的精度。(4)针对单系统PPP解求ZTD收敛时间较长的问题,提出采用多系统组合PPP解求ZTD的GNSS/PWV反演的方法,并通过设置不同的卫星系统组合方案对ZTD的解求效率和PWV的反演精度进行了验证。实验结果表明,相较于GPS单系统PPP、GPS/BDS(GC)和GPS/GLONASS(GR)双系统组合PPP,GPS/BDS/GLONASS/GALILEO(GCRE)多系统组合PPP的ZTD收敛速度及精度均得以显著提升;GC和GR组合PPP的PWV反演精度优于GPS单位系统PPP;GCRE组合PPP在双系统组合的基础上进一步提高了PWV的反演精度。(5)根据GNSS/PWV时间序列的分布特征,采用BP神经网络、RBF神经网络、小波神经网络和支持向量回归机模型分别对降水事件发生前和降水事件发生时的GNSS/PWV时间序列进行了预测。实验结果表明,在降水事件发生前且GNSS/PWV时间序列呈连续上升趋势时,RBF神经网络模型的预测精度最高,支持向量回归机模型的预测精度最低;在降水事件发生且GNSS/PWV时间序列起伏较大时,RBF神经网络模型和小波神经网络模型预测精度相当,支持向量回归机模型的预测精度高于BP神经网络模型。