大气水汽含量是地球大气的重要组成部分,其在全球水汽循环、大气辐射、能量平衡、灾害天气形成以及气候变化中扮演着重要角色。因此,首先需要获取高精度和高时空分辨率的水汽信息。传统的大气水汽观测技术存在时空分辨率低下,观测设备昂贵等不足。近年来,由于GPS技术的飞速发展,GPS的测量精度可以大大满足社会发展的需要。地基GPS已经成为快速、高效、精确获取PWV的重要手段之一,而且密集的GPS测站为研究GPS水汽提供了大量的数据支持。在利用GPS获取PWV的过程中,需要精确的测站气压P_s、地面温度T_s和大气加权平均温度T_m信息,对于没有配备气象传感器的GPS测站而言,如何精准获取这两种气象参数是GPS水汽研究的关键问题。首先,本文利用ECMWF中空间分辨率为0.25°×0.25°和时间分辨率为6h的ERA-Interim分层再分析数据内插出日本区域GPS测站的地面气压和温度。将插值结果与GPS测站并址的无线电探空站数据进行比较,发现内插P_s和T_s的绝大多数偏差分别小于1hpa和3K,表明通过内插的P_s和T_s获取GPS-PWV是可行的。其次,加权平均温度模型对提高GPS水汽估算的精度至关重要,本文利用2014年-2018年的ERA-Interim再分析数据建立了适用于日本区域的加权平均温度模型。本文研究了T_m和GPS测站地面温度T_s的关系,建立了适用于日本区域的线性加权平均温度模型—JTm线性模型,其精度比Bevis模型提高了约16%。分析了JTm线性模型的残差,发现其残差时间序列存在季节性变化,因此对JTm模型进行季节性改正,建立了顾及季节性变化影响的新模型—JTm-I模型,其精度比Bevis模型和JTm线性模型提高了约37%和25%。将Bevis模型、JTm线性模型和JTm-I模型与无线电探空站积分Tm进行比较,发现JTm-I模型的绝大多数偏差均小于2K,明显优于Bevis模型(5K)和JTm线性模型(4k)。然后,利用内插的气象数据和JTm-I模型数据来获取GPS-PWV,并将GPS-PWV与并址的无线电探空站的RS-PWV进行比较,绝大多数偏差均小于2mm,符合精度要求。最后,利用ERA-Interim再分析数据内插的GPS测站气象数据和JTm-I模型值,并结合天顶总延迟数据估算2014-2018年日本区域的水汽含量,研究日本水汽的时间分布特征。结果表明:从日本西南部到东北部的年平均PWV含量较为丰富且差异不大,海拔越高,年平均PWV含量越低。PWV含量夏季最多,某些测站可以达到47.04mm,冬季最少,只有1.92mm,且春-夏变化率最大,约为32%-42%,冬-春最小,约为18%-23%。PWV的日变化不明显,且日含量最大值在UTC 6h左右。同时,利用无线电探空数据估算2014-2018年日本区域的分层水汽含量,来分析日本水汽的空间分布特征。结果表明:日本区域PWV的截止高度在12km左右处。PWV的空间分布受时间尺度和地势的影响,PWV空间分布的含量在夏季(120mm/km)比冬季(50mm/km)丰富,而且相邻两天PWV的空间分布差异很大,最大可以达到近60mm/km。地势起伏越大,PWV的空间分布变化速率越大。同时,随着纬度的增加,PWV空间分布的含量越少。