本書以機器學習算法為核心，聚焦北斗衛(wèi)星導航系統(tǒng)中的全球高精度對流層延遲建模與水汽反演技術創(chuàng)新，突破傳統(tǒng)氣象學與空間環(huán)境研究的范式局限，為近地空間環(huán)境學、高精度定位及GNSS氣象學領域提供系統(tǒng)性解決方案。本書建立了對流層延遲信號分解-機器學習聯(lián)合分析框架,揭示了氣象擾動與模態(tài)分量的量化關聯(lián)，推動了近地空間環(huán)境學理論創(chuàng)新。本書成果直接服務于北斗高精度定位(亞米級修正)、災害性天氣預警(暴雨/臺風監(jiān)測)及氣候模型優(yōu)化，賦能智慧城市、防災減災與氣候變化研究；形成“信號解耦-算法融合-跨域驗證”的技術范式，為GNSS氣象學與人工智能交叉研究提供可復用的方法論工具鏈。