大气温度和湿度是天气预报中重要的气象参数,也是大气精细结构观测的基本参数。目前常用于大气温湿度廓线探测的方法有探空气球、拉曼激光雷达与微波辐射计。探空气球可提供高垂直分辨率的温湿度廓线,但其探测频率有限、时间分辨率低;拉曼激光雷达同样可提供高垂直分辨率的温湿度廊线,但其在底层存在盲区、对云的穿透能力有限、需要通过外部测量进行频繁校准等问题目前仍未得到有效的解决:微波辐射计由于具有较强的穿透云层、雨、雾和抗太阳辐射的能力,能够获得全天时、全天候的10km以下的大气温湿度廓线,但其垂直分辨率较低。因此,为了弥补单一测量的局限性,实现拉曼激光雷达与微波辐射计的的优势互补,本文将探空温湿湿度廓线作为标准,使用拼接法和最优估计法,实现了拉曼激光雷达与微波辐射计温湿度廓线的融合,得到了全天时、全天候、高精度的大气温湿度廓线。本文首先进行了基于拉曼激光雷达的大气温湿度廓线的反演,以及基于BP神经网络法的微波辐射计大气温湿度的反演,对拉曼激光雷达与微波辐射计的大气温湿度廓线进行了误差与统计分析。拉曼激光雷达在有效探测距离内的温度和水汽混合比相较于探空数据成强正相关,相关性均在0.96以上;微波辐射计的温度廓线与探空数据的相关性均在0.95以上,而水汽混合比廓线的相关性在有云天和无云天时分别为0.89和0.96。其次,对拉曼激光雷达与微波辐射计温湿度廓线进行融合。先对质量较高的部分进行线性拼接,拼接后的温湿度廓线有效高度均达到10km,有云天温度和水汽混合比与探空数据的相关性均在0.90以上,无云天相关性在0.96以上。再使用最优估计法优化拼接后的廓线;利用拼接温湿度廓线作为最优估计法的初值、微波辐射计直接测得的亮温作为标准,结合二者的协方差矩阵等构建代价函数,并分别使用Levenberg-Marquardt法和蒙特卡洛法对代价函数优化,最优的代价函数即对应最优的温湿廓线。经过Levenberg-Marquardt法得到的温度与探空数据的相关性为0.9661,误差在2K以内;水汽混合比与探空数据相关性为0.9585,误差在0.4g/kg以内。经过蒙特卡洛法得到的温度廓线的相关性为0.9669,误差在0.3K以内;水汽混合比的相关性为0.9851,误差在0.3g/kg以内。经研究表明拼接法可以对拉曼激光雷达的盲区和未穿透云层的部分进行一定的校正。最优估计法能够有效的优化拼接后的结果。使用Levenberg-Marquardt法对于温湿度廓线的优化要弱于蒙特卡洛法,但优化速度远远要优于蒙特卡洛法。