本发明提供了一种基于物理模型和神经网络融合的陆地水汽反演方法，其涉及水汽反演预测技术领域，包括：获取空基遥感观测数据以及地基GNSS水汽观测数据；基于线性插值方法，在全球范围内对两类数据进行时空匹配，获得匹配数据；基于预先构建的线性化物理模型以及获得的匹配数据中的线性参数，获得水汽值；基于预先训练的神经网络模型，以获得的水汽值及匹配数据中的相关非线性参数作为输入层，输出大气可降水量的反演结果。所述方案结合物理模型处理线性化参数以及神经网络处理非线性参数优势，有效提高了大气可降水量反演的准确性。