极端降水事件的形成与演变高度依赖于边界层及对流层低层水汽快速积累、热力不稳定能量释放以及云微物理过程的协同作用。然而，极端降水往往伴随复杂云和降水结构，传统探空和常规遥感观测在时间连续性、垂直分辨率及复杂天气条件适用性方面存在不足，限制了对极端降水触发前关键环境条件及其快速演变过程的精细刻画。本研究聚焦极端降水事件发生前后大气热力与云水结构的演变特征，基于地基垂直遥感观测资料，构建了一套具有物理一致性约束的卡尔曼滤波一维变分反演框架，综合利用拉曼激光雷达和微波辐射计观测，实现对温度、水汽及云液态/冰态水廓线的高时空分辨率反演。针对对流触发前环境变化快、背景误差表征困难的问题，通过引入卡尔曼滤波思想强化时间连续约束，提高了对边界层水汽快速累积和层结调整过程的刻画能力；同时，通过引入以虚位温为控制变量的热力一致性约束及诊断型云微物理参数化方案，显著增强了反演结果在云和降水条件下的稳定性与物理合理性。基于多站点观测统计分析和典型短历时极端降水个例研究结果表明，该方法能够有效捕捉极端降水发生前低层水汽垂直梯度增强、对流不稳定能量快速积累以及云水含量突增等关键先兆信号。将反演得到的高分辨率热力廓线进一步引入中尺度数值模式，有效改善了短时强降水强度、落区及低层风场结构的表现。研究表明，融合多源地基垂直遥感并引入物理一致性约束，为深化极端降水事件发生机理认识和提升监测预警能力提供了一条具有应用前景的技术路径。