Dada la creciente influencia de las lluvias extremas y las inundaciones en la vida humana, estudiar y predecir los cambios en el vapor de agua atmosférico (AWV) se vuelve particularmente importante. Este documento analiza los datos del espectrorradiómetro de imagen de resolución moderada (MODIS) de la región de Asia Oriental desde enero de 2003 hasta febrero de 2023. Los datos de AWV se examinan en el dominio del tiempo y de la frecuencia utilizando métodos como la función ortogonal empírica (EOF), el análisis de Mann-Kendall (MK) y otros. Además, se aplican cuatro modelos de predicción para pronosticar los datos promedio mensuales de AWV para el próximo año. La precisión de estos modelos se evalúa utilizando métricas como el error cuadrático medio, el error absoluto medio, el error cuadrático medio de raíz y el coeficiente de determinación. Los hallazgos revelan varias conclusiones clave: (1) La región de Asia Oriental presenta una variabilidad estacional altamente variable en AWV, con puntos de mutación identificados después de la prueba MK. (2) El análisis espacial muestra altos datos de AWV en las áreas costeras del sur de China, Tailandia, Birmania, las Islas Nansha y otras regiones durante el invierno, mientras que la región de la meseta Qinghai-Tíbet experimenta bajos niveles de AWV durante el verano. (3) El primer modo obtenido a través de la descomposición EOF contribuye con más del 60% de la varianza. El análisis de este modo revela una tendencia creciente en los datos de AWV para regiones como la península india, Mongolia y el centro y noreste de China durante los últimos nueve años. Por el contrario, la Bahía de Bengala, las Islas Spratly, la costa oriental y ciertas áreas muestran una tendencia decreciente. (4) Empleando la descomposición de modo empírico en conjunto (EEMD), el estudio identifica los datos de AWV como una serie no estacionaria con una tendencia general decreciente de 2003 a 2022. La serie de AWV filtrada se somete a una transformada rápida de Fourier (FFT), descubriendo periodicidades de 2.6 años, 5 años y 19 años. (5) Entre los cuatro modelos de pronóstico comparados, el modelo de promedio móvil integrado autorregresivo estacional (SARIMA) demuestra un rendimiento superior con el más pequeño de 0.00782, de 0.06977, de 0.08843 y el valor más grande de 0.98454. Estos resultados indican claramente que el modelo SARIMA proporciona el mejor ajuste. Por lo tanto, el modelo de pronóstico SARIMA puede ser utilizado de manera efectiva para pronosticar datos de AWV, ofreciendo valiosas perspectivas para el estudio de la variabilidad climática.