大气温度、水汽密度和液态水总量等物理参数及其分布对分析气候变化等具有极其重大的意义。地基微波辐射计在进行大气温湿廓线、液态水总量的勘测时,时间上有极高的分辨率,操作简单方便,在数月内无人看守仍可连续工作并有很好的探测精度,现已广泛应用于大气剖面、液态水、降雨遥感测量等方面[1-2]。神经网络算法因为其强大的非线性映射能力和并行处理能力,使其在地基辐射计大气剖面参数的反演中得到了相当广泛的应用[3]。本论文重点研究了神经网络算法BP(Error Back Propagation)用于地基微波辐射计的温度廓线、水汽密度廓线和云中液态水总量反演,并用python语言编程来实现、验证。具体地分析了地基辐射计大气微波传输理论、大气参量反演的基本原理以及BP神经网络算法及其改进算法,采用python语言实现和验证了动量BP算法和LMBP算法,然后将神经网络算法和线性回归算法应用到地基辐射计的大气参量反演中,进行性能分析比较:首先采用晴天条件下的数据进行温湿廓线的反演并进行比较,对比结果表明神经网络在温湿廓线反演中处理非线性能力较强,比线性回归方法反演大气参数的精度更高,神经网络更适合于地基辐射计的温湿廓线的反演。其次,在进行云中液态水总量的反演时,先对天气进行分类处理,然后采用云天情况下的数据进行反演,两种方法结果表明,神经网络反演液态水总量误差较小。在此基础上,本论文分析了进一步提高神经网络反演大气参数精度的方法:引入其他信息参量。具体分析了地表参量、云的信息对大气温度、湿度、液态水含量反演精度的影响。反演结果表明,将地表参量考虑进去后可以相对提高温湿廓线以及液态水总量的反演精度,而云信息,在有云条件下尤其对湿度廓线和液态水总量的反演精度更是有一个相对较大的提高。分季节反演了温湿廓线,考查了季节对参数反演精度的影响与规律。但在分季节反演温湿廓线中数据量较少,可作为参考。最后把温湿廓线反演结果与武汉地区某RPG地基微波辐射计实际输出结果进行了对比并分析了两者差别原因。