地基微波辐射计的出现,不仅能够弥补普通常规大气探测资料的不足,克服常规大气探测在应用中存在的某些局限性,而且还能够获得在研究大气结构等方面新颖有价值的气象资料,是大气探测的重要手段之一。本文主要包括以下几点研究内容：1.利用微波辐射计观测数据,使用多元线性统计回归方法和BP神经网络方法分别对大气温度和水汽密度廓线进行了反演。统计回归方法仍为反演的主要和有效的技术之一它能从先验数据中提取尽可能多的信息量,考虑到与地面测量值得相关性,在线性回归方程中添加了对应的地面观测量,来提高反演大气温湿廓线的精度。神经网络算法在处理非线性问题方面具有强大的优势,理论上可以逼近任意复杂的非线性关系,不需要专门设计特别复杂的反演算法,并且不依赖于物理正向模型,因而可以省去许多直接分析物理模型的麻烦。2.检验并分析了两种方法的反演精度。对于大气温度廓线反演,多元线性统计回归方法在高度6.5km以下,平均绝对误差和标准偏差都小于4K,偏差随高度增加而增加,总体偏差都小于6K；BP神经网络方法在高度8.5km以下,平均绝对误差和标准偏差都小于1K,偏差整体随高度增加而增加,总体偏差都小于2K。对于水汽密度,多元线性统计回归方法的平均绝对误差和标准偏差随着高度的增高而增大,到了1.5km左右之后达到了最大,到了4.5km左右又开始降低,整体偏差都在4g/m3之内；BP神经网络方法的平均绝对误差和标准偏差随高度的变化趋势和多元线性统计回归方法一样,但是整体偏差在2g/m3之内。总体而言,对于反演大气廓线,神经网络方法要比多元线性统计回归方法的误差小,反演结果更接近探空的值。3.还对液态水路径和可降水量进行了反演,将反演结果与微脉冲激光雷达观测结果结合分析,说明了降雨、云层的厚度、云层的高度和液态水路径、可降水量之间的对应关系。主要是降雨和云层的厚度对液态水路径和可降水量的影响比较大。从这两个参数随时间的变化来看,利用微波遥感不但能遥感大气中汽态水和液态水的含量,还可以连续地监测到天气、云雨变化的过程,以及大气中水汽的涨落和云中液态水含量的变化,在短时天气预报应用中能发挥作用。研究主要在如下方面进行了创新：由于常规探空资料不包含亮温度值,因此本文需要先模拟出三年历史探空的亮温度值。阳江地区地处海边,云量丰富,云水的估算便成了重要而艰难的一项工作,本文参考了多种文献的估算方法以及对西太平洋热带海域云量和云型的统计,在模型中添加适合当地的云中液态水含量,而不区分晴天样本和云天样本。