大气探测是对大气中的各项气象要素进行的观测，其中大气温度剖面信息是天气预报及气候研究方面的重要信息。近年来，微波辐射计以其灵敏度高、实时性强、探测范围广等优势，在大气微波遥感方面得到越来越广泛的应用。因此，本文对微波辐射计的微波传输过程及大气温度廓线的反演方法进行研究与分析。　　首先，以MP3000A型微波辐射计为例，简要介绍了微波辐射计的结构组成和基本测量原理。对介质微波辐射的传输方式与基本原理进行研究，推导得出亮度温度与辐射亮度的关系。通过对辐射在介质中传播方式的分析，得到辐射传递方程，并根据大气介质的特征，给出大气微波辐射的亮度温度。　　其次，根据大气中水汽与氧气分子的吸收特性，我们通过辐射传输原理推导出大气微波辐射模型，利用哈尔滨地区的探空数据进行亮度温度模拟仿真，并与MP3000A型辐射计测量获得的亮度温度数据进行比较，成功验证模拟亮度温度方案的有效性。　　再次，对大气温度廓线反演方法进行总结分析，并选取神经网络算法作为主要研究对象。设计北京上空10km以内的基于神经网络算法的大气温度反演模型（Net-profile），经过训练和测试样本拟合后，与MP3000A型微波辐射计的反演数据进行比较，证明Net-profile网络能够良好得反演大气温度廓线，并在精度上与MP3000A微波辐射计的反演效果基本一致。　　在这基础上，对Net-profile网络模型进行进一步改进，将高度按照一定规律分层，构建基于神经网络的大气温度分层反演模型Net-1~Net10。通过与原反演模型Net-profile比较，证明了分层神经网络更符合大气温度廓线反演规律，反演效果与Net-profile一致，而在训练时间上优于Net-profile及MP3000A微波辐射计。