Para abordar el desafío de la modelización de radiómetros de microondas en regiones que carecen de datos de radiosondas, este estudio propone un método de recuperación basado en redes neuronales utilizando datos de reanálisis de alta resolución del Final Reanalysis (FNL) y valida su viabilidad. Se desarrolló un modelo de recuperación de perfiles de temperatura de brillo de radiómetros de microondas mediante una red neuronal de retropropagación (BP), basado en datos de reanálisis de FNL de Qingdao, China. La precisión del modelo se evaluó comparando los resultados de recuperación con datos de radiosondas sincrónicos, con un análisis de las variaciones estacionales. Los resultados indican que el error cuadrático medio (RMSE) de los perfiles de temperatura es de 1.15 grados C en la capa cercana a la superficie (0-2 km) y de 2.05 grados C en las capas medias y superiores (>2 km). El RMSE integral para la humedad relativa, la densidad de vapor de agua y el vapor de agua integrado (IWV) son 17.27%, 0.96 g/m y 1.37 mm, respectivamente. En general, los errores son relativamente pequeños y los resultados de recuperación exhiben una fuerte consistencia espaciotemporal con los datos de radiosondas. El error aumenta más rápidamente dentro de la atmósfera inferior.