微波辐射数据读取与处理

微波辐射数据读取与处理

1、 实验目的
了解微波辐射计数据读取、处理、显示操作步骤；
了解微波辐射计数据在辐射亮度温度提取等方面的应用；
读取不同波段不同极化通道的数据，并加以比较分析；
2、 实验数据
The Advanced Microwave Scanning Radiometer for EOS (AMSR-E)是ADEOS-II 上的AMSR的改进版本， 是JAXA 为Aqua卫星提供的设备。AMSR-E致力于气候与水文的观测。AMSR-E是一种多频双偏振微波辐射计，它可以探测到地球表面和大气中微弱的微波辐射。可以探测到各种地球物理参数，包括水蒸气、云液态水、降水、海面温度、海面风速、海冰浓度、雪水量当量和土壤湿度。利用迄今为止最大的微波辐射计天线之一，以精细的空间分辨率进行全局连续观测。长期地球物理记录将在气候变化监测方面发挥重要作用，并将为了解包括水和能源循环在内的地球气候系统提供宝贵的资料。近实时产品将用于研究将卫星数据同化到天气预报模型中，并有助于提高预报精度。
搭载在美国EOS-PM(Aqua)卫星上的日本高级微波扫描辐射计AMSR-E获取的地表亮温数据，有6波段11通道。
AMSR_E_L2A_BrightnessTemperatures_V12_201110040017_D.hdf
频率及极化方式
DATAFIELD_NAME=‘6.9V_Res.1_TB’;
DATAFIELD_NAME=‘10.7V_Res.1_TB’;
DATAFIELD_NAME=‘18.7V_Res.1_TB’;
DATAFIELD_NAME=‘23.8V_Res.1_TB’;
DATAFIELD_NAME=‘36.5V_Res.1_TB’;
DATAFIELD_NAME=‘89.0V_Res.1_TB’;
幅宽分辨率
SWATH_NAME=‘Low_Res_Swath’;
SWATH_NAME=‘High_Res_A_Swath’;
SWATH_NAME=‘High_Res_A_Swath’;
3、 成果与结论
AMSR-E获取的不同轨道的地表亮温：

AMSR-E获取的全部轨道的不同频率及极化方式的地表亮温：

通过上述不同频率及极化方式的地表亮温数据对比，可以看出，不同频率反演得到的亮温数据在陆地区域和海洋区域均有所不同，随着频率的不断上升，陆地地表和海洋区域的温度差异在不断减小，到89V的频率，海洋区域的亮温温度和陆地地表亮温温度差异就小很多了，这个情况也更加符合现状。
同时，可以根据MODIS的地表亮温数据产品对AMSR-E的精度做一些分析，MODIS具有36个波段，可以被用来反演海洋表面温度、陆地表面温度以及大气性质。MODIS传感器具有高分辨率，在晴朗的天气条件下，地表温度反演算法精度比较高。
通过毛克彪《针对被动微波数据AMSR-E的地表温度反演研究》一书找到如下表格：
(GHz) 像元数 关系方程 地表温度误差(C) 相关系数平方
6.9V 20799 LST=49.013+0.8529T6.9V 5.71 0.704
10.7V 20799 LST=63.677+0.8047T10.7V 5.34 0.734
18.7V 20799 LST=76.399+0.7591T18.7V 4.61 0.805
23.8V 20799 LST=83.633+0.7335T23.8V 4.04 0.847

36.5V 20799 LST=96.7131+0.694T36.5V 4.17 0.832
89V 20799 LST=121.63+0.5971T89V 3.7 0.876

表1 MODIS温度产品和 AMSR-E亮温的关系
从表格可以看出，频率越高，其地表温度误差也就越小，相关系数平方也越大，所以在数据的使用方面，普遍使用89V的亮温数据。当然，这并不是说明其他频率的亮温数据没有用，根据McFarland对被动微波数据的SSM/I反演地表温度的研究：对于有水存在的陆地表面，水的影响必须校正。水的高介电常数降低了19GHz的发射率，而且由于水面的辐射是高极化的，所以陆表水的效应造成亮温减小和极化差异增加。37和19GHz两通道亮温差异可以用来订正这一影响，同时水汽对37GHz也有较大的影响，所以可用37和22GHz垂直极化的差异来订正大气水汽的辐射影响。

4、代码
clc,clear,close all;
%% 文件读取
addpath(genpath(‘I:\专业课程\微波遥感\实验二’));

%% 批量读取
FILE_NAME=dir(fullfile(’.hdf’));
DATAFIELD_NAME={‘6.9V_Res.1_TB’,‘10.7V_Res.1_TB’,‘18.7V_Res.1_TB’,‘23.8V_Res.1_TB’,‘36.5V_Res.1_TB’,‘89.0V_Res.1_TB’};
SWATH_NAME={‘Low_Res_Swath’,‘High_Res_A_Swath’,‘High_Res_A_Swath’};
%% 读取单个数据
%% 读取所有数据
import matlab.io.hdfeos.
import matlab.io.hdf4.*
% 循环读取
for i=1:size(FILE_NAME,1)
data=AMSR_E_read_new(FILE_NAME(i).name, DATAFIELD_NAME{1}, SWATH_NAME{1});
end
%% 读取所有数据
import matlab.io.hdfeos.*
import matlab.io.hdf4.*
% 循环读取
for j=1:size(DATAFIELD_NAME,2)
data=[];lon=[];lat=[];
for i=1:size(FILE_NAME,1)
[alldata,alllon,alllat]=AMSR_E_read_new_2(FILE_NAME(i).name, DATAFIELD_NAME{j}, SWATH_NAME{1});
data=[data,alldata];
lon=[lon,alllon];
lat=[lat,alllat];
end
%% Set the limits for the plot.
latlim=[floor(min(min(lat))),ceil(max(max(lat)))];
lonlim=[floor(min(min(lon))),ceil(max(max(lon)))];
min_data=floor(min(min(data)));
max_data=ceil(max(max(data)));

f = figure('visible', 'on');

% Create the plot.
axesm('MapProjection','eqdcylin',...
    'MapLatLimit',latlim, 'MapLonLimit',lonlim, ...
    'Frame','on','Grid','on', ...
    'MeridianLabel','on','ParallelLabel','on','MLabelParallel','south')
coast = load('coast.mat');


surfm(lat, lon, data);
colormap('Jet');
caxis([min_data max_data]);
h = colorbar('YTick', min_data:20:max_data);

plotm(coast.lat,coast.long,'k')

%     title({FILE_NAME(i).name DATAFIELD_NAME{j};'89.0H Res.5B TB (not-resampled)'}, 'Interpreter', 'None', ...
%         'FontSize',12,'FontWeight','bold');
title({ [DATAFIELD_NAME{j}] ,[SWATH_NAME{1}],['89.0H Res.5B TB (not-resampled)']}, 'Interpreter', 'None', ...
    'FontSize',12,'FontWeight','bold');
set (get(h, 'title'), 'string', 'units', 'Interpreter', 'None', ...
    'FontSize',12,'FontWeight','bold');

% The following fixed-size screen size will look better in JPEG if
% your screen is too large.
scrsz = [1 1 800 600];
set(f,'position',scrsz,'PaperPositionMode','auto');
saveas(f,[DATAFIELD_NAME{j},' ', SWATH_NAME{1} '.m.jpg']);

end