新的月表主要氧化物和Mg#数值地图
Posted on摘要：月表元素分布是月球地质研究的重要素材。利用表面就位探测数据和采样返回样品化学成分结合遥感探测数据计算全月元素分布是一种重要的手段。中国地质大学（武汉）和武汉大学的研究团队利用我国嫦娥五号返回月球样品的化学成分和嫦娥三号就位探测的月壤成分，以及前期月球样品的化学成分，利用一维卷积神经网络算法（1D-CNN）重新处理了月球轨道多光谱数据（MI），制作了五种主要氧化物（Al2O3、CaO、FeO、MgO和TiO2）和Mg#新的数值地图。这些地图有望对后续月球地质研究和探测提供一些新的启示。 主要内容：月球表面主要氧化物及Mg#(Mg/(Mg+Fe)摩尔百分比)值对于揭示月球的岩石学特征至关重要，这些岩石学特征记录了月球的起源及地质演化历程。另外，典型相关元素丰度（铁和钛）的研究也对月球资源开发、基地建设有着重要意义。铁、钛等元素在紫外（UV）和可见近红外（VNIR）波段具有吸收特征，主要氧化物含量可通过光学遥感数据反演（Lucey, 1995）；同时，国内外月球探测任务获取了大量月表氧化物“地面真值”数据（图1）。光学遥感数据和月表氧化物“地面真值”数据的结合，为月表全球氧化物的反演提供了契机。 图1 月球探测任务采样点主要氧化物含量“地面真值”位置（注：CE-3为月球车分析数据） 数据上，我们选用空间分辨率更高（约59米/像元）、受地形阴影干扰小的MI数据(Ohtake等，2013)；方法上，我们采用一维卷积神经网络（1D-CNN）来构建数学模型，来描述主要氧化物含量“地面真值”与遥感数据采样点位置反射率值之间的关系。1D-CNN模型网络结构如图2所示，网络的输入数据对应MI多光谱数据的8个波段的光谱反射率值。卷积层用于提取特征向量。为了避免过度拟合问题，特征向量大小通过池化层压缩。之后，通过全连接层将特征图转换为一维特征向量。最后，通过线性激活函数将提取的特征转换为相应的样品化学成分数据（即氧化物含量的预测值）。 图2 基于1D-CNN的月表主要氧化物反演模型 利用前文训练好的1D-CNN网络模型，将月表8个波段的MI数据作为输入数据，获得月表主要氧化物（Al2O3、CaO、FeO、MgO和TiO2）含量以及Mg#的全球分布图（图3所示）。 图3月表 […]