EN中文

地球信息科学学报 >

2025 , Vol. 27 >Issue 4: 787 - 800

DOI: https://doi.org/10.12082/dqxxkx.2025.240467

专栏：“从地球到深空：遥感地理信息技术拓展与创新”

月球高光谱轨道器数据处理关键技术发展现状及未来挑战

  • 张鹏 ,
  • 刘琬玥 , * ,
  • 刘成保 ,
  • 薄正 ,
  • 牛冉 ,
  • 韩东旭 ,
  • 林茜 ,
  • 张子怡 ,
  • 马铭泽
展开
  • 中国科学院空间应用工程与技术中心，北京 100094
* 刘琬玥（1994— ），女，河北唐山人，博士，助理研究员，主要从事高光谱遥感机理与应用、月球光谱学与物质探测等研究。E-mail:

张 鹏（1981— ），男，北京人，博士，研究员，主要从事月球定量遥感、月球多尺度联合探测、月球资源勘察评估与开发利用等研究。E-mail:

Copy editor: 黄光玉 , 蒋树芳

收稿日期: 2024-08-23

  修回日期: 2024-12-12

  网络出版日期: 2025-03-25

收起

Current Status and Future Challenges of Key Technologies for Processing Lunar Hyperspectral Orbit Data

  • ZHANG Peng ,
  • LIU Wanyue , * ,
  • LIU Chengbao ,
  • BO Zheng ,
  • NIU Ran ,
  • HAN Dongxu ,
  • LIN Qian ,
  • ZHANG Ziyi ,
  • MA Mingze
Expand
  • Technology and Engineer Center for Space Utilization, Chinese Academic of Sciences, Beijing 100094, China
* LIU Wanyue, E-mail:

Received date: 2024-08-23

  Revised date: 2024-12-12

  Online published: 2025-03-25

Fold

摘要

【意义】月球表面物质成分与热环境特征，是进一步认识月球资源分布、环境特征、演化历史的重要科学依据。光谱成像仪具有无损探测物质成分的能力，是月球及深空探测任务中配置的重要科学载荷之一。轨道器探测数据为人类认识月球资源分布、起源演化等提供了重要数据。随着月球探测任务的日益深入和光谱成像技术的不断发展，获取更高空间分辨率、更高光谱分辨率的宽谱段全月数据是月球环绕探测的发展趋势，但也加深了数据处理的难度。【进展】本文首先概述了国内外历次月球探测任务中，光谱成像仪的参数配置及主要研究成果等；然后，针对月球高光谱宽谱段遥感数据预处理、月表参量转换等难题进行了讨论；最后，就如何突破现存的挑战，获取更高精度的月表科学研究成果，提出了可能的技术途径和解决方向。【结论】高光谱数据为月球表面特征的详细研究提供了数据基础，后续将为载人月球探测和月球科学研究提供进一步的支撑。光谱成像技术的发展以及高光谱数据处理方法的提升将进一步增强在月球和行星科学方面的研究能力，推动月球的地质学和资源利用的发展。

关键词： 月球; 高光谱; 遥感; 轨道器; 预处理; 月表参量转换; 矿物填图

本文引用格式

张鹏 , 刘琬玥 , 刘成保 , 薄正 , 牛冉 , 韩东旭 , 林茜 , 张子怡 , 马铭泽 . 月球高光谱轨道器数据处理关键技术发展现状及未来挑战[J]. 地球信息科学学报, 2025 , 27(4) : 787 -800 . DOI: 10.12082/dqxxkx.2025.240467

Abstract

[Significance] The characteristics of the lunar surface, including its mineral compositions, geological formations, environmental factors, and temperature variations, are essential for advancing our understanding of the Moon. These features provide a wealth of scientific data for lunar research, such as resource distribution, environmental characteristics, and evolutionary history. Spectral imagers, which detect mineral compositions in a nondestructive way, play a crucial role in analyzing the mineral compositions of the lunar surface and have become key payloads in scientific exploration missions. With the increasing demand for high-precision lunar exploration data and advancements in spectral imaging technology, there is a growing trend toward acquiring lunar remote sensing data with higher spatial and spectral resolution across a broad spectral range. This trend is shaping the future of lunar orbit exploration, allowing for unprecedented detail in probing the Moon's surface. However, the higher resolution of spatial and spectral data also introduces significant challenges in data processing. [Progress] This paper begins by summarizing existing lunar spectral orbit data, including payload parameters and associated scientific findings. It then explores specific technical challenges in the data processing chain, such as pre-processing and the calculation of lunar surface parameters. Mapping surface compositions through spectral remote sensing is particularly complex due to the mixing of minerals within rocks, which can obscure clear spectral signatures. To address these challenges, various theoretical and empirical approaches have been developed. This paper proposes technical methods and potential solutions to overcome these obstacles.[Conclusions] In conclusion, detailed studies of lunar surface characteristics and the acquisition of high-resolution spectral data are vital for advancing lunar science. Lunar hyperspectral data are expected to support manned lunar exploration and scientific research by enabling the identification of various minerals on the Moon's surface and determining their abundance through hyperspectral observations. Advances in spectral imaging technology and the development of solutions for processing high-resolution data will significantly enhance lunar and planetary science capabilities. These efforts will pave the way for deeper insights into the Moon's geology and potential resource utilization.

Key words： lunar, hyperspectral; remote sensing; orbit; pre-processing; lunar surface parameter calculation; mineral mapping

1 引言

月球作为距离地球最近的天体，是地球唯一的天然卫星[1]。1609年，伽利略·伽利雷通过世界上第一台天文望远镜揭开了月球的神秘面纱，开辟了人类对月球认知的新时代。自20世纪50年代起，美国、苏联向月球发射了探测器，并返回了月球岩石和月壤样品，为深入了解月球物质组成提供了真实数据，然而样品点仅覆盖了月球表面的有限区域。自20世纪90年代以来，通过月球轨道器环绕观测获取了覆盖全月范围的遥感数据，能够从中提取月球形貌特征及物质分布等信息，为加深人类对月球认知水平提供了重要的数据支撑。
月球表面物质分布对于研究月球的起源和演化有着重要意义，探测目标包含岩石类型、矿物成分、化学组成等。受到地月距离的限制，当前地球上常用的物化探手段在月球表面难以实现，仅有少量上世纪美国、苏联月球探测任务和中国嫦娥任务返回地球的少量样品和月球陨石可以做有限的物理、化学分析测试，用于研究月壤的矿物成分与化学组成。遥感技术的发展成为人类研究月球物质成分的重要途径，该方法可根据光谱特征的位置、强度和波形等，定量和定性分析探测目标的物质成分，为增强人类对月球物质组成、资源分布、水/冰含量及赋存状态等认识提供了珍贵的科学数据。高光谱遥感是将成像技术与光谱技术相结合的多维信息获取技术，具有“图谱合一”的特点与优势[2]。高光谱影像中的每个像元都对应一条连续的光谱曲线，记录着像元内物质成分的光谱特征，使得在多光谱遥感数据中难以探测的成分在高光谱遥感中能够被探测[3]，在国土资源、矿产勘探、深空探测等领域产生了重要的应用价值[4]。
高光谱遥感凭借其所具有的精细光谱探测能力，在月球表面物质探测中扮演着至关重要的角色，是新时期月球科学探测任务中重点配置的科学载荷[5-6]。当前月球光学遥感数据主要集中在紫外-近红外（UV-NIR，0.4~3.0 μm）波段，为月球表面主要矿物和元素（辉石、橄榄石、铁元素、钛元素等）的定量反演提供了数据基础，然而，由于空间分辨率偏低，无法满足月面矿物成分精细探测的要求，更不能支撑载人登月任务和后续月面科研站建设对月面高精度制图的需求。此外，月表主要硅酸盐矿物的CF（Christiansen Feature）特征和RF（Reststrahlen Feature）特征出现在长波红外（7~12 μm）波段，而当前月球长波红外波段的数据存在光谱分辨率低、光谱不连续等问题，制约了月表硅酸盐矿物反演精度。
随着轨道器探测任务中光谱成像仪的光谱分辨率与空间分辨率的提升和波段范围（向长波红外波段）的拓展，加之空间环境未知性和载荷制造技术的限制，对月球遥感成像和数据处理提出了新的挑战。为了提高光谱成像仪的信噪比，通常会采用运动补偿技术、红外背景抑制技术等，这些技术在增加信噪比的同时，也给光谱数据的定量化分析带来了挑战。在不同光照和温度、探测器观测几何的条件下，目标的辐射性能呈现不同的特征，极大制约了矿物反演的精度，给月表参量反演带来了诸多挑战。此外，高光谱数据中存在的混合像元问题极大制约了矿物反演的精度和准确性，为了进一步挖掘亚像元中蕴含的信息，需要发展相应的光谱解混算法和求解模型。
本文首先总结了现阶段月球探测任务中光谱成像仪的应用现状和典型的科学研究成果，然后介绍了在高光谱数据处理过程中的主要处理算法的研究现状和面临的难题与挑战，最后展望了高光谱技术在未来月球探测中的发展趋势与研究前景。

2 月球光谱成像仪数据获取现状

21 世纪以来，以中国、美国、日本、印度为代表的国家开展了新一轮的月球探测任务，光谱成像仪得到了广泛应用，包括日本月亮女神号、中国嫦娥探月工程、印度月船号等。表1汇总了目前月球探测任务中已发射的光谱成像仪，图1展示了主要月球遥感光谱成像仪的光谱覆盖范围。
表1 月球探测任务中主要光谱成像仪

Tab. 1 Current major spectrometer payloads for lunar exploration

时间/年 国家 卫星 光谱成像仪 光谱范围/μm 光谱分辨率/nm 波段数目/个 空间分辨率/m 视场角/°
2007 日本 月亮女神号 多光谱成像仪(MI) 0.41~1.55 7.62~29 9 VIS: 20 NIR: 62 11
月亮女神号 连续光谱测量仪(SP) 0.50~2.60 10~50 296 562 × 400 0.23
2007 中国 嫦娥一号 干涉成像光谱仪(IIM) 0.48~0.96 15 32 200 7.3
2008 印度 月船一号 月球矿物绘图仪(M3) 0.43~3.00 6~8 86 140 24
2019 印度 月船二号 红外成像光谱仪(IIRS) 0.80~5.00 20~25 160 40 11.4
图1 典型月球遥感成像载荷和研发中的主要月球遥感光谱成像仪的光谱范围示意图

Fig. 1 Spectral range of current and subsequent spectrometer payloads for lunar exploration

2.1 月亮女神号

2007年7月日本发射了“月亮女神号”，这是日本长期月球探测计划的第一次任务，旨在获取可供月球研究的科学数据[7⇓-9]。“月亮女神号”的主探测器在距离月表100 km的轨道上进行为期一年的绕月飞行，其上搭载的月球成像仪/光谱仪（LISM），由 3个高性能的光学子系统构成，分别是地形测绘相机（TC）、多波段成像仪（MI）和连续光谱测量仪（SP）[10⇓-12]，从而对月表形貌、岩性和矿物组成进行详细探测。
MI的任务目标是在可见光（VIS）和近红外（NIR）范围内提供空间分辨率为20 m和62 m的全月地质图，这比克莱门汀号上搭载的紫外-可见光（UV-VIS）和近红外（NIR）相机数据高一个数量级[13⇓-15]。MI在0.415~1.55 μm范围内共设置了9个波段，其中在VIS范围内有5个波段（415、750、900、950和1 001 nm），在NIR范围内有4个波段（1 000、1 050、1 250和1 550 nm） [12⇓⇓-15]。SP的主要目标是获得月球表面的准确光谱特征，进而提供全月或局部地区矿物/岩石类型分布[16⇓-18]。矿物/岩石信息作为每个地质单元的基本数据库，通过MI提供的月表颜色信息进行区分[7]。SP在0.5~2.6 μm范围内共设置了296个波段，其中在VIS范围内有84个波段，光谱分辨率为6 nm，在NIR范围内包含2个探测器，其中NIR1包含100个波段，NIR2包含112个波段[17⇓-19]，光谱分辨率为8 nm。
科学家利用校正后的MI和SP数据开展了一系列研究分析工作，加深了对月表矿物分布的认识。Ohtake等[20]运用MI数据探讨了月球上纯斜长岩的分布特征，该研究的结果为理解月壳的矿物组成提供了新的见解。此外，Ohtake等[21]以Apollo 16着陆区为研究区，探讨了MI数据推导月表绝对反射率的方法，旨在解决地基望远镜数据和遥感数据之间反射率数值存在差异的问题，发现了在不同波长下确定反射率数值的方法以及识别导致观测差异的因素。Matsunag等[22]通过对SP反射光谱数据的处理和校准，获取了月球撞击坑中央峰的岩石光谱特征，揭示了月球背面撞击坑中的未曾被识别的岩性，该岩性在1.3 μm存在典型的吸收特征，是结晶铁质斜长石的鉴定特征，这一发现重新解释了Tsiolkovsky撞击坑中央峰的岩性为斜长石和辉石的混合物，发现了在Antoniadi撞击坑中央峰存在低钙辉石。Yamamoto等[23-24]通过分析月球南极Aitken盆地的SP数据，揭示了该地区后续的撞击事件和地质差异在月球深层物质形成与分布中起着重要作用，并指出了多种尺度事件对行星深层物质分布的重要性。

2.2 嫦娥一号

中国首颗月球探测卫星嫦娥一号（CE-1）于2007年10月发射升空[25-26]，其搭载了CCD立体相机、激光高度计、干涉成像光谱仪（IIM）、X射线谱仪、γ射线谱仪、微波探测器、高能粒子探测器和太阳风探测器 8种探测设备[27]，用于获取月表三维立体影像和月表物质成分等信息，进行地月空间环境的探测。
IIM在光学设计上首次采用Sagnac型傅里叶变换干涉技术，对月球在VIS-NIR（0.48~0.96 µm）范围内进行连续反射光谱探测，与X/γ射线谱仪共同完成了分析月球表面元素成分及物质类型的含量与分布的科学目标[27]。IIM共设置了32个波段，光谱分辨率为7.62~29.00 nm，获取的影像覆盖了月球南北纬70°范围内约84%的区域，可用于分析月球表面有关物质元素的分布特征。IIM获取的数据可用于月表矿物成分和月壤特性的研究，为后续的月球探测和资源开发提供重要的科学依据[28-29]。
目前所发布的最高级IIM数据为2C级，该数据经过了实验室定标、几何定标等预处理工作，是辐亮度数据，需将其转换为反射率，才可进行月表矿物成分和丰度的反演，为此建立了2C级IIM数据绝对定标和辐射畸变校正方法[29⇓⇓-32]，并进行了修正与改进[33]，最终获得了月表反射率数据。吴昀昭等[34]首次获取了全月表矿物吸收中心分布图。凌宗成等[28]对月表TiO2反演进行了尝试，获得了基于月球着陆点数据和月面真值的TiO2反演模型，并结合月球勘探者号Th元素分布数据对月球雨海—冷海地区进行了岩性填图[35]，对理解月球的岩浆演化具有重要的研究价值。张江等[31,36]在IIM数据的光度校正模型中，通过四次多项式拟合相函数，并加入指数项，采用最小二乘法计算模型参数，使得拟合结果不依赖参数的初值选择，通过对Aristarchus地区的成分数据的详细分析，充分论证了其作为着陆点选择的重要科学意义。将嫦娥一号IIM数据、月亮女神号MI、SP数据和其他月球探测数据相结合，可以获取更全面的月表特征，进一步提升了对月表成分分布和形成演化的认识，如对月球虹湾地区进行铁元素（FeO）和钛元素（TiO2）的分布研究[37⇓-39]，提升了有关月球演化、年龄、月壳物质分布、陨石坑复杂性等方面的研究水平。然而该仪器的波段范围仅为0.48~0.96 µm，未能完全覆盖月表主要矿物的吸收特征，一定程度上制约了对月表岩石矿物的鉴定[29]。

2.3 月船一号

2008年印度发射了月船一号（Chandrayaan-1）卫星，其搭载的月球矿物绘图仪（M3）是一个关键科学载荷，它的主要作用是进行高光谱成像，通过月球表面反射光谱分析，绘制高分辨的月表矿物分布图，进而实现探测月球表面的矿物组成和分布的科学目标。
M3由美国航空航天局（NASA）研制，采用光栅分光技术，在VIS-NIR（0.42~3.06 µm）范围内对月球进行了高光谱分辨率（<0.02 µm）和高空间分辨率（<140 m/像元）的探测[40]，能够有效描述矿物的特征光谱，具有高信噪比、低功耗的特点，进一步提升了对月表矿物成分的认识[41-42]。该探测器采用推扫式成像方式，获取了覆盖全月95%以上区域的图像和光谱数据[43]，分为全球观测模式和目标观测模式[40]，表1主要列举了M3全球模式的参数设置。全球模式可分为OP1和OP2光学周期[43-44]，不同光学周期内获取数据时的温度条件有所不同，在进行预处理时需采用不同的校正参数[45]。
通过分析M3数据，研究人员获取了月球表面的矿物分布模式，探索了月球内部的结构和成分，为更好地规划未来月球探测任务和月球资源的开发利用提供科学依据。Besse等[46]利用M3数据，首次对Marius Hills火山进行了研究，以1 μm处的影像光谱吸收特征为目标，将高地上的岩性分为2个主要单元： ① 具有强吸收特征的区域和富含橄榄石的岩性特征相似，代表高地上的熔岩流； ② 具有弱吸收特征的区域与高钙辉石特征相似，代表高地玄武岩。Cheek等[47]利用M3数据获取了全月矿物的分布特征，同时在月球两极区域的光谱曲线中发现在2.8 μm和3.0 μm处存在吸收特征[48]，这2个特征被认为是羟基/水（OH/H2O）的光谱特征，由此认为在月球上可能存在OH/H2O，改变了人类对月球是干燥星球的认识，在国际上引起了广泛关注[49⇓⇓⇓-53]。然而，由于M3的光谱范围仅覆盖至3 μm，难以精确推断水合作用的性质，使得在科学界对月球H2O含量、分布及赋存状态依然存在较多争议，进一步拓宽红外探测谱段，开展更精准的探测成为科学家共同追求的目标。

2.4 月船二号

2019年印度发射了月船二号（Chandrayaan-2），其搭载的红外光谱成像仪（IIRS）继承了M3载荷的研制技术，是科学家在短、中波范围内对月球探测的一次重要探索。IIRS的波段范围拓展至0.8~5.0 µm，光谱分辨率为20~25 nm，具有250个连续通道[54]，在100 km轨道高度以80 m的空间分辨率进行推扫式成像，幅宽为20 km[54]。该探测器旨在实现绕月观测并在月球南极着陆，收集月球极区水冰、岩石和月壤等数据。
月船一号搭载的M3已经探测到并绘制了月球表面OH/H2O的分布，表明月球表面存在OH/H2O。月船二号搭载的IIRS是科学界在使用具有更宽光谱范围和更高分辨率（空间和光谱）成像仪器对月球表面进行更精确分析的重要尝试。通过分析2~5 μm光谱范围内的 IIRS 影像有助于进一步确认基于M3数据的科学成果，同时在4~5 μm光谱范围内的数据可单独用于评估月球表面的热辐射分量，这将有助于去除2~4 μm区域内的热辐射分量对总辐射的影响，实现更高精度的月面热辐射校正。IIRS首次以80 m空间分辨率全面绘制了月球上3.0 μm处的水合特征的分布[55]，对月表中高纬度OH/H2O进行了绘制，提升了月表水化作用与矿物学和月表温度联系的理解[56]。然而，月船二号着陆器在实施月面软着陆的过程中，由于通信问题，着陆器在月球表面坠毁。

2.5 在研的月球高光谱探测载荷

随着人类月球探测任务的不断深入，亟需对月球表面物质成分和环境特征的进行更精细的探测。光谱成像技术的进一步发展，在空间分辨率和光谱分辨率上均有了提升，同时，呈现出向长波红外波段拓展的趋势，使得获取月表更高空间分辨率和更宽波段数据成为可能，也将促进对月球科学研究的水平和深度。
2019年美国批准通过了月球开拓者（Lunar Trailblazer）计划，旨在深入了解月球水的赋存区域和状态，以及月球潜在的水循环系统[57]。月球开拓者将搭载由美国研制的高分辨率挥发分和矿物制图仪（HVM3）[58]和英国研制的月球热成像仪（LTM）[57]，通过2个载荷在重点区域的联合测量，将得到区域内精细的成分和热物理性质。HVM3的空间分辨率、光谱分辨率和信噪比与M3类似，但其光谱探测范围拓展至0.6~3.6 μm，该变化更有利于对月表水赋存形式的探测。LTM是Diviner[59-60]的升级版，提高了在7~10 μm光谱范围内的光谱分辨率和空间分辨率，包含7~10 μm光谱范围内高光谱成像仪和6~100 μm光谱范围内的多光谱成像仪[57]，能够绘制月表CF特征分布图，并进行更精细的月表温度探测。中国“嫦娥七号”任务计划在2025年开展，该任务拟配置0.45~10 μm光谱范围内的宽谱段红外光谱成像分析仪（WIRS）[6]，在全月范围内获取空间分辨率优于30 m的光谱成像数据，为月面矿物资源探测、热环境演化、月球水循环等研究提供有效的科学数据支撑[6]。

3 月球高光谱数据处理与应用中的 难题与挑战

随着载荷研制技术的发展和人类对月球探测的不断深入，利用多光谱成像技术对月球物质成分的探测已经无法满足月球科学研究的需求，高光谱数据中包含更丰富、更精细的月表物质成分信息，是月球遥感和未来深空探测的重要方向。高分辨率、宽谱段的红外成像数据将成为未来月球研究的数据基础，面向光谱成像载荷的数据定量化难度将显著提高。对于高光谱绕月轨道器，为了提升载荷的信噪比和灵敏度，通常采用高倍率运动补偿、高效红外背景辐射抑制等方式[6]，进而增加了几何与辐射处理的定量化难度；另外，在卫星发射及长期在轨运行中，发射震动、在轨空间环境变化、元器件自身老化等因素均会影响数据定量化精度。在上述因素耦合作用下，未来月球高光谱数据的定量化处理工作难度很大。如图2所示，本文重点梳理了月球高光谱数据处理过程中，在预处理、月表参量转换（反射率/发射率）以及月表矿物反演方面存在的难题与挑战，并梳理了当前的解决方案。
图2 月球高光谱轨道器数据处理基本框架

Fig. 2 The general workflow of lunar hyperspectral orbiter data processing

3.1 预处理

在高光谱数据应用之前，要对原始数据进行预处理。首先将成像光谱仪记录的数字信号值转换为实际物理量，并对数据中存在的不同程度、不同性质的辐射失真进行校正。通过辐射定标，建立高光谱成像仪数字信号值与辐射能量之间的定量关系，是定量化研究过程中的前提与基础[3]。高光谱数据具有波段数目多、光谱分辨率高的特点[3]，光谱定标的精度会直接影响高光谱数据定量化应用的精度。此外，月球轨道器载荷获取的原始数据是月表三维场景的二维投影显示，受到传感器系统自身和外界环境的影响，会使得数据存在一定程度的几何畸变与失真，需通过几何校正，纠正系统因素和非系统因素引起的图像变形，并将遥感数据转换到月面空间之中，使其具有月面位置信息，便于后续的研究分析。
载荷发射之前要对其辐射响应、波长位置等进行精确的测量，即实验室定标。然而，为了提高光谱成像仪的信噪比，采用的运动补偿技术、红外背景抑制等技术[6]，显著增加了数据的定量化难度。此外，由于实验室定标的误差传递、发射震动失重、在轨运行空间环境的变化、元器件老化等因素的影响，载荷的辐射响应及稳定性均会发生变化，进而影响其定标精度，需通过在轨定标进行修正。例如，为了确定仪器温度对月亮女神号SP载荷NIR2探测信号的影响，在实验室定标过程中，在每个温度测试点均待仪器达到的平衡温度后（时间在20 min以上）才开始测量[18-19]。而SP载荷在轨运行过程中，温度在短时间内发生变化，导致仪器在非平衡条件下运行，需要根据SP上温度计的同步信息来表征SP运行过程中对温度的响应。同时，专家提出了根据阴影区域估算背景响应的方法，用于校正NIR2探测器响应的变化[19]。

3.2 月表参量转换

高精度定量化的光谱成像数据是准确反演矿物成分和含量以及月球演化等系列科学研究的基础。然而辐射定标后的数据仍为辐射亮度数据，不能直接进行光谱解译，还需进一步转化为反射率（或发射率）数据，故反射率（或发射率）反演的精度直接制约高光谱数据的应用水平。
可见光-短波红外波段是太阳辐射能量集中的主要部分。由于月球轨道器观测条件和所处空间环境的影响，在太阳入射角、传感器观测角、相位角等因素的共同作用下，使得月球表面光强发生变化，但这些差异并不是月表性质的真实反映，借助光度模型进行校正是月球高光谱数据处理中面临的挑战之一（图3）。当前常用的月表光度模型大致分为经验模型、几何光学模型、辐射传输模型和数值模拟方法[61]。经验模型是现阶段研究中最具影响力的建模方式，可根据载荷的性能和数据特点分别拟合相函数，在月球轨道器数据的光度校正中得到了广泛应用。Lommel-Seeliger经验光度模型数学形式简单，且考虑了零太阳相角附近的光度特性，是当前成像光谱仪数据校正中广泛使用的光度校正模型，针对不同载荷，可采用不同的相函数形式，如使用不含热点效应的四阶多项式相函数对月船一号M3数据的拟合效果优于六阶多项式相函数的拟合效果[62-63]；嫦娥一号IIM[30,36,64]光度校正模型在原有四次多项式的基础上增加指数项，有效消除了小相位角观测下的反射效应。Lunar-Lambert光度校正模型是另一种常用的光度校正模型，月亮女神号MI和SP的数据选用该模型进行校正[21,65-66]。然而经验模型的参数是根据统计分析的方式获取的结果，某些描述月表物理性质的参数，如孔隙度等，在计算过程中进行了忽略或简化，给月表物理特性的分析带来了一些问题。此外，Sato等[67]的研究表明，在应用不同的光度模型校正月表相同区域时，各模型的准确性和稳定性存在一定的差异。因此，针对不同类型遥感载荷、不同光度模型的比较研究还有待加强。
图3 月表光照几何观测示意图[68]

注:i为入射角和法线的夹角;e为法线与出射光线的夹角;g为太阳相角，是入射光线与出射光线的夹角。

Fig. 3 Schematic diagram of lighting observation on the moon [68]

随着绕月载荷的探测谱段由可见光向红外波段拓展，给月球高光谱数据定量化处理带来了另一项挑战。在短波长区（< 2 µm），月球表面热辐射强度相对于反射太阳辐射很小，可以忽略；在长波长区（>5 µm），反射太阳辐射很小，仅考虑月球表面自身的热辐射即可；而在中间的过渡区（2~5 µm），反射辐射和热辐射对探测器的响应均有贡献，热辐射强度随波长变长逐渐增强，辐射峰值向长波方向移动，反射辐射强度相应变弱。针对上述问题，对于包含过渡区的成像光谱仪，如月船一号M3 [45,69]、月船二号IIRS[55-56]等，进行反射率转换的过程中，考虑了月表热辐射的影响，并进行了校正。温度估算是进行热辐射校正的重要环节，现阶段，主要的月表温度估算方法如下：第一种通过探测器测量的辐射度与从经验模型预测的反射太阳辐射度之间的差异来估计表面温度[45,69]；另一种算法是在局地热平衡的假设条件下，预测粗糙表面中每个面元的温度[52-53]。每个面元的坡度角用高斯粗糙度模型来表示[70-71]，热辐射可通过每个面元普朗克辐射的加权平均值来计算。通过与Diviner月表温度产品的对比，Bandfield等[52]和Li等[69]的月表温度计算模型均具有较高的精度。在月船二号IIRS载荷的热辐射校正中，因为该载荷包含不受反射辐射影响的波段（4~5 μm），故可根据这一波段的观测结果，估算同步的月表温度[55-56]。
长波红外波段是物体自身辐射能量集中的波段，在低温目标探测方面具有独特优势，是后续月球探测任务中光谱成像仪将涵盖的波段。然而，在中长波红外波段，热辐射信息是目标温度和发射率的耦合信息，温度-发射率分离问题是热红外遥感中主要的病态反演问题之一[72⇓-74]。2009年6月18日发射的Diviner辐射计是现阶段第一个利用多个红外光谱通道测量月球表面热物理特性和矿物特性的探测器。该探测器的数据记录了月球热波段特性，弥补了反射波段测量的不足，一定程度上提高了对于月壳的起源、结构和演变的认识。在基于Diviner数据获取月表温度和发射率过程中（表2），Bandfield等[70,75]采用固定发射率法，对Diviner数据进行了温度-发射率反演，然而，该算法忽略了月表发射率在空间上的变化，且当发射率变化较大时，会引起较大的误差。马明[76]以黑体辐射定律和辐射传输方程为基础，改进了Greengahen等[77]采用的经验回归算法，修正了宏观地形影响的行星光谱模型和月表反射率尺度转换模型，解决了月表起伏地形下阴坡和阳坡反射率的地形校正问题，然而该算法无法充分利用高光谱热红外数据通道多的优势。Ren等[74]构建了适用于月表成分特征的温度-发射率分离算法，然而该方法在月表温度较高（大于240 K）时才具有较高的精度。
表2 月表长波红外波段参量转换

Tab. 2 Retrieval of lunar surface parameters in long-wave infrared range

方法 优点 缺点
固定发射率法[70,75] 计算简便，适用性广泛 在发射率变化较大时，误差大
经验回归法[77] 易于实现 在月球夜间低温不敏感
温度-发射率分离法[74] 是基于物理特性的温度发射率反演方法 当数据具有较高信噪比时才有效

3.3 月表矿物反演

矿物的典型光谱特征是高光谱遥感矿物反演的依据，利用高光谱数据进行月表矿物的精细分类是月球高光谱遥感应用的核心内容之一。表3汇总了当前常用的月表矿物反演方法以及对应优缺点。
表3 月表矿物反演方法

Tab. 3 Summary of mineral retrieval methods for lunar hyperspectral remote sensing

方法 优点 缺点
波段运算法[78-79] 可增强月表矿物光谱之间的微小差别，计算简便，适用性广泛 高光谱数据波段多的优势未被充分利用
查找表法[80] 根据不同的光谱分辨率和波段范围生成对应的查找表 反演精度与端元选择和光谱库构建方法相关
主成分分析法[81-82] 降低高维数据的信息冗余 通常只考虑方差最大的方向，忽略了部分有用信息
混合光谱分解[83-84] 物理意义明确，且准确性较高 依赖于先验知识，非线性混合光谱分解难度较大
修正高斯模型[85-86] 不依赖先验知识，不受矿物颗粒大小和端元组分的影响 在数据的光谱分辨率和信噪比较高的条件下，才能取得较好的应用效果
在高光谱成像数据中，由于空间分辨率的制约，每个像元对应月球表面一个区域，而非纯净像元，获取的光谱是该区域内所有物质的混合光谱，对混合光谱的分解是遥感领域长期面临的难题，是制约高光谱图像分类精度的重要因素。通过对像元光谱的线性或非线性分解，可以获取像元内部目标成分所占的比例。对月壤而言，由于颗粒细小，月壤物质的混合属于密实混合，像元光谱是像元内部所含目标矿物光谱的非线性混合，增加了混合像元分解的难度。
研究表明，单次散射反照率符合线性混合规律，在处理实验室矿物混合中取得了较好的应用效果[68,87-88]，但该方法依赖于先验知识，且在遥感影像中应用时，由于尺度不用，增加了反演的不确定性。Sunshine等[85]提出的修正高斯模型（MGM）是当前较为常用的一种月表矿物反演方法。MGM具有不依赖先验知识、不受颗粒大小和端元组分影响的优点，然而该方法对数据的光谱分辨率和信噪比要求较高，一定程度上制约了当前MGM算法在矿物反演中的应用。
当前的月球轨道器载荷主要获取月球表面在紫外-可见光-近红外谱区的反射光谱特征，根据光谱中电子吸收特征的位置、强度等确定矿物类型，然而，这一波段范围对月表广泛分布的斜长石探测能力较差[89]。此外，由于空间风化的影响，使得月表反射率光谱的对比度降低，严重制约了反射率光谱进行月表矿物反演的精度[90]，依据反射率光谱进行月表矿物反演仅在月壤成熟度较低的地区（约5%的月球表面）才具有较高的精度[80,91]。然而在月表大部分地区，由于空间暴露时间较长，空间风化作用显著，月壤具有较高的成熟度，限制了依据反射率光谱进行月表矿物反演的应用水平。
月球表面不仅反射和吸收太阳的辐射能量，同时也向外辐射能量，其辐射的能量主要位于红外谱区。由于硅酸盐矿物晶格振动引起的矿物在红外波段的光谱特征，是月表硅酸盐矿物（如斜长石）的重要鉴定特征之一，因此热红外发射光谱对于硅酸盐矿物更加敏感[92-93]，同时对月表物质的热物理特性，包括热惯性、粒度等也十分敏感。而且，月壤成熟度对热发射率数据影响几乎可以忽略。因此，利用该波段的数据进行月表矿物岩石分析，将是未来月球遥感探测和就位探测中的有力手段。

4 解决途径与发展方向

随着科技水平的发展和对月球探测需求的提升，高分辨率、宽谱段的光谱载荷是未来月球乃至深空探测中的发展趋势，但也带来了数据定量化难、月表参数反演难、月表物质反演复杂等技术挑战。因此，需要充分了解当前相关探测任务中涉及的光谱类载荷处理技术，并在此基础上，形成针对性的技术途径，以期为后续任务中月球高光谱载荷的数据处理方案提供充分的参考和依据。

4.1 制订复合在轨定标方案

在轨进行辐射定标和光谱定标是提升光谱载荷数据定量化水平的关键一环，相应的定标精度是高精度数据定量化的重要保证。利用星上参考定标装置进行在轨定标，如配置积分球或黑体等，是在轨定标的常用方式。该方法在对地成像光谱探测领域已经发展为较成熟的技术手段，如地球观测卫星携带的高光谱传感器（Hyperion）[94⇓-96]、高分五号卫星可见短波红外高光谱相机（AHSI）[97]等，均搭载了相应的星上定标装置，进行对日定标、对月定标、积分球定标等复合定标方式，提高数据的定量化水平。
对于绕月探测器而言，载荷所处的空间环境比对地卫星更加恶劣和复杂，在月球赤道地区为强光照辐射，在月球极区为弱光照辐射，这种特殊的月表环境使得载荷需要在较大的动态范围内获取月球图像，如何在大辐射变化条件下实现高精度的辐射定标，是数据处理过程中面临的一项难题。同时，对星上定标装置的要求更加严格，需要进一步研发可在复杂空间环境下稳定且长期运行的在轨定标装置，以保障数据的定量化精度。此外，选取辐射特性稳定、样品成熟度高的月面区域作为月面定标场，是保证月球高光谱数据定量化精度的另一种方式。当前，以Apollo 16着陆区为定标区域，依据着陆点返回的月壤在实验室的测试结果，对光谱仪进行在轨定标的方法得到了应用。然而，不同于地球上有多种参考定标场地，月面上可应用的均匀定标场较为有限，在后续研究中，可以在月面选择更多的参考场地，并放置原位定标设备，有助于提升月球光谱载荷的定量化水平。

4.2 全波段月表参量转换

在可见光-短波红外波段，当前常用的光度校正模型多以经验模型为主[61]，增强模型物理意义的同时，简化模型的计算复杂度是后续月球高光谱数据处理过程中需改进与提升的重要方向之一。针对不同的应用目标，开展月表光度模型的适用性和比较研究，评估不同光度模型的精确性和稳定性，综合考虑载荷观测角度、月面光度特性等，进一步提高光度校正的准确率。此外，在后续载荷设计的过程中，考虑多角度光谱数据的获取方案，进而促进对月表光度和物理特性的研究水平。
在长波红外波段，进一步揭示温度对矿物热红外光谱特征的影响机制，确定温度-发射率反演模型的适用区间，阐释热红外辐射传输过程中，月表温度和发射率耦合对热红外传感器通道辐射响应的影响机理，充分挖掘高光谱数据中蕴含的大量信息，构建适用于月表温度特征的发射率光谱连续反演算法，是提升月表发射率光谱数据精度的关键。

4.3 基于宽谱段信息的月表矿物反演

根据矿物光谱特征进行月表矿物反演，是光谱成像载荷重要的科学目标之一。随着成像谱段由可见光-短波红外范围扩展到长波红外波段，能够识别的矿物种类更加丰富，可以补充并修正可见光-短波红外波段的反演结果，但不同波段范围内矿物的混合特征给亚像元级的矿物反演带来了诸多挑战。因此，发展描述光谱混合物理过程的数学模型以及求解模型的解混算法，将有助于提升月表矿物反演的精度。
随着人工智能技术的快速发展，许多学者应用机器学习[98-99]的算法，结合月球返回样品数据，获得了更高精度的月表氧化物分布图，这些研究表明机器学习算法在月表矿物反演中的应用潜力，然而相关研究尚未广泛应用于实际月球探测任务中。在后续研究中，为满足载人月球探测任务对现场分析和实时决策的需求，需发展实时机器学习反演技术，实现对月表矿物的快速识别与反演，辅助航天员进行快速决策。此外，需通过探索新的学习网络模型（如注意力机制和自注意力网络等），并融合多源数据（如光学数据、雷达数据和实验室测试数据），提高月表矿物反演的准确性和稳定性。同时，利用跨领域学习和迁移学习技术，提高模型泛化能力并拓展模型的应用范围，进而推动月球探测任务的发展。

5 结论

搭载于绕月轨道器上的高光谱成像载荷，有助于实现全月范围内高空间分辨率、高光谱分辨率、宽谱段的遥感探测，但由此带来了数据处理难度大的问题。配置性能稳定的星上定标装置、在月面选择均匀的定标场地、制定复合在轨定标方案，是提升月球光谱载荷的定量化水平的重要基础。针对可见光-短波红外和长波红外辐射特征不同的问题，突破光度校正、热辐射校正、温度-发射率分离等技术难点，进行全波段月表参量转换，提升月表反射率（或发射率）的精度。面向宽谱段的月球光谱数据，发展描述光谱混合物理过程的数学模型和对应的解混模型，综合全谱段范围内矿物的光谱特征，以期完成对全月矿物分布的精细探测。上述成果将为月球资源的原位利用、载人登月的选址、月球科考站建设等国家重大月球探测任务的顺利开展提供科学依据，全面加深人类对月球的认知水平。
利益冲突： Conflicts of Interest
所有作者声明不存在利益冲突。
All authors disclose no relevant conflicts of interest.
作者贡献： Author Contributions
刘琬玥、韩东旭、林茜、马铭泽、张子怡参与研究现状调研；张鹏、刘琬玥完成论文章节组成；刘琬玥、张鹏、刘成保、薄正、牛冉参与论文的写作和修改。所有作者均阅读并同意最终稿件的提交。
The investigation of the study was completed by LIU Wanyue, HAN Dongxu, LIN Qian, ZHANG Ziyi and MA Mingze. The manuscript was designed by ZHANG Peng and LIU Wanyue. The manuscript was drafted and revised by LIU Wanyue, ZHANG Peng, LIU Chengbao, BO Zheng and NIU Ran. All the authors have read the last verision of paper and consented for submission.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
欧阳自远. 月球科学概论[M]. 北京: 中国宇航出版社, 2005.

[Ouyang Z Y. Introduction to lunar science[M]. Beijing: International Cooperation Center of China Aerospace, 2005.]

[2]
Goetz A F H, Vane G, Solomon J E, et al. Imaging spectrometry for earth remote sensing[J]. Science, 1985, 228(4704):1147-1153. DOI:10.1126/science.228.4704.1147

PMID

[3]
童庆禧, 张兵, 郑兰芬. 高光谱遥感:原理、技术与应用[M]. 北京: 高等教育出版社, 2006.

[Tong Q X, Zhang B, Zheng L F. Hyperspectral remote sensing[M]. Beijing: Higher Education Press, 2006.]

[4]
童庆禧, 张兵, 郑兰芬. 高光谱遥感的多学科应用[M]. 北京: 电子工业出版社, 2006.

[Tong Q X, Zhang B, Zheng L F. Hyperspectral remote sensing and it's multidisciplinary applications[M]. Beijing: Publishing House of Electronics Industry, 2006.]

[5]
桂裕华, 李津宁, 王梅竹, 等. 月球及火星探测任务中光谱技术研究与应用[J]. 红外与毫米波学报, 2022, 41(1):74-84.

[Gui Y H, Li J N, Wang M Z, et al. Research and application of spectroscopic techniques in lunar and Mars exploration missions[J]. Journal of Infrared and Millimeter Waves, 2022, 41(1):74-84.] DOI:10.11972/j.issn.1001-9014.2022.01.004

[6]
何志平, 桂裕华, 李津宁, 等. 面向月球环绕探测的光谱成像:研究现状与技术挑战[J]. 光学学报, 2022, 42(17):402-412.

[He Z P, Gui Y H, Li J N, et al. Spectral imaging for lunar orbit exploration: Research status and technical challenges[J]. Acta Optica Sinica, 2022, 42(17):402-412.] DOI:10.3788/AOS202242.1730001

[7]
Haruyama J, Matsunaga T, Ohtake M, et al. Global lunar-surface mapping experiment using the Lunar Imager/Spectrometer on SELENE[J]. Earth, Planets and Space, 2008, 60(4):243-255. DOI:10.1186/BF03352788

[8]
Kato M, Sasaki S, Tanaka K, et al. The Japanese lunar mission SELENE: Science goals and present status[J]. Advances in Space Research, 2008, 42(2):294-300. DOI:10.1016/j.asr.2007.03.049

[9]
Kato M, Sasaki S, Takizawa Y, et al. The Kaguya mission overview[J]. Space Science Reviews, 2010, 154(1):3-19. DOI:10.1007/s11214-010-9678-3

[10]
Haruyama J, Ohtake M, Matsunaga T, et al. Pre-launch operation planning of Lunar Imager/Spectrometer (LISM) on SELENE[C]. Lunar and Planetary Science Conference XXXVIII, Houston,Texas, 2007.

[11]
Haruyama J, Otake H, Ohtake M, et al. LISM (Lunar Imager / Spectrometer) mission for SELENE project[C]. Lunar and Planetary Science Conference XXXI, Houston,Texas, 2000.

[12]
Ohtake M, Haruyama J I, Otake H, et al. LISM mission for the SELENE project[C]. Fourth International Conference on the Exploration and Utilisation of the Moon, 2000.

[13]
Ohtake M, Haruyama J, Matsunaga T, et al. Scientific objectives and specification of the SELENE Multiband Imager[J]. Advances in Space Research, 2008, 42(2):301-304. DOI:10.1016/j.asr.2007.04.041

[14]
Ohtake M, Haruyama J, Matsunaga T, et al. Performance and scientific objectives of the SELENE (KAGUYA) multiband imager[J]. Earth, Planets and Space, 2008, 60(4):257-264. DOI:10.1186/BF03352789

[15]
Kodama S, Ohtake M, Yokota Y, et al. Characterization of multiband imager aboard SELENE[J]. Space Science Reviews, 2010, 154(1):79-102. DOI:10.1007/s11214-010-9661-z

[16]
Matsunaga T, Ohtake M, Hirahara Y, et al. Development of a visible and near-infrared spectrometer for Selenological and Engineering Explorer (SELENE)[C]// Proc SPIE,Hyperspectral Remote Sensing of the Land and Atmosphere, 2001,4151:32-39. DOI:10.1117/12.417021

[17]
Yamamoto S, Nagaoka H, Ohtake M, et al. Lunar mantle composition based on spectral and geologic analysis of low-Ca pyroxene- and olivine-rich rocks exposed on the lunar surface[J]. Journal of Geophysical Research: Planets, 2023, 128(5):e2023JE007817. DOI:10.1029/2023JE007817

[18]
Kouyama T, Yokota Y, Ishihara Y, et al. Development of an application scheme for the SELENE/SP lunar reflectance model for radiometric calibration of hyperspectral and multispectral sensors[J]. Planetary and Space Science, 2016, 124:76-83. DOI:10.1016/j.pss.2016.02.003

[19]
Yamamoto S, Matsunaga T, Ogawa Y, et al. Calibration of NIR 2 of Spectral Profiler onboard Kaguya/SELENE[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(11):6882-6898. DOI:10.1109/TGRS.2014.2304581

[20]
Ohtake M, Matsunaga T, Haruyama J, et al. The global distribution of pure anorthosite on the Moon[J]. Nature, 2009, 461(7261):236-240. DOI:10.1038/nature08317

[21]
Ohtake M, Matsunaga T, Yokota Y, et al. Deriving the absolute reflectance of lunar surface using SELENE (Kaguya) Multiband Imager data[J]. Space Science Reviews, 2010, 154(1):57-77. DOI:10.1007/s11214-010-9689-0

[22]
Matsunaga T, Ohtake M, Haruyama J, et al. Discoveries on the lithology of lunar crater central peaks by SELENE Spectral Profiler[J]. Geophysical Research Letters, 2008, 35(23). DOI:10.1029/2008gl035868

[23]
Yamamoto S, Nakamura R, Matsunaga T, et al. Olivine-rich exposures in the South Pole-Aitken Basin[J]. Icarus, 2012, 218(1):331-344. DOI:10.1016/j.icarus.2011.12.012.

[24]
Yamamoto S, Ohtake M, Karouji Y, et al. Global distribution and geological context of co-existing occurrences of olivine-rich and plagioclase-rich materials on the lunar surface[J]. Journal of Geophysical Research: Planets, 2022, 127(2):e2021JE007077. DOI:10.1029/2021je007077

[25]
Ouyang Z Y, Li C L, Zou Y L, et al. Primary scientific results of Chang'E-1 lunar mission[J]. Science China Earth Sciences, 2010, 53(11):1565-1581. DOI:10.1007/s11430-010-4056-2

[26]
Ouyang Z Y, Li C L, Zou Y L, et al. Chang'E-1 lunar mission: An overview and primary science results[J]. Chinese Journal of Space Science, 2010, 30(5):392-404. DOI: 10.11728/cjss2010.05.392

[27]
赵葆常, 杨建峰, 常凌颖, 等. 嫦娥一号卫星成像光谱仪光学系统设计与在轨评估[J]. 光子学报, 2009, 38(3):479-483.

[Zhao B C, Yang J F, Chang L Y, et al. Optical design and on-orbit performance evaluation of the imaging spectrometer for Chang'E-1 lunar satellite[J]. Acta Photonica Sinica, 2009, 38(3):479-483.]

[28]
Ling Z C, Zhang J, Liu J Z, et al. Preliminary results of TiO2 mapping using Imaging Interferometer data from Chang' E-1[J]. Chinese Science Bulletin, 2011, 56(16): 1257-1263. DOI:10.1007/s11434-011-4550-8

[29]
吴昀昭, 徐夕生, 谢志东, 等. 嫦娥一号IIM数据绝对定标与初步应用[J]. 中国科学G辑, 2009, 39(10):1387-1392.

[Wu Y Z, Xu X S, Xie Z D, et al. Absolute calibration of the Chang' E-1 IIM camera and its preliminary application[J]. Scientia Sinica (Physica,Mechanica & Astronomica), 2009, 39(10):1387-1392.] DOI:10.1007/s11433-009-0282-z

[30]
Wu Y Z, Besse S, Li J Y, et al. Photometric correction and in-flight calibration of Chang' E-1 Interference Imaging Spectrometer (IIM) data[J]. Icarus, 2013, 222(1):283-295. DOI:10.1016/j.icarus.2012.11.010

[31]
张江. 嫦娥一号干涉成像光谱仪数据处理和Aristarchus地区着陆点选择[D]. 济南: 山东大学, 2011.

[Zhang J. Chang'E-1 Imaging Interferometer data processing and landing sites selection in the Aristarchus Region[D]. Jinan: Shandong University, 2011.]

[32]
吴昀昭, 唐泽圣. 嫦娥一号IIM数据应用处理流程分析[J]. 国土资源遥感, 2009, 21(4):25-30.

[Wu Y Z, Tang Z S. IIM data processing flow and its geological application[J]. Remote Sensing for Land & Resources, 2009, 21(4):25-30.]

[33]
胡森, 林杨挺. 嫦娥一号IIM数据定标的改进方法[J]. 中国科学G辑, 2011, 41(7):879-88.

[Hu S, Ling Y T. Modified calibration method of the Chang'E-1 IIM Images[J]. Scientia Sinica (Physica,Mechanica & Astronomica), 2011, 41(7):879-88.] DOI:10.1360/132010-1289

[34]
吴昀昭, 郑永春, 邹永廖, 等. 嫦娥一号IIM数据处理分析与应用之一:全月表矿物吸收中心分布图[J]. 中国科学G辑, 2010, 40(11):1343-1362.

[Wu Y Z, Zheng Y C, Zou Y L, et al. Analysis and application of IIM data of Chang 'E-1: The distribution map of mineral absorption centers on the whole moon surface[J]. Scientia Sinica (Physica,Mechanica & Astronomica), 2010, 40(11):1343-1362.]

[35]
凌宗成, 刘建忠, 张江, 等. 基于“嫦娥一号” 干涉成像光谱仪数据的月球岩石类型填图:以月球雨海—冷海地区(LQ-4)为例[J]. 地学前缘, 2014, 21(6):107-120.

DOI

[Ling Z C, Liu J Z, Zhang J, et al. The lunar rock types as determined by Chang'E-1 IIM data: A case study of Mare Imbrium-Mare Frigoris region (LQ-4)[J]. Earth Science Frontiers, 2014, 21(6):107-120.] DOI:10.13745/j.esf.2014.06.012

[36]
Zhang J, Ling Z C. Terrain dependence of the lunar surface photometric behavior[J]. Scientia Sinica (Physica, Mechanica & Astronomica), 2013, 43(11):1465-1469. DOI: 10.1360/132013-323

[37]
Bian C F, Zhang K F, Wu Y Z, et al. Mapping the spatial distributions of oxide abundances and Mg# on the lunar surface using multi-source data and a new ensemble learning algorithm[J]. Planetary and Space Science, 2024,245:105894. DOI:10.1016/j.pss.2024.105894

[38]
Chen S B, Meng Z G, Cui T F, et al. Geologic investigation and mapping of the Sinus Iridum quadrangle from Clementine, SELENE, and Chang'e-1 data[J]. Science China Physics, Mechanics and Astronomy, 2010, 53(12):2179-2187. DOI:10.1007/s11433-010-4160-5

[39]
Yan B K, Xiong S Q, Wu Y Z, et al. Mapping Lunar global chemical composition from Chang'E-1 IIM data[J]. Planetary and Space Science, 2012, 67(1):119-129. DOI: 10.1016/j.pss.2012.03.010

[40]
Green R O, Pieters C, Mouroulis P, et al. The Moon Mineralogy Mapper (M3) imaging spectrometer for lunar science: Instrument description, calibration, on-orbit measurements, science data calibration and on-orbit validation[J]. Journal of Geophysical Research, 2011,116:E00G19. DOI:10.1029/2011je003797

[41]
Pieters C M, Besse S, Boardman J, et al. Mg-spinel lithology: A new rock type on the lunar farside[J]. Journal of Geophysical Research, 2011,116:E00G08. DOI:10.1029/2010je003727

[42]
Staid M I, Pieters C M, Besse S, et al. The mineralogy of late stage lunar volcanism as observed by the Moon Mineralogy Mapper on Chandrayaan-1[J]. Journal of Geophysical Research, 2011,116:E00G10. DOI:10.1029/201 0je003735

[43]
Boardman J W, Pieters C M, Green R O, et al. Measuring moonlight: An overview of the spatial properties, lunar coverage, selenolocation, and related Level 1B products of the Moon Mineralogy Mapper[J]. Journal of Geophysical Research, 2011,116:E00G14. DOI:10.1029/2010je003730

[44]
Boardman J, Pieters C, Green R, et al. A new lunar globe as seen by the Moon Mineralogy Mapper: Image coverage, spectral dimensionality and statistical anomalies[C]// 41st Lunar and Planetary Science Conference, 2010.

[45]
Clark R N, Pieters C M, Green R O, et al. Thermal removal from near-infrared imaging spectroscopy data of the Moon[J]. Journal of Geophysical Research, 2011,116:E00G16. DOI:10.1029/2010je003751

[46]
Besse S, Sunshine J M, Staid M I, et al. Compositional variability of the Marius Hills volcanic complex from the Moon Mineralogy Mapper (M3)[J]. Journal of Geophysical Research, 2011,116:E00G13. DOI:10.1029/2010je003725

[47]
Cheek L C, Pieters C M, Boardman J W, et al. Goldschmidt crater and the Moon's north polar region: Results from the Moon Mineralogy Mapper (M3)[J]. Journal of Geophysical Research: Planets, 2011, 116(E6):E00G02. DOI:10.1029/2010je003702

[48]
McCord T B, Taylor L A, Combe J P, et al. Sources and physical processes responsible for OH/H2O in the lunar soil as revealed by the Moon Mineralogy Mapper (M3)[J]. Journal of Geophysical Research: Planets, 2011, 116(E6):E00G05. DOI:10.1029/2010je003711

[49]
Li S, Milliken R E. Water on the surface of the Moon as seen by the Moon Mineralogy Mapper: Distribution, abundance, and origins[J]. Science Advances, 2017, 3(9):e1701471. DOI:10.1126/sciadv.1701471

[50]
Li S, Lucey P G, Milliken R E, et al. Direct evidence of surface exposed water ice in the lunar polar regions[J]. Proceedings of the National Academy of Sciences of the United States of America, 2018, 115(36):8907-8912. DOI: 10.1073/pnas.1802345115

PMID

[51]
Clark R N. Detection of adsorbed water and hydroxyl on the moon[J]. Science, 2009, 326(5952):562-564. DOI:10.1126/science.1178105

PMID

[52]
Bandfield J L, Poston M J, Klima R L, et al. Widespread distribution of OH/H2O on the lunar surface inferred from spectral data[J]. Nature Geoscience, 2018, 11(3):173-177. DOI:10.1038/s41561-018-0065-0

[53]
Wöhler C, Grumpe A, Berezhnoy A A, et al. Temperature regime and water/hydroxyl behavior in the crater Boguslawsky on the Moon[J]. Icarus, 2017, 285:118-136. DOI: 10.1016/j.icarus.2016.12.026

[54]
Chowdhury A R, Banerjee A, Joshi S R, et al. Imaging Infrared Spectrometer onboard Chandrayaan-2 orbiter[J]. Current Science, 2020, 118(3):368. DOI:10.18520/cs/v118/i3/368-375

[55]
Verma P A, Chauhan M, Chauhan P. Lunar surface temperature estimation and thermal emission correction using Chandrayaan-2 Imaging Infrared Spectrometer data for H2O & OH detection using 3μm hydration feature[J]. Icarus, 2022,383:115075. DOI:10.1016/j.icarus.2022.115075

[56]
Chauhan P, Chauhan M, Verma P A, et al. Unambiguous detection of OH and H2O on the Moon from Chandrayaan-2 Imaging Infrared Spectrometer reflectance data using 3 μm hydration feature[J]. Current Science, 2021, 121(3):391-401. DOI:10.18520/cs/v121/i3/391-401

[57]
Ehlmann B L, Klima R L, Seybold C C, et al. NASA's Lunar Trailblazer Mission: A pioneering small satellite for lunar water and lunar geology[C]//2022 IEEE Aerospace Conference (AERO). IEEE, 2022:1-14. DOI:10.1109/AERO53065.2022.9843663

[58]
Thompson D R, Green R, Ehlmann B, et al. The High-resolution Volatiles and Minerals Moon Mapper (HVM3) on the lunar trailblazer mission[C]// 51st Lunar and Planetary Science Conference, 2020.

[59]
Paige D A, Foote M C, Greenhagen B T, et al. The lunar reconnaissance orbiter diviner lunar radiometer experiment[J]. Space Science Reviews, 2010, 150(1):125-160. DOI:10.1007/s11214-009-9529-2

[60]
Greenhagen B. Thermal emission remote sensing of the moon: Design and development of Diviner Lunar Radiometer compositional capabilities[D]. Los Angeles: Los Angeles,University of California, Los Angeles, 2009.

[61]
许学森, 刘建军, 刘斌, 等. 月表光度模型研究进展[J]. 遥感技术与应用, 2016, 31(4):634-44.

DOI

[Xu X S, Liu J J, Liu B, et al., Progress on research of lunar photometric model[J]. Remote Sensing Technology and Application, 2016, 31(4):634-644.] DOI:10.11873/j.issn.1004-0323.2016.4.0634

[62]
Besse S, Sunshine J, Staid M, et al. A visible and near-infrared photometric correction for Moon Mineralogy Mapper (M3)[J]. Icarus, 2013, 222(1):229-242. DOI:10.1016/j.icarus.2012.10.036

[63]
Hicks M D, Buratti B J, Nettles J, et al. A photometric function for analysis of lunar images in the visual and infrared based on Moon Mineralogy Mapper observations[J]. Journal of Geophysical Research, 2011,116:E00G15. DOI:10.1029/2010je003733

[64]
陈超, 秦其明, 张宁, 等. CE-1干涉成像光谱仪数据光度校正与反射率计算[J]. 光谱学与光谱分析, 2011, 31(7):1985-1990.

[Chen C, Qin Q M, Zhang N, et al. Research on photometric calibration and reflectance calculation of CE-1 IIM data[J]. Spectroscopy and Spectral Analysis, 2011, 31(7):1985-1990.] DOI:10.3964/j.issn.1000-0593(2011)07-1985-06

[65]
Yokota Y, Matsunaga T, Ohtake M, et al. Lunar photometric properties at wavelengths 0.5-1.6 μm acquired by SELENE Spectral Profiler and their dependency on local albedo and latitudinal zones[J]. Icarus, 2011, 215(2):639-660. DOI:10.1016/j.icarus.2011.07.028

[66]
Mcewen A S. A precise lunar photometric function[C]. Lunar and Planetary Science Conference XXVII, 1996.

[67]
Sato H, Denevi B W, Robinson M S, et al. Photometric normalization of LROC WAC global color mosaic[C]// 42nd Annual Lunar and Planetary Science Conference, The Woodlands, Texas, 2011.

[68]
Hapke B. Theory of reflectance and emittance spectroscopy. 2nd ed[M]. Cambridge: Cambridge University Press, 2012.

[69]
Li S, Milliken R E. An empirical thermal correction model for Moon Mineralogy Mapper data constrained by laboratory spectra and Diviner temperatures[J]. Journal of Geophysical Research: Planets, 2016, 121(10):2081-2107. DOI:10.1002/2016je005035

[70]
Bandfield J L, Hayne P O, Williams J P, et al. Lunar surface roughness derived from LRO Diviner Radiometer observations[J]. Icarus, 2015, 248:357-372. DOI:10.1016/j.icarus.2014.11.009

[71]
Helfenstein P, Shepard M K. Submillimeter-scale topography of the lunar regolith[J]. Icarus, 1999, 141(1):107-131. DOI:10.1006/icar.1999.6160

[72]
Li X J, Wu H, Ni L, et al. New framework for land surface temperature and emissivity inversion based on hyperspectral thermal infrared data[J]. International Journal of Remote Sensing, 2024, 45(19/20):7377-7394. DOI:10.1080/01431161.2023.2216855

[73]
Li Z L, Tang B H, Wu H, et al. Satellite-derived land surface temperature: Current status and perspectives[J]. Remote Sensing of Environment, 2013, 131:14-37. DOI:10.1016/j.rse.2012.12.008

[74]
Ren H Z, Nie J, Dong J J, et al. Lunar surface temperature and emissivity retrieval from Diviner Lunar Radiometer experiment sensor[J]. Earth and Space Science, 2021, 8(1):e2020EA001436. DOI:10.1029/2020ea001436

[75]
Bandfield J L, Ghent R R, Vasavada A R, et al. Lunar surface rock abundance and regolith fines temperatures derived from LRO Diviner Radiometer data[J]. Journal of Geophysical Research, 2011,116:E00H02. DOI:10.1029/2011je003866

[76]
马明. 基于LRO卫星Diviner 热红外数据的月表发射率反演及其尺度效应研究[D]. 长春: 吉林大学, 2016.

[Ma M. Study on the lunar surface emissivity inversion and scale effect based on the Diviner thermal infrared data of LRO satellite[D]. Changchun: Jilin University, 2016.]

[77]
Greenhagen B T, Lucey P G, Wyatt M B, et al. Global silicate mineralogy of the moon from the Diviner Lunar Radiometer[J]. Science, 2010, 329(5998):1507-1509. DOI:10.1126/science.1192196

PMID

[78]
Cloutis E A, Gaffey M J. Pyroxene spectroscopy revisited: Spectral-compositional correlations and relationship to geothermometry[J]. Journal of Geophysical Research: Planets, 1991, 96(E5):22809-22826. DOI:10.1029/91je02512

[79]
Moriarty D P, Pieters C M. The character of South Pole-Aitken Basin: Patterns of surface and subsurface composition[J]. Journal of Geophysical Research: Planets, 2018, 123(3):729-747. DOI:10.1002/2017JE005364

[80]
Lucey P G. Mineral maps of the Moon[J]. Geophysical Research Letters, 2004, 31(8):L08701. DOI:10.1029/2003gl019406

[81]
Pieters C M. Copernicus crater central peak: Lunar Mountain of unique composition[J]. Science, 1982, 215(4528):59-61. DOI:10.1126/science.215.4528.59

PMID

[82]
Kramer G Y, Kring D A, Nahm A L, et al. Spectral and photogeologic mapping of Schrödinger Basin and implications for post-South Pole-Aitken impact deep subsurface stratigraphy[J]. Icarus, 2013, 223(1):131-148. DOI: 10.1016/j.icarus.2012.11.008

[83]
Mustard J F, Pieters C M. Photometric phase functions of common geologic minerals and applications to quantitative analysis of mineral mixture reflectance spectra[J]. Journal of Geophysical Research: Solid Earth, 1989, 94(B10):13619-13634. DOI:10.1029/jb094ib10p13619

[84]
Korokhin V, Surkov Y, Mall U, et al. Applying machine learning to a nonlinear spectral mixing model for mapping lunar soils composition using CHANDRAYAAN-1 M3 data[J]. Planetary and Space Science, 2024,244:105870. DOI:10.1016/j.pss.2024.105870

[85]
Sunshine J M, Pieters C M, Pratt S F. Deconvolution of mineral absorption bands: An improved approach[J]. Journal of Geophysical Research: Solid Earth, 1990, 95(B5):6955-6966. DOI:10.1029/jb095ib05p06955

[86]
Pinet P C, Daydou Y H, Chevrel S D. Olivine composition and reflectance spectroscopy relationship revisited from advanced MGM deconvolution based on synthetic and natural samples[J]. Icarus, 2022,373:114765. DOI:10.1016/j.icarus.2021.114765

[87]
Hapke B. Bidirectional reflectance spectroscopy: 1. Theory[J]. Journal of Geophysical Research: Solid Earth, 1981, 86(B4):3039-3054. DOI:10.1029/jb086ib04p03039

[88]
Hapke B, Wells E. Bidirectional reflectance spectroscopy: 2. Experiments and observations[J]. Journal of Geophysical Research: Solid Earth, 1981, 86(B4):3055-3060. DOI: 10.1029/jb086ib04p03055

[89]
Lucey P. Understanding the lunar surface and space-moon interactions[J]. Reviews in Mineralogy and Geochemistry, 2006, 60(1):83-219. DOI:10.2138/rmg.2006.60.2

[90]
Fischer E M, Pieters C M. Remote determination of exposure degree and iron concentration of lunar soils using VIS-NIR spectroscopic methods[J]. Icarus, 1994, 111(2):475-488. DOI:10.1006/icar.1994.1158

[91]
Tompkins S, Pieters C M. Mineralogy of the lunar crust: Results from Clementine[J]. Meteoritics & Planetary Science, 1999, 34(1):25-41. DOI:10.1111/j.1945-5100.1999.tb01729.x

[92]
Lyon R J P. Analysis of rocks by spectral infrared emission (8 to 25 microns)[J]. Economic Geology, 1965, 60(4):715-736. DOI:10.2113/gsecongeo.60.4.715

[93]
Clark R N. Planetary reflectance measurements in the region of planetary thermal emission[J]. Icarus, 1979, 40(1):94-103. DOI:10.1016/0019-1035(79)90056-3

[94]
Barry P, Shepanski J, Segal C. Hyperion on-orbit validation of spectral calibration using atmospheric lines and an on-board system[C]// International Symposium on Optical Science and Technology. Proc SPIE 4480, Imaging Spectrometry VII, San Diego, CA, USA. 2002,4480:231-235. DOI:10.1117/12.453344

[95]
Green R O, Pavri B E, Chrien T G. On-orbit radiometric and spectral calibration characteristics of EO-1 Hyperion derived with an underflight of AVIRIS and in situ measurements at Salar de Arizaro, Argentina[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(6):1194-1203. DOI:10.1109/TGRS.2003.813204

[96]
Jarecke P J, Yokoyama K E, Barry P. On-orbit solar radiometric calibration of the Hyperion instrument[C]// International Symposium on Optical Science and Technology. Proc SPIE 4480,Imaging Spectrometry VII, San Diego, CA, USA, 2002,4480:225-230. DOI:10.1117/12.453343

[97]
Liu Y N, Sun D X, Hu X N, et al. The advanced hyperspectral imager: Aboard China's GaoFen-5 satellite[J]. IEEE Geoscience and Remote Sensing Magazine, 2019, 7(4):23-32. DOI:10.1109/MGRS.2019.2927687

[98]
Qiu D G, Li F, Yan J G, et al. Machine learning for inversing FeO and TiO2 content on the Moon: Method and comparison[J]. Icarus, 2022,373:114778. DOI:10.1016/j.icarus.2021.114778

[99]
Yang C, Zhang X M, Bruzzone L, et al. Comprehensive mapping of lunar surface chemistry by adding Chang'e-5 samples with deep learning[J]. Nature Communications, 2023, 14(1):7554. DOI:10.1038/s41467-023-43358-0

PMID

Options
文章导航

/

〈 〉