EN中文

地球信息科学学报 >

2025 , Vol. 27 >Issue 4: 801 - 819

DOI: https://doi.org/10.12082/dqxxkx.2025.240466

专栏：“从地球到深空：遥感地理信息技术拓展与创新”

月球形貌遥感测绘发展现状与未来展望

  • 刘成保 , 1 ,
  • 薄正 , 1, * ,
  • 张鹏 1 ,
  • 周米玉 2 ,
  • 刘琬玥 1 ,
  • 黄荣 2 ,
  • 牛冉 1 ,
  • 叶真 2 ,
  • 杨瀚哲 1 ,
  • 刘世杰 2 ,
  • 韩东旭 1 ,
  • 林茜 1
展开
  • 1.中国科学院空间应用工程与技术中心，北京 100094
  • 2.同济大学测绘与地理信息学院，上海 200092
* 薄 正（1994— ），男，山东日照人，博士，助理研究员，主要从事行星摄影测量与遥感方面的研究。 E-mail:

刘成保（1985— ），男，山东淄博人，博士，高级工程师，主要从事卫星遥感与月球形貌重建、地月空间光学数字孪生等方面的研究。E-mail:

Copy editor: 黄光玉 , 蒋树芳

收稿日期: 2024-08-23

  修回日期: 2024-12-04

  网络出版日期: 2025-03-25

收起

Current Status and Future Prospects of Lunar Topographic Remote Sensing and Mapping

  • LIU Chengbao , 1 ,
  • BO Zheng , 1, * ,
  • ZHANG Peng 1 ,
  • ZHOU Miyu 2 ,
  • LIU Wanyue 1 ,
  • HUANG Rong 2 ,
  • NIU Ran 1 ,
  • YE Zhen 2 ,
  • YANG Hanzhe 1 ,
  • LIU Shijie 2 ,
  • HAN Dongxu 1 ,
  • LIN Qian 1
Expand
  • 1. Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences，Beijing 100094, China
  • 2. College of Surveying and Geo-informatics, Tongji University, Shanghai 200092, China
* BO Zheng, E-Mail:

Received date: 2024-08-23

  Revised date: 2024-12-04

  Online published: 2025-03-25

Fold

摘要

【意义】月球形貌遥感测绘是保障月球探测任务安全实施和推动月球科学研究的关键手段，对于理解月球地质演化和地月系统的形成具有重要意义。【进展】近年来，随着国内外对月球探测的兴趣与投入不断增加，遥感技术的创新推动了月球形貌测绘精度和覆盖范围的显著提升，各类遥感任务获取了大量多源、多模态和多尺度的数据，为技术突破奠定了基础。然而，数据量和复杂性的急剧增加，带来了形貌测绘处理的严峻挑战。本文全面综述了月球形貌遥感测绘的发展现状，重点梳理第二次探月热潮以来月球遥感探测任务的实施与数据获取情况，系统总结了激光高度计测高、光学摄影测量以及合成孔径雷达地形测量等关键测绘技术的最新研究进展与应用。【展望】对月球形貌遥感测绘领域的发展趋势与未来可能面临的挑战进行了深入探讨和展望，针对传感器能力提升、月球绝对参考框架优化、多源数据融合精细建模、海量遥感数据智能高效处理、以及推动科学应用水平发展的前景等方面给出了建议。

关键词： 月球遥感; 轨道器影像; 形貌测绘; 摄影测量; 激光测高; 数字高程模型; 数字正射影像

本文引用格式

刘成保 , 薄正 , 张鹏 , 周米玉 , 刘琬玥 , 黄荣 , 牛冉 , 叶真 , 杨瀚哲 , 刘世杰 , 韩东旭 , 林茜 . 月球形貌遥感测绘发展现状与未来展望[J]. 地球信息科学学报, 2025 , 27(4) : 801 -819 . DOI: 10.12082/dqxxkx.2025.240466

Abstract

[Significance] Lunar remote sensing is a critical method to ensure the safety and success of lunar exploration missions while advancing lunar scientific research. It plays a significant role in understanding the Moon's geological evolution and the formation of the Earth-Moon system. Accurate lunar topographic maps are essential for mission planning, including landing site selection, navigation, and resource identification. These maps also provide valuable data for studying planetary processes and the history of the solar system. [Progress] In recent years, with growing global interest and investment in lunar exploration, remarkable progress has been made in remote sensing technology. These advancements have significantly improved the precision, resolution, and coverage of lunar topographic mapping. Various lunar remote sensing missions, such as China's Chang'e program, NASA's Lunar Reconnaissance Orbiter, and missions by other space agencies, have acquired substantial amounts of multi-source, multi-modal, and multi-scale data. This wealth of data has laid a solid foundation for technological breakthroughs. For instance, high-resolution laser altimetry, optical photogrammetry, and synthetic aperture radar have provided detailed datasets, enabling refined mapping of the Moon's surface. However, the dramatic increase in data volume, complexity, and heterogeneity presents challenges for effective processing, integration, and application in topographic mapping. This paper provides a comprehensive overview of the current state of lunar topographic remote sensing and mapping, focusing on the implementation and data acquisition capabilities of major lunar remote sensing missions during the second wave of lunar exploration. It systematically summarizes the latest research progress in key surveying and mapping technologies, including laser altimetry, which enables precise elevation measurements; optical photogrammetry, which reconstructs surface features using high-resolution imagery; and synthetic aperture radar, which provides unique insights into topographic and subsurface structures. [Prospect] In addition to reviewing recent advancements, the paper discusses future trends and challenges in the field. Key recommendations include enhancing sensor functionality and performance metrics to improve data quality, optimizing the lunar absolute reference framework for consistency and accuracy, leveraging multi-source data fusion for fine-scale modeling, expanding scientific applications of lunar topography, and developing intelligent and efficient methods to process massive amounts of remote sensing data. These efforts will not only support upcoming lunar exploration missions, such as China's manned lunar landing program scheduled for 2030, but also contribute to a deeper understanding of the Moon and its relationship with Earth.

Key words： lunar remote sensing; orbiter imagery; topographic mapping; photogrammetry; laser altimetry; Digital Elevation Model; Digital Orthophoto Map

1 引言

月球作为地球唯一的天然卫星，是人类深空探测的第一站，也是实施探测任务最多的天体。20世纪50至70年代，美国和苏联掀起了第一次月球探测高潮；20世纪末至今，随着美国重返月球计划的实施，世界上其他的航天大国也制定了新一轮的月球探测计划，掀起第二个探月热潮[1]。我国探月工程四期将开展国际月球科研站基本型建设，载人月球探测工程登月阶段任务各项研制建设工作也在加紧推进，瞄准2030年前实现中国人首次登陆月球[2]。
载人月球探测作为我国一项重大战略任务，承载着探索月球科学价值、占领地月空间科技制高点的重大使命，随着2030年前实现载人月球探测及月球科考站建设的目标设定，任务复杂度、安全性和可靠性要求与日俱增。在这一背景下，高精度月球形貌测绘成为保障任务顺利实施的关键，不仅为着陆区评估与选择、科学探测目标确定、月面活动规划等提供重要的数据信息支撑，同时也是深化月球科学研究、理解月球地质演化、探索地-月系统的形成与演化的重要基础[1]。
轨道器遥感是月球探测的重要手段，通过平台搭载的激光高度计、光学相机、合成孔径雷达（SAR）等传感器获得月表形貌探测数据。在国内外历次探测任务中，已经积累了大量的形貌探测数据，这些数据呈现多源、多模态、多尺度、多重覆盖的特点。利用这些数据，基于激光测高、摄影测量、雷达测量等形貌测绘技术，研究人员已制作出不同覆盖范围、分辨率和精度各异的形貌制图产品，如数字高程模型（Digital Elevation Model， DEM）和数字正射影像（Digital Ortho Map， DOM），这些产品在月球探测中具有重要的科学研究和工程应用价值。月球形貌测绘是一个复杂的过程，涉及遥感数据的获取与处理、几何模型构建、区域网平差、立体影像匹配、三维地形重建等多个环节，其精度受到各种因素的综合影响。在形貌测绘过程中，需要克服由于月球轨道器定轨定姿精度低、缺乏卫星导航定位设施以及高精度空间参考基准所带来的遥感数据定位精度低的问题。此外，还需应对月球表面的复杂地形和光照条件对遥感数据质量的影响，这包括变形、遮挡、叠掩、透视收缩等影像的几何问题，以及阴影、低照度、低对比度、纹理贫乏和重复等影像的强度问题。因此，基于月球遥感数据实现高精度形貌测绘是一项极具挑战性的任务。随着月球探测的不断深入，工程任务和科学研究对形貌模型的精细程度提出了更高的要求，形貌测绘技术及产品在精度、分辨率、空间覆盖广度和处理时效等方面需要达到更高标准。
本文从月球形貌遥感测绘的角度，综述了国内外月球轨道器遥感获取形貌探测数据和相应的制图产品的现状，并从激光高度计测高、光学摄影测量和雷达测量3个方面总结了月球形貌遥感测绘的关键技术。最后，展望了相关技术的未来发展趋势和研究前景。

2 月球形貌遥感探测任务及数据现状

月球遥感探测的起点可追溯到苏联的Luna 3任务，它首次拍摄了月球背面的图像，揭开了人类对月球探索的序幕[3]。在第一次探月热潮中，美国Apollo系列和苏联Luna系列的轨道器任务通过立体相机和激光高度计等，实现了对月球表面的形貌遥感测绘。自20世纪90年代以来，随着遥感技术的进步，第二次探月热潮拉开序幕。在这一阶段，月球轨道器任务在形貌测绘方面取得了长足的发展，通过激光高度计、光学遥感和雷达遥感在内的多种探测手段获得了更高精度、更高分辨率的多源数据，为更准确、更详细地获取月表形貌信息发挥了重要作用，进一步推动了对月球的探索和认知。图1展示了第二次探月热潮以来历次的轨道器任务及携带的形貌探测载荷，表1汇总了已发射任务的各类载荷的指标与制作的形貌产品。
图1 第二次探月热潮以来已发射和计划发射的月球轨道器及搭载的形貌探测载荷

注:蓝色字母表示激光高度计，红色字母表示光学相机，绿色字母表示合成孔径雷达。

Fig. 1 Lunar orbiter missions launched or planned and their topographic payloads since the second wave of lunar exploration

表1 主要形貌探测载荷指标与制图产品

Tab. 1 Parameters and mapping products of main topographic payloads

载荷类型 载荷名称 载荷指标 制图产品
测距精度 空间分辨率 产品类型 分辨率 覆盖范围
激光
高度计		 LIDAR[4] 100 m - DEM 7.5 km 79º S—82.9º N[5]
LALT[6] 1 m - DEM 0.5 º 全月[7]
LAM[8] 60 m - DEM 3 km 全月[8]
LLRI[9] 5 m - - - -
LOLA[10] 0.1 m - DEM 1 024 ppd
5~10 m		 全月[10]
极区[11⇓-13]
光学
相机		 UVVIS[14] - 100~325 m DOM 118 m 全月[15]
DEM 1 km 极区[16]
HIRES[4,17] - 7~20 m - - -
AMIE[18] - 30~250 m DOM 250 m 全月[19]
TC[20] - 9.2~10.3 m DOM 10 m 全月[21]
DEM 10 m 全月[21]
CE-1三线阵立体相机[22] - 120 m DOM 120 m 全月[22]
DEM 500 m 全月[22]
TMC[23] - 5 m - - -
LROC NAC[24] - 0.5~2 m DOM 1 m CE-5预选着陆区[25]
85.5º S—90º S[26]
90º N—85º N[27]
DEM 2 m 局部[28⇓-30]
LROC WAC[24] - 100 m DOM 100 m 全月[31]
DEM 118 m 79º S—79º N [32]
CE-2双线阵立体相机[33] - 1.5/7 m DOM 7 m 全月[34]
DEM 20 m 全月[34]
OHRC[35] - 0.25 m - - -
LUTI[36] - 2.5 m - - -
ShadowCam[37] - 1.7 m - - -
SAR Mini-SAR[38] - 150 m - - -
Mini-RF[39] - 30/150 m DOM 30 m 70º S—90º S[40]

注：ppd（pixels per degree）表示每度的像素个数。

2.1 克莱门汀号

月球探测的新起点始于1994年发射的美国“克莱门汀号”（Clementine）轨道器，Clementine搭载了激光测高仪LIDAR（Laser Image Detection and Ranging）、紫外线/可见光相机UV/VIS（Ultraviolet/Visible Camera）和高分辨率摄影机HIRES（High-Resolution Camera） 3台用于形貌探测载荷。LIDAR在400~450 km的轨道高度上首次获取到了近乎覆盖全月的激光测高数据，测距精度约为100 m，在平坦的月海地区，沿轨间距最高可达20 km。基于LIDAR数据制作了7.5 km格网间距的DEM，覆盖了79° S—82.9° N间的月面区域[5]。UV/VIS获取了全月范围约60万幅影像，制作了空间分辨率约118 m的全月正射影像拼接图[15]，并在两极地区进行了多重覆盖观测，经过立体摄影测量方法制作了格网大小为1 km的极区DEM[16]。HIRES由一台CCD相机和一台影像增强仪组成，可获取特定目标的7~20 m分辨率的影像[4]。Clementine形貌数据经过联合处理，结合早期月球探测的其他数据，先后构建了Clementine月球控制网（The Clementine Lunar Control Network，CLCN）[17]和2005年月球统一控制网（The Unified Lunar Control Network 2005，ULCN2005）。其中， ULCN2005是目前已公开的精度最高的全月控制网中，其平面精度在百米至千米级别，垂直精度为100 m[41]。

2.2 智慧一号

进入21世纪后，欧洲空间局于2003年率先发射了“智慧一号”（SMART-1）探测器，这是欧洲首次独立开展的月球探测项目。SMART-1上搭载的彩色成像相机AMIE（Advanced Moon Micro-imager Experiment）在400~3 000 km轨道高度上获取了月表的可见光和近红外影像，平均空间分辨率为80 m，最高可达30m[18]，全部优于100 m[19]。

2.3 月亮女神号

2007年日本发射的“月亮女神号”（SELENE/KAGUYA）卫星通过激光高度计LALT（Laser Altimeter）、地形相机TC（Terrain Camera）和多波段成像仪MI（Multiband Imager）等载荷，获得了丰富的月球形貌探测数据。LALT在100 km轨道高度可获得1 m测距精度的激光足印数据，激光点在非极区平均纵向间隔15 km，在极区则更为密集，间距小于2 km[6]，Araki等[7]利用约670万个测量数据构建了空间分辨率优于0.5°的全月DEM数据。地形相机TC采用了前后视间30°夹角的双线阵CCD探测器，在100 km轨道高度对全月进行拍摄，成像空间分辨率约为9.2~10.3 m。Haruyama等[21]利用TC相机影像和MI获取的多光谱数据，制作了无控制的空间分辨率为10 m的全月DOM和DEM产品。Baker等[42]融合TC相机与LRO LOLA数据生成了SLDEM2015地形数据，覆盖月球南北纬60°之间，分辨率最高达到512 ppd（赤道地区约60 m），高程精度为3~4 m，是目前被广泛应用的月球地形产品。

2.4 月船一号/二号

印度于2008年发射了“月船一号”（Chandrayaan-1）探测器，搭载的形貌探测载荷包括激光高度计LLRI（Lunar Laser Range Instrument）、地形制图相机TMC（Terrain Mapping Camera）和NASA研制的微型合成孔径雷达Mini-SAR（Miniature Synthetic Aperture Radar）。LLRI的测距精度优于5 m，Kamalakar等[9]和Bhaskar等[43]分别利用LLRI激光测高数据在Clavius、D'Alemberts等撞击坑区域制作了地形剖面图；TMC采用三线阵CCD相机对全月进行推扫成像，影像分辨率为5 m，Sivakumar等[44]利用立体摄影测量方法制作了局部区域（75° S—90° N） 25 m格网大小的DEM和5 m分辨率的DOM，产品的平面精度为200 m，另外由于未利用高程控制数据导致生成的DEM与LOLA DEM之间存在1~2 km的系统误差；Mini-SAR作为NASA Mini-RF的一部分，是首部搭载在月球探测器的星载SAR，Mini-SAR在S波段频率下工作，主要对月球两极进行雷达散射成像，具有150 m的空间分辨率，18 km的幅宽[38]。2019年7月发射的“月船二号”（Chandrayaan-2）搭载了高分辨率相机OHRC（Orbiter High Resolution Camera）。OHRC专为在极低太阳高度条件下进行成像而设计，在100 km的轨道高度上，OHRC影像的分辨率高达0.25 m，幅宽为3 km[35]。通过轨道器侧摆机动，OHRC能够获取多视角的立体影像，从而可以生成迄今为止轨道器获得的最高分辨率的DEM。在几个特定区域，生成的DEM和相应的正射影像分辨率为0.28~0.32 m，垂直方向的高程分辨率为0.1~0.5 m[45]。

2.5 月球勘测轨道器

进入21世纪后，美国宇航局（NASA）首次开展的探月任务是2009年发射的月球勘测轨道器LRO（Lunar Reconnaissance Orbiter）。LRO的主要目标之一是获取月球表面的高分辨率地形图，它搭载了月球轨道激光测距仪LOLA（Lunar Orbiter Laser Altimeter）、月球勘测轨道器相机LROC（Lunar Reconnaissance Orbiter Camera）和微型射频仪器Mini-RF（The Miniature Radio-Frequency Instrument），这些载荷在指标上全面超越了此前的Clementine号，提供了目前全月范围最高质量和最大数据量的形貌数据。LOLA的主要任务是提供月球表面的精确高度测量数据，生产高分辨率的月球DEM和大地测量框架。在约50 km极轨轨道上，LOLA利用多波束技术（每次同时发射5束激光）在月球表面获取了超过70亿个有效的高度测量数据，每束光束的光斑直径约为5 m，测距精度为0.1 m，经过交叉点平差处理，将跨轨和沿轨误差控制在10 m内，径向误差在1 m内[46-47]。由于在极地轨道运行，LOLA激光点的密度在靠近南极的地区增加，因此基于LOLA数据的插值处理制作了全月范围不同格网间距的LDEM（LOLA DEM）[13]。其中，在南极极区少部分区域的格网间距最高能达到5 m，高程精度为0.3~0.5 m[11-12]，为测量月球南极永久阴影区地形发挥了重要作用。LROC由一台可获取100 m分辨率影像的宽角相机（Wide Angle Camera，WAC）以及2台可获取0.5~2.0 m分辨率影像的窄角相机（Narrow Angle Camera，NAC）组成。基于WAC影像和LOLA数据，制作了空间分辨率为100 m的覆盖南北纬79°间的GLD100 DEM[32]和覆盖全月的WAC DOM[31]。高分辨率的NAC影像几乎完成全月面的覆盖，NAC相机以异轨侧摆的方式在重点感兴趣区进行多角度观测来获取局部区域的立体像对。通过在轨视准轴标定、光束法平差、三角测量等方法，提高NAC影像的定位精度（平差后像方均方根误差可以达到子像素量级）并重建三维地形，完成局部区域米级分辨率形貌制图[48⇓-50]。Mini-RF是一种采用混合双极化架构的SAR，它具备S波段和C波段2种工作波段[39]。Mini-RF能够在150 m和30 m（变焦模式）分辨率下成像，大部分数据是在S波段变焦模式下获取的。在1.5年的运行期间，Mini-RF对月球表面实现了约66%的大面积覆盖，对南极80°以上区域的覆盖达到了约75%[40]。

2.6 嫦娥一号/二号

“嫦娥一号”（CE-1）是我国首次月球探测任务，于2007年成功发射。CE-1探测器搭载了激光高度计LAM（Laser Altimeter）和三线阵CCD立体相机等形貌探测载荷，获得了全月形貌数据。李春来等[8]基于LAM观测的约912万个数据，制作了3 km空间分辨率的全月DEM，平面和高程方向精度分别为445 m和60 m。李春来等[22]基于CE-1立体相机和LAM数据，制作了CE1TMap2009全月数字地形产品，产品包括空间分辨率为120 m的DOM和500 m的DEM。“嫦娥二号”（CE-2）探测器于2010年发射，其形貌探测的主要目标是获取月表高分辨率的立体图像、对预选着陆区和其他重点区域进行精细测绘[51]。CE-2搭载的双线阵CCD立体相机，在100 km高度的轨道上对全月进行立体成像，获得了分辨率为7 m、幅宽为43 km的影像，在15 km轨道高度上获取了雨海虹湾区的分辨率优于1.5 m的高分辨率立体影像，实现了嫦娥三号预选着陆区的高精度地形制图[33]。李春来等[34]于CE-2立体相机影像，联合LAM、LOLA激光测高数据，制作了7 m、20 m和50 m等不同分辨率的全月地形产品CE2TMap2015。CE2TMap2015相对定位精度为5 m（平面方向）和2 m（高程方向），绝对定位精度为21~97 m（平面方向）和2~19 m（高程方向）。

2.7 探路者月球轨道器

探路者月球轨道器（Korea Pathfinder Lunar Orbiter，KPLO）是韩国的首个月球轨道探测器，于2022年发射成功，同年进入月球轨道开展遥感探测任务。KPLO的目标之一是绘制和分析月球地形，以支持韩国第二阶段月球探测任务的着陆点选择。KPLO搭载的形貌探测传感器有月球地形成像仪（Lunar Terrain Imager，LUTI）和阴影相机（ShadowCam）[52]。LUTI的相机设计类似于LROC NAC，其在100km轨道高度上通过推扫成像可以获取空间分辨率为2.5 m、幅宽为8 km的月表影像[36]。ShadowCam可以获取空间分辨率为1.7 m、幅宽为 5.2 km的影像，其对光照的敏感度相比于此前的相机提升了200倍以上，能够在周边地形反射的微弱的二次照明条件下对月球永久阴影区进行成像[37]。

2.8 小结

经过数十年的发展，月球形貌遥感探测任务在探测手段和性能方面取得了显著进步，数据的获取量和质量显著提升，形成了丰富的高分辨率和高精度数据产品。在探测手段方面，已从早期以激光高度计和光学相机为主，发展至包括SAR、微光相机等在内的多样化技术组合。这一转变使得对传统探测盲点，如永久阴影区的探测成为可能，实现了对月球表面的全面探测。在探测性能方面，激光测高计的测高精度从百米量级提升至亚米级，影像的分辨率从百米量级提升至米级乃至亚米级，最终实现了形貌产品十米量级的全月覆盖和米级的重点区域局部覆盖。然而，当前的月球遥感探测仍然面临着以下挑战： ① 激光高度计的覆盖问题导致中低纬度区域的激光数据密度相对稀疏，影响高程数据的整体准确性； ② 高分辨率光学立体影像的覆盖区域仍然稀少，且在阴影区缺乏有效观测数据，限制了在特定区域的详细形貌分析； ③ 当前月球遥感探测中SAR技术的发展滞后于其他技术，其在某些应用场景下无法提供匹配的精度与分辨率； ④ 受传感器和平台的定轨定姿精度、传感器获取数据质量的参差不齐、高精度控制信息的缺失等影响，导致形貌遥感测绘的精度相对较低。目前规划的未来遥感探测任务中，涉及形貌探测的包括：中国的嫦娥七号将执行轨道器遥感探测任务，装备有高分辨率立体测绘相机HRSMC（High-Resolution Stereo Mapping Camera）和微型合成孔径雷达MSAR（Miniature Synthetic Aperture Radar），主要用于获取全月包括永久阴影区的地形数据[53]。此外，俄罗斯计划在2027年发射Luna-26轨道器，该轨道器将搭载立体相机（LSTC），以实现对全月立体影像的获取和全月形貌图的制作[54]。未来遥感任务将产生更多高质量的形貌探测数据，因此，深入研究月球高精度形貌遥感测绘技术，以应对上述挑战并提升数据的应用价值至关重要。

3 月球形貌遥感测绘技术研究进展

随着月球探测需求的不断增长以及载荷技术的持续进步，形貌遥感测绘技术已经实现了显著的发展。其中，激光高度计作为关键的测绘手段，其测高模型和数据处理方法经过不断优化，显著提高了测量的准确性和可靠性。在光学摄影测量领域，成像几何模型、几何定位与平差等技术取得了突破性进展。通过立体测量法和光度测量法，不仅实现了更高分辨率的制图，还显著提高了定位精度。SAR技术在月球形貌测绘中也展现出巨大潜力，尤其在永久阴影区等光照不足的环境中，能够提供有效的数据。表2列出了各种形貌遥感探测方式的特点，为比较和选择最合适的测绘技术提供了参考。这些技术的快速发展，为实现高精度月球形貌遥感测绘提供了坚实的技术基础。本文将月球形貌遥感测绘领域的进展主要分为激光高度计测量、光学摄影测量、合成孔径雷达测量3个方面，具体如图2所示。
表2 不同形貌遥感探测方式特点

Tab. 2 Parameters and mapping products of main topographic payloads

探测方式 激光高度计测量 光学摄影测量 合成孔径雷达测量
测绘精度 最高 一般 InSAR测高精度较高
分辨率 - 高 低于光学相机
数据质量 相对较好 相对较好 受相干成像影响，导致散斑噪声发生，信噪比低
光照影响 不受影响 易产生阴影 不受影响
地形影响 地形起伏引起光斑直径变化，影响测距精度 复杂地形增加影像匹配难度，影响地形测量精度 侧视成像易受地形影响，可能导致遮挡、叠掩和透视收缩
数据处理难度 简单 一般 复杂
其他 激光足印的高密度覆盖所需周期长 需要平衡立体几何关系强弱和匹配精度的关系 干涉测量依赖影像相干性，需要高精度配准和有效相位解缠
图2 月球形貌遥感测绘技术研究进展分类

Fig. 2 Classification of research progress in lunar topographic remote sensing and mapping technology

3.1 激光高度计测高

3.1.1 激光高度计测高模型

激光高度计是获取地表三维空间信息的重要的主动遥感手段，通常由一个固态脉冲激光源、一个朝向卫星天顶轨道的望远镜（用于收集行星表面的回波）和一个定位系统（如GPS、星敏感器等）组成[55]。激光测高是最直接的高程测量方法，自1971年Apollo计划首次在深空探测中开展月球表面激光探测后[56]，激光测高技术被广泛应用于月球和其他行星探测领域。
月球轨道器激光高度计通过测量激光脉冲从卫星发射到月表反射并返回的时间来计算卫星到月表的距离，并根据月球的几何半径、卫星的轨道高度以及仪器的指向角来构建几何定位和高程解算模型，确定激光足印内月球表面的地形高度[57]。整个过程就是激光脉冲由激光坐标系向月球月固坐标系转换的过程，是激光测高的严密几何模型。对一片区域测量出大量数据后，经插值后可以将测高数据集转换成连续表示的DEM。
影响激光足印点月面坐标与高程值精度的主要因素有卫星到足印点的距离测量（仪器测距值）精度、卫星矢量（轨道测量值）精度、仪器观测方向的测量精度（由姿态测量值、仪器安装参数等决定）[8]。为了提升激光测距的精度和分辨率，可以采用对激光扩束的方法来减小光束发散角[58]。例如，LOLA利用衍射光学器件将激光分为5个不同方向的波束[10]。此外，仪器系统噪声、月表地形起伏等也会给激光测距数据的精度带来一定的影响。激光高度计产生的高程点集经过内插而产生DEM，DEM的误差不仅来源于激光测高数据的获取过程，还包括来自于数据采样点密度和插值模型导致的插值表面与真实地形之间的差异[59]。

3.1.2 激光高度计数据平差与形貌测绘

激光高度计工作时，上升轨道和下降轨道剖面会在不同时间点相交于同一位置，该位置即为轨道交叉点。由于系统误差以及测量误差等的存在，激光高度计在不同时刻经过轨道交叉点时测得的高度值会出现偏差，该偏差称为交叉点高程差或交叉点不符值。利用交叉点不符值对测高观测值进行平差是削弱径向轨道误差的基本方法，称为交叉点平差[60]。在各国的探测任务中，激光高度计的交叉点平差方法被广泛用于减少激光测高过程中引入的误差。日本SELENE探测任务中，利用LALT的交叉点分别对主要任务期间和扩展任务期间的卫星轨道解算进行约束[61-62]。NASA对LOLA数据应用交叉点平差后，水平误差和径向误差分别控制在10 m和1 m以内[47]。Hao等[63]结合滤波和聚类方法消除LOLA数据的噪声点后，进行了交叉点平差处理，制作了Mons Rümker地区的精细DEM；而Li等[64]则是利用LAM和LALT数据进行多源数据的交叉点平差处理，并与LOLA数据融合，同样制作出了该地区的DEM。Hu等[65]系统分析了CE-1 LAM数据轨道交叉点高程差值的时空分布特性，提出了一种局部平坦地形约束的全球交叉点平差方法，对获取的超过141 000个交叉点进行了平差，从而提高了DEM的精度。Huang等[66]以LOLA数据为基准，通过交叉点平差将LAM的轨道精度提升至105 m。
随着探测任务的持续运行，LOLA数据覆盖越来越密集，目前已获得超过70亿个有效的高度测量数据，LOLA科学团队基于LOLA数据在多个区域生成了高分辨率DEM[46]。在数据密度高的区域（如少部分南极极区）分辨率最高能达到5 m/像素。然而，LRO轨道位置的不确定性导致了DEM数据中存在噪声，这些噪声在更高分辨率的DEM下更加明显。Barker等[11]以简化的LDEM为参考底图，通过自迭代的方法将轨道精度提升至沿/跨轨10~20 cm、径向2~4 cm的水平，大大提高了无辅助数据下的LOLA测高数据的处理质量，以此消除了大部分条带噪声。Zheng等[67]采用并行计算的方法提高了迭代调整的效率，为Amundsen撞击坑区域提供了5 m分辨率的高质量DEM数据。Xie等[68]使用密集分布的点本身作为参考地形数据，通过自迭代以消除足印点的定位误差，并最大限度地减少冗余计算，最终制作了月球南极89° S—90° S范围内包含永久阴影区的PLDEM，相比Barker等[11]发布的同一地区的NLDEM，条带噪纹得到了更好的消除。Zheng等[69]利用交叉点不符值来识别轨道位置误差较大的轨道段，并对其进行成因分析，通过轨道插值重建和基于特征点匹配的方法校正了具有显著沿轨偏移的误差轨道，有效去除了条带噪纹。

3.2 光学摄影测量

3.2.1 光学传感器成像几何模型

光学传感器成像几何模型通过将物体的三维坐标映射到影像平面上的像素坐标来表示成像过程中的几何关系，是利用摄影测量进行空间定位制图和三维重建的基础。根据是否对物理成像过程进行建模，传感器的几何模型主要分为2大类：严格成像几何模型和通用成像几何模型[70]。
严格成像几何模型以摄影测量中的共线方程为基础，依据摄影中心、像点和对应地面点三点共线这一几何条件来恢复成像时光线的几何位置关系，是影像几何定位的理论基础。严格成像几何模型的建立包括内定向和外定向2个过程。内定向参数确定了影像中像点坐标与传感器焦平面坐标的变换关系，而外定向则确定了焦平面坐标与物方点三维坐标的变换关系。国外月球探测任务大多采用了NASA的导航和辅助信息设施（NAIF）提供的SPICE（Spacecraft, Planet, Instrument, Camera-Matrix and Events） kernel文件来获取内外定向参数。SPICE kernel 文件通常包括 IK（Instrument）、FK（Frame）和 CK（C-Matrix）等类型，详细描述了传感器的建模参数。通过SPICE Toolkit的API接口可以方便的获取到这些数据[71-72]。鉴于不同传感器之间存在设计差异，需要为每个传感器单独建立严格几何模型。严格成像几何模型数学形式较为复杂且需要已知传感器的参数信息，同时还需要考虑成像过程中造成影像变形的各种因素的物理意义，如月球曲率、月表起伏、相机物镜畸变等，大大增加了建模的复杂性。另外，部分探测任务的内外定向参数由于保密性要求无法公开获取。以上种种因素，阻碍了严格成像几何模型的广泛应用。
通用成像几何模型是一类与传感器无关的模型，能提供统一的方式来适用各种不同类型的传感器，其中以有理函数模型（Rational Function Model，RFM）最具代表性[73]。然而，线性推扫影像具有很强的时间依赖性，每个扫描线在不同的时间瞬间曝光，导致了RFM的复杂性，因此许多学者对RFM在CE-1[74]、CE-2[75]、LROC NAC[76]、TMC[44]等月球的线阵推扫式传感器的适用性和精度进行了一系列研究。其中， Liu等[75]在研究中发现，由于轨道设计的原因，CE-2 CCD 相机的曝光时间在不同扫描线上有所不同，导致了传统RFM拟合方法的精度下降（RMS残差高达9个像素），并针对该问题提出了一种基于时间变量的有理函数模型，将RFM的拟合精度显著降低到了1/100像素级别。

3.2.2 光学影像几何定位与平差

影像的几何定位是通过遥感影像获得月面目标位置信息的重要技术手段，其精度直接影响到基础影像及其形貌制图产品的几何质量。定位结果是通过严格成像几何模型或者有理函数模型进行计算而得，定位精度主要体现在传感器成像时的内、外方位元素误差。此外，轨道器影像从获取到处理生成影像产品的过程中，还可能受到坐标系转换误差、仪器安置误差、参考高程数据误差等多方面因素的影响。
由于缺少绝对定位控制点，月球轨道器遥感影像通常采用平差方法来提升整体的相对定位精度，间接提升一定的绝对定位精度[70]。目前月球立体影像的几何处理研究中，大多都是利用立体或多重覆盖的影像数据，基于严格成像几何模型建立各传感器的成像参数精化模型，通过最小二乘调整来改正目标影像的轨道和姿态[47,77-78]，相机的安装角、视准轴和畸变[21,48,50,76,79]，以及平台颤振[80]等相关参数中的误差，提高影像间的几何一致性，实现定位精度的提升。然而，由于月球表面纹理特征贫瘠和光照条件显著变化，且缺乏控制信息，平差过程面临着诸多挑战。
月球立体影像进行平差处理时面临的主要挑战是影像间的匹配困难和缺少高精度控制信息导致的平差难收敛。通过影像匹配获得同名连接点是构建平差网络正确几何关系的关键，直接影响平差的精度。然而，月球遥感影像受光照影响大，表现出严重的非线性辐射畸变。此外，月球遥感影像具有弱纹理特性。这些问题导致传统匹配算法的应用效果并不理想。针对非线性辐射畸变问题，地球遥感影像通常将匹配对转化为“单一”模态的影像[81]。采用相位一致性提取图像的结构信息是一种较为常见的匹配策略[82⇓-84]。然而，和地球多源遥感影像相比，月球遥感影像的高噪声和巨大的局部光照差异往往使得待匹配影像的结构呈现出较弱的相关性，增添了匹配难度。Zhan等[85]和Zhai等[86]针对影像纹理贫瘠、对比度低等问题，分别对基于灰度和特征点的匹配方法进行了改进以获得更多的匹配点； Wu等[87]提出了自适应直方图的SIFT匹配方法，以减轻局部区域中的光照差异影响； Sidiropoulos等[88]提出了一种环匹配方法，将图像划分为多个环，并在每个环中进行特征匹配来提高匹配的速度和准确性。和灰度特征相比，相位一致性特征具有更好地结构表达能力。Zhou等[89]通过对原始图像进行下采样，扩展了原始相位相关，实现了行星遥感影像（PRSI）的亚像素匹配。近年来，Huang等[90]提出了一种新的PRSI匹配方法，通过构建双频率尺度空间提取特征，并采用非极大值抑制策略，提高了匹配精度并减少了时间消耗。Zhang等[91]和Liu等[92]考虑了特征点局部的几何结构信息，对误匹配点剔除方法进行了优化，提高了匹配的精度。
对于平差过程中无法引入高精度的控制点的问题，通常采用的解决策略是联合高精度的参考高程数据（如激光测高数据和DEM）进行多源数据联合平差。Wu等[93]通过曲面拟合进行高差约束，实现了CE-1单轨CCD影像与LAM数据的联合光束法平差，平差后将像方误差由18个像素降低至1个像素左右。Di等[77]利用LAM数据交叉点平差和迭代最近点（ICP）配准算法，通过联合平差对CE-1三线阵立体影像的传感器模型参数进行改正，使得配准后影像与LAM数据的高程差平均值从200 m降低至3.21 m，LAM数据点投影到嫦娥一号影像上的同名点不一致降低到0.1个像素。Wu等[78]以LOLA数据作为控制基准，利用CE-2多轨立体影像进行联合平差处理，实现了子像素的平差精度。Xin等[94]提出了一种同时考虑几何信息和辐射信息的影像与DEM匹配方法，利用山体阴影技术生成SLDEM2015的模拟影像数据与NAC影像进行初始匹配，再利用匹配点对影像几何模型进行平差精化，最后基于最小二乘匹配将精化后的影像与SLDEM2015进行精配准，最终达到参考DEM的0.5像素的配准精度。
以上研究都是基于立体影像，这类影像间的几何关系稳定，因此在平差解算过程中，通常不会出现迭代不收敛或高程解异常等问题。然而，目前月球上使用的NAC等高分辨率相机拍摄的垂直下视影像，虽然分辨率高，但仅在特定局部区域通过平台的机动调整能够实现立体成像。在绝大部分区域，这些影像间的重叠范围小且立体几何关系相对薄弱（影像之间交会角不满足立体制图要求），导致以上方法在大区域的平差处理中容易出现迭代不收敛、求解高程异常等问题。为解决弱交会条件下影像的几何不一致性问题，Di等[25]基于LROC NAC影像的有理函数模型，以SLDEM2015为控制基准，采用区域网平面平差技术求解RPC精化参数和待求地面点的平面坐标，将大区域NAC影像之间的平面几何不一致性减少到亚像素级别，并制作了覆盖20°×4°范围的嫦娥五号预选着陆区底图。Chen等[28]以5 m分辨率的LDEM为控制基准，将基于先验知识分配不同权重的地形约束集成到月球南极NAC影像的区域网平差模型中，并提出了一种基于绝对-相对阈值和迭代加权方法的两阶段粗差剔除策略，以排除极区光照差异而引起的错误匹配，平差后NAC影像间的平面不一致性降低至0.5个像素。

3.2.3 光学影像三维地形重建

（1）立体测量法重建三维地形
立体测量法重建三维地形的流程一般为：传感器成像几何模型构建、连接点与控制点提取、区域网平差、立体匹配、空中三角测量及DEM内插。其中，立体匹配能力通常是获取高质量DEM的关键因素[70]。
在月球探测任务中，多线阵传感器获取了全月丰富的光学影像数据，产生大量立体影像资源。另外，LROC NAC等非立体传感器通过异轨侧摆机动的方式也能够获得月面局部区域的立体覆盖[24]。虽然一定的立体交会角对于成功的立体测图分析至关重要，但也需要考虑光照变化和尺度变化等影响匹配的因素，这些因素间接影响到测量结果的准确性。对于单幅影像，需确保一定太阳高度角，以避免长阴影对影像匹配造成影响，同时影像具有丰富的高频信息（即清晰的细节）时，特征识别效果最佳[95]。对于立体像对，首先左右影像的分辨率比应小于 2.5:1.0，以确保立体效果的一致性和准确性；其次，左右影像应使用相同的光谱滤波器拍摄，以保证光谱数据的可比性；此外，基高比应在0.01~1.00之间，以提供强烈的立体效果并维持适度的立体交会角。最后，太阳高度差应小于10°，太阳方位角差应小于45°，以减少光照变化对立体图像对的影响[96]。
立体匹配方法可依据匹配基元分为像方匹配与物方匹配。像方匹配通常采用水平核线影像作为输入影像，而物方匹配则以地面高程方向或影像视线方向为同名点搜索方向，并将指定的物方面元反投影至影像中，以影像中投影面元之间的相似性来确定物方点[97]。当前采用的立体匹配方法多是基于像方空间的。由于月球表面受局部光照影响大，拍摄的影像常存在严重的非线性辐射畸变。此外，缺乏人造建筑和较为单一的地貌形态，也导致了月球影像的纹理贫瘠。和地球影像相比，月球影像间的匹配难度要大的多，因此月球影像的鲁棒匹配已成为月球立体影像三维地形重建中的难点。不同于稀疏匹配只选择图像中的特定关键点进行匹配，立体匹配对整个图像或区域内，每个像素进行匹配。在立体匹配中，为了提高匹配的可靠性与速度，往往对影像进行相对定向并生成核线影像，将匹配过程限定在一维搜索，再进行密集匹配。依据是否隐式地使用了光滑假设，密集匹配算法又被区分为局部、全局和半全局3种类型[97]。局部匹配因其较低的复杂度而展现出匹配速度快和实时性强的优势，但缺点是匹配精度相对较低，尤其是在有遮挡和纹理信息匮乏的区域。针对月球南极光照条件不佳和地形纹理单一的问题，尤琼华等[98]提出了一种可信度引导的高效立体匹配算法，利用此算法更新支撑点集，构建三角网，并对视差进行重新估计以提高匹配精度。相对而言，考虑全局能量最小化约束的全局匹配算法匹配精度更高，特别是在深度不连续、遮挡以及纹理信息匮乏等复杂区域，匹配质量大大提升。彭嫚等[99]在特征匹配的基础上自适应确定每个待匹配点的视差范围以生成初始视差图，并根据初始视差图梯度计算马尔科夫能量函数空间项的权重系数，最后通过全局匹配获得较好的密集视差图。然而，全局算法往往依赖于迭代计算，导致了其在实时性和匹配效率上的不足[97]。Hirschmuller[100]在考虑近似全局能量最小化的思想基础上，首次提出了一种基于多路径动态规划策略的半全局匹配算法SGM，在保证精度的同时能够大大提升算法运行效率，目前SGM及其变种方法已在月球取得了广泛应用[101⇓-103]。Guo等[103]使用对光照变化具有更强鲁棒性的Census算法取代了SGM中的互信息进行成本计算。同时，该方法通过重新确定参考像素值对Census算法进行改进，改善了原算法过于依赖中心像素值的问题，有效降低了噪声带来的影响。然而，当处理多视影像时，上述基于像方的匹配方法显得较为繁琐。Ye等[104]从物方出发，将半全局匹配方法直接应用至物方格网，该方法更易于扩展至多视影像，处理流程更为简便，且能够较好地应用于几何定位不确定的多视影像，有较好的普适性。现阶段立体匹配技术在应对复杂的月球环境时，仍存在适应性不强、匹配精度较低以及匹配效率低下等问题。通过加强特征约束条件来提升视差初值的可靠性、结合后处理技术优化视差结果，并对算法复杂度进行优化，研发更加自适应和鲁棒性强的匹配算法，将是未来提升月球三维形貌测绘能力的关键。
（2）光度测量法重建三维地形
自20世纪70年代起，光度测量法（Photoclinometry）得到了广泛的研究。其中，明暗恢复形状法（Shape from Shading，SFS）能够从单幅影像或多幅影像的亮度信息中获得像素级分辨率的相对高度数据[105]，它假设影像上的所有亮度变化都是由地形引起的。SFS方法在月球精细制图中对于贫乏纹理区域有很好的适用性，相关成果在着陆区地形分析、月表光谱分析等工程应用和科学研究中得到了发展和应用[106]。然而，SFS只能提供相对高程信息，需要额外的信息来确定DEM的正确比例尺。另外，SFS在局部尺度重建方面表现良好，但在大尺度重建方面精度较差。因此，近年来已经有研究将较低分辨率的高程信息（例如来自摄影测量或激光测高的低分辨率DEM）纳入SFS中，为SFS提供准确的初始参考高程，并为SFS算法中与位置相关的反照率和几何约束提供合理的估计[107-108]。
SFS在实际应用中受到光照条件和反照率均匀性等因素的限制，为了克服这些问题，光度立体法应运而生。通过使用从不同方向光照下拍摄的同一表面的多幅影像来估计局部表面梯度方向。该方法通过为每个像素提供多个观测来产生冗余信息，去除影像辐照度方程的病态性，提高三维重建的准确性。每个像素的表面梯度和位置相关反照率可以通过最少3幅影像进行唯一恢复[109]。在月球制图领域，多影像光照条件下的明暗恢复形状（MI-SFS）算法得到了发展[110-111]，MI-SFS的核心概念类似于光度立体，它能够在影像匹配由于缺乏明显纹理而失败时生成高分辨率的月球DEM。Alexandrov等[110]基于准确的相机成像模型和参考DEM信息，采用由粗到精的重建策略实现了轨道器影像的MI-SFS三维地形重建。Liu等[111]提出了一种集成摄影测量和光度测量进行三维重建的方法，通过将光度立体分析应用到影像匹配中实现大光照差异下的像素级匹配，并使用光度测量中的阴影约束进一步优化由摄影测量得到的DEM，实现了嫦娥四号和嫦娥五号着陆区的像素级分辨率制图。
光度测量法在月球遥感三维重建领域展现出显著的应用潜力，成为在缺乏高密度激光测高和立体摄影测量观测数据时的重要补充手段。尽管光度测量法存在一定的局限性，但通过结合低分辨率DEM约束、光度立体法和摄影测量法等其他技术，能够获取高分辨率的地形数据，从而在工程任务和科学研究中发挥了重要作用。然而，为了提升重建精度以及实现大范围应用，光度测量法仍需在月表反射率模型构建和地形约束等方面进行提升。

3.3 合成孔径雷达测量

3.3.1 SAR传感器成像几何模型

SAR能够在无光照条件下成像，已在对地观测的地形测绘中发挥了重要作用。随着传感器的微型化的顺利推进，SAR已被用于月球轨道器探测任务，如Mini-SAR和Mini-RF中已成功对月球永久阴影区等进行了SAR观测并展开详细调查[39,112]。这些技术为探索月球南极区域提供了宝贵的数据支持，尤其在无光照环境下，SAR的优势得到了充分体现。
受斜视成像和地形条件等影响，SAR影像总是存在不同程度的几何畸变，在应用之前需要作几何校正。几何校正必须充分考虑SAR的成像原理和几何特性，并在此基础上建立定位模型。目前，国外月球探测任务的Mini-SAR、Mini-RF和DFSAR等SAR传感器可以通过直接成像形式对月球表面进行雷达观测，Kirk等[38,113]也已开展了SAR成像和测绘分析，其应用的成像模型基本为距离-多普勒（Range-Doppler，RD）模型。RD模型基于SAR的成像原理，利用传感器到目标的距离、回波信号的多普勒以及月球椭球方程建立影像像点坐标与地面目标点的严密几何关系，是SAR的严密几何模型。RD模型包含距离和多普勒2个方程，这2个方程共同描述了SAR的成像几何和运动对成像的影响。距离方程描述了SAR传感器瞬时位置与观测目标位置之间的斜距关系，多普勒方程基于多普勒效应描述了由于SAR传感器相对于目标运动引起的雷达回波信号的频率偏移。
SAR影像定位的基本条件为SAR的成像几何（距离方程），约束条件为零多普勒频移（多普勒方程）。当多普勒频移为零时，SAR刚好正对成像目标，便于成像几何的解算。然而，由于距离方程和多普勒方程确定的一系列的离散候选目标点无法直接确定目标点的三维坐标，需要引入其它约束条件进行求解。Kirk等[38]对Mini-RF成像模型的研究中，首先指定月球参考球体的半径大小为地面点的初始近似高程来估计地面点位置，然后在参考DEM中取新的高程近似值，最后经过最小二乘迭代计算获得收敛后的地面点物方坐标，完成SAR影像像方到物方的直接定位。在物方到像方行列号转换的间接定位中，Kirk等[38]通过平差迭代调整方位向时间，直至多普勒频移为零。然后根据调整后的方位向时间计算斜距进而确定地面距离。最后，分别根据方位向时间和地面距离确定目标点所在的行和列坐标。

3.3.2 SAR影像三维地形重建

SAR三维地形重建主要有2种手段，分别是"立体合成孔径雷达测量"（StereoSAR）和"合成孔径雷达干涉测量"（Interferometric SAR，InSAR）。前者利用雷达影像的强度（灰度）信息进行立体测量，而后者利用雷达影像的相位信息进行干涉测量[115]。
（1） SAR立体测量法重建三维地形
StereoSAR进行地表三维信息提取的关键是生成SAR立体视差图，即SAR影像的立体匹配。不同于光学影像，SAR成像系统基于相干原理，影像上会不可避免地存在随机的散斑噪声，使得SAR影像不能正确反映地物目标的散射特性，影像信噪比低。另一方面，SAR为侧视斜距成像，由于透视收缩、叠掩、阴影等几何特点，使得SAR影像内存在局部不同的几何畸变。SAR立体影像由于入射角的不同，影像间的辐射信息、几何变形均存在较大的差异，因此SAR立体影像的匹配极具挑战性。根据获取方式的不同，SAR立体影像可分为异侧立体和同侧立体。异侧立体成像能够产生强烈的立体效果，但影像间存在更为显著的辐射差异和几何差异，可能降低自动匹配的效果[38,113]。对于同侧立体影像，需要在立体强度和重叠度之间进行权衡，Kirk等[40,115]在利用Mini-RF影像对直径为71 km的杰克逊撞击坑进行立体观测时，首先以正常的入射角（44°~48°）进行了成像，在邻轨以同侧较低的入射角（24°~29°）对同一区域进行了成像，虽取得了一定的立体匹配效果，但仍需要在影像边缘进行少量的修正，最终制作了25 m格网间距的DEM。近年来，关于SAR立体影像匹配，国内外的研究仍处于探索阶段，匹配精度相对较低。这也正是制约SAR立体影像高精度地表三维信息提取发展的核心问题。
（2） InSAR重建三维地形
InSAR具有连续观测能力强、精度高的优势。其获取地形信息的基本原理是从覆盖同一地区的 2幅具有一定视角差和相干性的SAR单视复数影像上提取同名点的干涉相位信息，经平地相位去除、干涉相位图滤波、相位解缠等处理后，利用复数影像成像时的几何关系将相位信息转换为高程信息，从而生成DEM。对于星载InSAR，必须从相对于目标几乎相同的位置拍摄两张影像，以产生所需的相位差。InSAR和StereoSAR的共性之一在于均利用视差进行测量。在InSAR技术中，地面高程的变化则通过干涉相位的变化来体现，而干涉相位与视差之间也存在密切联系。在InSAR应用中，由于要求基线较短，此时干涉相位的变化所对应的主副影像间的视差变化相对较小，因此影像间的高精度匹配成为InSAR测量的关键问题。
尽管InSAR技术尚未在月球探测任务中成功应用，但其在未来月球形貌探测中的潜力巨大。Mini-RF是首个具备干涉测量模式的月球轨道器SAR[39]，但在2010年12月Mini-RF发射天线停止工作前[116]，未能有效开展干涉测量工作。随着月球探测技术的提高和传感器的发展，如中国的CE-7卫星计划搭载一颗微型合成孔径雷达MSAR，其影像分辨率优于1 m，将获取全月面特别是永久阴影区的高精度形貌数据[53]，未来，InSAR技术有望在月球探测任务中发挥重要作用。

4 月球形貌遥感测绘发展趋势与挑战

4.1 传感器能力提升

随着科学技术的不断进步和国内外对月球探测的深入开展，未来轨道器遥感任务的探测手段将实现更加精细化和多样化的发展，功能与性能指标将进一步提升。当前的单波束或少波束激光高度计数据，难以满足未来亚米级光学成像和InSAR所需的大地测量控制精度的要求。因此，应考虑使用更先进的传感器，如单光子计数激光高度计，通过多波束探测，减小波束之间的距离间隔，实现星下一定幅宽的网格化高程探测，获取高密度和高精度的数据。在光学探测方面，为提升立体相机在形貌测绘中的精度，高分辨率与大基高比立体成像技术将得到进一步的发展，以实现亚米级分辨率成像，并能具备大交会角、高稳定性的优点。此外，立体相机还需具备弱光成像能力，以确保在永久阴影区等微弱光照条件下仍能捕获清晰可靠的影像，从而显著提升其在月球全域形貌测绘中的能力。在SAR探测方面，由于SAR采用主动成像技术，具有不受光照限制的显著优势，未来将成为月球形貌测图任务中的重要探测手段。针对SAR在复杂地形中解缠困难、高程精度低等问题，多基线联合干涉测量将是提升高程测量精度和测绘效率的有效方法。最后，多种仪器的协同配合能够充分利用各仪器的特点和优势，提高数据的定位精度，得到比单一仪器更有价值的结果，实现对月球表面更精细、更全面的形貌测量。

4.2 绝对参考框架优化

受限于定位技术与高精度控制点（如激光角反射器）数量，月球形貌遥感测绘在绝对定位精度上依然不高。目前国际上通用的月球全球控制网 ULCN2005水平精度为100 m至数公里。垂直精度100 m，总体精度较低，无法满足我国载人月球探测、月球科考站建设对高精度空间基准的需求。随着国内外月球探测任务的深入进行，在月球表面将部署更多的激光角反射器，嫦娥六号探测器已首次在月球背面部署激光角反射器，这将为月球表面的绝对定位提供更多的控制点。同时，通过国内外轨道器遥感任务获取的更高分辨率、更多类型和更广泛覆盖的月表形貌探测数据，结合月球激光测距、大地测量、激光测高、摄影测量、雷达测量等多种技术手段，构建全月精密控制网，将为月球参考框架的构建与绝对定位精度的显著提升提供有力支持。

4.3 多源数据融合精细建模

由于受到观测手段和处理方式的影响，单一源DEM数据集不可避免地会出现质量下降或空间缺失现象，进而制约了它在科学研究和工程任务的应用。与单传感器观测数据相比，多源多模态遥感数据所提供的信息具有冗余性、互补性和合作性，多模态遥感数据融合可以将同一环境或对象进行综合，以获得满足各种应用的高质量信息，进而通过多模态数据联合处理生成比单传感器更精确、更完全、更可靠的形貌建模结果[46-47]。
从估计理论的观点出发，融合最优解需要借助所有传感器的原始测量数据和传感器模型得出，基于观测到的全部数据拟合出高程值。多源遥感影像的联合平差涉及不同观测视角（如下视、侧摆）、成像模式（如线阵、面阵）和观测模态（如光学、微波、激光），因此需要研究建立各类影像的误差模型，优选全球多重覆盖影像，设计自适应定权方案，并解决连接点提取、自动构网、粗差剔除以及观测资料间的相关性和方差分量估计等问题。另一种方法是综合不同来源、不同机理获取的DEM，融合出新的、质量更高的DEM产品。不同类型的DEM各有其优势和互补特性，例如，激光高度计作为主动遥感手段，不受光照影响，其DEM产品测距精度较高，但分辨率较低；立体摄影测量作为被动遥感手段，能够获取高分辨率的DEM，但受光照影响较大，容易产生空洞并降低高程精度；SAR干涉测量则能制作高分辨率、高精度的DEM，且不受光照影响，但存在叠掩和噪声等问题。通过融合这些不同的DEM，可以更准确、全面地综合各自的优势，并对劣势进行互补，进一步提升DEM产品的质量。对于多源DEM融合，DEM间高精度配准是必须解决的首要问题。通过对同一区域不同DEM数据的地形特征提取，结合物理/数学模型与几何变换方法，实现多源DEM间空间位置的高精度对齐，可以显著提升融合结果的准确性和可靠性。
影像特征匹配是多源数据形貌测绘的关键环节，对于光学、SAR等多传感器的几何模型联合平差精化、多源数据间的配准融合等方面都具有重要影响。由于多模态传感器成像特性不同，导致数据之间存在异质性，表现为非线性的强度差异。并且，由于月球缺乏大气环境，成像时光照条件的差异会带来明显的阴影变化，进一步加深了非线性的强度差异[117]。这种差异性导致相同地区经常呈现出不同的灰度特征信息，给特征匹配带来了极大的困难。另外，由于传感器成像视角的差异等各种因素的影响，亚米级高分辨率光学/雷达影像间存在显著的局部非线性几何变形，这种变形使得不同影像间在空间位置、形状等方面存在差异，同样会影响到匹配精度。由此可见，无论是在强度差异还是几何差异方面，多模态高分辨率影像之间的匹配都存在一些挑战和困难，未来需要采取适当的处理方法来克服这些问题。

4.4 海量数据智能高效处理

随着月球探测任务的增加和遥感技术的不断进步，获取的月球探测数据量将不断增加。为了实现对这些海量数据的快速、准确处理和分析，未来的研究还应重点关注自动化高效处理技术的发展。通过开发通用的、高效的数据处理流程和软件系统，实现对海量异构月球遥感数据的动态组织、自动化处理和分析；同时，利用云计算、大数据等技术提高数据处理效率和分析能力，支撑月球探测数据的实时分析和快速应用。此外，随着人工智能技术的不断发展，未来的月球探测数据处理将更加注重智能化和自动化程度，以提高数据处理的效率和准确性。

4.5 推动科学应用水平发展

未来，通过更高精度和分辨率的激光测高计、光学影像、SAR影像等多源数据的融合，提高形貌测绘制图产品的精度和可靠性，可以更全面地了解包括永久阴影区在内的月球表面和地下的情况，推动月球地貌与地质构造的科学研究向更精细化的方向发展。基于高精的形貌产品，可将撞击坑的识别精度从百米级提升至亚米级，研究人员能够更准确地重建撞击事件的演变过程，并揭示新的撞击平衡规律；基于精细形貌数据开展对熔岩边界及类型的精细确定，也将为理解岩浆爆发历程提供关键数据。更进一步的，深入分析微小型地貌特征（如穹窿、凹陷穹丘、石块、月溪、天窗、叶状陡坎等）将有助于揭示其形成机制及演化过程，从而丰富对月球地质活动的理解。此外，编制大比例尺（1:1万以上）的地质构造图和岩石分布图，将为研究月球热点区域的撞击历史、地质年龄和结构特征提供重要支持。因此，月球形貌遥感测绘技术的进步将显著促进月球科学研究的发展，为未来的探测任务提供更加精确和详尽的数据支持，推动对月球及其演化过程的深入探索。

5 结论

月球形貌遥感探测凭借其广泛的覆盖范围与高效益的产出，已取得了一系列显著成果。随着传感器探测能力的持续增强，影像与地形的分辨率实现了显著提升。月球高精度形貌测绘不仅在科学研究中具有重要意义，也在工程任务中扮演着关键角色。高精度的数据为降低工程风险、确保任务的安全性和有效性提供了有力保障。随着美国阿尔忒弥斯计划、中国探月工程及载人登月任务的深入推进，月球探测正步入一个全新的开发利用阶段。然而，面对科学研究和工程任务日益增长的精细化需求，以及月面复杂多变的地形与环境条件，月球形貌遥感测绘技术仍需不断创新与发展。在传感器技术方面，应重点发展单光子计数激光测高、高分辨率立体成像以及SAR多基线联合干涉测量等，提升测量的功能和性能指标，以满足更高精度的测量需求。同时，提升月球绝对参考框架的精度水平，如利用更多的激光角反射器作为绝对控制点，并结合多种测量手段，构建覆盖全月的精密控制网，为月球形貌测绘提供高精度的空间基准。最后，应充分利用和融合多源多模态遥感数据，开展更为精细的形貌测绘工作，进一步提升形貌制图产品的精度与可靠性。这些举措将推动月球地貌与地质构造科学研究向更深层次和更精细化方向发展，并为未来的载人登月、月球基地建设、资源开发利用以及更广泛的太空探索奠定坚实基础。
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
薄正、刘琬玥、牛冉、杨瀚哲、韩东旭、林茜参与研究现状调研；刘成保、薄正、张鹏完成论文章节组成；薄正、刘成保、周米玉、黄荣、叶真、刘世杰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 BO Zheng, LIU Wanyue, NIU Ran, YANG Hanzhe, HAN Dongxu and LIN Qian. The manuscript was designed by LIU Chengbao, BO Zheng, and ZHANG Peng. The manuscript was drafted and revised by BO Zheng, LIU Chengbao, ZHOU Miyu, HUANG Rong, YE Zhen and LIU Shijie. 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]
童小华, 刘世杰, 谢欢, 等. 从地球测绘到地外天体测绘[J]. 测绘学报, 2022, 51(4):488-500.

DOI

[Tong X H, Liu S J, Xie H, et al. From Earth mapping to extraterrestrial planet mapping[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(4):488-500.] DOI:10.11947/j.AGCS.2022.20220117

[2]
中国载人航天. 2024年中国载人航天工程将统筹推进空间站应用与发展和载人月球探测两大任务[EB/OL]. (2024-02-19) [2024-11-21]. https://www.cmse.gov.cn/xwzx/202402/t20240229_55117.html.

[China Manned Space. 2024:China's Manned Space Program Will Coordinate Space Station Applications and Lunar Exploration)[EB/OL]. (2024-02-19) [2024-11-21]. https://www.cmse.gov.cn/xwzx/202402/t20240229_55117.html.]

[3]
Kopal Z, Carder R W. Mapping of the moon[M]. Dordrecht: Springer, 1974: 213-228. DOI:10.1007/978-94-010-2 133-3_10

[4]
Sorensen T C, Spudis P D. The clementine mission—A 10-year perspective[J]. Journal of Earth System Science, 2005, 114(6):645-668. DOI:10.1007/BF02715950

[5]
Smith D E, Zuber M T, Neumann G A, et al. Topography of the moon from the clementine lidar[J]. Journal of Geophysical Research: Planets, 1997, 102(E1):1591-1611. DOI:10.1029/96je02940

[6]
Araki H, Tazawa S, Noda H, et al. Observation of the lunar topography by the laser altimeter LALT on board Japanese lunar explorer SELENE[J]. Advances in Space Research, 2008, 42(2):317-322. DOI:10.1016/j.asr.2007.05.042

[7]
Araki H, Tazawa S, Noda H, et al. Lunar global shape and polar topography derived from Kaguya-LALT laser altimetry[J]. Science, 2009, 323(5916):897-900. DOI:10.1126/science.1164146

PMID

[8]
李春来, 任鑫, 刘建军, 等. 嫦娥一号激光测距数据及全月球DEM模型[J]. 中国科学:地球科学, 2010(3):281-293.

[Li C, Ren X, Liu J, et al. Laser altimetry data of Chang'E-1 and the global lunar DEM model[J]. Sci China Earth Sci, 2010(3):281-293.] DOI:10.1007/s11430-010-0054-7

[9]
Kamalakar J, Prasad A, Bhaskar K V S, et al. Laser ranging experiment aboard Chandrayaan-I: Instrumentation and preliminary results[C]// Proceedings of the 40th Annual Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2009:1487.

[10]
Smith D E, Zuber M T, Jackson G B, et al. The lunar orbiter laser altimeter investigation on the lunar reconnaissance orbiter mission[J]. Space Science Reviews, 2010, 150(1):209-241. DOI:10.1007/s11214-009-9512-y

[11]
Barker M K, Mazarico E, Neumann G A, et al. Improved LOLA elevation maps for south pole landing sites: Error estimates and their impact on illumination conditions[J]. Planetary and Space Science, 2021,203:105119. DOI:10.1016/j.pss.2020.105119

[12]
Barker M K, Mazarico E, Smith D E, et al. New high resolution polar topographic rroducts from the Lunar Orbiter Laser Altimeter (LOLA)[C]// Proceedings of the 2021 Annual Meeting of the Lunar Exploration Analysis Group. 2021:5033.

[13]
Barker M K, Mazarico E, Neumann G A, et al. A new view of the Lunar South Pole from the Lunar Orbiter Laser Altimeter (LOLA)[J]. The Planetary Science Journal, 2023, 4(9):183. DOI:10.3847/psj/acf3e1

[14]
Kordas J F, Lewis I T, Priest R E, et al. UV/Visible camera for the clementine mission[C]// Proceedings of the Space Telescopes and Instruments. Orlando, FL, USA, 1995:175-186. DOI:10.1117/12.210943

[15]
Lee E, Gaddis L, Weller L, et al. A new clementine basemap of the moon[C]// Proceedings of the 40th Annual Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2009:2445.

[16]
Cook A C, Watters T R, Robinson M S, et al. Lunar polar topography derived from Clementine stereoimages[J]. Journal of Geophysical Research: Planets, 2000, 105(E5):12023-12033. DOI:10.1029/1999JE001083

[17]
Edwards K, Colvin T, Becker T, et al. Global digital mapping of the Moon[C]// Proceedings of the 27th Lunar and Planetary Science Conference. Houston, Texas, USA, 1996:335-336.

[18]
Foing B H, Racca G D, Marini A, et al. SMART-1 mission to the Moon: Status, first results and goals[J]. Advances in Space Research, 2006, 37(1):6-13. DOI:10.1016/j.asr.2005.12.016

[19]
Grieger B, Foing B H, Koschny D, et al. Coverage and pointing accuracy of SMART-1/AMIE images[C]// Proceedings of the 39th Lunar and Planetary Science Conference. Houston, Texas, USA, 2008: 2221.

[20]
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.

[21]
Haruyama J, Hara S, Hioki K, et al. Lunar global digital terrain model dataset produced from SELENE (Kaguya) terrain camera stereo observations[C]// Proceedings of the 43rd Annual Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2012:1200.

[22]
李春来, 刘建军, 任鑫, 等. 嫦娥一号图像数据处理与全月球影像制图[J]. 中国科学D辑, 2010, 40(3):294-306.

[Li C L, Liu J J, Ren X, et al. The global image of the moon by the Chang’E-1: Data processing and lunar cartography[J]. Scientia Sinica (Terrae), 2010, 40(3):294-306.] DOI: 10.1007/s11430-010-0053-8.

[23]
Kumar A, Chowdhury A R, Murali K, et al. The Terrain Mapping Camera on Chandrayaan-1 and initial results[C]// Proceedings of the 40th Annual Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2009:1584.

[24]
Robinson M S, Brylow S M, Tschimmel M, et al. Lunar Reconnaissance Orbiter Camera (LROC) instrument overview[J]. Space Science Reviews, 2010, 150(1):81-124. DOI:10.1007/s11214-010-9634-2

[25]
Di K C, Jia M N, Xin X, et al. High-resolution large-area digital orthophoto map generation using LROC NAC images[J]. Photogrammetric Engineering & Remote Sensing, 2019, 85(7):481-491. DOI:10.14358/pers.85.7.481

[26]
Wagner R V, Boyd A K, Henriksen M R, et al. LROC NAC South Pole Controlled Mosaic[C]// Proceedings of the 53rd Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2022:2573.

[27]
Archinal B A, Weller L A, Richie J O, et al. Controlled High-Resolution LROC NAC Polar Mosaics[C]// Proceedings of the 54th Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2023:2333.

[28]
Chen C, Ye Z, Xu Y S, et al. Large-scale block bundle adjustment of LROC NAC images for lunar south pole mapping based on topographic constraint[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024, 17:2731-2746. DOI:10.1109/JSTARS.2023.3346199

[29]
DLR. Shackleton Crater Rim Potential Landing Site for ESA Lunar Lander DTM[EB/OL].

[ 2024-11-21. https://wms.lroc.asu.edu/lroc/view_rdr/NAC_DTM_ESALL_SR12.

[30]
Haase I, Oberst J, Scholten F, et al. Mapping the Apollo 17 landing site area based on Lunar Reconnaissance Orbiter Camera images and Apollo surface photography[J]. Journal of Geophysical Research: Planets, 2012, 117(E12): E00H20. DOI:10.1029/2011je003908

[31]
Speyerer E, Robinson M, Denevi B, et al. Lunar Reconnaissance Orbiter Camera global morphological map of the Moon[C]// Proceedings of the 42nd annual lunar and planetary science conference. The Woodlands, Texas, USA, 2011:2387.

[32]
Scholten F, Oberst J, Matz K D, et al. GLD100: The near-global lunar 100 m raster DTM from LROC WAC stereo image data[J]. Journal of Geophysical Research: Planets, 2012, 117(E12):E00H17. DOI:10.1029/2011JE003926

[33]
赵葆常, 李春来, 黄江川, 等. 嫦娥二号月球卫星CCD立体相机在轨图像分析[J]. 航天器工程, 2012, 21(5):1-7.

[Zhao B C, Li C L, Huang J C, et al. Analysis on In-orbit CCD Stereo Camera Images of Chang'e-2 Lunar Satellite[J]. Spacecraft Engineering, 2012, 21(5):1-7.] DOI:10.3969/j.issn.1673-8748.2012.05.00

[34]
李春来, 刘建军, 任鑫, 等. 基于嫦娥二号立体影像的全月高精度地形重建[J]. 武汉大学学报(信息科学版), 2018, 43(4):485-495.

[Li C L, Liu J J, Ren X, et al. Lunar global high-precision terrain reconstruction based on Chang'e-2 stereo images[J]. Geomatics and Information Science of Wuhan University, 2018, 43(4):485-495.] DOI:10.13203/j.whugis20170400

[35]
Chowdhury A R, Saxena M, Kumar A, et al. Orbiter high resolution camera onboard Chandrayaan-2 orbiter[J]. Current Science, 2020, 118(4):560. DOI:10.18520/cs/v118/i4/560-565

[36]
Youk Y, Ryu D, Yoon J. High-resolution terrain imager development and performance evaluation for lunar exploration[J]. Applied Optics, 2024, 63(1):221. DOI:10.1364/AO.504883

[37]
Robinson M S, Brylow S M, Caplinger M A, et al. ShadowCam instrument and investigation overview[J]. Journal of Astronomy and Space Sciences, 2023, 40(4):149-171. DOI:10.5140/jass.2023.40.4.149

[38]
Kirk R, Cook D, Howington-Kraus E, et al. Radargrammetry with Chandrayaan-1 and LRO Mini-RF images of the Moon[C]// Proceedings of the Joint symposium of ISPRS Technical Commission IV & AutoCarto in Conjunction with ASPRS/CaGIS 2010 Fall Specialty Conference. Orlando, FL, USA, 2010.

[39]
Nozette S, Spudis P, Bussey B, et al. The Lunar Reconnaissance Orbiter miniature radio frequency (Mini-RF) technology demonstration[J]. Space Science Reviews, 2010, 150(1):285-302. DOI: 10.1007/s11214-009-9607-5.

[40]
Kirk R, Howington-Kraus E, Becker T, et al. Progress in radargrammetric analysis of Mini-RF lunar images[C]// Proceedings of the 43rd Annual Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2012: 2772.

[41]
Archinal B A, Rosiek M R, Kirk R L, et al. The unified lunar control network 2005[M]. Sunrise Valley Drive Reston, VA: US Geological Survey, 2006.

[42]
Barker M K, Mazarico E, Neumann G A, et al. A new lunar digital elevation model from the Lunar Orbiter Laser Altimeter and SELENE Terrain Camera[J]. Icarus, 2016, 273:346-355. DOI:10.1016/j.icarus.2015.07.039

[43]
Bhaskar K, Kamalakar J, Laxmiprasad A, et al. Lunar Topography by Laser Ranging Instrument Onboard CHANDRAYAAN-1 [M]// Advances in Geosciences: Volume 25:Planetary Science (PS). World Scientific. 2011: 73-85. DOI:10.1142/9789814355377_0006

[44]
Sivakumar V, Kumar B, Srivastava S K, et al. DEM generation for lunar surface using chandrayaan-1 TMC triplet data[J]. Journal of the Indian Society of Remote Sensing, 2012, 40(4):551-564. DOI:10.1007/s12524-011-0172-5

[45]
Amitabh K S, Prashar A K, Az A S. Terrain Characterisation of potential landing sites for chandrayaan-3 lander using orbiter high resolution camera (OHRC) images[C]// Proceedings of the 54th Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2023:1037.

[46]
Smith D E, Zuber M T, Neumann G A, et al. Summary of the results from the lunar orbiter laser altimeter after seven years in lunar orbit[J]. Icarus, 2017, 283:70-91. DOI: 10.1016/j.icarus.2016.06.006

[47]
Mazarico E, Neumann G A, Barker M K, et al. Orbit determination of the Lunar Reconnaissance Orbiter: Status after seven years[J]. Planetary and Space Science, 2018, 162:2-19. DOI:10.1016/j.pss.2017.10.004

PMID

[48]
Speyerer E J, Wagner R V, Robinson M S, et al. Pre-flight and on-orbit geometric calibration of the Lunar Reconnaissance Orbiter Camera[J]. Space Science Reviews, 2016, 200(1):357-392. DOI:10.1007/s11214-014-0073-3

[49]
Henriksen M R, Manheim M R, Burns K N, et al. Extracting accurate and precise topography from LROC narrow angle camera stereo observations[J]. Icarus, 2017, 283:122-137. DOI:10.1016/j.icarus.2016.05.012

[50]
Wu B, Liu W C. Calibration of boresight offset of LROC NAC imagery for precision lunar topographic mapping[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2017, 128:372-387. DOI:10.1016/j.isprsjprs.2017.04.012

[51]
欧阳自远. 嫦娥一号卫星的初步科学成果与嫦娥二号卫星的使命[J]. 航天器工程, 2010, 19(5):1-6.

[Ouyang Z Y. Science results of Chang'e-1 lunar orbiter and mission goals of Chang'e-2[J]. Spacecraft Engineering, 2010, 19(5):1-6.] DOI:10.3969/j.issn.1673-8748.2010.05.001

[52]
Song Y J, Bang J, Bae J, et al. Lunar orbit acquisition of the Korea Pathfinder Lunar orbiter: Design reference vs actual flight results[J]. Acta Astronautica, 2023, 213:336-343. DOI:10.1016/j.actaastro.2023.09.021

[53]
Wang C, Jia Y Z, Xue C B, et al. Scientific objectives and payload configuration of the Chang'E-7 mission[J]. National Science Review, 2023, 11(2):nwad329. DOI:10.1093/nsr/nwad329

[54]
Djachkova M V, Mitrofanov I G, Sanin A B, et al. Selecting a landing site for the Luna 27 spacecraft[J]. Solar System Research, 2022, 56(3):145-154. DOI:10.1134/S0038094622030029

[55]
Kim J, Lin S Y, Xiao H F. Remote sensing and data analyses on planetary topography[J]. Remote Sensing, 2023, 15(12):2954. DOI:10.3390/rs15122954

[56]
Dickey J O, Bender P L, Faller J E, et al. Lunar laser ranging: A continuing legacy of the Apollo program[J]. Science, 1994, 265(5171):482-490. DOI:10.1126/science.265.5171.482

PMID

[57]
单杰, 田祥希, 李爽, 等. 星载激光测高技术进展[J]. 测绘学报, 2022, 51(6):964-982.

DOI

[Shan J, Tian X X, Li S, et al. Advances of spaceborne laser altimetry technology[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(6):964-982.] DOI:10.11947/j.AGCS.2022.20220174

[58]
于真真, 侯霞, 周翠芸. 星载激光测高技术发展现状[J]. 激光与光电子学进展, 2013, 50(2):020006.

[Yu Z Z, Hou X, Zhou C Y. Progress and current state of space-borne laser altimetry[J]. Laser & Optoelectronics Progress, 2013, 50(2):020006.] DOI:10.3788/LOP50.020006

[59]
汤国安. 我国数字高程模型与数字地形分析研究进展[J]. 地理学报, 2014, 69(9):1305-1325.

DOI

[Tang G A. Progress of DEM and digital terrain analysis in China[J]. Acta Geographica Sinica, 2014, 69(9):1305-1325.] DOI:10.11821/dlxb201409006

[60]
邸凯昌, 刘斌, 刘召芹, 等. 月球遥感制图回顾与展望[J]. 遥感学报, 2016, 20(5):1230-1242.

[Di K C, Liu B, Liu Z Q, et al. Review and prospect of lunar mapping using remote sensing data[J]. National Remote Sensing Bulletin, 2016, 20(5):1230-1242.] DOI:10.11834/jrs20166158

[61]
Goossens S, Matsumoto K, Rowlands D D, et al. Orbit determination of the SELENE satellites using multi-satellite data types and evaluation of SELENE gravity field models[J]. Journal of Geodesy, 2011, 85(8):487-504. DOI: 10.1007/s00190-011-0446-2

[62]
Goossens S, Mazarico E, Ishihara Y, et al. Improving the geometry of Kaguya extended mission data through refined orbit determination using laser altimetry[J]. Icarus, 2020,336:113454. DOI:10.1016/j.icarus.2019.113454

[63]
Hao W F, Zhu C, Li F, et al. Illumination and communication conditions at the Mons Rümker region based on the improved Lunar Orbiter Laser Altimeter data[J]. Planetary and Space Science, 2019, 168:73-82. DOI:10.1016/j.pss.2019.01.010

[64]
Li F, Zhu C, Hao W F, et al. An improved digital elevation model of the lunar Mons Rümker region based on multisource altimeter data[J]. Remote Sensing, 2018, 10(9):1442. DOI:10.3390/rs10091442

[65]
Hu W M, Di K C, Liu Z Q, et al. A new lunar global DEM derived from Chang'E-1 Laser Altimeter data based on crossover adjustment with local topographic constraint[J]. Planetary and Space Science, 2013, 87:173-182. DOI:10.1016/j.pss.2013.08.004

[66]
Huang Y, Chang S Q, Qin S H, et al. A new lunar DEM based on the calibrated Chang’E-1 laser altimeter data[J]. Advances in Astronomy, 2018,2018:5363797. DOI: 10.1155/2018/5363797

[67]
Zheng Y J, Hao W F, Ye M, et al. Construction of a high-quality digital elevation model of the Amundsen crater and landing area selection for future lunar missions[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024, 17:1575-1583. DOI: 10.1109/JSTARS.2023.3339967

[68]
Xie H, Liu X S, Xu Y S, et al. Using laser altimetry to finely map the permanently shadowed regions of the lunar south pole using an iterative self-constrained adjustment strategy[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15:9796-9808. DOI:10.1109/JSTARS.2022.3204765

[69]
Zheng Y J, Hao W F, Ye M, et al. Correcting flawed orbits with significant along-track offset in LOLA data to remove apparent noise in DEM[J]. Journal of Geodesy, 2024, 98(3):20. DOI:10.1007/s00190-024-01827-4

[70]
邸凯昌, 刘斌, 辛鑫, 等. 月球轨道器影像摄影测量制图进展及应用[J]. 测绘学报, 2019, 48(12):1562-1574.

DOI

[Di K, Liu B, Xin X, et al. Advances and applications of lunar photogrammetric mapping using orbital images[J]. Acta Geodaetica et Cartographica Sinica, 2019, 48(12):1562-1574.] DOI:10.11947/j.AGCS.2019.20190462

[71]
Acton C, Bachman N, Semenov B, et al. A look towards the future in the handling of space science mission geometry[J]. Planetary and Space Science, 2018, 150:9-12. DOI:10.1016/j.pss.2017.02.013

[72]
Annex A, Pearson B, Seignovert B, et al. SpiceyPy: A pythonic wrapper for the SPICE toolkit[J]. Journal of Open Source Software, 2020, 5(46):2050. DOI:10.21105/joss.02050

[73]
Di K C, Ma R J, Xing L R. Rational functions and potential for rigorous sensor model recovery[J]. Photogrammetric Engineering & Remote Sensing, 2003, 69(1):33-41. DOI:10.14358/pers.69.1.33

[74]
Liu Y, Di K. Evaluation of rational function model for geometric modeling of CHANG'E-1 CCD images[J]. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2011,3825:121-125. DOI:10.5194/isprsarchives-XXXVIII-4-W25-121-2011

[75]
Liu B, Xu B, Di K, et al. A solution to low rfm fitting precision of planetary orbiter images caused by exposure time changing[J]. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2016,XLI-B4:441-448. DOI:10.5194/isprsarchives-xli-b4-441-2016

[76]
Hu H, Wu B. Block adjustment and coupled epipolar rectification of LROC NAC images for precision lunar topographic mapping[J]. Planetary and Space Science, 2018, 160:26-38. DOI:10.1016/j.pss.2018.03.002

[77]
Di K C, Hu W M, Liu Y L, et al. Co-registration of Chang'E-1 stereo images and laser altimeter data with crossover adjustment and image sensor model refinement[J]. Advances in Space Research, 2012, 50(12):1615-1628. DOI:10.1016/j.asr.2012.06.037

[78]
Wu B, Hu H, Guo J. Integration of Chang’E-2 imagery and LRO laser altimeter data with a combined block adjustment for precision lunar topographic modeling[J]. Earth and Planetary Science Letters, 2014, 391:1-15. DOI: 10.1016/j.epsl.2014.01.023

[79]
Di K C, Liu Y L, Liu B, et al. A self-calibration bundle adjustment method for photogrammetric processing of Chang' E-2 stereo lunar imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(9):5432-5442. DOI:10.1109/TGRS.2013.2288932

[80]
Tran T, Rosiek M, Beyer R, et al. Generating digital terrain models using LROC NAC images[C]// Proceedings of the At ASPRS/CaGIS 2010 Fall Specialty Conference. Orlando, FL, USA, 2010.

[81]
Jiang X Y, Ma J Y, Xiao G B, et al. A review of multimodal image matching: Methods and applications[J]. Information Fusion, 2021, 73:22-71. DOI:10.1016/j.inffus.2021.02.012

[82]
Ye Y X, Shan J, Bruzzone L, et al. Robust registration of multimodal remote sensing images based on structural similarity[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(5):2941-2958. DOI:10.1109/TGRS.2017.2656380

[83]
Li J Y, Hu Q W, Ai M Y. Rift: Multi-modal image matching based on radiation-variation insensitive feature transform[J]. IEEE Transactions on Image Processing: a Publication of the IEEE Signal Processing Society, 2019, 29:3296-3310. DOI:10.1109/TIP.2019.2959244

[84]
Wan G Y, Ye Z, Xu Y S, et al. Multi-Modal remote sensing image matching based on weighted structure saliency feature[J]. IEEE Transactions on Geoscience and Remote Sensing, 2024,62:4700816. DOI:10.1109/TGRS.2023.3347259

[85]
Zhan L, Ma J, Sang X J, et al. Matching method of lunar remote sensing image based on Laplacian[J]. IOP Conference Series: Materials Science and Engineering, 2020, 768(6):062083. DOI:10.1088/1757-899x/768/6/062083

[86]
Zhai Y, Liu S, Guo X, et al. Lunar image matching based on FAST features with adaptive threshold[C]// Proceedings of the Communications, Signal Processing, and Systems: Proceedings of the 2018 CSPS Volume II: Signal Processing 7th. Springer, 2020:11-19.

[87]
Wu B, Zeng H, Hu H. Illumination invariant feature point matching for high-resolution planetary remote sensing images[J]. Planetary and Space Science, 2018, 152:45-54. DOI:10.1016/j.pss.2018.01.007

[88]
Sidiropoulos P, Muller J P. A systematic solution to multi-instrument coregistration of high-resolution planetary images to an orthorectified baseline[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(1):78-92. DOI:10.1109/TGRS.2017.2734693

[89]
Zhou H Y, Yu Y Z. Planetary image live stacking via phase correlation[C]// Proceedings of the 2016 9th International Symposium on Computational Intelligence and Design (ISCID).Hangzhou, China: IEEE, 2016:17-21. DOI:10.1109/ISCID.2016.2013

[90]
Huang R, Wan G Y, Zhou Y Y, et al. Fast double-channel aggregated feature transform for matching planetary remote sensing images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024, 17:9282-9293. DOI:10.1109/JSTARS.2024.3390432

[91]
Zhang Y R, Yang X, Qiao H, et al. Introducing locally affine-invariance constraints into lunar surface image correspondence[J]. Neurocomputing, 2016, 186:258-270. DOI: 10.1016/j.neucom.2015.12.082

[92]
Liu D Y, Ye Z, Xu Y S, et al. A mismatch removal method based on global constraint and local geometry preservation for lunar orbiter images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024, 17:10221-10236. DOI:10.1109/JSTARS.2024.3400394

[93]
Wu B, Guo J, Zhang Y S, et al. Integration of Chang'E-1 imagery and laser altimeter data for precision lunar topographic modeling[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(12):4889-4903. DOI:10.1109/TGRS.2011.2153206

[94]
Xin X, Liu B, Di K C, et al. High-precision co-registration of orbiter imagery and digital elevation model constrained by both geometric and photometric information[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018, 144:28-37. DOI:10.1016/j.isprsjprs.2018.06.016

[95]
Becker K J, Robinson M S, Becker T L, et al. First global digital elevation model of Mercury[C]// Proceedings of the 47th Annual Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2016:2959.

[96]
Hargitai H, Willner K, Buchroithner M. Methods in planetary topographic mapping: A review[M]// Planetary Cartography and GIS. Cham: Springer, 2019: DOI:147-17 4.10.1007/978-3-319-62849-3_6

[97]
沙洪俊, 袁修孝. 双目影像密集匹配方法的回顾与展望[J]. 武汉大学学报(信息科学版), 2023, 48(11):1813-1833.

[Sha H J, Yuan X X. State-of-the-art binocular image dense matching method[J]. Geomatics and Information Science of Wuhan University, 2023, 48(11):1813-1833.] DOI:10.13203/j.whugis20230037

[98]
尤琼华, 叶真, 童小华, 等. 基于可信度引导立体匹配的月球南极摄影测量地形重建方法[J]. 深空探测学报(中英文), 2023, 10(6):586-597.

[You Q H, Ye Z, Tong X H, et al. Terrain reconstruction for lunar south pole region based on confidence-guided stereo matching[J]. Journal of Deep Space Exploration, 2023, 10(6):586-597.] DOI: 10.15982/j.issn.2096-9287.2023.20230120

[99]
彭嫚, 邸凯昌, 刘召芹. 基于自适应马尔科夫随机场的深空探测影像密集匹配[J]. 遥感学报, 2014, 18(1):77-89.

[Peng M, Di K C, Liu Z Q. Adaptive Markov random field model for dense matching of deep space stereo images[J]. National Remote Sensing Bulletin, 2014, 18(1):77-89.] DOI:10.11834/jrs.20133089

[100]
Hirschmuller H. Stereo processing by semiglobal matching and mutual information[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008, 30(2):328-341. DOI:10.1109/TPAMI.2007.1166

PMID

[101]
Beyer R A, Alexandrov O, McMichael S. The Ames stereo pipeline: NASA's open source software for deriving and processing terrain data[J]. Earth and Space Science, 2018, 5(9):537-548. DOI:10.1029/2018EA000409

[102]
Hu H, Wu B. Planetary3D: A photogrammetric tool for 3D topographic mapping of planetary bodies[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2019, IV-2/W5:519-526. DOI:10.5194/isprs-annals-iv-2-w5-519-2019

[103]
Guo Y Q, Gu M J, Xu Z D. Research on the improvement of semi-global matching algorithm for binocular vision based on lunar surface environment[J]. Sensors, 2023, 23(15):6901. DOI:10.3390/s23156901

[104]
Ye L, Peng M, Di K, et al. Lunar terrain reconstruction from multi-view lroc nac images based on semi-global matching in object space[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2020,43B3:1177-1183. DOI: 10.5194/isprs-archives-XLIII-B3-2020-1177-2020

[105]
Kirk R L, Barrett J M, Soderblom L A. Photoclinometry made simple…?[C]// Proceedings of the ISPRS Working Group IV/9 Workshop Advances in Planetary Mapping 2003. Houston, Texas, USA, 2003.

[106]
Taguchi M, Funabashi G, Watanabe S, et al. Lunar albedo at hydrogen Lyman α by the NOZOMI/UVS[J]. Earth, Planets and Space, 2000, 52(9):645-647. DOI:10.1186/BF03351673

[107]
Grumpe A, Belkhir F, Wöhler C. Construction of lunar DEMs based on reflectance modelling[J]. Advances in Space Research, 2014, 53(12):1735-1767. DOI:10.1016/j.asr.2013.09.036

[108]
Wu B, Liu W C, Grumpe A, et al. Construction of pixel-level resolution DEMs from monocular images by shape and albedo from shading constrained with low-resolution DEM[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018, 140:3-19. DOI:10.1016/j.isprsjprs.2017.03.007

[109]
Woodham R J. Photometric method for determining surface orientation from multiple images[J]. Optical Engineering, 1980, 19(1):139-144. DOI:10.1117/12.7972479

[110]
Alexandrov O, Beyer R A. Multiview shape-from-shading for planetary images[J]. Earth and Space Science, 2018, 5(10):652-666. DOI:10.1029/2018EA000390

[111]
Liu W C, Wu B. An integrated photogrammetric and photoclinometric approach for illumination-invariant pixel-resolution 3D mapping of the lunar surface[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 159:153-168. DOI:10.1016/j.isprsjprs.2019.11.017

[112]
Spudis P, Nozette S, Bussey B, et al. Mini-SAR: An imaging radar experiment for the Chandrayaan-1 mission to the Moon[J]. Current Science, 2009, 96(4):533-539.

[113]
Kirk R, Becker T, Shinaman J, et al. Radargrammetric Control Network and Controlled Mini-RF Mosaics of the Moon's North Pole…at Last![C]// Proceedings of the 44th Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2013:2920.

[114]
Wu Y L, Zhang H, Wang J L, et al. Stereo-radargrammetry assisted InSAR phase unwrapping method for DEM generation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022,60:5233718. DOI:10.1109/TGRS.2022.3199103

[115]
Kirk R, Howington-Kraus E, Becker T, et al. Next steps in radargrammetry of the Moon: Targeted stereo observations and controlled mosaic production[C]// Proceedings of the 42nd Annual Lunar and Planetary Science Conference. The Woodlands, Texas, USA, 2011:2392.

[116]
Kirk R, Howington-Kraus E, Becker T, et al. Radargrammetric analysis of Mini-RF lunar images[C]// Proceedings of the EPSC-DPS Joint Meeting 2011. Madrid, Spain, 2011:1473.

[117]
Tong X H, Huang Q, Liu S J, et al. A high-precision horizon-based illumination modeling method for the lunar surface using pyramidal LOLA data[J]. Icarus, 2023,390:115302. DOI:10.1016/j.icarus.2022.115302

Options
文章导航

/

〈 〉