|
|
MDPI 编辑荐读 | Remote Sensing:深空探测——月球篇 |
|
期刊主页:https://www.mdpi.com/journal/remotesensing
微信链接:
https://mp.weixin.qq.com/s?__biz=MzI1MzEzNjgxMQ==&mid=2649990922&idx=3&sn=
3c4748e477e064349997a8dbdc3d0f55&chksm=f1de1dcec6a994d8baa81ea36f3bba46
780530fa3f1efdf4842d25981386a415fe713339fc76&token=1684448621&lang=zh_CN#rd
近年来,探索月球所产生的大量不同的数据集,可用于解决与月球地质学相关的科学问题,包括月球地壳和地幔的起源和演化、月球内部的组成结果、月球火山活动等。为了有帮助读者更好的了解近几年有关月球领域的研究热点及现状,本期荐读精选了近年发表在Remote Sensing期刊上的相关文章,欢迎大家阅读。
1. An Empirical Model to Estimate Abundance of Nanophase Metallic Iron (npFe0) in Lunar Soils
估算月土壤中纳米金属铁 (npFe0) 丰度的经验模型
Dawei Liu et al.
DOI: 10.3390/rs12061047
![](/upload/paper/images/2021/4/20214161716522460.jpg)
月球土壤特性研究协会各粒径组土壤单散射反照率比值为540 nm /810 nm与纳米金属铁的相关性研究
当月球土壤暴露于太空环境时会逐渐成熟,并在其中生成纳米金属铁。该物质不仅极大地改变了月球土壤的光学特性,还影响了对月球表面遥感数据的判断。在这项研究中,根据月球土壤特性研究协会收集到的四个不同类别的月球土壤样品的光谱和成分数据,本文对纳米金属铁丰度和短波长的反射光谱进行了相关分析。结果表明,单散射反照率为540 nm的月球土壤与每个组别样品对应的纳米金属铁丰度都有着很好的相关性。但是,由于月球土壤粒度变化的强烈干扰,使得在考虑所有组别时,两者相关性较差。为了减小粒径的影响,本文计算了样品中各粒径组纳米金属铁丰度与单散射反照率光谱比值为540 nm / 810 nm之间的相关性,结果表明它们之间存在更高的相关性 (R2 = 0.91)。该比值可以作为估算月球土壤中纳米金属铁丰度的简单经验模型。但是,当月球土壤具有高含量的胶结玻璃和钛铁矿时,估计结果可能会出现偏差。
2. Rock Location and Property Analysis of Lunar Regolith at ChangE-4 Landing Site Based on Local Correlation and Semblance Analysis
基于局部相关和相似性分析的嫦娥四号着陆点月壤岩石定位及性质分析
Hanjie Song et al.
DOI: 10.3390/rs13010048
![](/upload/paper/images/2021/4/2021416171821360.jpg)
估算出的“玉兔2号”探测车沿线的地下速度和相对介电常数分布。(a) 地下速度分布;(b) 地下相对介电常数分布
“嫦娥四号”月球车“玉兔二号”搭载的测月雷达(Lunar Penetrating Radar, LPR)主要用于探测月球背面风化层的地下结构和近地表地层结构。风化层的构造分析可以为月球的形成和演化提供丰富的信息,其中月壤层中的岩石位置和性质分析是LPR资料解释的关键环节。LPR资料解释环节中,电磁波地下速度是地层划分、岩石位置估计和岩石性质计算的重要参数。因此,本文提出了一种结合基于两组LPR高频通道数据局部相关的风化岩位置提取技术和共偏移距相似性分析技术的方法,从LPR绕射双曲线确定速度,并考虑到风化层的非均质性得到了相对介电常数的分布。数值模拟结果表明,该方法能够获得高精度的岩石位置和速度等相关属性。此外,通过将该方法应用于“嫦娥四号”实际LPR数据,获得了岩石位置和月球地下风化层性质的最佳估计。
3. An Effective Lunar Crater Recognition Algorithm Based on Convolutional Neural Network
一种基于卷积神经网络的有效月球陨石坑识别算法
Song Wang et al.
DOI: 10.3390/rs12172694
![](/upload/paper/images/2021/4/2021416171843730.jpg)
利用ERU-Net对陨石坑进行预测和提取。
月球陨石坑识别在月球探测中起着关键作用。传统的陨石坑识别方法主要是基于人的观察,通常结合经典的机器学习方法。这些方法存在着缺乏客观标准等缺陷。此外,在较小的或重叠的陨石坑中,它们很难达到理想的识别效果。为了解决这些问题,本文提出了一种有效残差U-Net (ERU-Net),用于从月球数字地面模型 (DEM) 图像中识别陨石坑。ERU-Net首先在月球DEM数据中探测陨石坑边缘。然后,利用模板匹配的方法计算出弹坑的位置和大小。由于该网络使用残差单元,从而使得ERU-Net的训练过程简单,且易于优化所提出的模型。ERU-Net的网络结构越深入,识别效果越好。该方法以陨石坑边缘为目标,能够识别重叠陨石坑。理论上,该网络可以识别各种撞击坑。在月球陨石坑识别方面,该模型在DEM上,与其他深度学习方法相比,获取了较高的召回率 (83.59%) 和精度 (84.80%)。从而表明,利用该网络对月球DEM进行陨石坑识别是可行的。
4. Estimation of Noise in the In Situ Hyperspectral Data Acquired by ChangE-4 and Its Effects on Spectral Analysis of Regolith
嫦娥四号原位高光谱数据噪声估计及其对月壤光谱分析的影响
Honglei Lin et al.
DOI: 10.3390/rs12101603
![](/upload/paper/images/2021/4/20214161719449630.jpg)
“玉兔二号”月球车月面工作方式示意图及可见近红外成像光谱仪的主要参数
2019年1月3日,嫦娥四号探测器在月球背面成功软着陆,此后探测器携带的“玉兔二号”月球车持续在月表进行巡视探测。月球车上搭载的可见-近红外成像光谱仪获得了大量光谱,为了解月球背面的物质组成提供了前所未有的视角。但这些光谱数据的噪声水平及其对光谱解释的影响尚未得到评估。因此本研究分析了在月表完全相同区域、不同光照条件的重复观测,获得了嫦娥四号光谱数据的信噪比,进而评估了噪声对波段中心、波段深度、FeO含量、光学成熟度、矿物丰度和亚微观金属铁含量估计的影响。结果表明, 1 µm和2 µm附近波段吸收中心的估算受到噪声的影响分别会有~6.2 nm和28.6 nm的偏移;通过Hapke模型得出的矿物丰度也会受噪声的影响,其中斜长石、辉石和橄榄石的最大标准偏差分别为6.3%、2.4%和7.0%。因此,由于噪声对嫦娥四号光谱有显著影响,应在数据分析和地质解释中予以考虑。
5. Investigating Lunar Boulders at the Apollo 17 Landing Site Using Photogrammetry and Virtual Reality
用摄影测量和虚拟现实技术研究阿波罗17号登陆点的月球巨石
Stéphane Le Mouélic et al.
DOI: 10.3390/rs12111900
![](http://talent.sciencenet.cn/upload/2021/20210416172108360.png)
通过虚拟现实研究重建的巨石模型。
1972年12月,月球的陶拉斯-利特罗山谷作为密集地质三天实地考察地点。宇航员通过哈苏相机拍摄的一系列重叠图像,系统地记录了采样站的现场活动。本文研究了如何使用近距离摄影测量法将此阿波罗图像档案库用于对几个感兴趣的巨石进行3-D重建。该研究专门针对分别位于南断层块和北断层块脚下的2号、6号和7号站的七个不同的代表沿着周围山丘斜坡滚动的高地材料的样本巨石。通过使用Agisoft Metashape软件,将173幅扫描图像输入来实现这些巨石的3D重建。然后使用基于Web的平台或游戏引擎在虚拟现实中渲染模型。从而使用户可以在巨石周围走动,并详细研究他们的形态、骨折、囊泡、颜色变化和采样点,就像是和宇航员站在它们面前一样。结果表明,许多特征都可以在阿波罗任务的其他站点以及其他机器人着陆站点中进行重建。因此,结合摄影测量技术的虚拟现实技术为过去和将来的着陆点开辟了探索的新时代。
6. Rock Location and Quantitative Analysis of Regolith at the Change 3 Landing Site Based on Local Similarity Constraint
基于局部相似约束的嫦娥3号着陆点岩石定位及风化层定量分析
Bin Hu et al.
DOI: 10.3390/rs11050530
![](/upload/paper/images/2021/4/2021416172289610.jpg)
每5 m处岩石数量和位置的散点图。
月球风化层的结构分析不仅为月球地质研究提供了重要的信息,还为今后的月球样品返回任务提供了参考。“嫦娥3号”上的探月雷达为测绘地表下结构和近地表地层结构提供了一个独特机会,并且对岩石定位及风化岩-基底界面突出问题的研究具有重要意义。因此,本文提出了一种基于局部相似约束的自适应岩石提取方法,实现了对风化层的岩石定位和定量分析。该方法首先设计了一个处理通道以对“嫦娥2号”探月雷达A和B数据进行成像;其次,采用基于f-x经验模态分解的dip滤波器来提取两个数据中的低波数分量;然后再计算滤波后的“嫦娥2号”A和B之间的局部相似谱。再通过一个软阈值函数选出谱中的局部最大值作为每个岩石的位置。最后,根据提取的结果,一方面得到了风化层的深度,另一方面揭示了岩石在风化层中随路径和深度变化的分布信息。
Remote Sensing (ISSN 2072-4292, IF 4.509) 是一个国际型开放获取期刊。其期刊范围涵盖遥感科学所有领域,从传感器的设计、验证和校准,到遥感在地球科学、环境生态、城市建筑等各方面的广泛应用。Remote Sensing采取单盲同行评审,一审周期约为19天,文章从接收到发表仅需2.9天。
![](/upload/paper/images/2021/4/2021416172345710.jpg)
![](/upload/paper/images/2021/4/20214161723259440.jpg)
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。