一种基于聚类(Clustering)的利用Moon Mineralogy Mapper (M3)高光谱数据(Hyperspectral Data)绘制月球表面矿物分布的新方法

《Remote Sensing》：A Novel Clustering-Based Methodology for Mapping Lunar Surface Minerals Using Moon Mineralogy Mapper (M3) Hyperspectral Data George Messinios, Konstantinos Koutroumbas and Olga Sykioti

　　

摘要：本研究提出一种基于聚类的新方法，利用Moon Mineralogy Mapper (M3)高光谱数据进行月球表面矿物学填图(Mineralogical Mapping)。该方法首先利用Hapke光度模型将反射率值转换为单散射反照率(Single Scattering Albedo, SSA)值，并构建全图中各像素SSA谱线出现吸收(Absorption)特征处波长位置的直方图/分布。随后基于此直方图定义面向像素矿物组成表征的上下文相关(Context-dependent)特征表示。对新的像素特征表示应用K-means聚类算法后，通过判断各像素吸收特征是否匹配基于八种典型月球矿物光谱特征预定义的吸收判据，对每个聚类进行矿物组成分析。此外，该方法可提供各像素内的矿物组成兼容性信息。研究人员将该方法应用于覆盖静海(Mare Serenitatis)东部与宁静海(Mare Tranquillitatis)西部的M3数据集。主要结果显示各聚类间存在空间与成分差异，且与已有月球月海玄武岩(Mare Basalt)组成认知相符，证明了所提方法在行星矿物探测中的可靠性。

论文解读：一种基于聚类(Clustering)的利用Moon Mineralogy Mapper (M³)高光谱数据绘制月球表面矿物分布的新方法

研究背景与目的

传统的光学遥感高光谱矿物填图主要依靠光谱角制图(Spectral Angle Mapper, SAM)或线性光谱解混(Linear Spectral Unmixing, LSU)，前者仅衡量整体光谱与端元(endmember)的相似性，后者依赖预先选取的端元且需假设线性混合。二者均关注全谱段信息而忽视了对矿物诊断起决定性作用的吸收带(Absorption Band)位置信息，且端元选择具有主观性。为克服上述局限，研究人员开展了此项研究，提出一种以吸收特征位置为核心、数据自适应的聚类填图方法，旨在从M³高光谱数据中自动识别光谱均质区域并定量给出各区域内与典型月球矿物兼容的像素比例。该研究发表于《Remote Sensing》。研究结论表明：该方法对端元选择敏感性低，能检测相对均一区域内矿物组合的微变，所得矿物分布与已知月海玄武岩组成相符，可推广至其他行星表面矿物探测。

主要关键技术方法

研究人员采用Chandrayaan-1 M³L2级反射率校正数据(产品ID: M³G20090203T175131_V01_RFL)，覆盖静海东部与宁静海西部(子集7361×304像素，73个有效波段541–2577 nm)；选用RELAB库中8种典型月球矿物(橄榄石Olivine、钛铁矿Ilmenite、斜长石Plagioclase、冲击熔玻璃Impact Melt-glass、铁富低钙正辉石Orthopyroxene、低钙贫镁单斜辉石/普通辉石Augite、高钙单斜辉石/易变辉石Pigeonite、镁尖晶石Mg-spinel)作为端元。关键处理流程包括：(1)Robust PCA去除条带噪声；(2)Hapke一般形式光度模型(i=30°, e=0°, g=30°)将反射率转为单散射反照率(Single Scattering Albedo, SSA)；(3)凸包法连续统去除(Continuum Removal)及Savitzky–Golay滤波平滑；(4)统计全图SSA谱线局部极小值(吸收位置)分布生成直方图，依显著局部极大值划分6个波长吸收组(Band Group)；(5)将每像素表示为6维二值向量(对应吸收落入各组情况)，对该特征向量实施K-means聚类(K=6，肘部法则确定)并做3×3中值滤波；(6)依据端元矿物诊断吸收所在组建立匹配判据，统计各聚类中兼容各矿物的像素百分比。

研究结果

3.1. Clustering Results（聚类结果）

经K-means及后处理得到6个聚类。Cluster 1主要分布于Serenitatis大部及Tranquillitatis零星区(占图幅35.73%)；Cluster 2呈Serenitatis小撞击坑及两地散点分布(6.23%)；Cluster 3为散布极少像素(0.04%)；Cluster 4局限于Dawes环形坑底(0.97%)；Cluster 5为最大聚类，主导Tranquillitatis并部分覆盖Serenitatis(55.48%)；Cluster 6沿Dawes坑缘外侧分布(1.55%)。各聚类平均连续统去除SSA谱线显示不同吸收深度与位置组合。Clusters 2、4、6与撞击构造相关，Clusters 1、3、5表征月海基底。

3.2. Mineral Composition Analysis Results（矿物组成分析结果）

全区检出橄榄石(Olivine, 9.40%)、钛铁矿(Ilmenite, 3.42%)、普通辉石/易变辉石中主要为Augite即高钙单斜辉石(≈55%)、冲击熔玻璃(Impact Melt-glass, 31.44%)、斜长石(Plagioclase, 4.35%)；Pigeonite、Orthopyroxene及Mg-spinel基本未检出或极微量。Cluster 5以Augite(49.13%)为主伴生Olivine(16.03%)及Melt-glass(46.92%)，符合典型月海玄武岩流；Cluster 1与2以Augite(59.83%、80.52%)为主，Cluster 2兼较高Ilmenite(21.80%)与Plagioclase(29.29%)，指示Ti富集玄武岩或高地混入；Cluster 3与4虽面积小但Melt-glass兼容度极高(66.87%、73.91%)并含少量Orthopyroxene/Pigeonite暗示受冲击改造；Cluster 6以Augite(68.40%)为主，Ilmenite中等(6.46%)。Mare Tranquillitatis较Mare Serenitatis显示更高Olivine(15.50% vs 2.66%)、Augite(60.69% vs 48.72%)及Melt-glass(36.18% vs 26.20%)，Plagioclase略低(3.55% vs 5.22%)，Ilmenite相当(3.74% vs 3.42%)。与SAM方法对比一致性达73%，差异源于方法分别侧重吸收位置与全谱形态。

讨论与结论翻译

研究表明Serenitatis–Tranquillitatis研究区以Augite(~55%)为主，伴生Impact Melt-glass(~31%)、Olivine(~9%)、Ilmenite(~3%)及少量Plagioclase(~4%)，无Orthopyroxene与Mg-spinel，符合Fe-Ca富玄武岩月海地质预期。各聚类矿物差异反映玄武质火山作用、撞击改造及壳层混合的复杂过程。在高地数据集验证中，方法正确检出低Fe贫辉石/橄榄石微量及Plagioclase未检出(因M³对低Fe斜长石吸收不敏感)，发挥"阴性对照"作用证实方法稳健性。

结论：本研究提出的基于聚类方法利用M³高光谱数据经Hapke模型转SSA、依全图吸收位置分布构建上下文相关二值特征并进行K-means聚类，结合基于八种月球矿物诊断吸收的匹配判据实现矿物填图。方法可识别图像中存在矿物、允许单像素兼容多矿物，提供比传统全谱聚类更详细的亚像素信息但不提供丰度定量。该方法依赖高光谱分辨率数据，不适用于多光谱数据。应用于Serenitatis–Tranquillitatis所得空间成分变异与已有认识相符，证明其在行星矿物探测中的可靠性。