月球的自转轴相对于黄道面（绕太阳公转的轨道平面）法线倾斜仅约 1.5°（地球为~23.5°），导致其两极区域太阳高度角极低，太阳光几乎始终以接近水平的角度照射。月球两极分布着许多古老的撞击坑，这些坑的边缘高耸，且坑底深邃，坑壁会遮挡阳光，使得坑底常年无法接受直射阳光，由此形成了永久阴影区（Permanently Shadowed Regions，PSR），这些区域内温度<110 K的地方被称为冷阱（Cold Traps），其中可能储存有大量挥发性物质，尤其是水冰。月球水冰不仅具有重要的科学价值，也是未来月球探测的重要资源。从科学研究角度，月球PSR内的水冰可能来自彗星撞击、太阳风质子与月壤反应或脱气作用，研究这些物质可揭示地月系统挥发分起源、太阳系的挥发分分布以及无大气行星体表面的化学环境。月球冷阱的稳定性和挥发分保存能力可类比水星、谷神星等天体，帮助理解冰在无大气天体上的长期存在条件。对于深空探测任务而言，水冰可用于生命支持和火箭燃料，大幅降低地月运输成本。
Watson等人于1961年首次提出月球PSR中存在水冰的想法。他们认为月球两极附近的撞击坑中可能存在大量的水冰，以冰壤混合物或“脏冰”的形式存在。从那时起，人类已经对月球极区水冰开展了各种遥感探测，包括可见光、近红外、热红外、紫外光谱、能谱、微波雷达等方式。自上世纪九十年代以来，月球南北极水冰赋存问题成为研究热点。近几年，韩国（Danuri）和印度（Chandrayaan-3）相继发射了月球探测器，旨在探索月球极地地区的水冰资源。在不久的将来，美国（Artemis III）、俄罗斯（Luna 27）、日本和印度（LUPEX）以及中国（嫦娥7/8号和国际月球科研站任务）计划对月球水冰进行原位探测，这些任务都计划在月球南极附近着陆，在此之前，通过遥感识别大尺度水冰富集区域从而规划任务选址显得尤为重要。
然而，尽管已有遥感观测数据表明月球两极存在增强的H/OH/H2O信号，暗示可能存在局部水冰沉积，但不同探测方法对水冰的存在形式、分布及含量的识别结果存在差异。例如，基于中子谱仪的数据难以精确区分PSR内外的氢丰度及其与水冰的具体关系；紫外观测则揭示了部分PSR内含有少量水冰，但其空间分布与其他探测技术得出的结果不一致；雷达观测虽然也提供了间接证据，但也面临石块等解释上的挑战。近期，Li等（2018）提出月球极区PSR的可见近红外光谱在1.25、1.55和2.0 μm的特征吸收是水冰出露的最直接证据。
受限于较差的太阳光照条件及月壤混合的影响，基于当前已有的PSR遥感光谱数据质量，传统解译方法在月球极区水冰的识别方面面临诸多困难，例如PSR光谱噪声强、传统算法容易误判以及实验室光谱和遥感光谱存在差异难以完全匹配等。本研究首次利用基于深度学习的一维卷积自编码器（One-dimensional convolutional autoencoder，1D-CAE）和一类支持向量机（One-Class Support vector machine，One-Class SVM）构建了月球水冰光谱识别模型（图1），基于月球矿物绘图仪（Moon Mineralogy Mapper，M3）获取的光谱数据成功实现了对月球南极区域水冰光谱的像素级识别（图2），旨在为月球南极水冰分布的研究提供一个全新的思路。
图1 月球水冰光谱的深度学习识别模型
通过引入自监督学习方法克服了训练数据有限的问题，并能够解决实验室光谱与轨道光谱之间存在差异的数据传递问题。通过在（M3）2级反射率数据上的应用，我们不仅识别了几万个可能含有水冰光谱特征的像素，还进一步讨论了月球南极地区水冰的颗粒大小、晶体结构及其混合效应等相关特性。
将实验室不同粒径的水冰光谱进行训练的深度学习模型识别结果发现，月球南极区域内的水冰可能倾向于以较小颗粒形式存在（对应实验室中粒径约70微米的水冰光谱）（图3），而部分像素光谱中2微米吸收带的弱化或缺失则表明可能存在异常大的冰粒（图4）。此外，尽管所观察到的光谱特征主要来自结晶态水冰颗粒，但不能排除在光学感知深度以下存在非晶态水冰的可能性。
图3 月球南极水冰粒径匹配结果
图4 月球南极水冰光谱的平均值及标准差
本研究是深度学习方法在探索月球物质成分领域的一次新的尝试，深化了对月球表面水冰分布特性的理解，也为未来多项国内外探月任务提供了信息支持。
本研究第一作者为山东大学（威海）博士研究生王天伟，通讯作者为陈剑助理研究员和凌宗成教授，研究成果以Identification of H2O ice at lunar south polar region based on deep learning为题发表在行星科学专业期刊Icarus。
作者：王天伟 陈剑
编辑：李婧
审核：李阳
· 往期推荐 ·
