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。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。
月球物质分布的重要性
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。
高光谱遥感技术的优势
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。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。
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。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。
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。
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。
| 时间/年 | 国家 | 卫星 | 光谱成像仪 | 光谱范围/μm | 波段数目/个 |
|---|---|---|---|---|---|
| 2007 | 日本 | 月亮女神号 | 多光谱成像仪(MI) | 0.41~1.55 | 9 |
| 2007 | 日本 | 月亮女神号 | 连续光谱测量仪(SP) | 0.50~2.60 | 296 |
| 2007 | 中国 | 嫦娥一号 | 干涉成像光谱仪(IIM) | 0.48~0.96 | 32 |
| 2008 | 印度 | 月船一号 | 月球矿物绘图仪(M³) | 0.43~3.00 | 86 |
| 2019 | 印度 | 月船二号 | 红外成像光谱仪(IIRS) | 0.80~5.00 | 160 |
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。
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）。
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，如探讨了月球上纯斜长岩的分布特征，以及月球南极Aitken盆地的地质差异。
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，搭载了8种探测设备，用于获取月表三维立体影像和月表物质成分等信息。
干涉成像光谱仪（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。
研究人员利用IIM数据获得了全月表矿物吸收中心分布图，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。
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，主要作用是进行高光谱成像。
M³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。
通过分析M³数据，研究人员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，这被认为是羟基/水（OH/H₂O）的光谱特征，改变了人类对月球是干燥星球的认识。
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，在100 km轨道高度以80 m的空间分辨率进行推扫式成像。
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，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。
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。
月球开拓者（Lunar Trailblazer）
2019年美国批准通过了月球开拓者计划，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。将搭载由美国研制的高分辨率挥发分和矿物制图仪（HVM³）和英国研制的月球热成像仪（LTM）。
嫦娥七号
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），在全月范围内获取空间分辨率优于30 m的光谱成像数据。
光谱探测范围的不断拓展和空间分辨率的持续提升，将为月球科学研究提供更加丰富的数据支持。
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。
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。
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，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。
图1 月球高光谱轨道器数据处理基本框架
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。
光度校正
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，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。
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。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。
温度-发射率分离
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。
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。
| 方法 | 优点 | 缺点 |
|---|---|---|
| 波段运算法 | 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 | 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 | 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 | 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 | 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。
主要挑战
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，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。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。
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。
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。
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。
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，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。
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。
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。
随着人工智能技术的快速发展，许多学者应用机器学习的算法，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。
星上定标装置
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。
光度模型研究
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。
人工智能应用
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。
未来发展方向
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。
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。
发展描述光谱混合物理过程的数学模型
构建适用于月表温度特征的发射率光谱连续反演算法
在月面选择更多的参考场地，并放置原位定标设备
综合全谱段范围内矿物的光谱特征，完成对全月矿物分布的精细探测
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。
关键技术突破
- 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
- 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
- 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
应用前景
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。
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。