Jul, 2024
基于数据驱动的机器学习方法用于探测月球表面的反照率异常
A Data-Driven Machine Learning Approach for Detecting Albedo Anomalies on the Lunar Surface
Sofia Strukova, Sergei Gleyzer, Patrick Peplowski, Jason P. Terry
TL;DR通过机器学习技术，该研究引入基于数据驱动的方法，探索和预测月球表面的反照率异常，并利用多样的行星数据集，包括高空间分辨率的反照率地图和来自激光和伽马射线测量的元素地图（LPFe，LPK，LPTh，LPTi）来推断表面化学元素与反照率之间的关系，从而扩展我们对行星表面的认识并提供有关数据不完整区域的预测能力。通过高斯模糊技术，包括一种创新的自适应高斯模糊，弥合了反照率和元素地图之间的分辨率差距，最终部署了一个经过优化的极限梯度提升回归模型来预测完整的反照率。此外，还提供了一个交互式分析工具来可视化预测误差，描绘其空间和化学特征。该研究成果不仅为更全面地了解月球表面铺平了道路，也为类似的研究提供了一个框架，用于研究其他天体。