基于 LEISA/Ralph 近红外观测的无监督学习冥王星表面测绘

我们利用 NASA New Horizons 航天器上搭载的 LEISA/Ralph 仪器的近红外观测数据，采用无监督机器学习技术对冥王星表面进行了测绘。我们实现了主成分降维的 Gaussian 混合模型，以研究该矮行星表面单元的地理分布。我们还给出了图像像素级别上每个表面单元的似然度。分析了每个单元的平均 I/F 光谱——基于 N${}_{2}$、CH${}_{4}$ 和 CO 等丰富挥发物以及非挥发物 H${}_{2}$O 的吸收带位置与强度——以将单元与表面成分、地质和地理位置联系起来。表面单元的分布呈现出纬度模式，具有明显的挥发物表面成分——这与现有文献一致。然而，以往的测绘工作主要基于使用光谱指数（指示器）或实施复杂辐射传输模型的成分分析，这些方法需要（先验的）专家知识、标签数据或代表性端元的 optical constants。我们证明，在此实例中应用无监督学习在没有任何先验信息或标签数据的情况下，能够对冰成分的空间分布测绘产生令人满意的结果。因此，当标签数据受限或完全未知时，此类应用对行星表面测绘特别有利，因为对表面物质分布的理解对于行星尺度的挥发物传输建模至关重要。我们强调，本研究中使用的无监督学习具有广泛的适用性，可扩展至太阳系其他行星体以测绘表面物质分布。