AI帮月球数"麻子"：从嫦娥图像中新发现10万撞击坑

（原标题：AI帮月球数“麻子”：从嫦娥图像中新发现10万多个撞击坑）

澎湃新闻记者 虞涵棋

嫦娥五号携着月壤凯旋，她的前辈嫦娥一号和嫦娥二号留下的数据同样是座富矿，不断被科学家们挖掘出新的价值。

12月22日，由中国月球探测工程首席科学家欧阳自远和国家天文台副台长研究员李春来领衔的研究团队在《自然-通讯》（Nature Communications）上发表论文，报告了一项利用一种迁移学习策略来识别月球的撞击坑，成功从嫦娥一号和嫦娥二号数据中识别出之前未识别的逾10万个撞击坑。

新新旧旧，坑坑洼洼

众所周知，月亮是个“麻子脸”。月球表面的这些坑坑洼洼由天体撞击形成，跨越了五个月球地质时期长达40亿年的时光，是记录月球演化和太阳系历史的化石。

自1919年以来，经国际天文学联合会（IAU）确认的共有9137个撞击坑，其中1675个的年龄由月球和行星研究所（LPI）收集，成为了该项研究的训练数据来源。

要统计这些撞击坑，不管是人工识别还是自动识别都各有局限性，这导致两边统计来的数据对不上号。

月球上的撞击坑分布情况

一般来说，经过大量已标注样本训练的深度神经网络能快速准确地识别出比较简单的撞击坑，但很难发现不规则或退化的撞击坑。然而，这些不太容易辨认的撞击坑可能比较古老，是重要的历史记录。

地层覆盖关系是判断撞击坑相对年龄的基础方法，其次，边缘和阶梯清晰度、边缘纹理、陨石坑形状、陨石坑壁和叠加陨石坑等因素也能反映撞击坑形态的退化情况和新鲜程度。光学成熟度（OMAT）则能基于月壤暴露于空间的改性情况做出判断，适用于大型射线坑。

撞击坑的绝对年龄则需由返回样本的放射测龄和撞击坑累积尺寸频率分布分析决定。常规工具很难用单一类型数据对撞击坑进行识别和年龄鉴别。

嫦娥前辈采集的图像

作为“嫦娥”系列的前锋，嫦娥一号是中国探月计划中的第一颗绕月人造卫星，于2007年10月在西昌卫星发射中心发射升空，获取了包含两极的精细“全月球三维影像”。完成使命后，它于2009年3月1日撞击月球表面预定地点。

嫦娥二号原为嫦娥一号的备份星，也是中国探月工程二期的技术先导星，于2010年10月发射升空。它获取了分辨率优于10米的月球表面三维影像，为后续着陆区优选提供依据。

这两“姐妹”提供了不同空间分辨率的丰富图像数据，例如120米和7米的DOM（数字正射影像图），还有500米和7米的DEM（数字高程模型）。

其中，DOM数据可以反映撞击坑形态特征，而DEM数据可以反映地形信息。

利用嫦娥图像数据对月球撞击坑进行识别和测龄

迁移学习是一种机器学习的前沿方法，能在训练样本不那么充足的情况下，用之前获得的知识解决下一个问题。研究团队先用7895个已知的撞击坑和1411个已知年龄的撞击坑数据训练出了一个深度神经网络。

他们把这个深度神经网络迁移到嫦娥一号和嫦娥二号飞行器采集的月球中低纬区域（纬度−65°至65°）图像中，识别出了109956个新的撞击坑，这比一开始识别的数量要多出十几倍。

接着，针对那些直径大于8千米的撞击坑，深度神经网络还估算出了其中18996个撞击坑的年龄。研究人员根据以上结果建立了一个新的月球中低纬区域撞击坑数据库，并将相关分析数据与行星科学界共享。

该团队认为，他们的方法调整后可用于太阳系的其他天体，并有望比人工分析方法提取更多信息。