Авторы
Трунина А.А.(1), Ломакин А.А.(2)
Организации
(1) ГБОУ "Лицей №1501"
(2) Институт космических исследований РАН
(2) Институт космических исследований РАН
Сессия
Исследование планет
Форма представления
Стендовый
Научный руководитель
Ломакин А.А.
Место работы научного руководителя
Институт космических исследований РАН
Текст тезисов
Методы машинного обучения в планетологии используются относительно редко и часто конкурируют с традиционными методами. Однако с годами находится все больше и больше ниш для их применения – иногда они позволяют взглянуть на данные другими глазами. Такие методы начинают находить применение и в работе с гиперспектральными данными (Bernard-Michel et al., 2009; Cartwright et al., 2022). Однако, с помощью этих методов была проанализирована и размечена лишь часть данных и много данных и миссий является еще не обработанными.
Мы использовали данные OMEGA (Observatoire pour la Mineralogie, l’Eau, les Glaces et l’Activité, Bibring et al., 2005) – прибора, изучающего минералогический и молекулярный состав поверхности и атмосферы Марса с помощью спектрального анализа рассеянного солнечного света и теплового излучения поверхности. OMEGA является гиперспектрометром – данные этого прибора являются картами, где каждому пикселю соответствует спектр в диапазоне от 0.38 до 5 микрон. Для работы с данными OMEGA мы использовали omegapy – открытую библиотеку, реализованную на python, с помощью которой можно провести обработку данных. Среди ее функционала есть возможность провести атмосферную и термальную коррекции: уменьшить влияние спектральных линий атмосферы Марса на спектр отражения, а также убрать из данных тепловое излучение. Для картирования льдов мы использовали традиционные методы, такие как использование спектральных индексов. Спектральные индексы являются метрикой глубины полос поглощения в спектрах отражения льда и снега на поверхности Марса. Помимо этого, мы применили k-means clustering – метод кластеризации, который используется, когда есть данные без определенных групп или категорий. Основной целью алгоритма является минимизация суммы расстояний между точками и соответствующим центроидом кластера.
Список литературы:
1. Bernard-Michel, C., Douté, S., Fauvel, M., Gardes, L., and Girard, S. (2009), Retrieval of Mars surface physical properties from OMEGA hyperspectral images using regularized sliced inverse regression, J. Geophys. Res., 114, E06005, doi:10.1029/2008JE003171.
2. Bibring, J. P., Langevin, Y., Mustard, J. F., Poulet, F., Arvidson, R., Gendrin, A. & Neukum, G. (2006). Global mineralogical and aqueous Mars history derived from OMEGA/Mars Express data. Science, 312(5772), 400-404.
3. Cartwright, S. F. A., Calvin, W. M., Seelos, K. D., & Seelos, F. P. (2022). Characterizing Seasonal and Residual Ices at the South Pole of Mars Using a Universal Set of CRISM Spectral Endmembers. Journal of Geophysical Research: Planets, 127(11), e2022JE007372.
Мы использовали данные OMEGA (Observatoire pour la Mineralogie, l’Eau, les Glaces et l’Activité, Bibring et al., 2005) – прибора, изучающего минералогический и молекулярный состав поверхности и атмосферы Марса с помощью спектрального анализа рассеянного солнечного света и теплового излучения поверхности. OMEGA является гиперспектрометром – данные этого прибора являются картами, где каждому пикселю соответствует спектр в диапазоне от 0.38 до 5 микрон. Для работы с данными OMEGA мы использовали omegapy – открытую библиотеку, реализованную на python, с помощью которой можно провести обработку данных. Среди ее функционала есть возможность провести атмосферную и термальную коррекции: уменьшить влияние спектральных линий атмосферы Марса на спектр отражения, а также убрать из данных тепловое излучение. Для картирования льдов мы использовали традиционные методы, такие как использование спектральных индексов. Спектральные индексы являются метрикой глубины полос поглощения в спектрах отражения льда и снега на поверхности Марса. Помимо этого, мы применили k-means clustering – метод кластеризации, который используется, когда есть данные без определенных групп или категорий. Основной целью алгоритма является минимизация суммы расстояний между точками и соответствующим центроидом кластера.
Список литературы:
1. Bernard-Michel, C., Douté, S., Fauvel, M., Gardes, L., and Girard, S. (2009), Retrieval of Mars surface physical properties from OMEGA hyperspectral images using regularized sliced inverse regression, J. Geophys. Res., 114, E06005, doi:10.1029/2008JE003171.
2. Bibring, J. P., Langevin, Y., Mustard, J. F., Poulet, F., Arvidson, R., Gendrin, A. & Neukum, G. (2006). Global mineralogical and aqueous Mars history derived from OMEGA/Mars Express data. Science, 312(5772), 400-404.
3. Cartwright, S. F. A., Calvin, W. M., Seelos, K. D., & Seelos, F. P. (2022). Characterizing Seasonal and Residual Ices at the South Pole of Mars Using a Universal Set of CRISM Spectral Endmembers. Journal of Geophysical Research: Planets, 127(11), e2022JE007372.