一种基于深度学习与自监督的月球主量元素反演方法

本发明公开了一种基于深度学习与自监督的月球主量元素反演方法，包括以下步骤：对月球轨道器遥感光谱图像进行预处理；基于预处理后的遥感光谱图像，构建第一数据集和第二数据集；通过第一数据集进行一维卷积自编码器自监督学习，获得特征提取器；利用特征提取器对第二数据集进行特征提取，结合支持向量机进行回归训练，获得月球主量元素反演模型；将全月高光谱数据输入月球主量元素反演模型，反演并绘制月球主量元素丰度分布图。该方法融合了深度学习与自监督学习，能够直接从月球轨道遥感光谱图像中学习特征，有效克服了对数据标签的依赖以及实验室数据与遥感数据间的差异，显著提升了月球表面主量元素反演的精度与效率。