以ChemCam团队公布的64个飞行前定标样品的浓度和激光诱导击穿光谱数据为对象,通过使用主成分分析载荷空间距离法对特定元素分析,筛选出对该元素最敏感的激光诱导击穿光谱谱线,并以此为依据进行矿物元素种类和丰度识别,其识别精度高达92.8％.结果表明,主成分分析载荷空间距离可以作为定量分析前矿物特定元素信息和元素丰度的判断依据.该方法降低了岩石/矿物分类的难度,有利于实现未知的矿物快速、高效的鉴别分析,为火星表面岩石种类鉴别分析提供了一个有效的策略.

多源数据融合能在一定程度上扩展数据信息量, 更利于建立准确和稳健的分析模型。 行星探测中常采用多个载荷协同分析同一目标, 因此利用多载荷数据融合辨别分析火星矿物具有重要科学意义和应用前景。 分别采用可见近红外(Vis-NIR)反射光谱和拉曼(Raman)散射光谱两种技术手段测量了火星表面主要矿物(硅酸盐、 硫酸盐、 碳酸盐)的光谱特征曲线, 并对获取的光谱数据进行基线校正、 Savitzky-Golay平滑以及标准矢量归一化(SNV)等必要的数据预处理。 根据光谱特征, 首先选取样品Vis-NIR和Raman数据信息丰富、 信噪比高、 光谱信号重叠小的波段(Vis-NIR: 430～2 430 nm, Raman: 130～1 100 cm-1), 然后运用软独立建模分类法(SIMCA)、 主成分分析法-K最邻近分类法(PCA-KNN)分别建立基于Vis-NIR, Raman及两者融合(累加融合、 串联融合)的矿物聚类分析模型。 采用SIMCA算法的矿物聚类准确率由单一光谱建模的72.6%(Vis-NIR), 90.7%(Raman)提升为融合建模的96.3%(累加融合)和98.1%(串联融合)； 采用PCA-KNN的准确率由单一光谱建模的68.9%(Vis-NIR), 72.9%(Raman)提升为融合后的80.3%(累加融合)和92.6%(串联融合)。 实验结果表明: 光谱融合能够发挥Vis-NIR, Raman各自的数据优势, 所建火星表面相关矿物分类模型的预测准确度更高。 该研究为我国火星探测任务奠定了岩石分类方法基础。