Using Machine Learning for Lunar Mineralogy-I: Hyperspectral Imaging of Volcanic Samples

要約

この研究では、かんらん石と輝石に焦点を当てた月の材料に似た火山サンプルの鉱物組成を調べます。
400〜1000 nmのハイパースペクトルイメージングを使用して、イタリア北部のシチリア島北部のエオリア諸島の火山活動島であるバルカノからのサンプルのサンプルの反射率を分析するために、データキューブを作成し、それらを関心のある9つの地域に分類し、それぞれのスペクトルデータを分析しました。
スペクトルプロファイルを分類するために、K-mean、階層クラスタリング、GMM、スペクトルクラスタリングなど、さまざまな監視されていないクラスタリングアルゴリズムを適用しました。
主成分分析により、特定の鉱物に関連する明確なスペクトルシグネチャが明らかになり、正確な識別が促進されました。
クラスタリングパフォーマンスは地域ごとに異なり、K-meansは0.47の最高のシルエットスコアを達成しましたが、GMMはわずか0.25のスコアでパフォーマンスが低下しました。
非陰性マトリックス因数分解は、かんらん石と輝石のさまざまな方法と参照スペクトルのクラスター間の類似性を特定するのを助けました。
階層的クラスタリングは、最も信頼性の高い手法として浮上し、1つのサンプルでかんらん石スペクトルと94 \％の類似性を達成しましたが、GMMは顕著な変動性を示しました。
全体として、分析では、階層的方法とK平均法の両方が合計測定で低い誤差をもたらし、K-meansが推定分散とクラスタリングの優れた性能を示していることが示されました。
さらに、GMMは、他のモデルと比較して、より高い根平均平方根誤差を示しました。
RMSE分析では、K-meansがすべてのサンプルで最も一貫したアルゴリズムとして確認され、輝石と比較してバルカノ領域におけるかんらん石の優位性を示唆しています。
この優位性は、古代の溶岩流でかんらん石が豊富な組成が一般的である月の火山プロセスと同様の歴史的形成条件に関連している可能性があります。

要約(オリジナル)

This study examines the mineral composition of volcanic samples similar to lunar materials, focusing on olivine and pyroxene. Using hyperspectral imaging from 400 to 1000 nm, we created data cubes to analyze the reflectance characteristics of samples from samples from Vulcano, a volcanically active island in the Aeolian Archipelago, north of Sicily, Italy, categorizing them into nine regions of interest and analyzing spectral data for each. We applied various unsupervised clustering algorithms, including K-Means, Hierarchical Clustering, GMM, and Spectral Clustering, to classify the spectral profiles. Principal Component Analysis revealed distinct spectral signatures associated with specific minerals, facilitating precise identification. Clustering performance varied by region, with K-Means achieving the highest silhouette-score of 0.47, whereas GMM performed poorly with a score of only 0.25. Non-negative Matrix Factorization aided in identifying similarities among clusters across different methods and reference spectra for olivine and pyroxene. Hierarchical clustering emerged as the most reliable technique, achieving a 94\% similarity with the olivine spectrum in one sample, whereas GMM exhibited notable variability. Overall, the analysis indicated that both Hierarchical and K-Means methods yielded lower errors in total measurements, with K-Means demonstrating superior performance in estimated dispersion and clustering. Additionally, GMM showed a higher root mean square error compared to the other models. The RMSE analysis confirmed K-Means as the most consistent algorithm across all samples, suggesting a predominance of olivine in the Vulcano region relative to pyroxene. This predominance is likely linked to historical formation conditions similar to volcanic processes on the Moon, where olivine-rich compositions are common in ancient lava flows and impact melt rocks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google