近日，同济大学童小华院士、刘世杰教授团队联合中国科学院上海技术物理研究所、山东大学、深空探测实验室、吉林大学等多所高校与科研机构的研究成果以“Refined lunar global chemistry mapping using farside ground truth information gathered by Chang’e-6”为题发表于《自然-传感》（Nature Sensors），并被选为该刊创刊第三期封面文章（Cover Image）。

研究团队深度融合人工智能与行星测绘遥感等多学科优势，利用嫦娥六号世界首个月球背面样品实测数据与月球正面样本数据，结合月球轨道器多波段光谱成像数据，创新构建残差卷积神经网络模型和微调策略的月球化学成分智能反演方法，研制了新一代全月六类主要氧化物含量和镁指数分布图，揭示了全月三大地体（月海、高地、南极-艾肯盆地）的元素分布特征和南极-艾肯盆地深部物质暴露特征，为深入解析月球特别是月球背面的地质演化历史、指导月球资源勘探和任务规划提供了新的科学依据。

新一代全月六类主要氧化物含量分布图 

月球正面和背面镁指数分布图

月球表面主要化学元素分布特征是揭示月球起源、岩浆演化和撞击历史的核心钥匙。此前，月球表面元素丰度遥感反演和全月制图长期存在关键瓶颈：元素丰度估算主要依靠月球正面样本实测数据进行校准，而月球背面缺乏实测约束导致全月遥感反演模型在月球背面的误差较大；加上采样点数量有限，传统模型架构难以准确捕捉光谱与成分的复杂非线性关系，易出现过拟合问题，难以满足高精度制图需求。

2024年，嫦娥六号任务成功实现人类首次月球背面采样返回，从月背南极-艾肯盆地带回近2千克月壤样本，为月球背面地质研究提供了独一无二的真实数据。研究团队将嫦娥六号从月球背面带回的实测数据纳入全月真值校正，结合月球轨道器高分辨率可见-近红外多波段光谱成像数据，创新提出残差卷积神经网络模型和微调策略，在有限样本条件下，精准捕捉光谱数据与元素含量之间的复杂非线性关系，解决传统模型易过拟合、鲁棒性不足的难题，大幅提升模型的反演精度，研制了新一代六大主量元素氧化物及镁指数（Mg#）的全月分布图。揭示全月氧化物分布呈现月海、高地、南极-艾肯盆地三元格局；月球背面高地中镁质斜长岩和镁质岩套出露比例远高于月球正面，为月球不对称演化、壳幔分异研究提供了新的观测证据；证实南极-艾肯盆地暴露了辉石富集的下地壳甚至上地幔物质，挖掘出了更广范围的富镁深部物质；同时，团队精准划定了南极-艾肯盆地镁质、铁质区域边界，修正了此前对该区域地质单元的认知。

这项成果的取得，彰显了嫦娥六号采样返回任务的重大科学价值，是人工智能与行星测绘遥感等多学科交叉融合的重要成果，也是跨校跨机构协同攻关的典范。同济大学石绪明博士生、山东大学陈剑教授、深空探测实验室王俊涛研究员为论文共同第一作者，同济大学刘世杰教授、童小华院士和中国科学院上海技术物理研究所何志平研究员、胡伟达研究员、王芳青年研究员为论文共同通讯作者。该研究得到国家自然科学基金委创新研究群体等项目支持。 

论文链接：https://www.nature.com/articles/s44460-025-00021-z