总框架光谱反演与深度积分核心逻辑利用遥感能够观测的信息逐步逼近无法直接观测的月壤³He储量。对任意一个像元³He 储量计算为A像元面积d积分深度ρ(z)月壤密度C(0)³He月表质量分数f(z): 月壤剖面³He丰度变化函数模块一月球表面3He丰度 C₀C₀表示用于资源模型的表层³He丰度参数而不是数学意义上严格的z0瞬时表面浓度。该指标不直接测算通常依据太阳风注入条件、月壤成熟度以及TiO₂丰度之间建立的经验关系估算。太阳风强度计算太阳风是³He的来源。由于无法直接测量过去几十亿年的太阳风通量科学家通常通过“代理指标”来推算。采用Fa Jin2007的月平均归一化太阳风通量模型根据月球经纬度计算空间变化并考虑地球磁尾对月球的周期性遮蔽。该计算公式中的F是归一化太阳风通量而不是实际单位面积太阳风粒子通量。θ 月面某点的经度 (Selenographic longitude)。ϕ 月面某点的纬度 (Selenographic latitude)。F0 太阳直射点subsolar point处的太阳风通量F0 0.5。f : 月球处于地球磁尾屏蔽区的时间比例, f 0.25 (Fegley and Swindle, 1993)。近年来研究重点逐渐从全球平均太阳风暴露转向局地太阳风—月表相互作用。粒子追踪和PIC模拟表明月球磁异常可以对太阳风质子产生偏转和反射从而改变局部太阳风入射通量Poppe et al., 2012。 Chandrayaan-1等任务进一步观测到了磁异常产生的太阳风粒子散射和输运现象Dhanya et al., 2018。 最新研究进一步表明磁异常反射粒子可以在较大空间范围内扰动太阳风流场Maynadié et al., 2026月壤成熟度计算成熟度反映了月壤暴露在表面的时间长短。暴露越久接收的太阳风越多但同时也伴随着微陨石轰击导致的气体逃逸饱和效应。Morris1976 年提出了一个衡量月球土壤成熟度的指标Is/FeO即铁磁共振强度与总铁含量的比值。Taylor1990 年发现 3He的浓度与 Is/FeO 之间存在正相关关系Is/FeO 的值越高说明月球土壤越“成熟”3He的含量也就越高。Lucey 等人2000a利用 Clementine UV/VIS 数据提出光谱成熟度概念即OMAT。OMAT 越大表示月壤越年轻、³He 越低。其中X0 0.08, y0 1.19为常数参数。R750和R950分别代表波长为 750 nm 和 950 nm 处的反射率。数据源 Clementine UV/VIS 数据阿波罗计划样本Kumar 等人2014将Lucey等人提出的OMAT方法应用于Chandrayaan-1/M3高光谱数据。由于M3与Clementine UV/VIS的光谱响应存在差异研究利用M3相邻波段构造等效的750 nm和950 nm反射率其中将730、750、770 nm波段反射率进行平均得到 R750将930、950、970 nm波段反射率进行平均得到 R950再代入OMAT计算方法。利用Apollo返回月壤样品进行验证/标定使基于Clementine建立的OMAT方法能够应用于M3高光谱数据。数据源Chandrayaan-1 任务中 Moon Mineralogy Mapper (M3) 传感器高光谱阿波罗计划样本Lemelin等人2019将多波段成像仪的反射率数据集进行缩放使其与 Clementine 任务的反射率数据集保持一致。计算了用于拟合多波段成像仪数据的回归系数分别为 750 纳米和 950 纳米的反射率系数以匹配 Clementine 在这些波段上的反射率。数据源Kaguya辉夜多光谱数据阿波罗计划样本TiO2 含量计算钛铁矿是³He的主要“储气罐”。月海地区的 TiO2 含量极高。TiO2 含量高的月海地区其³He的丰度也很高。从光谱信息计算 TiO2 含量的公式如下Lucey et al., 2000b数据源 Clementine UV/VIS 数据阿波罗计划样本运用更先进的月球卫星数据的光谱比值来拟合TiO2的含量在Qiu等人2022的研究中用38个样本点标定的公式如下其中R415表示 415 纳米处的反射率R750表示 750 纳米处的反射率θTi是与钛元素相关的参数x0Ti 的值为0y0Ti的值为 0.345。R²值为 0.784均方根误差则分别为 1.905。数据源Kaguya辉夜多光谱数据阿波罗计划样本嫦娥3号样本遥感数据 月球样品 Machine Learning进行TiO₂ 反演(Qiu et al., 2022)对比了随机森林算法和1D-CNN算法。R²值分别为 0.948 和 0.981均方根误差则分别为 0.461 和 0.175在Ti反演任务中CNN优于RF。数据源Kaguya辉夜多光谱数据阿波罗计划样本嫦娥3号样本³He表面丰度C0的计算通过太阳风通量F、光谱成熟度OMAT、表层含钛量STi拟合回归得出公式。Fa Jin2007基于25组Apollo月壤样品建立了³He丰度与归一化太阳风通量F、TiO₂含量STi和光学成熟度OMAT之间的线性经验关系为全球³He表层丰度估算提供了经典模型。模型拟合相关系数为0.938。C0³He丰度ppbSTiTiO₂含量wt.%F归一化太阳风通量OMAT光学成熟度数据源 Clementine UV/VIS 数据阿波罗计划样本在经典Fa-Jin经验模型基础上可以进一步将F、OMAT、TiO₂以及多波段光谱、介电常数等变量作为输入利用机器学习建立非线性³He丰度/保留模型。Shukla et al.2020已开展相关探索并采用MLP神经网络结合多源遥感特征研究³He保留特征。数据源 the Chandrayaan-1 Moon Mineralogy Mapper (M3) LRO 卫星上搭载的微型射频仪器阿波罗计划样本模块二月壤剖面³He丰度变化函数 f(z)³He由太阳风注入月壤颗粒的近表层直接注入深度通常小于微米尺度但月壤长期受到陨石撞击产生的撞击翻耕作用表层颗粒会不断向更深处迁移使太阳风注入的³He能够被重新分配到米级月壤中Arnold, 1975。Fa Jin2007根据月壤撞击翻耕模型认为月壤混合作用随深度减弱因此³He浓度可能随深度降低并建立了指数型深度分布模型。目前全球³He资源量估算中深度分布函数仍缺乏全球尺度的直接实测约束。历史研究主要采用两类假设① 情景A均匀分布即假设一定深度范围内³He浓度与深度无关。Fegley Swindle1993曾采用顶部约3 m月壤均匀富集³He的假设进行全球资源量估算。C(z)C₀数据源阿波罗计划样本② 情景B随深度衰减当深度达到3 m时³He浓度下降至表面浓度的 e⁻¹。采用该模型Fa Jin2007估算全球³He总量约为 6.50×10⁸ kg如果改为均匀分布假设则估算值增加到约 1.27×10⁹ kg说明³He深度分布是全球资源量估算的重要不确定性来源。C(z)C₀ f(z)数据源阿波罗计划样本³He深度分布目前缺乏全球尺度直接约束因此历史全球资源量估算采用了不同的深度假设。未来通过深部月壤岩芯和样品分析可以逐步从经验假设转向实测剖面约束并进一步建立与月壤成熟度、矿物组成、粒径和撞击历史相关的 C(z) 模型。模块三月壤厚度 dFa Jin2007建立三层月表微波辐射模型表层灰尘 → 风化层 → 底层岩石利用月表温度、介电常数、FeOTiO₂、月壤密度等参数模拟多频微波亮温并建立月壤厚度反演方法。Fa Jin2010利用嫦娥一号多通道微波辐射计实测数据对全球月壤厚度进行反演。CE-1 MRM具有3.0、7.8、19.35和37.0 GHz四个频段空间分辨率约30–50 km。数据源嫦娥1号MRM嫦娥3号LPR提供了局部区域月壤—喷出物—古月壤—基岩界面的原位地下结构观测为全球月壤厚度遥感反演提供独立的局部约束。从表面到20米深处的范围内可以区分出四个主要的地层结构一层厚度小于 1 米的表层风化层、一层厚度约为 2 至 6 米的喷射物层、一层厚度约为 4 至 11 米的古风化层以及最下层的月海玄武岩层(Fa et al., 2015)。数据源嫦娥3号原位数据利用高分辨率DEM和新鲜小型撞击坑的三维形态通过恢复撞击前地表并计算撞击坑底部/台阶与基准面的距离估算月壤厚度并在Apollo和嫦娥三号着陆区进行了验证Di et al., 2016。数据源LRO嫦娥2号 DEM嫦娥3号原位数据阿波罗计划样本参考文献Arnold, J.R., 1975. Monte Carlo simulation of turnover processes in the lunar regolith. In Lunar and Planetary Science Conference Proceedings (Vol. 2, pp. 2375-2395).Di, K., Sun, S., Yue, Z. and Liu, B., 2016. Lunar regolith thickness determination from 3D morphology of small fresh craters. Icarus, 267, pp.12-23.Dhanya, M.B., Bhardwaj, A., Alok, A., Futaana, Y., Barabash, S., Wieser, M., Holmström, M. and Wurz, P., 2018. First observation of transport of solar wind protons scattered from magnetic anomalies into the near lunar wake: Observations by SARA/Chandrayaan‐1. Geophysical Research Letters, 45(17), pp.8826-8833.Fa, W. and Jin, Y.Q., 2007. Quantitative estimation of helium-3 spatial distribution in the lunar regolith layer. Icarus, 190(1), pp.15-23.Fa, W. and Jin, Y., 2010. Global inventory of Helium-3 in lunar regoliths estimated by a multi-channel microwave radiometer on the Chang-E 1 lunar satellite. Chinese Science Bulletin, 55(35), pp.4005-4009.Fa, W., Zhu, M.H., Liu, T. and Plescia, J.B., 2015. Regolith stratigraphy at the Chang’E‐3 landing site as seen by lunar penetrating radar. Geophysical Research Letters, 42(23), pp.10-179.Fegley, B. and Swindle, T.D., 1993. Lunar volatiles: implications for lunar resource utilization. Resources of near-Earth space, 10.Johnson, J.R., Swindle, T.D. and Lucey, P.G., 1999. Estimated solar wind‐implanted helium‐3 distribution on the Moon. Geophysical Research Letters, 26(3), pp.385-388.Kumar, P.A. and Kumar, S., 2014. Estimation of optical maturity parameter for lunar soil characterization using Moon Mineralogy Mapper (M3). Advances in Space Research, 53(12), pp.1694-1719.Lemelin, M., Lucey, P.G., Miljković, K., Gaddis, L.R., Hare, T. and Ohtake, M., 2019. The compositions of the lunar crust and upper mantle: Spectral analysis of the inner rings of lunar impact basins. Planetary and Space Science, 165, pp.230-243.Lucey, P.G., Blewett, D.T., Taylor, G.J. and Hawke, B.R., 2000a. Imaging of lunar surface maturity. Journal of Geophysical Research: Planets, 105(E8), pp.20377-20386.Lucey, P.G., Blewett, D.T. and Jolliff, B.L., 2000b. Lunar iron and titanium abundance algorithms based on final processing of Clementine ultraviolet‐visible images. Journal of Geophysical Research: Planets, 105(E8), pp.20297-20305.Maynadié, T., Futaana, Y., Barabash, S., Wieser, M., Fatemi, S., Bhardwaj, A. and Wurz, P., 2026. Protons reflected by lunar magnetic anomalies persistently alter the solar wind flow. Journal of Geophysical Research: Space Physics, 131(4), p.e2026JA035258.Morris, R.V., 1976, April. Surface exposure indices of lunar soils-A comparative FMR study. In In: Lunar Science Conference, 7th, Houston, Tex., March 15-19, 1976, Proceedings. Volume 1.(A77-34651 15-91) New York, Pergamon Press, Inc., 1976, p. 315-335. (Vol. 7, pp. 315-335).Murali, A.V. and Jordan, J.L., 1993, March. Helium-3 inventory of lunar samples: A potential future energy resource for mankind?. In In Lunar and Planetary Inst., Twenty-Fourth Lunar and Planetary Science Conference. Part 2: GM p 1023-1024 (SEE N94-16173 03-91) (Vol. 24).Poppe, A.R., Halekas, J.S., Delory, G.T. and Farrell, W.M., 2012. Particle‐in‐cell simulations of the solar wind interaction with lunar crustal magnetic anomalies: Magnetic cusp regions. Journal of Geophysical Research: Space Physics, 117(A9).Qiu, D., Li, F., Yan, J., Gao, W. and Chong, Z., 2022. Machine learning for inversing FeO and TiO2 content on the Moon: Method and comparison. Icarus, 373, p.114778.Shukla, S., Tolpekin, V., Kumar, S. and Stein, A., 2020. Investigating the retention of solar wind implanted helium-3 on the moon from the analysis of multi-wavelength remote sensing data. Remote sensing, 12(20), p.3350.Taylor, L.A., 1990. Hydrogen, helium, and other solar-wind components in lunar soil-Abundances and predictions. Engineering, Construction, and Operations in Space II, 1, pp.68-77.