elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Machine Learning Approach to Deconvolution of Thermal Infrared (TIR) Spectrum of Mercury Supporting MERTIS Onboard ESA/JAXA BepiColombo

Varatharajan, Indhu und D'Amore, Mario und Maturilli, Alessandro und Helbert, Jörn und Hiesinger, H. (2018) Machine Learning Approach to Deconvolution of Thermal Infrared (TIR) Spectrum of Mercury Supporting MERTIS Onboard ESA/JAXA BepiColombo. Lunar and Planetary Institute. Planetary Science Informatics and Data Analytics Conference, 2018-04-24 - 2018-04-26, St. Louis, Missouri, USA.

[img] PDF
226kB

Offizielle URL: https://psida.rsl.wustl.edu/

Kurzfassung

Spectroscopy is the powerful tech- nique to study the surface mineralogy of any planetary body from its orbit. Spectrometers with wide spectral range, greater spectral and spatial resolution with re- peated orbital coverage are helping us to map the sur- face mineralogy of planets in greater detail. Various spectral ranges tell different stories and properties of the surface we look at. For eg., VIS-IR spectroscopy for a rocky planet would tell us about the distribution of Fe,Ti,Mg,Ca rich minerals for both its igneous and sedimentary phases whereas thermal IR spectroscopy reveals the Si-O abundance on the bulk mineralogy of the pixel we look at. By carefully understanding the spectral behavior of various planetary analogues in laboratory experiments at the planetary surface and environmental conditions, one can map the mineral abundance and distribution globally from orbit.

elib-URL des Eintrags:https://elib.dlr.de/125535/
Dokumentart:Konferenzbeitrag (Programmrede)
Titel:Machine Learning Approach to Deconvolution of Thermal Infrared (TIR) Spectrum of Mercury Supporting MERTIS Onboard ESA/JAXA BepiColombo
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Varatharajan, IndhuIndhu.Varatharajan (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
D'Amore, MarioMario.DAmore (at) dlr.dehttps://orcid.org/0000-0001-9325-6889NICHT SPEZIFIZIERT
Maturilli, AlessandroAlessandro.Maturilli (at) dlr.dehttps://orcid.org/0000-0003-4613-9799NICHT SPEZIFIZIERT
Helbert, JörnJoern.Helbert (at) dlr.dehttps://orcid.org/0000-0001-5346-9505NICHT SPEZIFIZIERT
Hiesinger, H.Westfälische Wilhelms-Universität MünsterNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2018
Referierte Publikation:Nein
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Seitenbereich:Seite 6015
Verlag:Lunar and Planetary Institute
Status:veröffentlicht
Stichwörter:Machine Learning Approach, Deconvolution, Thermal Infrared, Mercury, MERTIS, BepiColombo
Veranstaltungstitel:Planetary Science Informatics and Data Analytics Conference
Veranstaltungsort:St. Louis, Missouri, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:24 April 2018
Veranstaltungsende:26 April 2018
Veranstalter :Lunar and Planetary Institute
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erforschung des Weltraums
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EW - Erforschung des Weltraums
DLR - Teilgebiet (Projekt, Vorhaben):R - Projekt BepiColombo - MERTIS und BELA
Standort: Berlin-Adlershof
Institute & Einrichtungen:Institut für Planetenforschung > Leitungsbereich PF
Hinterlegt von: Amore, Dr. Mario
Hinterlegt am:03 Jan 2019 13:22
Letzte Änderung:24 Apr 2024 20:29

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.