行星表面地質(zhì)作用過程是理解天體演化歷史、探尋潛在資源的關鍵窗口。火星作為與地球環(huán)境最為相似的行星，其地質(zhì)特征記錄著水冰分布、氣候變化乃至生命線索等重要信息。深入研究火星地質(zhì)過程，不僅有助于深化對類地行星形成與演化的認識，更能為未來火星探測任務的著陸區(qū)選址和水冰資源勘探提供至關重要的科學依據(jù)。近期，我院李世超教授團隊在火星皺脊形成機制與撞擊坑層狀濺射物自動識別研究領域取得重要進展。研究成果分別發(fā)表于國際期刊《JGR: Planets》和《JGR: Machine Learning and Computation》。

在火星皺脊形成機制研究中，課題組通過沙箱物理模擬實驗，揭示了地下滑脫層（軟弱層）的黏度、厚度及分布對皺脊形成的控制作用。研究結(jié)果表明，脆性滑脫層導致對稱型皺脊，低黏度韌性滑脫層形成前陡后緩的單拱構造，而高黏度韌性滑脫層容易產(chǎn)生次生斷層。特別是雙滑脫層與盲斷層組合實驗，成功再現(xiàn)了火星廣泛存在的“寬拱+窄脊”皺脊特征。通過對比火星典型區(qū)域高分辨率遙感數(shù)據(jù)，研究團隊進一步證實了實驗模擬的可靠性，首次提出了以皺脊地貌反推地下水冰或揮發(fā)物分布的新思路，為未來火星水冰資源勘查及探測任務著陸區(qū)選址提供了重要科學支持。

圖1 模擬結(jié)果與火星皺脊的撞擊斷面對比

在火星撞擊坑層狀濺射物（LCE）識別方面，課題組提出了一種新型深度學習模型——EMHSEU UNet。LCE通常呈現(xiàn)層狀同心環(huán)狀濺射結(jié)構，其形成與地下?lián)]發(fā)性物質(zhì)（如水冰）密切相關。隨著火星影像分辨率的提升，傳統(tǒng)人工識別方式難以高效處理海量數(shù)據(jù)。針對這一問題，該研究創(chuàng)新性地引入高效多尺度注意模塊（EMA）和高效上采樣卷積塊（EUCB），顯著提高了LCE的自動識別精度。與傳統(tǒng)模型相比，EMHSEU UNet在NASA行星數(shù)據(jù)系統(tǒng)（PDS）數(shù)據(jù)集上的表現(xiàn)更加出色。課題組還利用該模型成功更新了羅賓斯火星撞擊坑數(shù)據(jù)庫，首次系統(tǒng)性地補充了近3000個撞擊坑的關鍵形態(tài)參數(shù)（噴出物流動性EM與葉狀程度Г），為研究火星近地表含冰沉積物分布及水資源提供了重要依據(jù)。

圖2 補充的層狀濺射物的EM和Г的全火分布圖

以上兩項研究成果不僅豐富了對火星地質(zhì)作用過程的理解，更為行星表面地質(zhì)作用機制和水冰資源的勘探提供了新的研究方法與理論依據(jù)。論文的第一作者為吉林大學博士研究生趙哲仁和碩士研究生何笑琪，通訊作者為李世超教授，主要合作者還有孫闖副教授、Perry Xiao教授、王洪濤博士生、王偉安碩士生等，研究獲得了國家重點研發(fā)計劃（No. 2022YFF0503100）的支持。

相關論文鏈接：

[1] Zhao, Z., Li, S., Sun, C., Wang, H., Wang, W., & He, X. (2025). Formation of Martian wrinkle ridges: New insights from analog experiments on décollement processes. Journal of Geophysical Research: Planets, 130, e2024JE008720. https://doi.org/10.1029/2024JE008720

[2] He, X., Li, S., Xiao, P., Zhao, Z., Wang, H., & Wang, W. (2025). Deep learning‐based automated segmentation of layered crater ejecta on Mars. Journal of Geophysical Research: Machine Learning and Computation, 2, e2025JH000612. https://doi.org/10.1029/2025JH000612