Moonstone

Moonstone 是一个多模态月球遥感基础模型基准数据集，旨在为月球科学和遥感研究提供统一的基准测试平台。该数据集整合了来自五个月球探测任务（LRO、Chandrayaan-1、GRAIL、Lunar Prospector、Clementine）中七个仪器家族的观测数据，形成了28个通道的全球覆盖月球数据集。所有数据均对齐到统一的等距圆柱投影网格，空间分辨率为128像素/度（约237米/像素），网格尺寸为46,080 x 23,040像素。数据按物理模态分为七组：表面形态、热特性、M3光谱、重力、雷达、Hapke参数和成分。数据集包含两个独立部分：预训练数据部分提供原始GeoTIFF文件和预归一化的内存映射数组，便于自监督预训练；基准评估部分提供16,200个256x256大小的图像块，并附带地质单元、年龄、月海/高地、陨石坑等标注信息，用于六个下游任务的评估：地质单元分类（49类）、地质年龄分类（5类）、化学成分回归（FeO和TiO2）、跨模态热特性预测、月海与高地语义分割、大型陨石坑（直径超过10公里）分割。数据来源于公开的NASA PDS、USGS和ODE档案，经过严格的15步处理流程构建，并进行了z-score归一化处理。Moonstone is a multimodal lunar remote sensing foundation model benchmark dataset, aiming to provide a unified benchmark platform for lunar science and remote sensing research. This dataset integrates observation data from seven instrument families across five lunar exploration missions (LRO, Chandrayaan-1, GRAIL, Lunar Prospector, Clementine), forming a globally covered lunar dataset with 28 channels. All data are aligned to a unified equidistant cylindrical projection grid, with a spatial resolution of 128 pixels per degree (approximately 237 meters per pixel), and the grid size is 46,080 x 23,040 pixels. The data is divided into seven groups based on physical modalities: surface morphology, thermal properties, M3 spectroscopy, gravity, radar, Hapke parameters, and composition. The dataset consists of two independent parts: the pre-training data section provides raw GeoTIFF files and pre-normalized memory-mapped arrays to facilitate self-supervised pre-training; the benchmark evaluation section provides 16,200 image patches of size 256x256, along with annotation information such as geological units, ages, maria/highlands, and craters, for evaluation of six downstream tasks: geological unit classification (49 categories), geological age classification (5 categories), chemical composition regression (FeO and TiO2), cross-modal thermal property prediction, semantic segmentation of maria and highlands, and segmentation of large craters with a diameter exceeding 10 km. The data is sourced from public NASA PDS, USGS and ODE archives, constructed through a rigorous 15-step processing workflow, and subjected to z-score normalization.

原始信息汇总

Moonstone 月球遥感多模态基础模型基准数据集

数据集概览

• 名称: Moonstone
• 许可协议: CC-BY-4.0
• 数据规模: 10K < n < 100K
• 任务类型: 图像分类、图像分割及其他任务
• 学科领域: 月球、遥感、多模态、基础模型、行星科学

数据来源与构成

该数据集构建自 7 个仪器系列、5 个探月任务（LRO WAC/LOLA/Diviner/Mini-RF、Chandrayaan-1 M3、GRAIL、Lunar Prospector GRS、Clementine）的公开数据。所有通道对齐到共同的等矩形网格（46,080 × 23,040 像素，月球球体半径 a=b=1,737,400 m），空间分辨率为 128 ppd（约 237 m/像素），共 28 个通道，归为 7 个物理模态组：

模态组	包含通道
表面	wac_morphology, elevation, slope, roughness
热学	diviner_tbol_midnight, diviner_temp_night, rock_abundance, christiansen_feature
光谱 (M3)	m3_{750,950,1000,1250,1580,2000,2817,2857} nm
重力	grail_{freeair, bouguer, uncertainty}
雷达	minirf_{cpr, s1} (log1p 变换)
光度 (Hapke)	wac_hapke_{415,566,604,689} nm
成分	clementine_uvvis_750nm, lpgrs_{tio2, feo}

数据集结构

数据集分为两个独立部分：

1. 预训练数据 (pretraining/)

用于自监督预训练，总大小约 207 GB：

• pretraining/aligned/ — 28 个原始仪器 GeoTIFF 文件（128 ppd）及 M3 几何信息
• pretraining/mmap/ — 经过 Z-score 归一化的内存映射 float32 数组，支持无限随机裁剪，附带 NaN 掩码和 channel_index.json
• pretraining/channel_stats.json — 各通道（均值、标准差）归一化统计量（基于 200 个随机 256×256 窗口）

2. 基准评估数据 (benchmark/)

用于下游任务评估，总大小约 74 GB：

• benchmark/lunar_patches_v4.h5 — 16,200 个切片（180×90 网格）× 28 通道 × 256×256 像素，附带地质/年龄/月海元数据，已按 70/15/15 划分训练/验证/测试集
• benchmark/geologic_units.tif 与 benchmark/geologic_units.json — USGS 地质单元标签栅格及类别映射（支持地质分类与年龄分类任务）
• benchmark/mare_mask.tif — 月海与高地区分的地面真值（分割任务）
• benchmark/crater_mask.tif — 直径超过 10 km 的撞击坑地面真值（分割任务）

基准任务

该基准数据集定义 6 项下游任务：

1. 地质分类（49 类）
2. 年龄分类（5 类）
3. 成分回归（FeO 和 TiO2 含量预测）
4. 跨模态热学预测
5. 月海与高地分割
6. 撞击坑（>10 km）分割

数据预处理

所有数据源自 NASA PDS / USGS / ODE 公共档案，通过 Moonstone 代码仓库中的 15 步处理流程构建（步骤 01-15 + fix_minirf）。归一化方式为 Z-score 归一化，归一化后 NaN 值置为 0。

相关资源

• 论文: Moonstone: A Multimodal Foundation Model and Benchmark for Lunar Remote Sensing
• 官方代码: GitHub - ayushprd/Moonstone

搜集汇总

数据集介绍

构建方式

Moonstone数据集汇聚了来自五个月球探测任务（LRO、月船一号、GRAIL、月球勘探者、克莱门汀号）七个仪器系列的多模态遥感数据，涵盖28个通道并以每像素128度（约237米/像素）的空间分辨率投影至统一的等距圆柱网格（46080×23040像素）。所有通道依据物理属性归类为七个模态组：表面、热红外、光谱、重力、雷达、哈普克光度参数及元素组成。数据集构建过程历经十五步标准化流水线，最终生成对齐后的GeoTIFF影像、经z-score归一化的浮点型内存映射数组以及对应的NaN掩膜，确保各通道间的空间一致性与统计可比性。

特点

该数据集分为自监督预训练与下游评估两大部分，兼顾通用表征学习与任务评测需求。预训练部分提供28通道的源GeoTIFF影像与归一化的内存映射数组，支持随机裁剪式的大规模自监督训练；评估部分涵盖16200个256×256像素的预切分图块，并附有固定70/15/15的训练验证测试划分，配套USGS地质单元标签、月海掩膜及撞击坑掩膜等标注。在此基础上，数据集定义了六项基准任务，包括地质类型分类、年龄分类、FeO与TiO2成分回归、跨模态热红外预测、月海/高地区分及大撞击坑分割，为月球遥感基础模型的系统性评测提供标准化框架。

使用方法

用户可通过Hugging Face的snapshot_download函数按需下载预训练或评估子集：评估数据约74 GB，预训练数据约207 GB。预训练阶段可直接加载内存映射数组进行随机裁剪训练；评估阶段利用HDF5文件中的图块与元数据，搭配GeoTIFF格式的标签栅格，适配图像分类与语义分割等经典任务。数据集对应的MG-MAE模型代码及完整数据流水线脚本均可在GitHub仓库中获取，支持从原始PDS/USGS/ODE档案到最终标准化产品的全流程复现。

背景与挑战

背景概述

随着月球探测任务的蓬勃发展，遥感数据呈现爆炸式增长，然而多源异构数据的融合与标准化利用却面临重大挑战。在此背景下，Moonstone数据集应运而生，由国际研究团队于2024年发布，旨在为月球遥感领域构建首个多模态基础模型基准。该数据集整合了来自LRO、Chandrayaan-1、GRAIL等五次探测任务、七类仪器家族的28通道全球影像，并统一配准至128像素每度的等距网格。其核心研究问题在于如何通过跨模态表征学习，推动月球表面地质分类、成分反演、热环境预测等下游任务的自动化与精准化。Moonstone的发布为行星科学领域注入了深度学习驱动的范式革新，被视为连接遥感大数据与智能解译的关键桥梁。

当前挑战

Moonstone数据集所应对的领域挑战在于月球遥感固有的多模态异质性——不同传感器在空间分辨率、光谱覆盖与物理属性上差异显著，传统方法难以实现联合建模。其构建过程同样面临严峻困难：首先，需将来自五个任务的原始数据经过15步流水线完成地理配准、缺失值插补与多角度归一化，处理过程中需维持月球球面曲率与投影形变的几何保真度；其次，存储207GB的预训练数组与74GB的基准数据需采用内存映射格式以支撑随机裁剪与高效迭代；最后，标注体系如地质单元标签源于USGS专家图件，其类别定义需在高龄月海与复杂撞击坑区保持语义一致性，这要求对月球演化史有深度的先验知识整合。

常用场景

经典使用场景

Moonstone数据集作为一个多模态月球遥感基础模型基准，其经典使用场景在于对月球表面进行多维度的联合分析。研究者可利用该数据集中的28个通道数据，涵盖地形、热红外、光谱、重力、雷达、光度特性及元素组成七大物理模态，轻松构建高精度的月球表面特征表示，进而开展月球地质单元分类、陨石坑分割以及矿物成分反演等基础遥感任务。

实际应用

在实际应用中，Moonstone数据集为月球探测任务提供了强有力的数据支撑。科研机构可基于该数据集训练深度学习模型，用于实时或近实时的着陆区地质安全性评估、矿产资源的遥感勘查以及未来月球基地选址规划。此外，其基准任务框架也为商用遥感卫星的多模态数据分析提供了可复用的技术范式，降低了行星科学领域深度学习的门槛。

衍生相关工作

Moonstone数据集催生了以MG-MAE（Masked Gravitational Autoencoder）为代表的一系列经典工作。该模型利用数据集中丰富的多模态信号进行掩码自编码预训练，在六项下游任务（如地质分类、成分回归、热红外预测）上取得了优异性能。后续研究进一步将Moonstone与对比学习、多模态融合策略结合，拓展了其在无标签数据场景下的迁移学习能力，为行星科学基础模型的发展奠定了坚实基础。