月壤组分丰度是认识月表物质组成的重要依据，但颗粒紧密混合与空间风化会共同改变光谱，给定量反演带来困难。已有Hapke物理反演能够联合描述组分和微相金属铁的影响，结果依赖端元与粒径设定；纯数据驱动方法则受限于丰度标注的数量及实验室与轨道观测的差异。本文结合月球土壤表征联盟（LSCC）样品与月球矿物绘图仪（M³）光谱，构建考虑空间风化的物理约束半监督方法，估计七类组分的相对体积丰度。
对已光度归一化的M³ RFL L2级数据，先换算为反射率因子，再利用Apollo 16样品62231的实验室光谱与轨道参考窗口拟合统一的幅值系数，保持相对谱形。实验室与轨道光谱匹配至相同波段后，通过Hapke辐射传输模型转换为单次散射反照率（SSA）。该模型描述颗粒介质中的光散射，使反射率域的非线性混合可在SSA域按颗粒截面权重表达为线性混合。根据各组分的光学常数构建多粒径端元库，共包含7组分74个端元。
本方法基于编码器-解码器架构，编码器包含丰度分支和风化分支，用于丰度预测，解码器用于光谱重建。编码器中，丰度分支中卷积网络与Transformer结合吸收带特征预测74个端元的体积分数，合并为钛铁矿、斜长石、斜方辉石、单斜辉石、橄榄石、胶结物和火山玻璃七类组分，归一化后丰度总和为1；风化分支利用观测与初始混合光谱的差异估计参数，表示风化产物npFe⁰附加吸收的作用。最后进入基于有效介质模型与Hapke模型构建的解码器重建光谱。
本方法使用半监督训练联合约束LSCC丰度误差和实验室、轨道光谱的重建误差，使无标签M³通过重建损失参与丰度网络学习。使用训练集八个样品10–20 μm粒级的组成，约束M³采样区域3×3像元窗口的平均预测丰度。定量精度评价使用有丰度真值的LSCC样品，采用固定划分，以48条光谱训练、3条光谱验证；测试集为Apollo 15样品15041和15071各自的＜10、10–20和20–45 μm三个粒级，共六条光谱。稀疏解混算法SUnSAL在SSA域使用同一74端元库；CNN、CNN+Transformer与本方法均通过丰度监督和光谱重建训练，使用500384个无标签M³像元训练迭代，各运行三个随机种子，由验证集丰度误差选取模型。
在固定测试集上，本方法的预测丰度总体均方根误差（RMSE）和平均绝对误差（MAE）分别为5.17±0.74%和4.16±0.30%，优于总体误差最低的对照CNN+Transformer基线7.82±0.96%和6.32±0.88%，本方法相对降低33.9%和34.2%。各组分层面，斜长石和火山玻璃的平均RMSE分别由CNN+Transformer的6.87%和8.84%降至4.71%和3.59%。胶结物误差与CNN接近；钛铁矿和斜方辉石的最低误差则分别来自SUnSAL和CNN，各组分的改善程度有所不同。
在区域应用中，将模型用于Apollo 17工作区约12.4万个M³像元的组分制图。反演结果以胶结物和斜长石为主，区域平均相对体积丰度分别为63.6%和17.0%。胶结物在大部分区域形成连续的高丰度背景，斜长石高值则主要呈局部条带和斑块状分布，丰度超过30%的像元约占2.8%。这说明反演结果中的斜长石相对富集主要发生于局部，区域平均丰度难以充分体现这些组成差异。
钛铁矿与单斜辉石的高值区明显重合，而斜长石高值区多对应较低的钛铁矿和火山玻璃丰度。反演结果由此呈现出相对富斜长石与相对富单斜辉石、钛铁矿的组分组合差异，可为工作区内的岩性比较提供组成线索。火山玻璃在部分钛铁矿与单斜辉石高值区升高，但其高值范围与这两类矿物并不完全一致，提示玻璃组分与晶质矿物的相对比例存在空间变化。斜方辉石的分布起伏较小，橄榄石在大部分区域保持低预测丰度。
测试结果表明，该框架在统一观测域下获得了较低的七组分总体丰度误差，为利用有限样品标注解释轨道光谱提供了一条途径。后续拟通过控制区域参考的专门消融，检验风化分支与无标签数据各自的作用，并结合嫦娥五号、六号返回样品及我国后续轨道高光谱观测，考察跨样品、跨传感器的适用性。
 

组分丰度,高光谱反演,空间风化,Hapke模型,半监督学习