武汉大学中国南极测绘研究中心基于机器学习技术，成功实现了对南极陨石潜在搁浅位置的预测，揭示了南极陨石富集的空间分布特征及关键影响因素。这项成果为南极陨石的高效探测与回收提供了新的技术路径和关键数据支持。相关研究成果以“基于机器学习的南极陨石潜在位置预测分析”为题发表于《地球物理学报》。硕士研究生李讴彤为论文第一作者，艾松涛教授、郝卫峰副教授为通讯作者，桂林理工大学陨石与行星物质研究中心夏志鹏高级实验师等参与合作研究。

陨石是研究太阳系演化的珍贵标本，南极因特殊的自然环境，汇聚了全球60%以上的陨石。然而，传统的陨石搜寻高度依赖人工经验，且面临成本高、空间覆盖有限等挑战。研究团队创新性地融合多源遥感数据，提出了一种KDE-Bayes半监督分类算法，并构建了陨石潜在位置预测模型，解决了样本分布不均衡及负样本获取困难等技术瓶颈。该模型准确率达77.5%，显著优于传统机器学习方法，有效降低了实地考察的工作量。目前，团队在全南极范围内识别出122,560个陨石潜在位置，并划定了883个潜在陨石搁浅区。

 

论文链接：李讴彤, 艾松涛, 郝卫峰, 夏志鹏, 安家春, 褚馨德, 欧阳润川. 2026. 基于机器学习的南极陨石潜在位置预测分析. 地球物理学报, 69(2): 573-588.（http://www.geophy.cn/article/doi/10.6038/cjg2025S0391）

供稿：李讴彤；排版：王月云；审核：艾松涛、周春霞