SP.04 · Inteligencia Planetaria — Spectral Intelligence for Space Resources SP.04 · Planetary Intelligence — Spectral Intelligence for Space Resources

Clasificación Espectral de Asteroides — Bennu & Ryugu Asteroid Spectral Classification — Bennu & Ryugu

Índices de prospección experimentales calibrados con espectros públicos derivados de muestras retornadas por OSIRIS-REx y Hayabusa2. Clasificación espectral de objetos cercanos a la Tierra (NEO) usando la taxonomía Bus-DeMeo aplicada a espectros sintéticos y datos publicados. Comparación con las únicas dos muestras de asteroides tipo C retornadas a la Tierra: Bennu (OSIRIS-REx, NASA, 2023) y Ryugu (Hayabusa2, JAXA, 2020). Se proponen los CASI (Cussen Asteroid Spectral Indices) como marco estandarizado de prospección de recursos asteroidales.

Experimental prospection indices contrasted with the two returned samples from OSIRIS-REx and Hayabusa2. Spectral classification of Near-Earth Objects (NEO) using Bus-DeMeo taxonomy applied to synthetic spectra and real data. Cross-validation with the only two C-type asteroid samples returned to Earth: Bennu (OSIRIS-REx, NASA, 2023) and Ryugu (Hayabusa2, JAXA, 2020). We propose the CASI (Cussen Asteroid Spectral Indices) as a standardized framework for asteroid resource prospection.

CASI-01 CASI-02 CASI-03 Bus-DeMeo Taxonomy OSIRIS-REx / Hayabusa2 C-type NEOs PCA + Random Forest 0.4–4.3 μm

5 Clases taxonómicas (C, S, M, V, D) Taxonomic classes (C, S, M, V, D)

300 Espectros sintéticos generados Synthetic spectra generated

3 CASI Índices espectrales propuestos Spectral indices proposed

PCA+RF Pipeline de clasificación Classification pipeline

2 Ground truth (Bennu + Ryugu) Ground truth (Bennu + Ryugu)

0.4–4.3 μm Rango espectral cubierto Spectral range covered

Sección 1 — Verdad de Terreno

Section 1 — Ground Truth

Bennu vs Ryugu — Los únicos dos asteroides tipo C con muestras retornadas

Bennu vs Ryugu — The only two C-type asteroids with returned samples

Bennu y Ryugu son hoy el único contraste directo disponible entre datos de teledeteción espectral y composición real de asteroides. Ambos son del complejo C (carbonosos), pero presentan diferencias críticas entre sus firmas espectrales remotas y su contenido volátil real medido en las muestras retornadas.

Bennu and Ryugu are today the only available direct contrast between remote spectral sensing data and actual asteroid composition. Both belong to the C-complex (carbonaceous), yet show critical differences between their remote spectral signatures and the actual volatile content measured in returned samples.

Propiedad	Property	Bennu	Ryugu
Misión	Mission	OSIRIS-REx (NASA)	Hayabusa2 (JAXA)
Taxonomía	Taxonomy	B-type (C-complex)	Cb-type (C-complex)
Albedo	0.044	0.040–0.045
Instrumentos	Instruments	OVIRS (0.4–4.3 μm) + OTES	NIRS3 (1.8–3.2 μm) + ONC-T
Profundidad banda 2.7 μm	2.7 μm band depth	5–8% (fuerte / strong)	2–4% (débil / weak)
H₂O real (muestra)	Actual H₂O (sample)	4.7 wt%	7.0 wt%
Carbono	Carbon	4.7 wt%	3.5–4.6 wt%
Minerales primarios	Primary minerals	Serpentine, saponite, magnetite
CarbonatosCarbonates	Abundantes (venas)Abundant (veins)	PresentesPresent
Análogo meteorito	Meteorite match	CI chondrite	CI chondrite

Hallazgo crítico Critical finding Ryugu tiene MENOR profundidad de banda espectral pero MÁS agua real. Ryugu has WEAKER spectral band depth but MORE actual water. La profundidad de banda superficial subestima el contenido volátil total debido a que el calentamiento solar deshidrata la superficie. Cualquier índice espectral de prospección minera debe incorporar corrección térmica para evitar subestimaciones sistemáticas del contenido de agua. Surface band depth underestimates bulk volatile content because solar heating dehydrates the surface. Any spectral mining index must account for thermal correction to avoid systematic underestimates of water content.

Sección 2 — Taxonomía Bus-DeMeo

Section 2 — Bus-DeMeo Taxonomy

Clasificación espectral y análisis multivariado

Spectral classification and multivariate analysis

La taxonomía Bus-DeMeo (2009) clasifica asteroides a partir de sus espectros de reflectancia en el rango visible e infrarrojo cercano. Se generaron 300 espectros sintéticos representando 5 clases principales (C, S, M, V, D) y se entrenaron modelos de clasificación mediante PCA + Random Forest, con Bennu y Ryugu como puntos de validación externa.

The Bus-DeMeo taxonomy (2009) classifies asteroids based on their reflectance spectra in the visible and near-infrared range. We generated 300 synthetic spectra representing 5 major classes (C, S, M, V, D) and trained classification models using PCA + Random Forest, with Bennu and Ryugu as external validation points.

Fig. 1 — Perfiles espectrales de las 5 clases taxonómicas Bus-DeMeo con Bennu y Ryugu superpuestos Fig. 1 — Spectral profiles of the 5 Bus-DeMeo taxonomic classes with Bennu and Ryugu overlaid

Los tipos C muestran espectros planos con baja reflectancia y una absorción sutil a 2.7 μm (hidratos). Los tipos S presentan las bandas diagnósticas a 1 y 2 μm (olivino/piroxeno). Los tipos M son espectralmente planos con alto albedo. Los tipos V tienen una absorción profunda a 0.9 μm (piroxeno de bajo calcio). Los tipos D presentan pendiente roja pronunciada sin absorciones claras. Bennu y Ryugu caen dentro del cluster C con variaciones sutiles en la región de 2.7 μm.

C-types show flat spectra with low reflectance and a subtle 2.7 μm absorption (hydrates). S-types exhibit diagnostic bands at 1 and 2 μm (olivine/pyroxene). M-types are spectrally flat with high albedo. V-types have a deep 0.9 μm absorption (low-Ca pyroxene). D-types show a steep red slope with no clear absorptions. Bennu and Ryugu fall within the C cluster with subtle variations in the 2.7 μm region.

Fig. 2 — Distribución de características espectrales por clase taxonómica Fig. 2 — Spectral feature distributions by taxonomy class

Distribución de características espectrales por clase taxonómica. Profundidades de banda a 1 μm, 2 μm y pendiente espectral para las 5 clases Bus-DeMeo.

Spectral feature distributions by taxonomy class. Band depths at 1 μm, 2 μm, and spectral slope for the 5 Bus-DeMeo classes.

Fig. 3 — PCA (PC1 vs PC2) mostrando clusters taxonómicos con Bennu y Ryugu Fig. 3 — PCA (PC1 vs PC2) showing taxonomic clusters with Bennu and Ryugu

El análisis de componentes principales separa eficazmente las 5 clases. PC1 captura la pendiente espectral general (rojo vs azul), mientras que PC2 codifica la profundidad de las absorciones a 1–2 μm. Los tipos C y D se solapan parcialmente en PC1 pero se separan en PC2. Bennu y Ryugu se ubican dentro del cluster C pero en posiciones ligeramente distintas, reflejando sus subtipos B y Cb respectivamente.

Principal component analysis effectively separates the 5 classes. PC1 captures the overall spectral slope (red vs blue), while PC2 encodes the depth of 1–2 μm absorptions. C and D types partially overlap on PC1 but separate on PC2. Bennu and Ryugu fall within the C cluster but at slightly different positions, reflecting their B and Cb subtypes respectively.

Fig. 4 — Pesos de carga PCA: contribución de cada longitud de onda a PC1 y PC2 Fig. 4 — PCA loadings: contribution of each wavelength to PC1 and PC2

Pesos de carga PCA: contribución de cada longitud de onda a PC1 (pendiente espectral) y PC2 (profundidad de absorción). Las regiones de 1 μm y 2 μm dominan la separación taxonómica.

PCA loadings: contribution of each wavelength to PC1 (spectral slope) and PC2 (absorption depth). The 1 μm and 2 μm regions dominate taxonomic separation.

Fig. 5 — Matriz de confusión del clasificador Random Forest sobre espectros sintéticos Fig. 5 — Random Forest classifier confusion matrix on synthetic spectra

El clasificador Random Forest supera 95% de exactitud (accuracy) en validación cruzada 5-fold sobre espectros sintéticos generados por el autor; no es un resultado sobre espectros reales de asteroides. Las confusiones residuales se concentran entre los tipos C y D (pendiente roja similar) y entre S y V (ambos con absorciones a 1 μm). Los tipos M se clasifican correctamente en todos los casos debido a su espectro distintivamente plano con alto albedo.

The Random Forest classifier exceeds 95% accuracy in 5-fold cross-validation on author-generated synthetic spectra; this is not a result on real asteroid spectra. Residual confusions concentrate between C and D types (similar red slope) and between S and V types (both with 1 μm absorptions). M-types are correctly classified in all cases due to their distinctively flat spectrum with high albedo.

Fig. 6 — Clasificación de asteroides desconocidos con Random Forest Fig. 6 — Mystery asteroid classification with Random Forest

Clasificación de asteroides desconocidos: predicciones del Random Forest para NEOs no clasificados previamente. Se asignan probabilidades por clase con nivel de confianza.

Mystery asteroid classification: Random Forest predictions for previously unclassified NEOs. Per-class probabilities assigned with confidence levels.

Fig. 7 — Distribución de probabilidades de clasificación para Bennu y Ryugu Fig. 7 — Classification probability distributions for Bennu and Ryugu

Distribución de probabilidades de clasificación para Bennu y Ryugu. Bennu muestra alta confianza B-type (>0.9), Ryugu presenta ambigüedad Cb/C esperada por su espectro plano.

Classification probability distributions for Bennu and Ryugu. Bennu shows high B-type confidence (>0.9), Ryugu presents expected Cb/C ambiguity due to its flat spectrum.

Índices CASI — Cussen Asteroid Spectral Indices

CASI — Cussen Asteroid Spectral Indices

Índices de Prospección Asteroidal Propuestos

Proposed Asteroid Prospection Indices

Tres índices espectrales propuestos para la evaluación cuantitativa de recursos volátiles, metálicos y la viabilidad de misión a asteroides cercanos a la Tierra. Estos índices son propuestos y están pendientes de validación con datos adicionales de misión.

Three spectral indices proposed for quantitative assessment of volatile resources, metallic resources, and mission viability for Near-Earth asteroids. These indices are proposed and pending validation with additional mission data.

Código	Code	Nombre	Name
CASI-01	VMI (Volatile Mining Index)	Contenido volátil (H₂O) con corrección térmica	Volatile content (H₂O) with thermal correction
CASI-02	MMI (Metal Mining Index)	Recursos metálicos — tipos M/X	Metallic resources — M/X-types
CASI-03	MVI (Mission Viability Index)	Recurso × accesibilidad (delta-v)	Resource × accessibility (delta-v)

CASI-01 — Volatile Mining Index (VMI)

VMI = BD_2.7 × T_corr × (1 + BD_3.1 / BD_2.7) BD_2.7 = continuum-removed depth at 2.7 μm (phyllosilicate OH) BD_3.1 = continuum-removed depth at 3.1 μm (molecular H₂O) T_corr = thermal correction factor (perihelion distance, albedo)

Nota crítica — Lección de Ryugu Critical note — Ryugu lesson VMI_raw (sin corrección térmica) subestima el contenido volátil en superficies procesadas térmicamente. Ryugu demuestra que un asteroide con menor profundidad de banda espectral puede contener significativamente más agua en su interior. La corrección T_corr es esencial para evitar falsos negativos en la prospección de volátiles. VMI_raw (without thermal correction) underestimates volatile content for thermally processed surfaces. Ryugu demonstrates that an asteroid with weaker spectral band depth may contain significantly more water in its interior. The T_corr correction is essential to avoid false negatives in volatile prospection.

CASI-02 — Metal Mining Index (MMI)

MMI = (1 − σ_spec) × p_v / p_v,ref σ_spec = spectral variance (normalized) — flat spectra → low σ p_v = geometric albedo p_v,ref = 0.10 (reference albedo for M-type threshold) MMI > 1.0 → strong M/X-type candidate (Ni-Fe metal surface)

CASI-03 — Mission Viability Index (MVI)

MVI = R_score × A_score R_score = max(VMI, MMI) — resource value (best prospect) A_score = exp(−Δv / Δv_ref) — accessibility decay Δv = orbital transfer delta-v (km/s) Δv_ref = 6.0 km/s (LEO to asteroid reference) MVI > 0.5 → viable target for resource extraction mission

Los índices CASI son propuestos por el autor y no provienen de la literatura existente. Están diseñados como extensión del marco de prospección planetario (Framework Cussen) al contexto de asteroides cercanos, y requieren calibración con datos de misiones adicionales de retorno de muestras.

CASI indices are proposed by the author and are not derived from existing literature. They are designed as an extension of the planetary prospection framework (Cussen Framework) to the near-Earth asteroid context, and require calibration with data from additional sample-return missions.

Sección 4 — Contraste con muestras (N=2)

Section 4 — Sample contrast (N=2)

VMI predicho vs composición real de las muestras

Predicted VMI vs actual sample composition

Comparación directa entre el índice VMI calculado a partir de datos espectrales remotos y el contenido real de agua medido en las muestras retornadas a laboratorios terrestres. Con solo dos puntos, esto es un contraste ilustrativo, no una validación, de un índice de prospección asteroidal con verdad de terreno composicional.

Direct comparison between the VMI index calculated from remote spectral data and the actual water content measured in samples returned to terrestrial laboratories. With only two points this is an illustrative contrast, not a validation, of an asteroid prospection index with compositional ground truth.

Asteroide	Asteroid	VMI (espectral)	VMI (spectral)	H₂O real	Actual H₂O	Discrepancia	Gap
Bennu	Alto (0.82)	High (0.82)	4.7 wt%	Consistente	Consistent
Ryugu	Moderado (0.45)	Moderate (0.45)	7.0 wt%	SUBESTIMACIÓN — corrección térmica requerida	UNDERESTIMATE — thermal correction needed

Figuras Adicionales

Additional Figures

Fig. 8 — Índices CASI: distribución VMI/MMI por clase + espacio de recursos + MVI vs Δv Fig. 8 — CASI indices: VMI/MMI distribution by class + resource space + MVI vs Δv

Los tipos C/D concentran los valores más altos de VMI (volátiles). Los tipos M dominan en MMI (metales). El índice MVI combina potencial de recursos con accesibilidad orbital (Δv bajo = más fácil de alcanzar). Índices propuestos (Cussen, 2026) — pendientes de validación.

C/D types concentrate the highest VMI values (volatiles). M types dominate MMI (metals). The MVI index combines resource potential with orbital accessibility (low Δv = easier to reach). Proposed indices (Cussen, 2026) — pending validation.

Fig. 9 — Contraste CASI-01 VMI con muestras retornadas: Bennu (OSIRIS-REx) vs Ryugu (Hayabusa2) Fig. 9 — CASI-01 VMI contrast with returned samples: Bennu (OSIRIS-REx) vs Ryugu (Hayabusa2)

Izquierda: espectros sintéticos basados en datos publicados OVIRS/NIRS3. Derecha: VMI espectral vs contenido real de agua. Ryugu tiene un VMI más bajo (banda 2.7 μm débil) pero más agua real (7 vs 4.7 wt%), demostrando que la profundidad de banda subestima el contenido volátil en superficies procesadas térmicamente. Se requiere corrección térmica.

Left: synthetic spectra based on published OVIRS/NIRS3 data. Right: spectral VMI vs actual water content. Ryugu has lower VMI (weak 2.7 μm band) but more actual water (7 vs 4.7 wt%), demonstrating that band depth underestimates volatile content for thermally processed surfaces. Thermal correction required.

Fig. 10 — Contraste: datos instrumentales reales (OVIRS/NIRS3) vs modelo espectral sintético Fig. 10 — Contrast: real instrument data (OVIRS/NIRS3) vs synthetic spectral model

Comparación directa entre espectros reales del PDS de NASA (OVIRS, 108 espectros Orbit A) y DARTS de JAXA (NIRS3, 62,356 espectros de proximidad) con el modelo sintético Cussen. Los datos NIRS3 están normalizados al albedo publicado a 2.0–2.2 μm. Datos >2.55 μm excluidos por contaminación de emisión térmica no corregida.

Direct comparison between real PDS NASA spectra (OVIRS, 108 Orbit A spectra) and JAXA DARTS data (NIRS3, 62,356 proximity spectra) with the Cussen synthetic model. NIRS3 data normalized to published albedo at 2.0–2.2 μm. Data >2.55 μm excluded due to uncorrected thermal emission contamination.

Fig. 11 — Dashboard resumen del análisis de clasificación asteroidal Fig. 11 — Asteroid classification analysis summary dashboard

Dashboard resumen del análisis de clasificación asteroidal: pipeline completo desde biblioteca espectral hasta índices CASI y validación con muestras retornadas.

Asteroid classification analysis summary dashboard: complete pipeline from spectral library through CASI indices and returned sample validation.

Hallazgos Principales

Key Findings

Resultados y Conclusiones

Results and Conclusions

1. Los tipo C aparecen como objetivos de mayor valor volátil: 1. C-types appear as the highest-value volatile targets: Las muestras retornadas de Bennu y Ryugu confirman que los asteroides del complejo C contienen entre 4.7% y 7% de agua en peso, además de carbono orgánico (3.5–4.7 wt%) y minerales hidratados (serpentina, saponita). Estos valores superan significativamente las estimaciones previas basadas únicamente en análogos meteoritícos, lo que respalda la prioridad de los tipos C para futuras misiones de extracción de recursos in situ (ISRU). Returned samples from Bennu and Ryugu confirm that C-complex asteroids contain 4.7% to 7% water by weight, plus organic carbon (3.5–4.7 wt%) and hydrated minerals (serpentine, saponite). These values significantly exceed previous estimates based solely on meteorite analogs, supporting the priority of C-types for future in-situ resource utilization (ISRU) missions.

2. Las firmas espectrales superficiales subestiman la composición total: 2. Surface spectral features underestimate bulk composition: El caso de Ryugu muestra que la profundidad de banda espectral observada remotamente puede subestimar el contenido volátil real del cuerpo. La deshidratación térmica de la superficie (por calentamiento solar en el perihelio) reduce la firma espectral sin alterar la composición interna. Esta es una limitación crítica para cualquier esquema de prospección remota y motiva la inclusión del factor T_corr en el índice VMI. The Ryugu case shows that remotely observed spectral band depth can underestimate the actual volatile content of the body. Surface thermal dehydration (from solar heating at perihelion) reduces the spectral signature without altering internal composition. This is a critical limitation for any remote prospection scheme and motivates the inclusion of the T_corr factor in the VMI index.

3. La taxonomía Bus-DeMeo provee screening de primer orden: 3. Bus-DeMeo taxonomy provides first-order screening: La clasificación taxonómica basada en espectros del visible e infrarrojo cercano (0.4–2.5 μm) es eficaz para separar las grandes familias de asteroides y priorizar objetivos. Sin embargo, la evaluación cuantitativa de recursos requiere datos espectrales en el infrarrojo medio (>2.5 μm) donde se encuentran las absorciones diagnósticas de OH/H₂O (2.7 μm) y carbonatos (3.4 μm). La taxonomía sola no es suficiente para prospección de recursos. Taxonomic classification based on visible and near-infrared spectra (0.4–2.5 μm) is effective for separating the major asteroid families and prioritizing targets. However, quantitative resource assessment requires mid-infrared spectral data (>2.5 μm) where diagnostic OH/H₂O (2.7 μm) and carbonate (3.4 μm) absorptions are found. Taxonomy alone is not sufficient for resource prospection.

4. Marco CASI propuesto como aproximación estandarizada: 4. CASI framework proposed as standardized approach: Los tres índices CASI (VMI, MMI, MVI) proporcionan un marco cuantitativo para evaluar simultáneamente el potencial de recursos volátiles, metálicos y la viabilidad de misión de asteroides candidatos. La calibración actual se limita a dos puntos de validación (Bennu y Ryugu). Se requiere calibración con datos de futuras misiones de retorno de muestras (MMX a Phobos, Hera a Dimorphos) para robustecer los umbrales y el factor de corrección térmica. The three CASI indices (VMI, MMI, MVI) provide a quantitative framework for simultaneously evaluating volatile resource potential, metallic resources, and mission viability for candidate asteroids. Current calibration is limited to two validation points (Bennu and Ryugu). Calibration with data from future sample-return missions (MMX to Phobos, Hera to Dimorphos) is required to strengthen thresholds and the thermal correction factor.

Metodología

Methodology

Datos, procesamiento y stack técnico

Data, processing, and tech stack

Parámetro	Parameter	Detalle
Datos espectrales	Spectral data	OVIRS (Bennu), NIRS3 (Ryugu), SMASS (Bus-DeMeo)
Rango espectral	Spectral range	0.4–4.3 μm (VNIR + MIR)
Espectros sintéticos	Synthetic spectra	300 (60 por clase × 5 clases)
Clasificación	Classification	PCA (2 componentes) + Random Forest (100 trees)
Evaluación	Evaluation	5-fold cross-validation (espectros sintéticos) + contraste Bennu/Ryugu (N=2)
Formato de datos	Data format	PDS4 (NASA Planetary Data System)
Lenguaje	Language	Python 3.12
Librerías	Libraries	NumPy · SciPy · Scikit-learn · Matplotlib · PDS4 tools

Python NumPy SciPy Scikit-learn Matplotlib PDS4 SMASS

Referencias

References

Bibliografía

Bibliography

DeMeo, F.E. et al. (2009). An extension of the Bus asteroid taxonomy into the near-infrared. Icarus, 202(1), 160–180.
Hamilton, V.E. et al. (2019). Evidence for widespread hydrated minerals on asteroid (101955) Bennu. Nature Astronomy, 3, 332–340.
Simon, A.A. et al. (2020). Widespread carbon-bearing materials on near-Earth asteroid (101955) Bennu. Science, 370(6517), eabc3522.
Kitazato, K. et al. (2019). The surface composition of asteroid 162173 Ryugu from Hayabusa2 near-infrared spectroscopy. Science, 364(6437), 272–275.
Yokoyama, T. et al. (2023). Samples returned from the asteroid Ryugu are similar to Ivuna-type carbonaceous meteorites. Science, 379(6634), eabn7850.
Lauretta, D.S. et al. (2024). Asteroid (101955) Bennu in the laboratory: Properties of the sample collected by OSIRIS-REx. Meteoritics & Planetary Science, 59(9), 2453–2486.
Takir, D. & Emery, J.P. (2012). Outer Main Belt asteroids: Identification and distribution of four 3-μm spectral groups. Icarus, 219(2), 641–654.
Reddy, V. et al. (2015). Mineralogy and Surface Composition of Asteroids. In Asteroids IV (pp. 43–93). University of Arizona Press.

Análisis espectral para su proyecto

Spectral analysis for your project

Clasificación taxonómica de asteroides, diseño de índices espectrales de prospección y análisis de datos de misiones planetarias para evaluación de recursos.

Asteroid taxonomic classification, prospection spectral index design, and planetary mission data analysis for resource assessment.

Ver Servicios View Services Solicitar análisis similar Request similar analysis