Statistics of encounters in the trans-Neptunian region
Notice bibliographique
Résumé
The inventory of the populations of trans-Neptunian objects (TNO) has grown considerably over the last decade. As for other groups of small bodies in our solar system, TNOs are expected to have experienced a collisional evolution owing to their mutual impacts. The knowledge of the statistics of collisions, including determination of the rate of mutual collisions and the distribution of the impact velocity, is indeed a fundamental prerequisite for developing models of collisional evolution. We revised the evaluation of those statistical parameters for TNOs provided more than ten years ago on the basis of a much more limited sample of objects than currently available. We used the Canada-France Ecliptic Plane Survey (CFEPS) L7 model to extract an unbiased sample of orbits for TNOs, while the statistical parameters of impact are computed using a statistical tool. We investigated the statistics of impacts among TNOs for the whole population and for different dynamical subgroups. Moreover, we investigated the statistics of collisions between subgroups with crossing orbits. The peculiar dynamical behavior of objects in resonant orbits is taken into account. Our present computation of the probabilities of collision are 20% to 50% lower than previous estimates, while mean impact velocities turn out to be about 70% higher. For instance, the rate of collisions among Plutinos, expressed in terms of the so-called mean intrinsic probability of collision, results to be (3.90 ± 0.01) × 10-22 km-2 yr-1 and the mean impact velocity is 2.46 ± 0.01 km s-1. We also find that the distributions of impact velocities seem to be quite different from pure Maxwellian distributions. These results can be useful in developing models of the collisional evolution in the trans-Neptunian region.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».