Dusty Rocks in Gale Crater: Assessing Areal Coverage and Separating Dust and Rock Contributions in APXS Analyses
Notice bibliographique
Résumé
Abstract A thin, patchy layer of airfall dust covers rock surfaces examined by the Mars Science Lab rover Curiosity and complicates interpretation of textures in Mars Hand Lens Imager images and compositions determined by Alpha Particle X‐ray Spectrometer (APXS). Using three image processing methods, we estimate dust coverages for Mars Hand Lens Imager images of APXS targets to Sol 1512. Dust coverages of as is rock targets range from 6% to 77% (±5% to 10% estimated error). Targets brushed by the Dust Removal Tool range to lower coverages than as is targets, but quality depends on surface type; brushed mudstones have the narrowest range and lowest coverages (11–25%), while sandstones vary, ranging to higher coverages (12–58%). Groups of rocks with similar compositions (APXS classes) can have strong correlations between dust coverage and SO 3 /Cl (up to r = 0.985). Dust can also strongly affect the lightest elements measured (Na to Ca). By comparing paired as is and Dust Removal Tool analyses, using the determined dust coverages, and finding a best fit dust thickness (generally ~10 μm), we model relative contributions of the dust and bedrock to extrapolate dust‐free compositions for homogeneous APXS classes. The dust is basaltic with high S and Cl. Dust‐free rocks have higher SiO 2 and Na 2 O (up to 6.5 wt% and 0.5 wt% higher, respectively) and lower SO 3 and CaO (up to 5.5 wt% and 1.3 wt% lower, respectively) than dusty equivalents. Dust most influences compositions that are very different from average Mars, including the alkali‐rich, MgO‐poor Jake M class.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».