Multiscale and Multispectral Characterization of Mineralogy with the ExoMars 2022 Rover Remote Sensing Payload
Notice bibliographique
Résumé
Abstract In 2022, the European Space Agency and Roscosmos will launch the ExoMars rover, with the scientific objective to detect evidence of life within the Martian surface via the deployment of a 2 m drill. The ExoMars Pasteur payload contains several imaging and spectroscopic instruments key to this objective: the Panoramic Camera (PanCam), Infrared Spectrometer for ExoMars (ISEM), and Close‐UP Imager (CLUPI). These instruments are able to collect data at a variety of spatial (sub‐mm to decimeter) and spectral (3.3 to 120 nm) resolutions across the 440 to 3,300 nm wavelength range and collectively will form a picture of the geological and morphological characteristics of the surface terrain surrounding the rover. We deployed emulators of this instrument suite at terrestrial analog sites that formed in a range of aqueous environments to test their ability to detect and characterize science targets. We find that the emulator suite is able to effectively detect, characterize, and refine the compositions of multiple targets at working distances spanning from 2 to 18 m. We report on (a) the detection of hydrothermal alteration minerals including Fe‐smectites and gypsum from basaltic substrates, (b) the detection of late‐stage diagenetic gypsum veins embedded in exposures of sedimentary mudstone, (c) multispectral evidence of compositional differences detected from fossiliferous mudstones, and (d) approaches to cross‐referencing multi‐scale and multi‐resolution data. These findings aid in the development of data products and analysis toolkits in advance of the ExoMars rover mission.
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 ».