Modeling the Dielectric Properties of Minerals From Crystals to Bulk Powders for Improved Interpretation of Asteroid Radar Observations
Notice bibliographique
Résumé
Abstract Planetary radar has provided a growing number of data sets on the inner planets and near‐Earth and main belt asteroid populations in the solar system. Physical interpretation of radar data for inference of surface properties requires constraints on the constitutive parameters of the material making up a given surface. In this study, the complex permittivity of seven minerals as a function of frequency and porosity is measured using the coaxial transmission line method to determine the mixing equation that best describes the relationship between the real part of the complex permittivity of single mineral crystals and granular mineral powders. We find the Looyenga‐Landau‐Lifshitz and Bruggeman symmetric mixing equations to describe our experimental results with the highest accuracy. The variation in the real part of the permittivity of solid mineral crystals between different minerals is shown to depend on the grain density and the chemical composition of the minerals. These mixing relationships are incorporated into an asteroid radar model and used to calculate the porosity in the near‐surface of seven asteroids visited by robotic spacecraft using Earth‐based radar observations. The results of the asteroid radar model support the presence of significant porosity in the boulders on the surface of asteroid 101955 Bennu. This research highlights the ability of radar to measure the porosity on asteroid surfaces and provides theoretical and experimental justification for the inversion of permittivity to bulk density assumed by the asteroid radar model.
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 ».