Volcanic Processes in the Gassendi Region of the Moon
Notice bibliographique
Résumé
Abstract The lunar floor‐fractured crater Gassendi and surrounding area were examined with high‐resolution Lunar Reconnaissance Orbiter imagery and other remote sensing data to characterize and understand the volcanic processes in the southwestern region of the Moon. This study was selected because the Gassendi region exhibits a variety of volcanic features (e.g., cryptomaria deposits, pyroclastic deposits, maria, and lava lakes) and team participants have studied this region for 30 years (Hawke et al., 1991, https://doi.org/10.1029/92GL02921 ). This study confirms the existence of a previously identified cryptomare deposit and identifies an additional cryptomare deposit west of Gassendi crater and a pyroclastic northeast of Gassendi. Spectral and geochemical anomalies associated with dark‐haloed impact craters reveal cryptomaria deposits in the western Gassendi crater floor and previously unmapped mare basalt within northeastern Gassendi. We identified three separate lava lakes on the northeast, northwest, and southwest floor of Gassendi crater based on morphology analogous to terrestrial lava lakes, geochemical signatures, and digital terrain data. Crater count (model) age data suggest that the lava lakes were active at ~3.6 Ga (300 Ma after floor emplacement). Criteria used to identify lava lakes in Gassendi were applied globally to locate candidate lava lakes within floor‐fractured craters. With the identification of lava lake morphology, both in Gassendi crater and in other floor‐fractured craters, the current ascent and eruption models should be revised to allow for at least short‐term connection between magma supply at depth and surface lava lakes. Hence, this integration of multiple perspectives afforded by recent remote data sets reveals new views about lunar volcanic processes.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».