MétaCan
Menu
Retour à la cohorte
Enregistrement W3125225677 · doi:10.3847/psj/abbfac

The Surface Texture of Martian Lava Flows as Inferred from Their Decimeter- and Meter-scale Roughness

2021· article· en· W3125225677 sur OpenAlexafffund
Carolina Rodriguez Sánchez-Vahamonde, C. D. Neish

Notice bibliographique

RevueThe Planetary Science Journal · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePlanetary Science and Exploration
Établissements canadiensWestern University
Organismes subventionnairesCanadian Space AgencyNational Aeronautics and Space Administration
Mots-clésLavaMartianGeologyMartian surfaceMars Exploration ProgramSurface roughnessGeophysicsSurface finishVolcanoPetrologyGeomorphologyAstrobiologyGeochemistryMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Extensive lava flows are found in the equatorial region of Mars, shaping the surface in a very distinct way. In radar images (at the decimeter scale), these flows are bright, with circular polarization ratios greater than one. This is a typical characteristic of extremely rough, blocky lava flows on Earth. Although the source of the extreme dm-scale roughness of Martian lava flows is unknown, their surface roughness can be constrained at the meter scale in an effort to infer their emplacement style. Here, we utilized high-resolution HiRISE images of Mars to construct digital terrain models of 35 lava flows, and measure their surface roughness parameters at a scale never before examined. Our results show that at the meter scale, Martian lava flows are smoother than blocky flows seen on Earth, and similar in roughness to terrestrial pāhoehoe and rubbly flows, as well as young lunar lava flows. However, these latter flows are much smoother at the decimeter scale than Martian lava flows. The differences observed in the surface roughness of Martian lava flows compared to analog lava flows on Earth and the Moon might be the result of: (1) the differences in the emplacement style of the lava flows, and/or (2) the differences in post-emplacement modification processes on the surface of the lava flows.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,753

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,218
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Planetary Science JournalMême sujetPlanetary Science and ExplorationTravaux en français237 207