Luminous efficiency of meteors derived from ablation model after assessment of its range of validity
Notice bibliographique
Résumé
Context. The luminous efficiency, τ , can be used to compute the pre-atmospheric masses of meteoroids from corresponding recorded meteor brightnesses. The derivation of the luminous efficiency is non-trivial and is subject to biases and model assumptions. This has led to greatly varying results in the last decades of studies. Aims. The present paper aims to investigate how a reduction in various observational biases can be achieved to derive (more) reliable values for the luminous efficiency. Methods. A total of 281 meteors observed by the Fireball Recovery and InterPlanetary Observation Network (FRIPON) are studied. The luminous efficiencies of the events are computed using an ablation-based model. The relations of τ as a function of the pre-atmospheric meteoroid velocity, v e , and mass, M e , are studied. Various aspects that could render the method less valid, cause inaccuracies, or bias the results are investigated. On this basis, the best suitable meteors were selected for luminous efficiency computations. Results. The presented analysis shows the limits of the used method. The most influential characteristics that are necessary for reliable results for the τ computation were identified. We study the dependence of τ on the assumed meteoroid’s density, ρ , and include improved ρ -values for objects with identified meteoroid stream association. Based on the discovered individual biases and constraints we create a pre-debiased subset of 54 well-recorded events with a relative velocity change >80%, a final height <70 km, and a Knudsen number Kn < 0.01; this last value indicates that the events were observed in the continuum-flow regime. We find τ -values in the range between 0.012% and 1.1% for this pre-debiased subset and relations of τ to v e and M e of: τ =7.33⋅ v e −1.10 and τ =0.28⋅ M e −0.33 . Conclusions. The derived luminous efficiency of meteoroids depends on the assumed material density. Our results indicate that the applied debiasing method improves the analysis of τ from decelerated meteoroids. The underlying method is only valid for meteors in the continuum-flow regime. These events tend to have low end heights, large masses, and high deceleration.
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 ».