The Lunar Geophysical Network Landing Sites Science Rationale
Notice bibliographique
Résumé
Abstract The Lunar Geophysical Network (LGN) mission is proposed to land on the Moon in 2030 and deploy packages at four locations to enable geophysical measurements for 6–10 yr. Returning to the lunar surface with a long-lived geophysical network is a key next step to advance lunar and planetary science. LGN will greatly expand our primarily Apollo-based knowledge of the deep lunar interior by identifying and characterizing mantle melt layers, as well as core size and state. To meet the mission objectives, the instrument suite provides complementary seismic, geodetic, heat flow, and electromagnetic observations. We discuss the network landing site requirements and provide example sites that meet these requirements. Landing site selection will continue to be optimized throughout the formulation of this mission. Possible sites include the P-5 region within the Procellarum KREEP Terrane (PKT; (lat: 15°; long: −35°), Schickard Basin (lat: −44.°3; long: −55.°1), Crisium Basin (lat: 18.°5; long: 61.°8), and the farside Korolev Basin (lat: −2.°4; long: −159.°3). Network optimization considers the best locations to observe seismic core phases, e.g., ScS and PKP. Ray path density and proximity to young fault scarps are also analyzed to provide increased opportunities for seismic observations. Geodetic constraints require the network to have at least three nearside stations at maximum limb distances. Heat flow and electromagnetic measurements should be obtained away from terrane boundaries and from magnetic anomalies at locations representative of global trends. An in-depth case study is provided for Crisium. In addition, we discuss the consequences for scientific return of less than optimal locations or number of stations.
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 | 0,006 | 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 | 0,012 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».