Compositional Maps of the Lunar Polar Regions Derived from the Kaguya Spectral Profiler and the Lunar Orbiter Laser Altimeter Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Due to the challenging illumination conditions of the lunar polar regions, mineralogic maps have generally been constrained to within 0°–70°N/S. Here we generate a gridded reflectance data cube from the Kaguya Spectral Profiler measurements for each polar region and calibrate it to absolute reflectance using data from the Lunar Orbiter Laser Altimeter. We use this data set to derive the first quantitative mineral maps of iron oxide (FeO), the optical maturity parameter (OMAT), and nanophase iron poleward of 50°N/S at a spatial resolution of 1 km pixel –1 . We evaluate potential latitudinal trends in space weathering and optical maturity and characterize the polar geology, with an emphasis on the Artemis region (84°–90°S). The maps of FeO are in excellent agreement with the abundances measured by the Lunar Prospector and provide an increased level of detail, such as the excavation of high- and low-FeO material by De Forest crater. The OMAT maps offer a fantastic view of both polar regions. They highlight small fresh craters, walls, and central peaks, as well as rays extending through multiple degrees of latitude, such as those from Tycho and De Forest, which extend into the Artemis region. Both polar regions are characterized by the ubiquitous presence of noritic anorthosites and anorthositic norite. Low-calcium pyroxene is largely the dominant mafic mineral present. The Artemis region has relatively homogeneous FeO and plagioclase content at the observed spatial resolution. The lowest FeO values are found near Shackleton, between Shoemaker and Faustini, and on the central peak of Amundsen crater.
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.
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 | 0,002 | 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle