Improved Orthorectification and Empirical Reduction of Topographic Effects in Monostatic Mini-RF S-band Observations of the Moon
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 The Miniature Radio Frequency instrument (Mini-RF) on the Lunar Reconnaissance Orbiter obtained widespread synthetic aperture radar observations of the Moon in the S band (12.6 cm), including nearly complete coverage at both lunar poles. The currently archived monostatic data have spatial offsets from the lunar reference frame, making them more difficult to compare to other data sets. To address this issue, we have developed a new algorithm for spatially controlling the Mini-RF S-band monostatic data set and orthorectifying these data onto lunar topography. Additionally, as the influence of incidence angle changes on radar observations is well known, we describe an empirical approach to account for variations in observation geometry and surface topography. Individual radar swaths and mosaics produced using this method more clearly show the variability in scattering behavior due to changes in lunar regolith properties and suppress some of the behavior arising from these topographic effects alone. Once these terrain effects are taken into account, we find that areas of permanent shadow at both poles have a higher median radar reflectivity than nonpermanently shadowed regions, but the polarization behavior of shadowed versus unshadowed areas is largely similar. The higher radar reflectivity in permanent shadow is likely the result of physical or compositional differences in these unique environments, though the precise cause remains uncertain. The results here illustrate how reducing the influence of topography and geometry effects in Mini-RF radar data may enable better characterization of lunar geologic units, regolith structure, and potential areas hosting volatile deposits at the lunar poles.
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 | 0,001 | 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 | 0,001 |
| 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 découle