Not So Fast: A New Catalog of Meteor Persistent Trains
Notice bibliographique
Résumé
Abstract This paper presents the results of a nearly 2‐year long campaign to detect and analyze meteor persistent trains (PTs)—self‐emitting phenomena which can linger up to an hour after their parent meteor. The modern understanding of PTs has been primarily developed from the Leonid storms at the turn of the century; our goal was to assess the validity of these conclusions using a diverse sample of meteors with a wide range of velocities and magnitudes. To this end, year‐round observations were recorded by the Widefield Persistent Train camera, 2nd edition (WiPT2) and were passed through a pipeline to filter out airplanes and flag potential meteors. These were classified by visual inspection based on the presence and duration of trains. Observed meteors were cross‐referenced with the Global Meteor Network (GMN) database, which independently detects and calculates meteor parameters, enabling statistical analysis of PT‐leaving meteors. There were 4,726 meteors codetected by the GMN, with 636 of these leaving trains. Among these were a large population of slow, dim meteors that left PTs; these slower meteors had a greater train production rate relative to their faster counterparts. Unlike prior research, we did not find a clear magnitude cutoff or a strong association with fast meteor showers. Additionally, we note several interesting trends not previously reported, which include PT eligibility being primarily determined by a meteor's terminal height and an apparent dynamical origin dependence that likely reflects physical meteoroid properties.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».