Thermophysical Diversity of Young Lunar Crater Ejecta Revealed with LRO Diviner Observations
Notice bibliographique
Résumé
Abstract Young (<1 Ga) craters on the Moon are known to host diverse mixtures of ejecta with varying spectral and physical properties. In this work, we examine 13 yr of bolometric surface temperature data from the Diviner Lunar Radiometer on board the Lunar Reconnaissance Orbiter over the ejecta blankets of 10 lunar craters of varying sizes ( D = 5–43 km) and ages (<10 to ∼200 Ma) to study the spatial variation in their thermophysical characteristics. We find that a one-dimensional thermal model with two free parameters—the bottom-layer bulk density, ρ d , and the transition height between the surface and bottom-layer densities, H —is able to accurately fit these data over our study regions, in contrast to previous models that assumed a constant ρ d . Based on the best-fit model parameters, young crater ejecta can be divided into three classes: (1) “blocky” regions with a high abundance of boulders >1 m in diameter, (2) “clastic” ejecta with varying levels of vertical density stratification, and (3) “impact melts” with high thermal inertia materials buried under a layer of less dense material. These thermophysically derived classes correlate strongly with observed morphology in high-resolution images and polarimetric signatures in decimeter-wavelength radar, and their thermophysical properties evolve distinctly with crater age. This technique represents the first time impact melt in many forms can be quantitatively distinguished by its physical properties from other types of ejecta using remote-sensing data and could have applications in validating models of impact ejecta production and deposition.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».