Improved measurement of radar meteor shower mass indices
Notice bibliographique
Résumé
Measurements of meteor radar-derived mass indices are known to be contaminated by sporadic meteoroids Pokorný and Brown (2016). This leads to overestimated values for the mass index and typically inflates associated meteoroid fluxes. Here we apply a novel mixing model approach to retroactively remove sporadic contamination. This technique, previously applied to the Daytime Sextantid meteor shower Kipreos et al. (2022), is adapted to a wider suite of meteor showers. Applying this mixing model to the strongest meteor shower detected by the Canadian Meteor Orbit Radar (CMOR), namely the Geminids, we calculate an uncontaminated differential mass index of 1.51 at a CMOR limiting mass of 10 −7 kg for the stream at its maximum activity. Additionally, we extend this method to eighteen radar-detected showers in total (ARI, BTA, DRA, DSX, ETA, GEM, NIA, NOC, NOO, OCE, ORI, OSE, PCA, QUA, SDA, TCB, XCB, ZPE) and find mass index values ranging from 1.45–1.79, lower than previous estimates. Meteor showers can pose a substantial meteoroid impact risk to spacecraft and astronauts, with mitigation procedures sometimes being required. A shower’s meteoroid risk assessment uses the mass index of that shower, so more accurate shower mass indices, calculated using the mixing model, lead to more accurate meteoroid risk assessments. By utilizing the uncontaminated mass indices of the eighteen most significant meteor showers for satellite impact risk, we re-assess the risk level posed by each, based on the framework from Moorhead et al. (2024a). As a result, the impact risk levels of six showers have been revised downward. Since mitigation procedures require resources such as fuel, time, and operational opportunities, improving impact risk accuracy allows for more efficient mission planning and execution.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».