Replication Data for: Thermophysical diversity of young lunar crater ejecta revealed with LRO Diviner observations
Notice bibliographique
Résumé
Contents For each crater region of interest (ROI), this dataset contains: Raw data: Bolometric temperatures and propagated uncertainties binned at 128 pixels per degree (ppd). For each original point-like observation in each detector, a Monte Carlo sampling of 100 points is projected through the calculated Diviner effective field-of-view (EFOV) onto an icosahedral mesh interpolated to the 256ppd LOLA/Kaguya TC merged DEM (SLDEM2015); see description in Williams et al. (2016) & Sefton-Nash et al. (2017) Bolometric temperatures are calculated from the binned radiances in each of the seven Diviner thermal channels (ch. 3-9) using the algorithm of Paige et al. (2010) Data are in tabular text format separated by spaces and ordered by longitude, latitude, and (average) local time of each binned observation (0-24 hr, 0 = local midnight) Bolometric temperatures and uncertainties are in units of kelvin Additional data for each 128ppd bin include: solar distance at time of measurement (AU), average emission angle of the binned observation (degrees), and number of EFOV-projected data points within the bin Bolometric temperatures are corrected for solar distance (normalized to 1 AU) GeoTIFF files: Multi-band files: RGB composite of model output in byte (0-255 normalized) and float (original model values) format, with separate folders for masked data (H1param given in file name) and original two-parameter model output. Byte format files have a 2-98% stretch applied to each channel before mapping to final values. Single-band files: Individual files for ΔTBOL, Id,273K, and H for both masked and unmasked two-parameter model output (R, G, and B channels respectively in corresponding RGB composite file) Best fit H-parameter values for the one-parameter model Root-mean-square error (RMSE) between model and data (normalized by degrees of freedom) for both the one-parameter and two-parameter models Reduced chi-squared values between model and data (weighted by bolometric temperature uncertainties) for both the one-parameter and two-parameter models Shapefiles: Shapefiles of the mask boundary between the one-parameter and two-parameter model results (H1param values given in file name)
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 0,061 |
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 ».