木星不规则卫星的组成使它们的起源阐明
元数据
显示完整的项目记录作者
Bhatt,M。
Reddy,V。
Schindler,K。
loutis,E。
Bhardwaj,A。
Corre,L。L.
曼,P。
日期
2017引用
Bhatt,M.,V。Reddy,K。Schindler,E。Cloutis,A。Bhardwaj,L。Le Corre和P. Mann(2017)木星不规则卫星的组成使其起源阐明。天文学与天体物理学,608,A67。doi:10.1051/0004-6361/201630361。
抽象的
语境。木星的不规则卫星及其高度偏心,倾斜和遥远的轨道表明,它们的捕获发生在巨大的行星迁移之后。目标。我们旨在提高对木星不规则卫星的表面组成的理解,以在太阳系形成时深入了解狭窄的时间窗口。方法。我们使用中分辨率0.8-5.5 µM光谱仪,NASA红外线望远镜设施(IRTF)观察到三个Jovian不规则卫星,喜马拉利亚(JVI),Elara(JVII)和Carme(JXI)。使用线性光谱隔离模型,我们限制了这三个物体表面上的主要矿物相。结果。我们的结果证实,喜马拉膜(JVI),Elara(JVII)和Carme(JXI)的表面由不透明的材料(例如在碳质软管陨石中看到的)主导。我们对喜马拉膜和埃拉拉NIR光谱的光谱建模证实它们的表面成分是相同的,磁铁矿是主要的矿物。 A comparison of the spectral shape of Himalia with the two large main C-type asteroids, Themis (D ~ 176 km) and Europa (D ~ 352 km), suggests surface composition similar to Europa. The NIR spectrum of Carme exhibits blue slope up to 1.5 µm and is spectrally distinct from those of Himalia and Elara. Our model suggests that it is compositionally similar to amorphous carbon. Conclusions. Himalia and Elara are compositionally similar but differ significantly from Carme. These results support the hypotheses that the Jupiter’s irregular satellites are captured bodies that were subject to further breakup events and clustered as families based on their similar physical and surface compositions.
收藏
相关项目
显示按标题,作者,创作者和主题相关的项目。
-
无监督的域使用卫星图像适应显着不同的基础架构对象
索科洛夫,米哈伊尔 ((亚愽国际app下载温尼伯大学温尼伯大学,,,,2022-03-28)深度学习已成为近年来最有效的计算机视觉工具之一。深度学习语义细分模型的成功和多样性启发了遥感领域中的科学家应用它们... -
自动土地使用和土地覆盖地图生产:深度学习框架
阿尔哈桑(Victor) ((亚愽国际app下载温尼伯大学温尼伯大学,,,,2018-10-19)在本论文中,我们提出了一种方法,可以使用深层神经网络从卫星图像中创建土地使用和土地覆盖(LULC)地图,这些神经网络是开发出来的,这些网络是为了执行自然的语义分割... -
深度学习框架:使用多光谱卫星图像的土地利用/土地覆盖和分析
阿尔哈桑(Victor);亨利,克里斯托弗;拉玛娜(Ramanna),希拉(Sheela);斯托里,克里斯托弗 ((施普林格,,,,2019-07-17)在本文中,我们提出了一种使用深度学习方法从多光谱卫星图像中映射土地利用和土地覆盖(LULC)的方法。术语卫星图像分类和地图生产,尽管使用了...