鐵隕石和熱導率:南極收藏品的新視角

幾乎每天都有隕石落在地球上。 這些小塊太空岩石會破碎彗星、小行星或流星體等較大物體,並在太空中穿行,然後穿過地球大氣層並降落在地球表面。 南極洲是眾所周知的隕石收集熱點。 然而,長期以來,科學家們對冰凍地區收集到的隕石類別的差異感到困惑。 南極洲收集的含鐵隕石數量明顯低於地球其他地區。
曼徹斯特大學研究人員在《自然通訊》上發表的一項開創性研究登上了新聞頭條。 有人提出,南極洲缺乏含鐵隕石,因為它們的導熱率很高。

研究人員開發的模型表明,冰層中分佈著高導熱率的隕石。 如果進入,該層將顯著增加南極隕石庫並提供有關太陽系的重要資訊。

圖 1. 隕石碎片

南極洲在隕石收藏中的意義

南極洲是隕石收集的重要地點,佔全球收集到的隕石總量的66.3%。 南極洲位於地球最南端,擁有對隕石保存和回收有利的環境條件:寒冷和缺乏濕度有助於保存岩石的結構。 同時,這片冰冷大陸上土石數量的減少使得發現它們變得更加容易。 根據統計,大多數隕石落入海洋,因為海洋佔地球表面的 70%。

當隕石落在南極冰冷的表面時,它們通常會下沉並嵌入冰蓋中。 雪積聚、壓實變成冰,在地表下產生重力。 冰川運動和風流就像一條巨大的傳送帶,將嵌入的隕石運送到其表面。 這些暴露的隕石區域被稱為「隕石擱淺區」(MSZ)。 大多數隕石是在沒有雪覆蓋層的藍冰上發現的。 由於缺乏覆蓋物,隕石暴露在地表; 現場工作人員很容易從那裡發現它們。

圖2. 隕石擱淺面的形成

含鐵隕石之謎

儘管南極洲是尋找隕石的寶庫,但科學家指出,他們在冰冷的冰川中發現的隕石與地球其他地方的其他隕石相比存在顯著差異。 隕石收集數據顯示,從南極洲回收的含鐵隕石的比例明顯低於世界其他地區,這表明一種或多種物理機制導致了鐵基隕石的明顯短缺。

Evatt 等人 (2016) 假設,南極洲含鐵隕石的代表性不足是由太陽能穿透 MSZ 的透明冰造成的。 有人認為,當隕石靠近發生收集的冰面時,它們會獲得太陽能並升溫。 含鐵隕石比其他隕石類別具有更高的熱導率,並且下沉的速度往往快於冰將其推升的速度,導致鐵基隕石被「困」在冰中,並且在這些地區收集到的鐵隕石很少。

實驗與數學建模

他們開始透過實驗室測試和數學模型來證明他們的預測。 在實驗室中,兩顆大致相同的隕石,一顆無球粒隕石和一顆普通球粒隕石(一顆由鐵組成,另一顆不含鐵)被包裹在冰塊中。 然後,一盞強光燈照射在每塊隕石上,以模仿陽光的照射。 當它們加熱時,記錄它們融化周圍冰和下沉的速度。

圖 3. 數學模型邊界和幾何形狀的直觀表示

結果和啟示

在實驗室條件下,這兩類隕石都被證明能夠使周圍的冰和下沉變暖。 結果發現,鐵隕石的平均速率(2.4毫米/小時)幾乎是不含鐵隕石(1.5毫米/小時)的兩倍。

從數學模型獲得的結果與實驗室測試非常吻合,使研究人員能夠高度自信地應用該模型。 結果證明了隕石類別之間的預測差異。 該模型證實,熱導率高於 4 W/m·K 左右的隕石將被困在冰層中,而熱導率較低的隕石將出現在冰層表面。

能量平衡模型還使研究人員能夠排除可能導致含鐵隕石代表性不足的其他無關變量,包括隕石表面反照率(其表面反射的陽光的比例)和質量密度,這進一步證實了他們的假設:南極洲發現的大量含鐵隕石是由於太陽能及其高導熱性所造成的。

這些結果意味著 MSZ 表面下方存在分佈的鐵基隕石層。 每一顆新發現的含鐵隕石都有可能填補我們對不同隕石如何相互關聯以及它們被噴射出來的太陽星雲化學組成資訊的理解的關鍵空白。

結論

這項研究是了解為什麼在南極洲收集的隕石成分與世界其他地區不同的令人興奮的第一步。 Evatt 等人結合實驗室測試和數學模型來證實他們的假設,即缺乏含鐵隕石是由於其高導熱性。

除了回答這個令人費解的科學問題的價值之外,探索南極洲 MSZ 表面下豐富的鐵基隕石層的動機也是顯而易見的。 揭示這些古老的隕石可能會揭示有關早期太陽系形成過程以及隨之而來的星子多樣性的重要資訊。

要了解有關這一有趣現像或本研究中使用的方法的更多信息,請訪問:

http://www.nature.com/ncomms/2016/160216/ncomms10679/full/ncomms10679.html

 

參考資料

Evatt, G. W., Coughlan, M. J., Joy, K. H., Smedley, A. R., Connolly, P. J., & Abrahams, I. D. (2016). A potential hidden layer of meteorites below the ice surface of Antarctica. Nature Communications7(1). https://doi.org/10.1038/ncomms10679

Tollenaar, V., Zekollari, H., Lhermitte, S., Tax, D. M. J., Debaille, V., Goderis, S., Claeys, P., & Pattyn, F. (2022). Unexplored Antarctic meteorite collection sites revealed through Machine Learning. Science Advances8(4). https://doi.org/10.1126/sciadv.abj8138