美國國家航空暨太空總署（NASA）的火星”洞察”（InSight）著陸器已經在紅色星球上退休，但這個機器人探測器的數據仍在為地球上的地震發現提供依據。但透過發回的數據，天文學家揭示其高於預期的流星體撞擊率的數據。這些資訊來自地震和軌道影像分析，顯示有必要更新火星和太陽係其他行星表面的現有模型。

布朗大學研究人員領導的一個國際科學家小組在利用太空船數據進行的一項最新研究中發現，火星遭受太空岩石撞擊的頻率可能比以前想像的要高。根據發表在《科學進展》（Science Advances）上的研究報告，撞擊率可能比先前估計的高出2 到10 倍，這取決於流星體的大小。

布朗大學地球、環境和行星科學副教授（研究）英格麗德-道巴爾（Ingrid Daubar）說：”火星的地質活動可能比我們想像的要活躍，這對火星表面的年齡和演變有影響。我們的研究結果是基於我們所掌握的少量實例，但對當前撞擊率的估計表明，這顆行星受到撞擊的頻率遠高於我們僅透過成像所能看到的頻率。

作為研究的一部分，研究團隊利用InSight 高度靈敏的機載地震儀確定了8 個新的流星體撞擊坑，這些撞擊坑以前從未在軌道上看到過。這些宇宙碰撞的頻率挑戰了關於流星體撞擊火星表面頻率的現有觀念，並表明有必要修改當前的火星撞擊模型，以納入更高的撞擊率，尤其是來自較小流星體的撞擊。這些發現最終可能會重塑人們目前對火星表面的認識–因為小型流星體的撞擊會繼續雕琢火星表面–以及對火星和其他行星撞擊歷史的認識。

美國太空總署火星勘測軌道飛行器上的高解析度成像科學實驗（HiRISE）相機拍攝的這張註釋圖片顯示，2021 年12 月24 日，火星亞馬遜星區的一顆流星體撞擊形成了一個撞擊坑，寬約490 英尺（150 公尺）。圖片來源：NASA/JPL-Caltech/亞利桑那大學

“這將要求我們重新思考科學界用來估算整個太陽系行星表面年齡的一些模型，」道巴爾說。

研究人員偵測到的其中六個撞擊坑就在靜止的”洞察”號登陸器著陸點附近。他們從數據中確定的兩個遙遠的撞擊是科學家們探測到的兩個最大的撞擊，即使在軌道上觀察了幾十年之後。這兩次較大的撞擊分別留下了一個足球場大小的隕石坑，兩次撞擊相隔僅97天，凸顯了此類地質事件發生的頻率較高。

道巴爾說：『這種規模的撞擊地球上預計幾十年才會發生一次，甚至可能一生才會發生一次，但在火星，我們卻觀察到兩次相隔僅90 多天的撞擊。這可能只是一個瘋狂的巧合，但只是巧合的可能性真的非常非常小。

這是美國太空總署”洞察”號在火星上的第一張完整自拍照。它展示了著陸器的太陽能電池板和甲板。甲板頂部是其科學儀器、氣象感測器吊桿和超高頻天線。這張自拍照拍攝於2018年12月6日（Sol 10）。圖片來源：NASA/JPL-Caltech

在美國國家航空暨太空總署位於南加州的噴射推進實驗室（JPL）的領導下，InSight 的任務從2018 年11 月持續到2022 年12 月。其主要目標之一是測量火星的地震震動。在此之前，火星上的新撞擊是透過環繞火星軌道的相機拍攝的前後影像發現的。地震儀為發現和探測這些撞擊提供了新的工具，否則許多撞擊可能會被忽略。

道巴爾說：「行星撞擊一直在太陽系各地發生。我們有興趣在火星上進行研究，因為我們可以將火星上發生的事情與地球上發生的事情進行比較和對比。這對於了解我們的太陽系、太陽系裡面有什麼以及太陽系中撞擊天體的數量是什麼樣的都非常重要–這既是對地球的危害，也是歷史上對其他行星的危害”。

隨著美國國家航空暨太空總署向太空派出漫遊車甚至載人飛行任務，這些比率對於評估撞擊對未來探索任務造成的潛在危害也很重要。

為了確定火星上發生撞擊的時間和地點，道巴爾和研究小組分析了”洞察”號發出的地震信號，然後將地震數據與美國宇航局火星勘測軌道器拍攝的圖像進行了對比。研究團隊透過檢查前後影像，直觀地確認了其中八個事件為新的隕石坑。這種使用地震數據和軌道圖像的雙重方法使他們能夠確認地震信號是由撞擊造成的，並交叉檢查他們的發現以確保準確性。

InSight著陸器從著陸開始就收集地震數據，直到其太陽能電池板被灰塵覆蓋，以至於無法再發電為止。

JPL的InSight計畫科學家馬克-潘寧（Mark Panning）說：「這篇最新論文證明，即使InSight不再活躍，它的數據仍能幫助我們了解火星。我們很高興看到任務的地震讀數中還隱藏著什麼。

道巴爾和研究小組目前的研究與《自然-通訊》（Nature Communications）上的一篇配套論文相聯繫，後者使用了更多來自”洞察”號的數據，研究了著陸器探測到的所有高頻地震事件。這篇論文假定所有這些事件都是由撞擊引起的，並發現由此得出的估計比率與道巴爾團隊的研究人員獨立計算得出的結果一致，從而進一步加強了每個團隊的研究結果。

InSight在執行任務期間發現的更多事件有可能實際上是撞擊。下一步是進行更詳細的軌道搜索，嘗試使用機器學習技術來確認這一點。如果我們能確認更多的撞擊事件，我們或許也能找到撞擊引起的其他地震訊號。

編譯自/ ScitechDaily