0.1%精度下的精确分光测光

(这篇文章介绍的内容可能单调一些,但是其实是很重要的,我挑这篇文章来,主要也是觉得在现在各种巡天数据发布更便捷,处理软件更人性化的潮流中,可能也让我们慢慢的变懒了,很少去思考这些数据的具体处理和校准过程,而忘记了天文学首先便是要在观测上不断追求极致的学科;本文的方法虽然是作者自己的,并没有被广泛的使用开,但我觉得其反映的思路和严谨性,是非常值得我们学习的)

标题:Precision Spectrophotometry at the Level of 0.1%

背景知识:

相信国内的同学现在对SDSS已经不再陌生,随着SDSS-I,-II,-III的开展,大量的数据发布使得身在国内的我们也可以根据自己的需求开展数据挖掘的工作,并且取得了不错的效果;而且,越来越多的研究小组把自己对SDSS系统的研究结果直接以表格,或者数据库的形式发布在网上,包括某些SDSS原始表格中并没有提供的天体的源表和一些从SDSS原始数据中处理得到的数据,我只熟悉星系领域,比较为人熟知的是NYU-VAGC (Value-Added Galaxy Catalog); MPA/JHU-Data Catalog,还有,专门关于星系星族研究的Starlight Synthesis ProjectVESPA数据库,等等。这些额外数据的好处是确实可以让我们的工作变得便捷起来,但相应的缺点就是很容易让我们遗忘数据处理和校准中的各种问题,比如本文要提到的光谱的分光测光校准。

分光测光校准,指的就是利用某准测光标准源对观测到的光谱进行流量数据的定标,和普通的测光定标相比,因为光谱数据的获取方法各异 (狭缝,光栅,棱镜等),观测多在非测光夜进行,光谱仪相应随波长改变等等特性变得更加复杂;常见的定标方法无非是选择一定的标准星,这个标准星可以是天然的 (白矮星或者其他类型的恒星),也可以是人工的,比如利用卫星搭载的标准源,或者专门为望远镜设计的标准光源 (Tunable Laser)等等,按照未来的趋势,对于大型巡天项目,量身定制的光谱校准可能是非常必要的;不过对于已经有的SDSS数据,其分光测光的校准还是利用每块光谱“板”(Spectroscopic Plate)上面按照光谱型选择出来的16颗M型矮星的光谱进行校准的;在获得光谱后,首先进行银河系消光的改正,再和Kuruz恒星大气模型网格进行比较,利用16颗恒星和模型的平均差异建立起一个“流量校准向量” (Flux Calibration Vector) 用于光谱的校准;SDSS本身的数据处理还是有很多可圈可点的地方的,包括其对测光观测和光谱观测中红移确定的精度上的不懈追求,对于这样规模的巡天,能达到如此精度还是头一次,不过,如果你关注个别天体的话,依然会有很多问题,而且这样的光谱流量校准有两个问题,第一,依赖于标准星的观测,(观测条件和信噪比),第二,依赖于模型的精度;而且,因为流量校准是基于标准星的,而且是模型依赖的校准,对于其他类型的天体,效果如何,还有待检验。


fig1

Fig.1:对于一个临近星系样本,作者自己测量的某发射线流量比和Dn4000谱指数随红移的变化与MPA数据库中的比较;不规则的随红移的变化清晰可见。

本文开始,作者首先用直观的方式揭示出了SDSS流量校准的问题,使用SDSS原始的校准,作者测量了两个光谱指数,一个是发射线比值 (Log([NII]6548,6584/[SII]6717,6731) ),一个是反映光谱的整体轮廓的 (D_n(4000)),作者选择了一个均匀,无偏差的大样本临近星系,做了这两个参数的测量,同时,利用MPA给出的表格中的测量数据 (也是基于SDSS本身的流量校准的) 进行额外的比较;在图1中,我们可以明显的看到这两个参数值随着红移有着不规则的“波动”,而这样的“波动”规律显然是非物理的,而来自于不同红移处同一个谱线附近光谱流量校准的残差,这也是为什么作者决定自己探索新的流量校准方式。

主要方法:

本文中最主要的一个思想就是,当你有一个庞大的观测样本,你可以通过你的样本中部分具有特殊性质的天体提供统计意义上的校准,在原先校准的基础上进行改进;对于星系研究,最直观的一个想法就是,为啥我的样本是20万个星系而我的流量校准要靠着那几颗还不知道和模型拟合的怎么样的矮星进行?根据已知的信息,巡天中的位于Red Sequence上的“宁静”星系,由于没有恒星形成和AGN活动,其光谱轮廓和吸收线特征非常的一致,而且在“临近”的范围内,不会有很强的光谱演化;一些仔细选择出来的这样的星系给出的平均光谱,可以用来进行统计意义上的流量校准:


fig1

Fig.2: 红移0.1附近的两个相邻红移bin内的叠加光谱的比较以及光谱的比值所反映出来的细致的差别。

这里简要的描述一下构建平均光谱的方法,首先,利用一定的红移和星等范围选择临近星系,再根据光学颜色把Red星系孤立出来,并利用已经有的D_n(4000) (这个参数可以用来反映星系中星族的平均年龄,值越高,星系平均来说越年老),把可能的因为尘埃消光颜色偏红的恒星形成或者AGN星系筛选出去;在这之后,按照SDSS光谱仪上3个波长方向pixels对应的红移把样本分成一个一个小的红移的bin,每个bin里面的星系数量在 700-1300 个之间,足够进行统计研究;这些光谱在经过了消光改正和红移改正后被叠加起来,并通过平滑,把光谱的分辨率调整到一个不随波长改变的相同的值。


fig1

Fig.3: 117个红移bin中的叠加光谱在静止波长上进行的系统比较

在这之后,不同红移bin的光谱进行了仔细的比较,由图2为例,可以看到这些叠加的谱差别非常的小,但是依然有一些不同,这些不同,第一,可能来自本征的星系平均性质的差别,第二,可能来自光谱流量校准的残差。通过跟系统的比较可以进一步的看到,在图3中,117个红移bin的叠加光谱被用来做类似的比较,而且永远是用相对“高红移”的bin除以“低红移”的光谱,并且通过在静止坐标系下的波长上进行比较,可以想像,在这张图上,流量校准的误差会被抹平,而反映出来的是星系平均性质随细微红移不同的差别;首先,这样的差别是非常小,而且没有随波长的系统差异,都是围绕着一些重要的谱线周围的,其次,这样的差别都是围绕着1.0值附近对称的,因此,当比较在观测波长进行的时候,这些细小的差别从统计上会相互抵消掉。


fig1

Fig.4: 与图3相同的比较,只是在观测波长空间进行

图3就展示了这样的比较,在观测波长空间上,相似的比较很清晰的揭示出来了流量校准误差带来的问题,这样的残差是和谱线位置无关,而且反映在光谱比值的变化上是不与1.0对称的,在这张图上,不同红移的星系平均性质带来的差异已经近似于被抵消掉,而流量校准的残差被凸显出来了。因此,基于这两种比较,可以认为,通过仔细选择的Red星系的样本,这样的比较可以在消除了本征的光谱差别后,用来构建更精确的光谱流量校准的标准源,而且,如果你注意到了图4中纵坐标的值,可以认为,这样的方法,从统计的意义上,达到了更高的精度 (0.1%).

直观结果:

具体如何构建新的流量校准向量的过程这里不再赘述,但直观的改进展示在图5中了,通过以上方法的改进,在重新进行了流量定标改正的光谱中,测量得到的发射线比值和光谱参数已经没有了图1中那样的锯齿型的不合理的变化或者是不符合已知星系性质的随红移的系统变化。


fig1

Fig.5:经过了流量校准改正后,重新测量的发射线比值和Dn(4000)光谱指数的改善,左图为改正前,右图为改正后

作者还讨论了基于这个方法表现的可能的进一步改进,包括了引入波长空间pixel到pixel红移bin的比较,进一步对这种残差进行限制;包括在校准中更好的在主要的谱线区域区分本征性质的变化和流量校准的误差;包括这些比较展示出的差异的进一步细致的区分,比如分成大气,仪器和星系中星际介质的不同贡献等等;但总之,本文工作展示出来的思路,和“实验设计”以及其展示出来的直观效果都非常值得我们学习,并且,这样的改正提供的分光测光精度,除了单纯的“追求卓越”的一面之外,是由很有意义的具体科学应用的,比如对于Red星系中弱光学发射线的研究,对于Lya森林的研究以及任何需要依赖于高精度的谱线性质测量的科学目标,都是有非常大的帮助的!

延伸阅读:

    分享到:

4 Replies to “0.1%精度下的精确分光测光”

  1. Ye Quanzhi

    Firefox 5.0 Windows XP

    这篇文章我也看了,但看的一知半解。是不是和所谓的sky flat在概念上近似呢?就是找一大堆自然天体做个平均,然后作为校准的背景……

    • Song Huang

      Chrome 12.0.742.122 MacIntosh

      类似吧,这种校准依赖于:1. Red Quiescent 星系性质上的相对稳定,2. 在观测空间里,细微红移产生的演化差异会被抹平;但这种方法不是单独的作为校准的工具,而是针对于某些研究目标和大样本,改进校准的方法

Leave a Reply

Your email address will not be published. Required fields are marked *