搜索
LAMOST与虚拟天文台*“虚拟天文台”概念的兴起，起源于国际上一大批各个波段的大规模巡天计划。*LAMOST是一台具有强大光学光谱巡天工作能力的望远镜。虚拟天文台的兴起给LAMOST发展提供了机遇和挑战。LAMOST与虚拟天文台的关系LAMOST必将会从虚拟天文台中选取观测目标LAMOST是对选定目标的进行光谱巡天的望远镜,输入星表的选取决定了LAMOST的科学产出。LAMOST的观测结果，将成为国际虚拟天文台中的一个重要组成部分。样品的选取：河外天文学及宇宙学的研究：星系的选择传统的样品的选取方法：在POSS底片（或CCD图象）上，根据形态区分恒星与星系，对限定的星等范围内选择观测对象。虚拟天文台的建立，使我们可以利用更多的参数（各种波段上）的信息，选择具有更明确物理性质的观测对象进行观测。多波段巡天的资料射电FIRST,NVSS,WENCS,GB6…….红外2MASS,DENIS,IRSA光学SDSS（五种颜色),POSS,UKST,ESO….VISTALSST紫外GALEX,X-射线,HEASARC(NASA,HighEnergyAstrophysicsScienceArchiveResearchCenter)星系样品的选择的重要性如何更好地（系统而有效地）应用这些资料如何从巨大的数据库中挖掘出新的“科学”选择不同的星系，对我们的研究结论将会有关键性的作用*星系自身内禀的性质是丰富和多变的光度,形态,光谱能量的分布（SED）*我们甚至不清楚各类星系之间的关系星系形成和演化的规律？*对宇宙学研究宇宙中物质90%是暗物质、暗能量星系仅仅作为宇宙中物质分布的一种标志物，各类不同的星系与宇宙中物质分布的关系,bias选择星系样品的发展方向在多维参数空间中选择样品维数:102样品数:107-9虚拟天文台的重要科学内容LAMOST输入星表工作的发展方向例子：SDSS巡天中LRG样品的选取LRG：LuminousRedGalaxy（占用巡天光纤数的12%）科学目标：*研究高红移（Z=0.5）的星系团*巨椭圆星系自身的演化*拓宽研究宇宙大尺度结构的深度→1h-3Gpc3LRG星系的选取方法与SDSS星系巡天主要样品（r17.7）选择方法不同，LRG的选取方法增加了“颜色”的信息。方法：假定“模型”,研究星系在双色图上的轨迹。利用星系SED中4000Abreak的特征利用恒星演化与星族合成方法模拟出各类星系在不同红移下在双色图上的演化轨迹。在实际使用的(g-r)与（r–i）双色图上，不同红移与不同SED的星系重合在一起，增加了选择样品的困难性。SDSS选择了两种不同的方法（对Z≤0.4和Z≥0.4）选择LRG样品选择样品的参数星等：Petrosian星等（r波段）:r*petror波段的星等面密度:μr*,petro颜色：在（g-r）与（r-i）二维颜色空间中，Z0.4不同红移与不同类型的星系形成一条一维的轨迹，为此引入两个参数在颜色空间中垂直于此轨迹的距离:C⊥=(r*-i*)-(g*-r*)/4.0-0.18在颜色空间中在此轨迹中的位置:C‖=C(g*-r*)+(1–C)4.0[(r*-i*)-0.18]形态：区分点源与扩展源方法I：（CutI）对Z0.4LRG星系r*petro13.1+C‖/0.3r*petro19.2|C⊥|0.2μr*petro24.2magarcsec-1r*psf-r*mode0.3方法II：（CutII）对Z0.4LRG星系r*petro19.5C⊥0.45–(g*-r*)/6g*-r*13.0+0.25(r*-i*)μr*petro24.2magarcsec–1r*psf-r*model0.5对LRG样品选择的检验对SDSS的CommissioningData中,选取了173plates,得到8267个CutI选样品和1284CutII选样品进行光谱观测验证选择方法的有效性CutI:96%CutII:90%类似的方法实际上在天文观测中已应用:类星体的选取：radioloundUVQSOultraluminousIRSgalaxiesGRB:afterglows思考：典型的在高维参数空间中样品的分类问题问题：把在颜色空间中星系的轨迹简单化为一条直线,显然目前这种“Cutoff”的方法是非常粗糙的。例如，参数C‖改变0.01或r*petro改变0.03就可能使所选样品的数目变化高达10%！如何采用统计学中已广泛使用并且非常成功的分析方法DM(DataMining),KDD(KnowledgeDiscoveryinDatabases)虚拟天文台与多参数空间中样品的选择推广到：更多的参数：探索过去不太熟悉的参数空间更多的样品：更有效的分类方法多波段巡天资料→多参数空间参数空间：从射电红外、可见光、紫外、X射线、γ射线各个不同的电磁波段上:流量、波长、角分辨率、面亮度、偏振其它：形态、运动速度、时间变化在高维参数空间中选取样品的方法(I)：已知天体的性质和种类例如有K种不同天体方法:*根据一定的理论模型、计算出在参数空间中样品的分布特性*选择最有效的参数维数*利用理论模型或实测的资料，通过计算机学习的方式，教会计算机自动选取样品ANN（ArtificationNeualNeat）DT（DecisionTree）在高维参数空间中选取样品的方法(II)：*对于未知种类的天体（或部分清楚）聚类分析方法：从database自身中寻找分类→发现新的未知的天体不同类型的数据库结合问题：?不同波段上天体的相关证认?不同体系之间的相互匹配?不同波段上的绝对定标问题……适用于虚拟天文台的数据库的新的强有力的统计方法。LAMOST观测资料应成为将来虚拟天文台的一个重要组成部分机遇：目前正在进行中的大型巡天观测，大部分是成象观测，为了深入研究天体物理过程，大量的光谱资料的获得将成为发展天体物理学的瓶颈成象←→光谱SDSS2dF400VASTASDSS600LAMOST4000LAMOST→世界光学光谱数据中心LSST(LargeSynopticSurveyTelescope)O/IR6.5m3dgreeFOV)SWIFT(SpectroscopicWideFieldTelescope)8.4m1.5dgreeFOV2000-10000/FOVLAMOST数据库的工作鉴于目前虚拟天文台才处于起步阶段，LAMOST要积极参与:工具协议合作方法在技术层面上获得主动权数据获取数据分析数据传播数据组织建立虚拟天文台面临的挑战*高速数据传输网*新的统计分析方法希望中国的天文学家、统计学家、计算机专家联合起来，进行更紧密的合作，为推动“虚拟天文台”而奋斗。