LAMOST 与 虚拟天文台

1. LAMOST 与 虚拟天文台

2. *“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。*“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。

3. 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。

4. 样品的选取：河外天文学及宇宙学的研究：星系的选择样品的选取：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。

7. 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…. VISTA LSST 紫外GALEX, X-射线, HEASARC (NASA, High Energy Astrophysics Science Archive Research Center)

8. 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”

10. 选择不同的星系，对我们的研究结论将会有关键性的作用选择不同的星系，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

11. 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

12. 例子：SDSS巡天中LRG样品的选取 LRG：Luminous Red Galaxy（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-3 Gpc3

13. LRG星系的选取方法 与SDSS星系巡天主要样品（r<17.7）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4000 A break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。

16. 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

17. 选择样品的参数 星等：Petrosian星等（r波段）: r*petro r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，Z<0.4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

18. 方法I：（Cut I） 对Z<0.4 LRG星系 r*petro<13.1+ C‖/0.3 r*petro<19.2 | C⊥|<0.2 μr*petro<24.2 mag arcsec-1 r*psf - r*mode>0.3

20. 方法II：（Cut II）对Z>0.4 LRG星系 r*petro<19.5 C⊥>0.45 – (g* - r*)/6 g* - r*>13.0+0.25(r* - i*) μr*petro<24.2 mag arc sec –1 r*psf - r*model >0.5

22. 对LRG样品选择的检验 对SDSS的Commissioning Data中,选取了173 plates, 得到8267个Cut I选样品和1284 Cut II选样品 进行光谱观测验证 选择方法的有效性Cut I: 96% Cut II: 90%

26. 类似的方法实际上在天文观测中已应用: 类星体的选取：radio lound UV QSO ultraluminous IRS galaxies GRB : afterglows

27. 思考：典型的在高维参数空间中样品的分类问题思考：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“Cut off”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 (Data Mining), KDD (Knowledge Discovery in Databases)

28. 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

29. 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

30. 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（Artification Neual Neat） DT（Decision Tree）

31. 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

32. 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。

33. LAMOST观测资料应成为将来虚拟天文台的一个重要组成部分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

34. 成象 ←→ 光谱 SDSS 2dF 400 VASTA SDSS 600 LAMOST 4000 LAMOST → 世界光学光谱数据中心 LSST (Large Synoptic Survey Telescope) O/IR 6.5m 3 dgree FOV) SWIFT ( Spectroscopic Wide Field Telescope) 8.4m 1.5dgree FOV 2000-10000/FOV

35. LAMOST数据库的工作 数据获取 数据分析 数据传播 数据组织 在技术层面 上获得主动权 工具 协议 合作方法 鉴于目前虚拟天文台才处于起步阶段，LAMOST要积极参与:

36. 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

37. 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。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。