LAMOST 与 虚拟天文台虚拟天文台

*“ 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….

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

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 ： 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

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。

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*

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

方法 I ：（ Cut I ） 对 Z<0.4 LRG 星系

r*petro<13.1+ C‖/0.3r*petro<19.2| C⊥|<0.2μr*petro<24.2 mag arcsec-1

r*psf - r*mode>0.3

方法 II ： （ Cut II ） 对 Z>0.4 LRG 星系

r*petro<19.5C⊥>0.45 – (g* - r*)/6g* - r*>13.0+0.25(r* - i*)μr*petro<24.2 mag arc sec –1

r*psf - r*model >0.5

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%

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 galaxiesGRB : 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“ 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)

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 （ Artification Neual Neat ） DT （ Decision Tree ）

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SDSS 2dF 400VASTA 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

LAMOST 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。