低信噪比星系光谱的识别与测量 ——LAMOST星系光谱识别测量模块

Presentation on theme: "低信噪比星系光谱的识别与测量 ——LAMOST星系光谱识别测量模块"— Presentation transcript:

1 低信噪比星系光谱的识别与测量 ——LAMOST星系光谱识别测量模块
张健楠 国家天文台郭守敬望远镜研究与发展中心

2 主要内容： 为什么研究设计LAMOST星系光谱的识别测量 星系模块的功能 模块性能测试结果

3 研究背景 星系与类星体的红移巡天是LAMOST主要科学目标之一。
通过尽可能完备的星系与类星体的样本，追踪宇宙大尺度质量结构，研究宇宙的结构、形成和演化，以及星系的形成、演化。 LAMOST 1D pipeline对光谱数据进行分类结果 星系、类星体、恒星（恒星光谱细分类）、unknown, 4大类，并测量红移参数。 LAMOST光谱数据处理现状： DR1处理了4百多万光谱数据，发布了2百多万条。 经过多次的调试与改进，目前对恒星的识别分类正确率很高，但是对于河外天体光谱识别与红移测量上表现很差。

4 为什么研究设计LAMOST星系光谱的识别测量
对DR1中的星系光谱分析(galaxy:12082)： 62%的星系没有正确识别，绝大部分分类为unknown，部分分类为STAR。采用人工的方法从unknown中找回并人工测量红移。 目前pipeline星系光谱数据产品还很简单，没有更多的测量信息。

5 1D Pipeline对星系光谱处理性能状况原因分析：
核心算法：PCAZ； LAMOST光谱数据：相对 流量定标、信噪比

6 核心算法：借鉴SDSS的基于模板主成份拟合的全谱模板匹配方法。
全谱模板匹配缺点：强烈受限于流量定标质量。 关键步骤： 低阶多项式的方法去除流量定标差异和消光影响。 LAMOST：河外源的天区基本为M和F的天区，星等范围集中与16~20等（r星等），普遍存在流量相对定标、红蓝端拼接问题，信噪比较低问题。 SDSS：光谱通过测光数据和流量标准星进行了流量定标，流量定标差异小(<10%)可以用低阶多项式更正。 模板类型 恒星 类星体 星系 是否应用主成份 否 是 模板主成份数量 0（183个恒星模板） 4 多项式阶数 5

7 星系光谱模块研究目标 研究并设计基于谱线信息的星系识别与测量光谱处理方法
目的：通过提取谱线信息，实现由谱线信息对LAMOST星系光谱准确的自动识别和红移测量。提高LAMOST星系光谱正确识别率，提供更多星系光谱数据产品。 功能：谱线自动提取与测量，识别星系谱线类型并求红移，测量谱线参量（线心位置、EW, 线指数等）并确定星系类型，其它参量测量。

8 星系识别与测量核心功能模块 进展：基本完成星系模块v1.0 星系模块接口 GAL_M 谱线识别与红移测量getz 星系类型 galtype
连续谱拟合 continuum 谱线提取与测量searchline 其它参量测量 进展：基本完成星系模块v1.0

9 测试数据： 2014年3月1日至3月26日 LAMOST观测数据。
模块运行条件，经1D pipeline运行后，根据1D pipeline分类结果，选取所有 1）1D分类为Unknown, 2）1D分类为Star且置信度zconf<80%， 3） 1D分类为Galaxy或QSO， 4）目标为河外源的光谱， 共59614条光谱数据。 分类标准：以人工验证后的2155条星系光谱为标准。

10 LAMOST 星系模块总体分类测试结果 1D Pipeline 星系模块 人工证认(final_class) 正确星系分类 927 1991
2155 分类正确率 43.02% 91.46% 错误分为星系 14 1198

11 测试结果及分析 星系模块分类正确率同信噪比sng的关系 左图：分类正确数量在sng上的直方图 右图：分类正确率vs. sng

12 测试结果及分析 星系模块分类正确率同信噪比snr的关系 左图：分类正确数量在snr上的直方图 右图：分类正确率vs. snr

13 星系模块错分为星系与人工星系分类比率同信噪比sn的关系
左图：分类错误比 vs. sng 右图：分类错误比 vs. snr

14 结论： 在信噪比sng>4，准确率达到95%; sng>3,准确率达到85%;错误率稳定小于0.05；在信噪比sng>10，分类正确率稳定在大于99%. 在信噪比snr大于9的情况下，准确率已经达到90%，错误率稳定小于0.05。 错误分类主要分布在信噪比0~5 信噪比大于10，分类稳定可信

15 星系光谱红移精度测试 测试数据： 前述2014年3月份分类正确的星系通过与SDSS DR9交叉获取同源星系1457条光谱。
Z_SDSS: 全谱模板匹配算法PCAZ； Z_ours: 谱线测量算法 星系模块的红移测量算法：以高斯函数拟合星系谱线，确定谱线线心，计算每条谱线红移，星系红移为谱线红移的均值。

16 1457 spectra: z_SDSS vs. z_ours

17 1457条LAMOST与SDSS同源星系光谱红移测量差直方图分析
ΔZ (z_SDSS-z_ours) μ δ 0.0000 0.0002（60km/s）

18 星系模块正确识别率>80% sng>4, 星系模块正确识别率>95% snr>9，准确率已经达到90%，错误率稳定小于0.05。 错误分类主要分布在信噪比0~5 信噪比大于10，分类稳定可信 基于谱线信息的红移算法与基于全谱匹配的算法精度： μ：0.0000 δ： (60km/s)

19

20 谢谢！

21 星系光谱谱线提取与红移测量的示例: z= 时提取并测量的谱线系列： [OII]_3727,H_delta,H_gamma, H_beta,[OIII]_4960,[OIII]_5008, H_alpha,[NII]_6585,[SII]_6718, [SII]_6732