天文工作者如何區分望遠鏡拍下天體的類型?


這是個好問題,也是個複雜的問題。在不同的研究領域裡,針對不同的課題,都有著不同的處理辦法。作為搞理論的,簡單回答一下。

分類能夠依據的信息無外乎兩種:1)天體在照片上的亮度分布,2)天體在不同頻段的觀測中的異同。所有的方法都是建立在這兩類信息上。

利用第一種信息,例如用肉眼看。如果天體夠大,肉眼就可以看出來在照片上是星系還是恆星,如果是星系是否是漩渦型的等等。但是很多天體很小,近似一個小圓點。又或者天體很多,不能一個一個看,那就必須用別的辦法。

第二種例如,設法拍下該天體的光譜。不同的天體有不同的能量分布形式,和特徵的譜線。比如類星體一般有很強的氫的發射線。

但是拍光譜是非常耗費時間的,很多情況下大家沒法獲得光譜,只有星空的照片,這時候就要用到一些經驗方法比如:

宇宙線,因為能量極高,它造成的點,一般是邊界非常尖銳,完全飽和的一個小塊。

比如恆星,一般會是一張照片上比較亮的那些點,和同樣亮度的星系比,亮度會更凝聚一點。

再比如不同的星系,你可以擬合他們的亮度輪廓,根據擬合參數確定它使橢圓星系還是盤星系。

需要指出的是這些辨別標準除了光譜認證以外都不是100%清晰的,所以科學家必須通過很多測試來確定這些方法的準確率,根據自己對準確率的需要制定選擇標準。 例如引力透鏡研究中需要區分恆星和星系,在這種研究里,我們只是要保證選擇到的恆星和星系是準確的就可以進行研究,因此我們就會將那些分辨不出來的數據去除掉,不分析,只選擇那些特別有把握的。


謝邀,回答這個問題,其實要說到天體物理的整體研究邏輯
首先,總的來說,一個天體的可觀測量主要只有下面三個:形狀,光譜和時變。
然後,是一個分類學的問題,天體物理學者們把有相似觀測量的天體進行歸類,並起一個名字,可以認為這時就「區分」好這個天體的類形了。到這裡,這個問題也可以算回答完了:看上去像什麼,就是什麼)
再然後,天體物理學者們開始做「圖景」,來猜測什麼樣的物理實體和過程能產生這樣的觀測結果。而且他們永遠無法確定猜測的結果是對的,往往同時有著很多種「圖景」來解釋同一個觀測。(在好一點的情況下,大家會根據奧卡姆剃刀原理來挑選 「well accepted」的圖景,來當成是真的;還有很多情況下,比的是「圖景」提出者的資歷。。。。)

所以,天體物理上所謂的類型絕大部分只是表像上的,而不是天體本質(物理)上的類型。往往在有了新的觀測結果後會發現原有的「同一類」的天體可能有其它完全不同的屬性。(「類星體」不是星體,「行星狀星雲」也既不是行星也不是最原始所稱的星雲。)在這個層次上,天文工作者其實區分不了天體的類型。


大家回答都很快嘛!我就說個APP吧!叫galaxy zoo,用於星系分類的。總的來說就是計算機識別星系類型太渣了,而靠天文學家來識別的話則太浪費人力資源(本來就是小眾學科,哪來那麼多人),所以開發了個APP,發布給一般民眾,再告訴你簡單規則,然後你就可以給星系分類了;正所謂人多力量大,一個人肉識別系統就那麼誕生了~~~


有個網站提供大量的星系鑒別任務,專門就是利用愛好者的散雜時間,幫助科研項目提供圖片鑒別信息數據:http://galaxyzoo.org。比如有個項目是希望大家幫忙檢查遙遠星系的分類,螺旋,球狀,棒狀等等。這些圖片都是從哈勃望遠鏡的圖片資料中提取出來的,Project owner希望把海量圖片分類統計。有興趣可以去玩玩,一張一張可能從來都沒有人見過的星系圖片展現在眼前,需要你去決定,有點上帝的感覺啊……

網站組織得很好,鑒別和複核均可以自動組織起來,判定結果數據還有可靠性指標。


天文望遠鏡觀測並不是平常望遠鏡的那種所見即所得,實際所得是觀測方向上的光譜數據的時間空間分布,而且光譜數據還受望遠鏡感光元件響應特性影響。不同類型天體有不同的光譜數據,按著不同的光譜數據時間空間分布特點就可確定為何種天體。(注意這句話,其實這句是套套邏輯。我們其實只是就著表象在分類、猜測、找規律,試圖描述和預言星星的世界和未來)
ps:天文科普讀物那種美麗的星圖大都是軟體基於數據合成的,不是加個望遠鏡用單反拍的。


量化用參數分!
(這不廢話么)
「世界上沒有兩片一模一樣的葉子。」這話對於天體也一樣。兩隻天體不可能參數一模一樣。
(難道就不用分了么,白馬非馬么,摔!)
但是他們在參數空間可能離得比較近。
(「高帥富」就是三個維度的一空間里,分出那麼一坨。)
分天體用什麼參數?望遠鏡能拍到的參數及其組合。
望遠鏡能拍到什麼參數?形態(亮度分布),「顏色」(其實是分光;光譜、多波段),光變(你們怎麼都忘了說這個?好桑心),偏振(不要忽略我,我也是光學家族的),位置變化(銀心黑洞是大質量黑洞,還是中等質量黑洞?看他鄰居的動向啊。)
其實給東西分類,有唯象的分,和本徵的分。
---
留坑,我先去滑下雪。
聚類分析(英語:Cluster analysis,亦稱為群集分析)是對於靜態數據分析的一門技術,在許多領域受到廣泛應用,包括機器學習,數據挖掘,模式識別,圖像分析以及生物信息。


推薦閱讀:

TAG:天文學 | 望遠鏡 | 天體物理學 | 宇宙 |