在你的天文研究領域中，觀測上有哪些常用/特別/有用/有趣的篩源方法？

舉個例子，比如常見的BPT圖區分HII區、Seyferts、QSOs，比如通過匹配AKARI的遠紅外band和SDSS的光學band數據再根據flux比初篩出紅外亮的type-2 QSO候選體(Proposed by Akiyama et al.; Chen et al. in prep.)，再比如通過對應紅移的窄帶(narrow band, NB)超出(excess)和考慮進寬頻(broad band), 比如V, I band (Venemans et al, 2005)後的顏色判據來篩選高紅移Lya發射體(Lya emitters, LAEs)，經典又實用的check by eye來排除顯然的contamination等等。

在此舉的都屬於星系、QSOs領域的例子，相信在這個領域裡還有許許多多重要且常用，或者新奇有想法的篩源方法。而除此之外，系外行星、某類恆星(pop?pair?Z?etc.)、某種ISM、某種IGM、某種結構(AGN Torus、大尺度結構的filament、void等等)相信還有許多我不了解的觀測選源方法，包括測光、光譜、偏振等等。

所以很希望借這個機會好好了解一番，不管是經典專著提到的還是沒提到的前沿。（我不否認其實是我一個觀測口初心者來當伸手黨空手套Notes和Refs了【滑稽.jpg】）.

*******對這個問題的回答的一點希望**********

1.不需要面面俱到，只希望談你自己最熟悉最專業的領域就好，因為涉及到的內容比較專業所以可能你的一個針對性回答已經要花費巨大的時間精力成本，而這裡畢竟是知乎不是arxiv嘛hhh. 相對的，我相信眾人拾柴火焰高的力量的。

2.希望可以兼顧專業、具體（可以提供出比較完整的篩源原理，個人比較希望經驗上的和物理上的都能給出一個說明，和簡述一下實際工作時的做法或者一些已有結果的工作(當然不是答主自己的工作也是可以的呀，比如某篇看過的文章blabla來作為demo方便理解)）和「通俗能懂」（我的預期是本科三年級以上的物理學相關專業學生可以理解，畢竟放到知乎了還是希望這個問題能幫助儘可能多的入門(指真的打算入天文這扇門)讀者）。

3.希望可以提供充分的references方便感興趣的讀者(我)進一步學習。

！！！！！！！

先預先感謝能夠熱情回答這個問題的各位答主了哈～！

！！！！！！！

---

問題很大，天體種類很多，很難一概而論。

常用 ：

現在人人都在說機器學習。『篩源』本質上就是數據的聚類分析問題。你的觀測數據有N維，那麼也許在這個N維空間的某個投影上，你想要的天體能和其他所有天體明顯區分開就好了。當然，實際操作上要考慮觀測誤差，要考慮False positive，要考慮完備性和效率的問題。。。一下子就複雜了。

傳統上：『曬源』指的是選擇已知的某種類型的天體。天體的觀測得到的數據，無非是三維位置 (天球坐標；距離，視向速度，或者紅移)和其時間變化 (自行，視向速度變化)，與天體輻射的譜能量分布 (不同波長處的輻射能量，可以是不同波段觀測的星等，可以是光譜)和其空間與時間的變化 (還可以加上一個偏振)這些。如果你知道你要挑選什麼，一般已經有了一些物理認識。按照這些物理原則去挑選 (Physically motivated)一般被認為很科學。題主說的BPT圖就是這樣的例子，很多挑選高紅移AGN和星系的方法也是如此，利用的是這些天體在某個波段上輻射的特殊性質。

現代視角看：嚴格的物理條件篩選方法固然好，但是也有其他天體污染的比例不好估計，依賴於觀測的質量和模型的精確程度等問題。更主要的是，在現在的多波段巡天時代，一個天體從觀測中往往有幾十個上百個觀測量，而前面的分類方法只用到了我們已知有用的幾個。有可能不是最佳結果或者效率低。大數據時代，機器學習技術在天體分類篩選中大放異彩。監督機器學習方法最為常用，現在已經有很多人在做深度學習的嘗試。這些方法在挑選諸如被前景星系引力放大的高紅移星系和類星體上效率很高。

上圖為卡內基-梅隆大學科學家利用深度學習技術從大天區測光巡天中找出的強引力透鏡天體。

(文章見：https://arxiv.org/pdf/1703.02642.pdf)

特別 / 有趣 ：

這個就更取決於具體的領域了。說一個我認為最好玩的吧：高紅移類星體選擇，這些由超大質量黑洞快速吸積供能的天體很稀少，但是對研究宇宙學，星系演化，黑洞形成，宇宙中中性氣體電離狀態等都很重要。一般來說，類星體都是通過多波段測光巡天挑選出來，但只有昂貴的後續光譜觀測才能確定是不是類星體，並研究其性質。所以測光選擇的效率和完備性就更為重要了。

類星體是高紅移天體，所以天球位置不會在觀測時間內產生變化，而恆星會有自行，所以長期測光觀測中，位置不變的，長得像恆星的天體很可能是類星體；類星體輻射的譜能量分布和大多數恆星也不一樣。但即便結合位置變化和譜能量分布也不能選出很『乾淨』的類星體樣本。於是天文學家想了一個超級複雜，但想通之後會讓人拍案叫絕的方案。我嘗試解釋一下 (具體請參考這篇文章：http://iopscience.iop.org/article/10.1088/0004-6256/138/1/19/pdf )：

1: 天體在天球上的位置是經過了大氣折射的，我們看到的並不是真實位置

• 天文學家需要利用一組參照天體的坐標進行改正，才能得到天體的真實位置。
• 大氣折射引起的位置變化隨地平高度變化：地平高度越低，大氣折射效應越顯著，改正越大。因此改正的時候，必須考慮到參照天體和目標的地平高度。
• 大氣折射效應依賴于波長，不同波段的觀測需要做不同程度的校準和改正。
• 其次，天文觀測用的波段是有寬度的。測光常用的寬波段往往能覆蓋100納米以上。在這個波段內部，不同天體的譜能量分布不一樣。換句話說，同一個波段，相同條件下觀測不同天體，一定地平高度的情況下，大氣折射的改正量也依賴於天體的譜能量分布

（示意圖：天體的大氣折射效應和波長的關係）

2. 那麼，未來的測光巡天，比如萬眾矚目的LSST，會在幾年的時間裡多次，在不同的地平高度處，在不同波段上觀測天體。

• 如果一切順利的話，LSST會依賴大量已知位置的恆星 (比如Gaia衛星的觀測能提供數十億顆恆星，不受大氣折射影響的位置信息)進行細緻的天體測量校準，改正這些效應。
• 這樣，所有的恆星的位置都已經不受大氣折射的影響。
• 但是，類星體的譜能量分布和恆星不一樣！
• 所以類星體依然會有殘留的大氣折射效應，並且根據類星體的紅移不同 (決定了觀測到的類星體的譜能量分布，尤其是強發射線的位置)，會有獨特的對觀測波段和地平高度的依賴。
• 研究顯示，利用這個方法，結合顏色等信息可以給出非常好的類星體樣本。

下圖來自LSST項目科學家Zeljko Ivezic的報告。圖中畫灰色-黑色的都是恆星，橙色-紅色的都是類星體。這些圖是LSST能提供的天體不同波段顏色之間的相互關係。傳統上，這些顏色-顏色圖常被用來挑選類星體。但是可以看到，恆星的分布總是有長長的一條，和類星體混在一起。而利用了上面提供的較差大氣折射 (DCR) 信息，則可以清晰滴把兩類混淆的天體區分開。

---

謝 @Yeoman 邀。

我目前主要有兩個研究方向，一個是核塌縮型超新星，另一個是小質量恆星形成。我就分別簡單介紹這兩個方向在某些特定情況下的選源方法。

• 超新星

超新星的選源很簡單。對transient object，據我所知差不多都是這套路：對某些天區，我們已經有寧靜的夜空的圖像了。如果突然看到異常的亮點，說明那裡有一次outburst，然後別的望遠鏡就會follow up，通過光變曲線或者光譜來確認這次outburst是什麼事件。這方法原理很簡單，我也不知道什麼論文專門講過，但肯定是有的(我隱約記得發現暗能量那一大堆Ia型超新星是這樣找的，方便快捷導致樣本量很大)。我沒有實際參與過類似工作，不過下周開始到接下來的半年我會和berkeley那邊合作用Subaru/HSC做類似的事，到時再補充~

• 前主序星(Pre-main-sequence star, PMS)

PMS的選源比超新星麻煩很多，不過也有比較可靠的操作方法。

首先是粗略地找PMS，把它們和場星(field star)區分開來。這一步會用X射線波段的觀測，因為一般而言PMS的X射線波段的活動會比大部分是主序星的場星活躍( )。具體如圖，這些都是X-ray luminous的源：

(ref: Walter et al. 1994, AJ, 107, 692.)

這一步之後，就可以把場星去除得差不多了。這一步是初篩，很高效，但缺點是field會很小，每次只能看一小塊天區，bias很強，所以需要很多觀測才能湊出一個星團/星協。對剩下的X射線源，確認是否PMS方法比較多。常用的方法是看光譜(這一步順便可以確認光譜型)，很直接，就不必多說了。

接下來介紹在已知的年輕星團(距離，年齡都基本確定)證認新的PMS的方法。在研究中，我比較關注小質量恆星(一般指質量範圍是 的PMS)。如果要找這樣的恆星，我們可以看Li吸收線的等效寬度：恆星活動是不會產生Li的，Li只會減少不會增多，而Li本身很容易燃燒( )；小質量的PMS是對流相的(Hayashi track)，可以把表面的Li通過對流送到核心處燃燒，導致光譜基本沒什麼Li，只有年輕的小質量PMS才能保存足夠多的Li，因此Li的等效寬度可以"probe its youth"：對確定的溫度(在對流相，PMS的溫度幾乎不變)，Li越多越年輕，因此Li的含量經常用來測PMS的年齡，而且這是最靠譜的年齡測量工具，因為這種方法幾乎model independent。不過對小質量恆星(比如光譜型是M7或更晚的PMS)而言，Li吸收線的波段光譜的信噪比通常很小，導致Li的等效寬度很難確定；另外吸積會增強連續譜從而減小Li的等效寬度。因此這方法在實際應用中限制很多(我現在手上就有一個研究PMS中Li的的含量和星斑的關係的項目，實際操作中感受到了小質量恆星對Li吸收線的惡意，說多了都是淚)。

(上圖是最近的工作，兩顆PMS的溫度分別是~2700K和~4500K，感受一下信噪比的差距...)

下圖是用Li選源的一個例子:

(ref: Pecaut Mamajek, 2016, MNRAS, 461, 794.)

這篇文章在已經研究了很久的Sco-Cen group中發現了一些新的源(正如前文所言，X射線選源要湊很久才能湊出一個星團/星協，因此即使已經研究了幾十年了，去年又在Sco-Cen發現了幾百個新的源，而且成員星的數量在未來肯定會繼續增多)。Sco-Cen的年齡 &< 20 Myr (分幾個subgroup，每個年齡都不同，分別是~ 18 Myr, ~ 16 Myr 和 &<10 Myr)。IC 2602的年齡大概是~ 15 Myr， Pleiades是~100 Myr。如圖比較的是等效溫度(通過光譜型確認)和Li的等效寬度，兩條虛線分別是IC 2602和Pleiades在相似的圖中的best polynomial fit。在IC 2602這條線以上的都被認為是Sco-Cen的成員；在Pleiades和IC 2602之間的則要打個問號；在Pleiades之下的就reject掉了。黑色實線是所有accept的Sco-Cen成員的best polynomial fit。這種選源方法的原理便是上文提到的PMS中Li的燃燒。

除了Li的含量以外，還有動力學選源的方法，基本依據便是同一個星團中的成員有相似的距離和相似的速度(可以有彌散，但會有一個共同的flowing velocity)。這就簡單了：測距離和proper motion，把outlier都扔掉(比如 的源，或者用Bayesian方法算某個源是成員的概率然後設置一個cut off，如Rizzuto et al. 2015, MNRAS, 448, 2737)。測動力學性質的衛星(？)很多，前有Hipparcos, APASS之類的，現在還有GAIA。不過實際也沒說的這麼輕巧：並不是所有源都有距離的，尤其是很暗的小質量恆星。對這些源有兩個選擇：

1. 用proper motion測距離。這種測距方法的基本原理還是同一個星團的成員誕生於一個點(或者體積可忽略的一小塊區域)，然後向外運動膨脹成現在這個規模，這個點叫convergent point。對某一個天區的坐標(RA, DEC)，可以通過一些神奇的變換手段求出某個成員垂直於該點和該成員的連線的速度分量(真拗口)，然後對所有成員求和使殘差平方和最小的點就是convergent point。找到convergent point後，再次通過某些變換手段就能通過某個成員的proper motion求出它的距離。通過這種方法測出來的距離叫dynamic distance。

下圖是跑了1000次MC(red dots)最終確定出來convergent point(blue square)的一個例子。

(ref: Galli et al. 2013, AA, 558, 77.)

順便一提，convergent point也能拿來測年齡。基本原理是：通過proper motion可以確定velocity dispersion，通過測距和坐標可以確定星團的大小，因此可以算出從一個點膨脹到現在的大小需要的時間，這種方法測出來的年齡叫dynamic age。不過由於星團一開始不可能是一個點，所以它實際給的是一個上界估計(通常沒什麼用，例如對一個~10 Myr的星團，它給出的上界一般是~ 100 Myr)。

2. 對沒有距離的源，只用proper motion而不用距離篩選。這顯然會產生一些bias:亮源比暗源多篩了一層。不過通過實際操作，結果並沒什麼不同：能通過proper motion篩選的源算出來的dynamic distance一般都能通過距離篩選。我的論文便是這樣操作的(雖然我算過convergent point，不過沒把這部分加到論文里)。

我目前基本只接觸過這幾種選源方法。通過這幾層篩選，基本能把年輕星團中的PMS確定下來了。近幾年機器學習大熱，也有一些基於機器學習的選源方法，不過我不太看得懂(也沒什麼興趣)，有興趣的同學可以參考 Galli et al. 2013, AA, 558, 77

---

謝謝 @Yeoman 師兄邀請…然而正在進行人生中第一次失敗的Sample Selection的我表示答不了&>_&<關注關注…

---

Stetson J index

在變星巡天和超新星巡天中搜索變星，一般的方案是圖像相減和光變曲線統計。此處不講圖像相減。

考慮一組圖像，100張，拍攝間隔不穩定, 每張圖約1萬顆星，假定望遠鏡指向無偏差。

這樣得到了一萬顆星中有9000顆在每張圖像上出現。有9500顆星光變超過40個點。

我們只考慮這9500顆星的統計。

首先利用在每張圖上都有的星，計算零點偏差，（當然有更複雜的方法 sysrem什麼的）。

然後從直觀上感覺，恆星的光變曲線在誤差範圍內應該是水平線。

待續

---

推薦閱讀：