
光谱大数据来自耿耿星河_数据分析师
黑暗的燕山之巅,瞪着一只亮闪闪的眼——郭守敬望远镜(LAMOST),3月底,其获得的首批220万条巡天光谱数据正式向世界发布。
LAMOST是光谱加工厂,每个观测夜经“流水线”生产出万余条天体光谱,被誉为是实现“更大口径的大视场望远镜的最佳方案”。
星光不再模糊
LAMOST,是“大天区面积多目标光纤光谱天文望远镜”的英文缩写,位于北京北边200公里的河北兴隆县,中国科学院国家天文台兴隆观测站。观测站于1968年建站,2009年LAMOST建成前已运转多年,有一架2.16米口径的光学望远镜。
跟2.16米望远镜相比,LAMOST更大:它占据三栋6—10层高的筒状塔楼。星光经过两面镜子的先后反射,在接收端被光纤传给16台光谱仪。光谱仪像三棱镜一样,把光线分离成光谱,由32台灵敏的CCD相机记录。
夜间穹顶打开,随地球转动的LAMOST,扫过北半球的中天。遥远的星光投到LAMOST的镜片上,开始是一团模糊;LAMOST迅速调整,让接收端出现了清晰的像斑。
LAMOST的巨镜采用了主动光学技术。所谓主动光学,就是主动改变镜片形状,克服由于重力、温度和风力造成的镜面本身形变对成像带来的影响,使成像更加清晰。像LAMOST这样在一个光学系统中同时应用两块大口径拼接镜面,是前所未有的。
一块大镜面做出精确微调是很难的。LAMOST的Ma镜由24块六边形镜片拼接而成,如蜂窝;每块子镜1.1米长,25毫米厚;整个Ma镜长5.7米,宽4.4米。Mb子镜长度与Ma类似,厚度为75毫米,是球面。
国际上用光纤板打孔插光纤和机械手放置光纤只能到数百根,而LAMOST大大增加光纤数量。直径1.75米的成像焦面之上,密密麻麻地分布着4000根光纤单元(国际上同类设备仅640根)。4000根光纤的自动定位系统可在数分钟的时间内将光纤按星表位置精确定位,最大定位误差仅40微米。
这样,每次观测可获得多达4000个天体光谱,中科院国家天文台台长严俊说,“相当于同时启动4000台望远镜”。
LAMOST复杂的设计和制造,全部由中国科学家完成。著名的望远镜专家、主动光学发明人Wilson评价说:“LAMOST是主动光学最先进和雄心勃勃的应用,其成功对未来望远镜发展具有根本性的意义。”
海量数据,世界分享
宇宙浩瀚,斗转星移。众多的天体是如何产生的?数以百亿计算的星系又是怎样演化的?在这些问题的探索中,光谱的获取是揭开这些天体之谜的一把钥匙。
在星系探索中,包含着极其丰富信息的光谱起了非常关键的作用。其中星系的光谱可以提供距离、构成、分布和运动等信息,而恒星的光谱则包含构成、光度、温度、化学组成、空间分布和演化历史等资讯。从大量天体的光谱观测中还可以发现许多奇异的天体和天体现象。所有这些,将促进人类对宇宙演化规律、物质结构、相互作用等最基本物理规律的新认识。
然而,对望远镜来说,“看得多”与“看得清”,是鱼和熊掌,难以兼得。但LAMOST看得又多又清。
严俊说,LAMOST不仅是世界上口径最大的光谱巡天望远镜,也是光谱获取率最高的,是一件普查天体“户口”的利器。2011年9月至2013年6月,它完成的第一批数据集包含220万条光谱,已超过目前世界上所有已知恒星巡天项目的光谱总数。
2014年12月,第二批数据集对国内天文学家和国际合作者发布,共有413万条天体光谱,其中高质量光谱327万,还包括一个220万颗恒星的光谱参数星表。
与郭守敬时代不同,随着LAMOST这样的巡天望远镜的应用,如今用于天文学研究的数据非常富余。“LAMOST会给全球科学家提供一个完备的样本,供他们去研究发现。”中国科学技术大学教授褚耀泉说。
中科院院士、LAMOST运行和发展中心总工程师崔向群指出,“第一期光谱巡天计划在5年时间里获得超过500万条高质量的光谱,海量的光谱数据将成为‘数字银河系’的重要基石,对于研究银河系的结构、运动、形成和演化具有不可替代的科学意义。”根据天文学界惯例,在经过一年半保护期后,这些由LAMOST光谱巡天获得的数据资料将会向世界公布。
筛谷粒一样发现新星
天文学家利用LAMOST完成的第一批数据集,取得了有影响力的成果,LAMOST运行和发展中心常务副主任赵永恒介绍说。
赵永恒告诉科技日报记者,天文学家利用LAMOST在仙女星系和三角星系区域内新发现近2000颗类星体,这是目前在该天区发现的世界上数目最多的类星体样本。“这些类星体可用来探测仙女星系和三角星系及其周围子结构中星际介质的化学组成、分布和运动学信息。”
此外,科研人员通过LAMOST发现了300多颗白矮星和28颗白矮-主序双星。白矮星的光度函数可确定恒星形成率和银河系的演化历史;从157颗天琴RR变星中探测到了3颗天琴RR变星存在超高声速激波现象。天琴RR变星对恒星结构与演化,银河系的形成和宇宙学的研究有重要意义;新发现了50颗贫金属恒星,为研究银河系形成和化学演化及早期宇宙中的恒星形成提供了观测限制。
对LAMOST大样本光谱数据进行分析研究,发现银盘上方的恒星正在远离银河系中心运动,并伴随着沿盘向下运动的趋势;而位于银盘中间下方的恒星则进行着相反方向的运动,这表明银河系盘星的运动模式并非简单的圆周运动。
美国合作者利用LAMOST数据发现了一颗超高速星。这是国际上已发现20颗超高速星中距离地球最近的。在赵永恒看来,研究超高速星能够帮助天文学家了解黑洞附近的情况,还能了解银河系暗物质晕的性质和暗物质的分布。
LAMOST的科学目标集中于银河系结构和演化,星系和宇宙学,多波段目标证认三个方面,它对北天可观测的约14000平方度高银纬天区进行光谱巡天观测。
同时,它将对数百万颗恒星进行光谱观测,用之于研究银河系晕的整体结构及亚结构、银河系的引力势与物质分布、从薄盘、厚盘到晕在反银心方向的结构特征、银河系球状星团来源及其与银河系结构的关系、银河系恒星金属丰度分布及贫金属星的搜寻等。LAMOST结合红外、射电、X射线、伽马射线巡天的大量天体的光谱观测将在各类天体多波段交叉证认上作出重大贡献。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03