重大突破

紫金山天文台在中国空间站巡天空间望远镜无缝光谱红移巡天仿真模拟研究中取得重要进展

近日,中国科学院紫金山天文台与上海交通大学、中国科学院云南天文台和中国科学院国家天文台等单位的联合研究团队开展了中国空间站巡天空间望远镜(CSST)的无缝光谱红移巡天能力的仿真模拟和评估研究工作,结果表明大约有四分之一的z波段亮于21星等的星系可以通过CSST无缝光谱巡天获得可靠的红移证认,并被运用于开展宇宙学研究。相关成果以CSST large-scale structure analysis pipeline: II. The CSST Emulator for Slitless Spectroscopy为题正式发表于天文期刊《皇家天文学会月刊》(Monthly Notices of the Royal Astronomical Society)。

CSST在星系宇宙学领域的主要科学目标之一是建立最大规模的星系红移巡天样本,验证宇宙大尺度结构演化理论,探究暗物质与暗能量属性。CSST无缝光谱巡天能够无差别获得CSST的宽天区内天体的无缝光谱,使得星系红移证认效率最大化,进而精确测量宇宙的膨胀历史和结构增长,从而获得对暗能量和宇宙加速膨胀理论的严格限制。在预研究阶段需要定量评估CSST的无缝光谱巡天的探测能力、选择效应和研发相关科学数据分析软件工具。

对基于光谱红移巡天的宇宙大尺度结构测量,两个关键的因素是光谱红移的纯度和光谱红移样本的完备度。前者包括光谱红移的统计和系统误差,直接影响三维分布的刻画;而随径向和横向变化的完备度则会敏感地影响大尺度结构信号,尤其影响红移畸变的测量,需要精确的修正。这两个因素既依赖于具体的红移测量软件,也需要构建实测星系光谱、加入CSST观测效应、嵌入宇宙大尺度结构框架的目标星系表来进行测试和优化。

研究团队开发出一套CSST的无缝光谱仿真器软件包CESS (CSST Emulator for Slitless Spectroscopy),基于CSST无缝光谱巡天模块的仪器参数和观测效率,结合已有哈勃空间望远镜观测获得的小样本星系结构分布经验关系,能够快速生成包含数亿星系的超大样本的CSST高精度一维仿真无缝光谱数据,用于分析光谱红移巡天计划的科学潜力、评估仪器效应的影响、确定星系特性与红移测量误差的依赖关系。CESS的流程图和对单个星系的CSST无缝光谱观测结果的仿真案例如图1所示。CESS可以对输入的星系样本进行形态学参数的模拟和构建,并根据形态学参数将二维无缝光谱图像按照色散方向和空间方向分解,快速模拟无缝光谱的噪声,计算信噪比,抽取出仿真一维无缝光谱,并可以探测发射线信息并储存下来用于后续的科学分析研究。

研究团队使用DESI LS DR9的测光数据生成模拟红移巡天星系源表,利用BayeSED生成对应的高分辨率星系光谱库,再使用CESS得到对应的CSST仿真无缝光谱数据库。对这一星系样本包括138 348 981个z波段亮于21星等的星系,主要分布在红移1以内。图2展示了基于仿真无缝光谱测量红移的统计结果表明,基于发射线证认或连续谱拟合获得可靠红移测量的星系比例约占到了总样本的25%。对于CSST无缝光谱GU、GV和GI三个波段的平均信噪比而言,GI波段的平均信噪比最好,样本中低红移(z < 0.2)星系的GI波段信噪比的中位数可以到达5以上,GV波段其次,GU波段的信噪比最差。三个波段的平均信噪比随红移的变化如图3所示。

该项工作是CSST大尺度结构数据处理管线中的重要组成,为整个CSST无缝光谱红移巡天项目提供了高精度的CSST无缝光谱仿真观测数据,为后续的红移测量误差分析等工作提供重要的支撑,为定量评估CSST无缝光谱巡天策略和科学潜力奠定基础。

该工作的第一作者为紫金山天文台博士研究生文润,通讯作者为其合作导师郑宪忠研究员。该工作得到了中国载人航天工程、国家重点研发计划和国家自然科学基金等项目的资助。

论文链接:https://doi.org/10.1093/mnras/stae157

图1. 上图:CESS软件包的流程图,包括了主要流程部分和两个额外的模块。下图:由CESS生成的星系的一维CSST无缝光谱仿真结果和相应的信息。

图2. 基于CSST无缝光谱获得的可靠红移测量统计结果。基于双发射线、发射线+连续谱和连续谱三类可靠红移测量统计表明,大约有四分之一的星系能有可靠的红移测量数据。

图3. CSST无缝光谱的三个波段的平均信噪比和信噪比中位数随红移的变化。二维颜色分布图代表位于该红移和信噪比处的星系数密度。

版权所有 © 中国科学院南京分院 苏ICP备05004321号
网站标识码:bm48000014 京公网安备110402500047号
地  址:南京市北京东路39号 邮政编码:210008
联系电话:025-83367159 电子邮箱:office@njbas.ac.cn

南京分院
微信公众号