Astronet Астронет: И. В. Чилингарян/Физический факультет МГУ Классификация объектов по распределению энергии в спектре
http://variable-stars.ru/db/msg/1191305/index.html
| Оглавление | Введение >>

Классификация объектов по распределению энергии в спектре

И.В. Чилингарян

Московский Государственный Университет

Научный руководитель: зав. ЛСФВО САО РАН, к.ф.-м.н. С.Н.Додонов

(I место в конкурсе студенческих работ Астронет-2003)

Последнее десятилетие ознаменовалось гигантским прорывом в наблюдательной астрофизике. Проведение крупных обзоров (SDSS, 2MASS, 2dF и др.) дало такое количество высококачественного наблюдательного материала, что на его анализ уйдут годы и десятилетия. Эти данные включают информацию о самых различных типах астрономических объектов, как принадлежащих нашей Галактике, так и лежащих далеко за ее пределами.

Обычно для классификации объекта, достаточно проанализировать его спектр в широком диапазоне длин волн, например в оптической области. Спектроскопическая классификация - наиболее надежный метод, но в некоторых случаях его применение сильно затруднено. В случае обзорной задачи при современном состоянии астрономической светоприемной техники возможно получить фотометрические данные высокого качества для нескольких тысяч объектов в нескольких светофильтрах за один наблюдательный сет при помощи CCD-приемника. За такое же время, на том же телескопе можно получить спектры нескольких десятков, в случае применения специальных методов, до сотни объектов. При этом предельная звездная величина для фотометрических наблюдений будет на 3m-4m глубже, чем для спектральных. Возникает вопрос - возможно ли классифицировать наблюдаемые объекты, используя только данные, получаемые при анализе прямых снимков? (Под фотометрической классификацией будем понимать определение принадлежности объекта к тому или иному типу и определения ряда его основных параметров: спектральный класс и класс светимости для звезд, красное смещение и тип для внегалактических объектов.) С классификацией тесно связана проблема фотометрической селекции объектов, то есть выбора наиболее интересных объектов для более детального исследования из больших выборок.



| Оглавление | Введение >>

Rambler's Top100 Яндекс цитирования