Summary

使用单点光曲线绘制的地球样外行星的表面图

Published: May 10, 2020
doi:

Summary

该协议从系外行星的光曲线中提取信息,并构造其表面图。它使用地球的光曲线,作为代理系行星,来演示这种方法。

Abstract

从单点观测中对系外行星要素进行空间解析对于评估系外行星的潜在可居住性至关重要。该协议的最终目标是确定这些行星世界是否包含地质特征和/或气候系统。我们提出了一种从多波长单点光曲线中提取信息并检索表面贴图的方法。它使用奇异值分解 (SVD) 来分离导致光曲线变化的源,并推断部分多云气候系统的存在。通过分析从SVD获得的时间序列,可以推断出主要组件(PC)的物理归属,而无需任何光谱属性的假设。结合查看几何体,如果发现其中一台 PC 包含曲面信息,则重建曲面贴图是可行的。退化源于像素几何体的卷积,频谱信息决定了重建表面图的质量,这就要求引入正则化。为了演示该协议,分析了作为代理系行星的地球多波长光曲线。提出了结果与地面真实性的比较,以表明协议的性能和局限性。这项工作为系外行星应用的未来泛化提供了基准。

Introduction

确定宜居世界是天体生物学1的最终目标之。自第一次探测2以来,4000多颗系外行星已被确认为3号行星,其中有许多地球类比(例如,TRAPPIST-1e)4。这些行星的轨道和行星性质与地球相似,因此具有潜在的可居住性。在这种情况下,从有限的观察中评估它们的可居住性至关重要。基于对地球生命知识的了解,地质和气候系统对可居住性至关重要,因此,可居住性可以作为生物特征。原则上,即使一个行星在空间上不能比单个点更好地解析,也可以从远处观测到这些系统的特征。在这种情况下,在评估系外行星的可居住性时,从单点光曲线确定地质特征和气候系统至关重要。这些系外行星的表面测绘变得紧迫。

尽管查看几何体和光谱要素之间有卷积,但系外行星表面的信息仍包含在其时间解析的单点光曲线中,该曲线可从远处获取,并获得足够的观测结果。然而,由于云层的影响,可能适合地球的系外行星的二维(2D)表面测绘具有挑战性。检索二D地图的方法已经开发和测试使用模拟光曲线和已知的光谱5,6,7,8,但这些方法尚未应用于实际观测。此外,在分析现在和近期的系外行星观测时,当行星表面成分没有受到良好约束时,特征光谱的假设可能会引起争议。

本文演示了一种地球外行星的表面测绘技术。我们使用 SVD 来评估和分离来自多波长光曲线中包含的不同来源的信息,而无需对任何特定光谱进行假设。结合查看几何,我们使用及时解析但空间复杂的表面信息来呈现曲面图的重建。为了演示这种方法,分析了深空气候观测站/地球多色成像相机(DSCOVR/EPIC;www.nesdis.noaa.gov/DSCOVR/spacecraft.html)获得的两年多波长单点地球观测结果。我们使用地球作为代理系系外行星来评估这种方法,因为目前对系外行星的观测是不够的。我们以纸张附加代码为例。它是在 python 3.7 下开发的,具有 anaconda 和 healpy 封装,但协议的数学也可以在其他编程环境(例如 IDL 或 MATLAB)中完成。

Protocol

1. 编程设置 为附加代码设置编程环境。需要一台具有 Linux 操作系统的计算机,因为 Windows 上没有修复包。代码的计算费用并不昂贵,因此普通个人计算机可以处理协议。 按照说明 (https://docs.anaconda.com/anaconda/install/linux/) 将 Anaconda 与 Python 3.7 安装到系统中,然后在终端中使用以下命令来设置编程环境:$ conda 创建 – 命名 myenv python = 3.7$ conda 激活 myenv$ 康达安装阿纳康达<br…

Representative Results

我们使用地球的多波长单点光曲线来演示协议,并将结果与地面真相进行比较,以评估表面测绘的质量。此处使用的观测结果由DSCOVR/EPIC获得,这是一颗位于地球和太阳之间的第一个拉格朗日点(L1)附近的卫星,拍摄地球太阳表面十个波长的图像。两年(2016年和2017年)的观测值用于此演示,与江等人(2018年)12 和范等人(2019年)13的观测结果相同,其中提供…

Discussion

该协议的一个关键要求是从光曲线中提取表面信息的可行性,这取决于云的覆盖范围。在步骤 3.5.1 中,在系外行星之间,PC 的相对值可能不同。就地球而言,前两台PC主导光曲线变化,对应于与表面无关的云层和表面(Fan等人,2019年)13。它们具有可比较的奇异值,因此可以按照步骤 3.5.2 和 3.5.3 分隔曲面信息。对于未来对系外行星的观测,在极端情况下,无论是完全多云的还?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

这项工作部分得到加州理工学院喷气推进实验室的支持,该实验室与美国宇航局签订合同。YLY 感谢华盛顿大学虚拟行星实验室的支持。

Materials

Python 3.7 with anaconda and healpy packages Other programming environments (e.g., IDL or MATLAB) also work.

References

  1. Schwieterman, E. W., et al. Exoplanet Biosignatures: A Review of Remotely Detectable Signs of Life. Astrobiology. 18 (6), 663-708 (2018).
  2. Campbell, B., Walker, G. A. H., Yang, S. A Search for Substellar Companions to Solar-type Stars. The Astrophysical Journal. 331, 902 (1988).
  3. NASA. . NASA Exoplanet Archive (2019) Confirmed Planets Table. , (2019).
  4. Gillon, M., et al. Seven temperate terrestrial planets around the nearby ultracool dwarf star TRAPPIST-1. Nature. 542 (7642), 456-460 (2017).
  5. Kawahara, H., Fujii, Y. Global Mapping of Earth-like Exoplanets from Scattered Light Curves. The Astrophysical Journal. 720 (2), 1333 (2010).
  6. Fujii, Y., Kawahara, H. Mapping Earth Analogs from Photometric Variability: Spin-Orbit Tomography for Planets in Inclined Orbits. The Astrophysical Journal. 755 (2), 101 (2012).
  7. Cowan, N. B., Fujii, Y. Mapping Exoplanets. Handbook of Exoplanets. , (2018).
  8. Farr, B., Farr, W. M., Cowan, N. B., Haggard, H. M., Robinson, T. exocartographer: A Bayesian Framework for Mapping Exoplanets in Reflected Light. The Astronomical Journal. 156 (4), 146 (2018).
  9. Lomb, N. R. Least-Squares Frequency Analysis of Unequally Spaced Data. Astrophysics and Space Science. 39 (2), 447 (1976).
  10. Scargle, J. D. Studies in astronomical time series analysis. II. Statistical aspects of spectral analysis of unevenly spaced data. The Astrophysical Journal. 263, 835 (1982).
  11. Górski, K. M., et al. HEALPix: A Framework for High-Resolution Discretization and Fast Analysis of Data Distributed on the Sphere. The Astrophysical Journal. 622 (2), 759 (2005).
  12. Jiang, J. H., et al. Using Deep Space Climate Observatory Measurements to Study the Earth as an Exoplanet. The Astronomical Journal. 156 (1), 26 (2018).
  13. Fan, S., et al. Earth as an Exoplanet: A Two-dimensional Alien Map. The Astrophysical Journal Letters. 882 (1), 1 (2019).
  14. Cowan, N. B., Strait, T. E. Determining Reflectance Spectra of Surfaces and Clouds on Exoplanets. The Astrophysical Journal Letters. 765 (1), 17 (2013).
  15. Fujii, Y., Lustig-Yaeger, J., Cowan, N. B. Rotational Spectral Unmixing of Exoplanets: Degeneracies between Surface Colors and Geography. The Astronomical Journal. 154 (5), 189 (2017).
  16. Kawahara, H., Fujii, Y. Mapping Clouds and Terrain of Earth-like Planets from Photomertic Variability: Demonstration with Planets in Face-on Orbits. The Astrophysical Journal Letters. 739 (2), 62 (2011).
  17. Kawahara, H. Frequency Modulation of Directly Imaged Exoplanets: Geometric Effect as a Probe of Planetary Obliquity. The Astrophysical Journal. 822 (2), 112 (2016).
  18. Schwartz, J. C., Sekowski, C., Haggard, H. M., Pall ́e, E., Cowan, N. B. Inferring planetary obliquity using rotational and orbital photometry. Monthly Notices of the Royal Astronomical Society. 457 (1), 926-938 (2016).

Play Video

Cite This Article
Fan, S., Yung, Y. L. Surface Mapping of Earth-like Exoplanets using Single Point Light Curves. J. Vis. Exp. (159), e60951, doi:10.3791/60951 (2020).

View Video