Summary

Surface Mapping van aarde-achtige exoplaneten met behulp van Single Point Lichtcurven

Published: May 10, 2020
doi:

Summary

Het protocol haalt informatie uit lichtcurven van exoplaneten en construeert hun oppervlaktekaarten. Het maakt gebruik van lichte rondingen van de aarde, die dient als een proxy exoplaneet, om de aanpak aan te tonen.

Abstract

Het ruimtelijk oplossen van exoplaneetkenmerken uit single-point waarnemingen is essentieel voor de beoordeling van de potentiële bewoonbaarheid van exoplaneten. Het uiteindelijke doel van dit protocol is om te bepalen of deze planetaire werelden geologische kenmerken en/of klimaatsystemen herbergen. We presenteren een methode om informatie uit multigolflengte single-point lichtcurven te extraheren en oppervlaktekaarten op te halen. Het maakt gebruik van singular value decomposition (SVD) om bronnen te scheiden die bijdragen aan lichte curve variaties en afleiden van het bestaan van gedeeltelijk troebele klimaatsystemen. Door analyse van de tijdreeksen verkregen van SVD konden fysieke toeschrijvingen van hoofdcomponenten (pc’s) worden afgeleid zonder aannames van spectrale eigenschappen. In combinatie met de weergavegeometrie is het mogelijk om oppervlaktekaarten te reconstrueren als een van de pc’s oppervlakte-informatie bevat. Deracy is ontstaan uit de convolutie van de pixelmeetkunde en spectruminformatie bepaalt de kwaliteit van gereconstrueerde oppervlaktekaarten, wat de invoering van regularisatie vereist. Voor het aantonen van het protocol, multi-golflengte licht bochten van de aarde, die dient als een proxy exoplaneet, worden geanalyseerd. Vergelijking tussen de resultaten en de grond waarheid wordt gepresenteerd om de prestaties en beperking van het protocol aan te tonen. Dit werk biedt een benchmark voor toekomstige generalisatie van exoplaneettoepassingen.

Introduction

Het identificeren van bewoonbare werelden is een van de ultieme doelen in astrobiologie1. Sinds de eerste detectie2zijn tot op heden meer dan 4000 exoplaneten bevestigdmet een aantal aardanalogieën (bijvoorbeeld TRAPPIST-1e)4. Deze planeten hebben orbitale en planetaire eigenschappen die vergelijkbaar zijn met die van de aarde, en zijn daarom potentieel bewoonbaar. In dit verband is het van essentieel belang dat hun bewoonbaarheid wordt geëvalueerd op uit beperkte waarnemingen. Op basis van de kennis van het leven op aarde zijn geologische en klimaatsystemen van cruciaal belang voor de bewoonbaarheid, die dus als biosignatuur kunnen dienen. In principe kunnen kenmerken van deze systemen van een afstand worden waargenomen, zelfs wanneer een planeet niet beter dan één enkel punt ruimtelijk kon worden opgelost. In dit geval is het identificeren van geologische kenmerken en klimaatsystemen van enkelpuntige lichtcurven essentieel bij de beoordeling van de bewoonbaarheid van exoplaneten. Oppervlaktemapping van deze exoplaneten wordt urgent.

Ondanks de convolutie tussen het bekijken van geometrie en spectrale kenmerken, is informatie van het oppervlak van een exoplaneet opgenomen in de tijd-opgeloste single-point lichtcurven, die kunnen worden verkregen van een afstand, en afgeleid met voldoende waarnemingen. Echter, twee-dimensionale (2D) oppervlakte mapping van potentieel bewoonbare Aarde-achtige exoplaneten is een uitdaging als gevolg van de invloed van wolken. Methoden voor het ophalen van 2D-kaarten zijn ontwikkeld en getest met behulp van gesimuleerde lichtcurven en bekende spectra5,6,7,8, maar ze zijn niet toegepast op echte waarnemingen. Bovendien kunnen in de analyses van exoplaneetwaarnemingen nu en in de nabije toekomst veronderstellingen van karakteristieke spectra controversieel zijn wanneer de planetaire oppervlaktecomposities niet goed beperkt zijn.

In deze paper demonstreren we een oppervlaktemappingtechniek voor aardachtige exoplaneten. We gebruiken SVD om informatie te evalueren en te scheiden van verschillende bronnen die zijn opgenomen in meergolflengte lichtcurven zonder aannames van specifieke spectra. In combinatie met de weergavegeometrie presenteren we de reconstructie van oppervlaktekaarten met behulp van tijdige opgeloste maar ruimtelijk ingewikkelde oppervlakte-informatie. Om deze methode aan te tonen, worden twee jaar lang multigolflengte enkelpuntwaarnemingen van de aarde die zijn verkregen door de Deep Space Climate Observatory/Earth Polychromatic Imaging Camera (DSCOVR/EPIC; www.nesdis.noaa.gov/DSCOVR/spacecraft.html) geanalyseerd. We gebruiken de Aarde als proxy exoplaneet om deze methode te beoordelen, omdat de momenteel beschikbare waarnemingen van exoplaneten niet voldoende zijn. We voegen de code bij het papier als voorbeeld. Het is ontwikkeld onder python 3.7 met anaconda en healpy pakketten, maar de wiskunde van het protocol kan ook worden gedaan in andere programmeeromgevingen (bijvoorbeeld IDL of MATLAB).

Protocol

1. Programmering setup Stel de programmeeromgeving in voor de bijgevoegde code. Een computer met Linux-besturingssysteem is vereist, omdat het healpy-pakket niet beschikbaar is op Windows. De code is niet rekenkundig duur, dus een normale personal computer kan het protocol aan. Volg de instructie (https://docs.anaconda.com/anaconda/install/linux/) om Anaconda met Python 3.7 op het systeem te installeren en gebruik vervolgens de volgende opdrachten in de terminal om de programmeeromgeving in te stellen…

Representative Results

We gebruiken multigolflengte single-point lichtcurven van de aarde om het protocol aan te tonen en vergelijken de resultaten met de grondwaarheid om de kwaliteit van oppervlaktemapping te evalueren. Observatie die hier wordt gebruikt wordt verkregen door DSCOVR/EPIC, een satelliet gelegen in de buurt van het eerste Lagrangian punt (L1) tussen aarde en zon het nemen van beelden op tien golflengten van de zonovergoten gezicht van de aarde. Voor deze demonstratie worden twee jaar (2016 en 2017) van waarnemingen gebruikt, di…

Discussion

Een kritische eis van het protocol is de haalbaarheid van het extraheren van oppervlakte-informatie uit lichtcurven, die afhankelijk is van de clouddekking. In stap 3.5.1 kunnen de relatieve waarden van de pc’s verschillen tussen exoplaneten. In het geval van de aarde domineren de eerste twee pc’s de lichtcurvevariaties en komen ze overeen met oppervlakteonafhankelijke wolken en oppervlakte (Fan et al. 2019)13. Ze hebben vergelijkbare enkelvoudswaarden, zodat de oppervlakte-informatie kan worden g…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dit werk werd gedeeltelijk ondersteund door het Jet Propulsion Laboratory, California Institute of Technology, in opdracht van NASA. YLY erkent steun van het Virtual Planetary Laboratory aan de Universiteit van Washington.

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