Summary

Oberflächenkartierung erdähnlicher Exoplaneten mit Single-Point-Lichtkurven

Published: May 10, 2020
doi:

Summary

Das Protokoll extrahiert Informationen aus Lichtkurven von Exoplaneten und erstellt deren Oberflächenkarten. Es verwendet Lichtkurven der Erde, die als Proxy-Exoplanet dient, um den Ansatz zu demonstrieren.

Abstract

Die räumliche Auflösung von Exoplaneten-Features aus Einzelpunktbeobachtungen ist für die Bewertung der potenziellen Bewohnbarkeit von Exoplaneten von entscheidender Bedeutung. Das ultimative Ziel dieses Protokolls ist es, festzustellen, ob diese Planetenwelten geologische Merkmale und/oder Klimasysteme aufweisen. Wir stellen eine Methode zum Extrahieren von Informationen aus Mehrwellenlängen-Einpunktlichtkurven und zum Abrufen von Oberflächenkarten vor. Es verwendet Singular Value Decomposition (SVD), um Quellen zu trennen, die zu Lichtkurvenschwankungen beitragen und die Existenz von teilweise trüben Klimasystemen ableiten. Durch die Analyse der von SVD erhaltenen Zeitreihen konnten physikalische Zuschreibungen von Hauptkomponenten (PCs) ohne Annahmen von Spektraleigenschaften abgeleitet werden. In Kombination mit der Anzeigegeometrie ist es möglich, Oberflächenkarten zu rekonstruieren, wenn einer der PCs Oberflächeninformationen enthält. Die Degenerität entstand aus der Faltung der Pixelgeometrie und Spektruminformationen bestimmt die Qualität rekonstruierter Oberflächenkarten, was die Einführung einer Regularisierung erfordert. Zur Demonstration des Protokolls werden mehrwellige Lichtkurven der Erde, die als Proxy-Exoplanet dient, analysiert. Ein Vergleich zwischen den Ergebnissen und der Bodenwahrheit wird präsentiert, um die Leistung und Einschränkung des Protokolls zu zeigen. Diese Arbeit bietet einen Maßstab für die zukünftige Verallgemeinerung von Exoplanetenanwendungen.

Introduction

Das Identifizieren bewohnbarer Welten ist eines der ultimativen Ziele in der Astrobiologie1. Seit der ersten Detektion2wurden bisher mehr als 4000 Exoplaneten3 mit einer Reihe von Erdanalogen (z.B. TRAPPIST-1e)4bestätigt. Diese Planeten haben orbitale und planetare Eigenschaften, die denen der Erde ähneln, und sind daher potenziell bewohnbar. Die Bewertung ihrer Bewohnbarkeit anhand begrenzter Beobachtungen ist in diesem Zusammenhang von wesentlicher Bedeutung. Basierend auf dem Wissen über das Leben auf der Erde sind geologische und Klimasysteme entscheidend für die Bewohnbarkeit, die daher als Biosignaturen dienen können. Prinzipiell könnten Merkmale dieser Systeme aus der Ferne beobachtet werden, selbst wenn ein Planet nicht räumlich besser gelöst werden könnte als ein einziger Punkt. In diesem Fall ist die Identifizierung geologischer Merkmale und Klimasysteme aus Einpunktlichtkurven bei der Beurteilung der Bewohnbarkeit von Exoplaneten von entscheidender Bedeutung. Die Oberflächenkartierung dieser Exoplaneten wird dringend.

Trotz der Faltung zwischen Betrachtungsgeometrie und spektralen Merkmalen sind Informationen über die Oberfläche eines Exoplaneten in seinen zeitaufgelösten Einpunktlichtkurven enthalten, die aus einer Entfernung erhalten und mit ausreichenden Beobachtungen abgeleitet werden können. Die zweidimensionale (2D) Oberflächenkartierung potenziell bewohnbarer erdähnlicher Exoplaneten ist jedoch aufgrund des Einflusses von Wolken eine Herausforderung. Methoden zum Abrufen von 2D-Karten wurden mit simulierten Lichtkurven und bekannten Spektren5,6,7,8, getestet, aber sie wurden nicht auf reale Beobachtungen angewendet. Darüber hinaus können bei den Analysen von Exoplanetenbeobachtungen jetzt und in naher Zukunft Annahmen von charakteristischen Spektren kontrovers sein, wenn die planetarischen Oberflächenzusammensetzungen nicht gut eingeschränkt sind.

In diesem Beitrag zeigen wir eine Oberflächenkartierungstechnik für erdähnliche Exoplaneten. Wir verwenden SVD, um Informationen aus verschiedenen Quellen auszuwerten und zu trennen, die in Lichtkurven mit mehreren Wellenlängen enthalten sind, ohne dass bestimmte Spektren angenommen werden. In Kombination mit der Betrachtungsgeometrie präsentieren wir die Rekonstruktion von Oberflächenkarten mit zeitnah aufgelösten, aber räumlich verworrenen Oberflächeninformationen. Zum Nachweis dieser Methode werden zweijährige mehrwellige Einpunktbeobachtungen der Erde analysiert, die von der Deep Space Climate Observatory/Earth Polychromatic Imaging Camera (DSCOVR/EPIC; www.nesdis.noaa.gov/DSCOVR/spacecraft.html) erhalten wurden. Wir verwenden die Erde als Proxy-Exoplaneten, um diese Methode zu bewerten, da derzeit verfügbare Beobachtungen von Exoplaneten nicht ausreichen. Als Beispiel fügen wir den Code dem Papier bei. Es wird unter Python 3.7 mit Anaconda- und Healpy-Paketen entwickelt, aber die Mathematik des Protokolls kann auch in anderen Programmierumgebungen (z.B. IDL oder MATLAB) durchgeführt werden.

Protocol

1. Programmier-Setup Richten Sie die Programmierumgebung für den angefügten Code ein. Ein Computer mit Linux-Betriebssystem ist erforderlich, da das healpy-Paket unter Windows nicht verfügbar ist. Der Code ist nicht rechnerisch teuer, so dass ein normaler PC das Protokoll verarbeiten kann. Befolgen Sie die Anweisung (https://docs.anaconda.com/anaconda/install/linux/), an Anaconda mit Python 3.7 auf dem System zu installieren, und verwenden Sie dann die folgenden Befehle im Terminal, um die Programm…

Representative Results

Wir verwenden mehrwellige Einpunktlichtkurven der Erde, um das Protokoll zu demonstrieren, und vergleichen die Ergebnisse mit der Bodenwahrheit, um die Qualität der Oberflächenkartierung zu bewerten. Die hier verwendete Beobachtung wird von DSCOVR/EPIC erhalten, einem Satelliten, der sich in der Nähe des ersten lagrangischen Punktes (L1) zwischen Erde und Sonne befindet und Bilder mit zehn Wellenlängen der sonnenbeschienenen Erdoberfläche macht. Zwei Jahre (2016 und 2017) von Beobachtungen werden für diese Demonstr…

Discussion

Eine wichtige Anforderung des Protokolls ist die Machbarkeit der Extraktion von Oberflächeninformationen aus Lichtkurven, die von der Wolkenabdeckung abhängen. In Schritt 3.5.1 können die relativen Werte der PCs zwischen Exoplaneten unterschiedlich sein. Im Falle der Erde dominieren die ersten beiden PCs die Lichtkurvenvariationen und entsprechen oberflächenunabhängigen Wolken und Oberfläche (Fan et al. 2019)13. Sie haben vergleichbare Singularwerte, so dass die Oberflächeninformationen nac…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Diese Arbeit wurde teilweise vom Jet Propulsion Laboratory, California Institute of Technology, im Auftrag der NASA unterstützt. YLY bestätigt die Unterstützung durch das Virtual Planetary Laboratory an der University of 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