科学网 › 标签 › 分子云

标签: 分子云

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

思维碎片（3）分子云的相图: qianlivan 2014-10-9 16:18; 1. 恒星研究中最重要的工具之一就是赫罗图（颜色星等图），相当于是恒星的“相图”。其他天体也有相应的“相图”，如脉冲星的周期-周期变化率图，活动星系核的双色图等。 2. 分子云和分子云核或许也有相应的“相图”，例如质量-半径图，但通常质量正比于半径平方，也就是说柱密度为常数。不同柱密度的分子云位于不同斜率的序列。但这个图的问题在于区分度不高。所以或许可以使用质量-柱密度图、质量-密度图、消光（柱密度）-密度图。 3. 不过，或许分子云和分子云核的“相图”就是颜色星等图也说不定。; 个人分类: 思考|2582 次阅读|0 个评论

思维碎片（2）关于分子谱线线宽: qianlivan 2014-10-8 20:50; 1. 由于辐射阻尼造成的自然展宽形成的谱线是洛仑兹形的，观测中观测到的谱线几乎都是高斯形，原因在于星际分子有运动（热运动、湍流运动），其速度分布是高斯形的，故最终谱线形状是洛仑兹函数和高斯函数的卷积（福科托函数），在高速函数宽度远大于自然展宽的情况下，结果近似为高斯函数。 2. 热运动和湍流运动的速度分布都是高斯函数。对于氢分子，T=10 K时热运动对应的速度展宽为$\sqrt{kT/m_{\rm H_2}}\approx 2\times 10^4 {\rm cm/s}=0.2 {\rm km/s}$，然而，对于CO分子（质量是氢分子的14倍）这个线宽只有大约0.02 km/s。超过这个线宽的部分都是湍流运动造成的。另外一方面，不同分子的谱线宽度差不多这一事实也说明分子云中湍流运动主导。 3. 在极薄的分子云中有可能（进行高分辨率观测）探测到纯热展宽的谱线。; 个人分类: 思考|3091 次阅读|0 个评论

思维碎片（1）估计分子云的厚度: qianlivan 2014-10-7 23:00; 1. 根据横向尺度估计厚度。但是已经发现了极薄的分子云“片”，厚度只有横向尺度的百分之一，所以这种方法只对于近似球状和椭球状的分子云有用。 2. 使用密度诊断谱线测量分子云的平均密度，用柱密度除以平均密度得到厚度。 3. 利用Larson定律，测量不同（横向）尺度的线宽（或CVD），在小于厚度的（横向）尺度，线宽会形成“平台”。分子云中的湍流与分子云厚度的估计_钱磊.ppt; 个人分类: 思考|2347 次阅读|0 个评论

思考题（二十五）如何说明分子云是薄的？: qianlivan 2014-7-31 08:53; 除了用柱密度除以体密度还有什么办法？; 个人分类: 思考|2046 次阅读|0 个评论

思考题（二十四）说明分子云是分形结构的: qianlivan 2014-6-23 08:45; 通过分子云典型参数说明分子云是分形结构的。（例如$^{13}$CO丰度比为$1.7\times 10^{-6}$，临界密度大约是$10^3$ cm$^{-3}$，分子云典型柱密度$10^{21}$ cm$^{-2}$，典型尺度为10 pc。）; 个人分类: 思考|2432 次阅读|0 个评论

分子云问答（三）银河系内有哪些分子云: qianlivan 2013-6-21 08:39; 虽然之前思考过有哪些分子云可以观测（ http://blog.sciencenet.cn/home.php?mod=spaceuid=117333do=blogid=659114 ），但问题并没有得到完全解答。Gould Belt毕竟只是一个分子云带而已，除此之外还有没有其他分子云？答案肯定是有，问题是，有哪些？其实我之前就听说过有一个“全天”CO“巡天”（ http://www.cfa.harvard.edu/rtdc/CO/CompositeSurveys/ ）。打引号的原因是，首先，这不是一个巡天，而是将很多数据收集起来，拼出了一个较大的天区；其次，即使这样，也没有对全天的覆盖，所以，其他天区是否还有分子云，我们是不清楚的。但是从CO和远红外的相关性来看，如果CO总是和远红外相关的，那么就可以从全天的红外巡天推断，其他天区中没有太多的分子云，可能最多还有3%（但是很有可能这3%是最有趣的，不过现在还没有人有能力用CO把全天都看一遍）。虽然如此，能总结一下银河系中97%的分子云，为今后的研究做指导还是很重要的。为了方便，我就把cfa网站上的图以及整个天区数据的头文件放在这里了，这样就不用每次点很多链接了。 SIMPLE = T / Standard FITS format BITPIX = 16 / Bits per pixel NAXIS = 3 / Number of axes NAXIS1 = 493 / Number pixels on axis 1 NAXIS2 = 2881 / Number pixels on axis 2 NAXIS3 = 481 / Number pixels on axis 3 CTYPE1 = 'VELO-LSR' / axis 1 coord type CRVAL1 = -3.198000E+02 / coord value at CRPIX1 CDELT1 = 1.300000E+00 / linear pixel spacing axis 1 CRPIX1 = 1.000000 / ref pixel for axis 1 CTYPE2 = 'GLON-CAR' / axis 2 coord type CRVAL2 = 1.800000E+02 / coord value at CRPIX2 CDELT2 = -1.250000E-01 / linear pixel spacing axis 2 CRPIX2 = 1.000000 / ref pixel for axis 2 CTYPE3 = 'GLAT-CAR' / axis 3 coord type CRVAL3 = 0.000000E+00 / coord value at CRPIX3 CDELT3 = 1.250000E-01 / linear pixel spacing axis 3 CRPIX3 = 241.000000 / ref pixel for axis 3 BSCALE = 5.030823E-04 / real = int*bscale + bzero BZERO = 1.449984E+01 / DATAMIN = -1.200000E+00 / minimum real value DATAMAX = 3.020000E+01 / maximum real value BLANK = -32768 / missing data flag BUNIT = 'K' / main beam brightness temp COMMENT ---------------------------------------- COMMENT | A composite of surveys from | COMMENT | Dame, Hartmann, Thaddeus (2001) | COMMENT | ApJ, 547, 792 | COMMENT ---------------------------------------- COMMENT Galactic coords are rectilinear, following COMMENT original FITS convention of Wells et al. (1981) COMMENT Axis units: v(km/s) x LII(deg) x BII(deg) COMMENT Contact: Tom Dame ( tdame@cfa.harvard.edu ) COMMENT Created: Wed Jun 23 16:46:41 2010 END 天区总图 1 2 3 4 5 6 7-8 9 10 11 12 13 14 15 16 17 18-19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37; 个人分类: 知识|3463 次阅读|0 个评论

Matlab处理分子云数据的可能性（六）谱线拟合: qianlivan 2013-6-12 15:04; 谱线拟合是分子云数据处理中的一个重要操作。通常进行高斯拟合，对于多个高斯成分，用IDL拟合通常会有问题，matlab里有一些特殊处理可以部分地避免这些问题。但是如果初值选择得不好、数据的信噪比不高，matlab同样无法得出正确的拟合结果。在信噪比足够的情况下，matlab进行谱线拟合的效果还是相当不错的。 co_fit.m; 个人分类: 知识|4540 次阅读|0 个评论

Matlab处理分子云数据的可能性（三）数据的三维显示: qianlivan 2013-6-7 16:57; 原则上，只要能方便地进行数据的三维显示，很多研究工作中的困难就可以迎刃而解，而不必想各种办法进行数据显示。数据三维显示的基本想法是在三维空间画三维数据的等值面，找到合适的等值面就可以展示出三维数据中包含的重要信息。用matlab实现三维数据的显示是比较简单的，比之前尝试用IDL还简单一些。重要的是，matlab画出图后可以方便地对图进行旋转等操作，而不像IDL那样要改参数重新执行。当然，和IDL一样，matlab对大一些的数据也是无能为力的，收到电脑内存的限制。要显示一个100平方度天区的$^{13}$CO是无法实现的，要像NASA那样显示整个银河系的数据，那就更是天方夜谭了。数据的三维显示，程序是简单的，但是要建立一个可用的系统是不容易的。 threeDview.m; 个人分类: 知识|5731 次阅读|0 个评论

Matlab处理分子云数据的可能性（二）积分强度图: qianlivan 2013-6-6 16:59; 和之前一样，要处理分子云数据，重要的一步就是实现画积分强度图。完成FITS文件读出以后（ http://blog.sciencenet.cn/home.php?mod=spaceuid=117333do=blogid=696838 ）其实已经成功了一半。要画积分强度图，还需要解决坐标轴标记的重新标记和颜色棒，这在Matlab里是非常容易的。具体可以参考示例。 overlay.m; 个人分类: 知识|4548 次阅读|0 个评论

关于Gould belt survey: qianlivan 2013-2-3 15:11; 我是半路出家进入天文这一行，小时候没认真认过天体，对天空中的位置没有一点感觉。最早做理论，这倒也不是什么问题，但是工作之后开始处理数据，逐渐和实测打交道，再不了解一下天空，那就会和开车没有地图和路标一样了。处理完了金牛座分子云的数据，自然想到的问题就是，还有没有别的分子云的数据，它们在什么方位？目前比较大的巡天计划应该是Herschel望远镜的Gould belt survey（ http://www.herschel.fr/cea/gouldbelt/en/Phocea/Vie_des_labos/Ast/ast_visu.php?id_ast=23 ）数据见（ http://www.herschel.fr/cea/gouldbelt/en/Phocea/Vie_des_labos/Ast/ast_visu.php?id_ast=66 ）。从表中列出的天区看，这个巡天包括了13个天区。这个巡天的主要目的是研究年轻星的质量函数以及云核质量函数，预期可以对理解恒星初始质量函数的起源提供线索。 Gould belt survey预期对消光Av大于3的区域（全天消光数据见 http://astro.kent.ac.uk/extinction/ ）进行完整的成图，得到完整的云核样本。具体的天区可以见后面的图。需要注意的是，这个巡天对于研究云核质量函数是足够好的，但是不足以研究云核的动力学。因为观测是测光观测而不是光谱观测。此外，这个巡天的天区覆盖不连续，这会造成相空间不完备。如果以后有机会申请望远镜时间，可以考虑对每个Gould belt survey的天区进行连续的分子谱线观测，这对于研究云核的动力学是非常重要的。; 6411 次阅读|0 个评论

关于结点-连接-空洞结构的普适性: qianlivan 2012-12-4 16:34; 第一次看到宇宙学暗物质模拟的图的时候，我受到了不小的震撼。仅仅在模拟中放入引力就可以得出非常有特征的结构：结点、连接结点的条状结构（filament）、空洞。这表明这样的结构可能是普适的。后来了解到，在分子云中也可以看到结点-连接-空洞结构，这也容易理解，分子云中也存在引力聚集的过程。但是除此之外，分子云中还有其他过程，所以分子云中的这种结构不像暗物质模拟中那么明显。总结起来，似乎只要吸引作用占主导，一个物质系统就会形成结点-连接-空洞的结构。而实际上，如果把物质系统换成人类社会，这样的结构似乎也会自然地出现。看城市灯光的卫星照片就可以看出，大城市（城市群）就是结点，一些铁路沿线（京广线尤其明显）的城市串就是结点间的连接。而除此之外就是空洞。未来高铁形成网络时候，这种结点-连接-空洞将会更加明显。但是，正如暗物质引力聚集不可逆一样，人口向城市（以及铁路沿线）集中或许也是不可逆的。; 个人分类: 思考|3581 次阅读|0 个评论

python数据处理笔记（二）p-v图: qianlivan 2012-5-24 17:46; p-v图是分析分子云中气体动力学的一种常用工具。简单讲就是沿某个特定方向分析谱线形态的变化，从而了解此方向上气体的运动规律。p-v图经常用来辅助寻找外流（高速）气体。今天写了个小程序可以画出一个正方形区域的过中心的横、竖、两对角共四个方向的p-v图。另附上python画图的颜色表以备不时之需（通过修改cmap=cm.spectral中"."后面的名称选择颜色表， http://www.scipy.org/Cookbook/Matplotlib/Show_colormaps ）。 =========================================================== #!/usr/bin/env python import pyfits from pylab import * import sys import math import numpy as np import matplotlib.cm as cm import matplotlib.mlab as mlab import matplotlib.pyplot as plt import mpl_toolkits from matplotlib.patches import Ellipse hdulist = pyfits.open('xxx.fits') image = hdulist .data nx = hdulist .header ny = hdulist .header nz = hdulist .header crvalx = hdulist .header cdeltax = hdulist .header crpixx = hdulist .header crvaly = hdulist .header cdeltay = hdulist .header crpixy = hdulist .header crvalz = hdulist .header cdeltaz = hdulist .header crpixz = hdulist .header x = np.arange(-crpixx*cdeltax+crvalx,(nx-1-crpixx)*cdeltax+crvalx,cdeltax) y = np.arange(-crpixy*cdeltay+crvaly,(ny-1-crpixy)*cdeltay+crvaly,cdeltay) z = np.arange(-crpixz*cdeltaz+crvalz,(nz-1-crpixz)*cdeltaz+crvalz,cdeltaz) z = z/1000.0 # image !!!! The first dimension is velocity channel! print 'input' print 'centerx,centery,xscale,yscale' line = sys.stdin.readline() = line.rstrip().split(',') centerx=int(centerx) centery=int(centery) xscale=int(xscale) yscale=int(yscale) Z = image ZT=Z.T ax = plt.subplot(221) im = plt.imshow(ZT, cmap=cm.spectral, origin='lower', aspect='equal', extent= ) xlabel('|') Z = image for i in range(-xscale,xscale+1): for j in range(0,nz): Z = image ZT=Z.T ax = plt.subplot(222) im = plt.imshow(ZT, cmap=cm.spectral, origin='lower', aspect='equal', extent= ) xlabel('/') Z = image ZT=Z.T ax = plt.subplot(223) im = plt.imshow(ZT, cmap=cm.spectral, origin='lower', aspect='equal', extent= ) xlabel('velocity(km/s) -') ylabel('position') Z = image for i in range(-xscale,xscale+1): for j in range(0,nz): Z = image ZT=Z.T ax = plt.subplot(224) im = plt.imshow(ZT, cmap=cm.spectral, origin='lower', aspect='equal', extent= ) xlabel('\\') plt.show() ============================================================= pvdiagram2.0.py; 个人分类: 知识|12529 次阅读|0 个评论

杂谈云和分子云的形成（二）: qianlivan 2011-11-9 22:21; 云-云碰撞或者其它原因，如超新星爆发、大质量恒星星风造成的激波可以方便地解释分子云的密度增大，但同时也会造成困难：温度升高了。如果激波后速度是 $v_1$ ，激波前速度是$fv_1$，那么激波后介质的密度会增大到原来的f倍，而动能的转化为介质的热能，使介质温度升高。可以计算，激波后温度大约是$T=m_{\rm H_2}(f^2-1)v_1^2/2k$，对于$v_1=1\rm km/s$、$f=10$，这个温度大约是10000K。在这样的温度下理应有可观的辐射，我们应该能看到“激波后”的光学和紫外波段明亮的分子云。当然，由于某种有效的冷却机制，这样的阶段可能很短，所以这样的“激波后”分子云数量并不多。还有一种可能性是在这样的温度下缺乏一种有效的辐射冷却机制，高温的介质会向周围低温介质膨胀，热能又转化为分子云中湍流运动的动能。分子云中存在湍流是一个较为确定的事实，但是对于湍流起到的作用认识不一。有研究指出湍流在某些情况下导致了分子云核的形成（从而导致了恒星形成），因此湍流的能谱和恒星的初始质量函数有一定关系。不过我们对于分子云中的湍流如何产生以及如何耗散知之甚少。有人指出，湍流的驱动靠的是原恒星的外流，也就是说在原恒星形成之前没有湍流，那么湍流又是如何导致原恒星的形成的呢？于是我强烈怀疑这种说法。原恒星的外流当然对分子云的湍流能量有贡献，但是，外流的质量毕竟有限，如何能驱动质量数倍于其质量的分子云，产生湍流呢？我倒是觉得云-云碰撞或是其它原因造成的激波乃是分子云中湍流的能源，这在能量上是足够的，但湍流维持可能是个问题。结合前面提到的原恒星的外流，外流应该是维持分子云中湍流的一个因素，而不是产生最初湍流的一个因素。所以分子云中第一批恒星的形成靠的是外部作用（云-云碰撞或是超新星激波），而后续的恒星形成可能有分子云中第一批恒星的影响。所以我需要明确的问题是，分子云中的湍流在分子云演化过程中有无变化？外流的总能量是多少？湍流的总能量是多少？在激波后气体中辐射冷却的效率如何？观测中是否有“激波后”分子云的迹象？; 个人分类: 思考|4226 次阅读|0 个评论

杂谈云和分子云的形成（一）: qianlivan 2011-10-16 08:09; 以前我碰到问题通常第一时间去看书，这样做的结果通常是使我疲惫不已，但经常是不知所云，结果不了了之。上大学的时候有一个同学学半导体物理，基本就是自己在纸上划划，偶看一两眼书，问之，曰："从库仑定律出发。"当时就觉得其故弄玄虚，但是最终此同学半导体物理学得不错。在屡次碰到问题就查书，然后又很失望之后，最近我发现有些问题还是把书抛开，从头开始思考比较有意思。碰到记不住的公式、定理就查一下。这样比直接看书，满书不知所云的内容更能给人希望。扯得比较远了。最近我碰到的问题是"分子云是如何形成的？"这个问题是几十年来星际介质研究中的未解决问题之一，我当然不是期望写一篇博客，然后把这个问题板上钉钉。我不过是想整理出一段话来作为未来研究论文的一段引言而已。分子云是一个距离较远，平常也不怎么见的对象。虽然云和分子云不是一种东西，密度大不相同，但是至少都是弥散装的，从哲学上来说应该有些共性，我们就先考察一下云是怎么形成的。云的形成主要是水在起作用，一团水蒸气凝结成若干微小水滴或若干微小冰晶，云就形成了，至于物质密度则不一定增加。而这一过程主要是由于温度降低造成的。一个典型的过程是绝热膨胀。由于重力的作用，大气中的压强随高度上升而下降，因此，一团云在上升过程中会膨胀（外界压强减小），这是对外做功的过程，因此云的温度降低，水蒸气凝结，于是云就形成了。这个过程中物质密度实际上是在降低的。不过这个云团的图像只是理论的，一个实际的例子就是一些山顶的伞云，还有实验也可以对此进行演示，具体见 http://www.tudou.com/programs/view/TA6O_KBfMaA/ 小时候也学过，凝结核也可以帮助云的形成。其实凝结核也是使云的温度降低的，道理很简单，同样的热运动能量，质量大的颗粒热运动速度小。虽然也是要温度降低才能形成，但是和云有些不同，分子云通常是密度增大形成的，而且在分子云的问题中，分子云的自引力是重要的，而通常在云的问题中是不考虑云的自引力的。那么通过绝热膨胀能否形成分子云呢？这个问题可以这么考虑，首先计算绝热膨胀对外做功， $$ W=\int^{V_2}_{V_1}PdV=K\int^{V_2}_{V_1}V^{\gamma}dV=\frac{K}{\gamma+1}(V_2^{\gamma+1}-V_1^{\gamma+1}) $$ 另外一方面，自引力能和云的尺度成反比，也就是和云的体积的1/3次方成反比。所以云的维里温度和云体积的1/3次方成反比。因此云温度的下降比维里温度的下降快。在膨胀到一定程度后，云在引力的作用下会往回塌缩，但是也只能塌缩到原来的状态（如果塌缩也是绝热的话）。所以单单通过绝热膨胀是不能导致高密度分子云的形成。形成分子云的一个关键是为分子云的前身——原子云以及原子云到分子云的过渡状态的云降温，而这种降温是通过膨胀所无法达到的。不过在云的形成中获得的一点经验是有用的：往原子云里加凝结核----尘埃，事实上尘埃确实是分子云形成的一个关键角色。按照之前的分析，尘埃可以降低氢原子的热运动速度，有利于氢分子的形成。但是仅仅有氢分子的话，形成了氢分子的过渡状态的云还是无法冷却，因为在通常星际介质的温度下，氢分子没有辐射，对冷却没有贡献。在这种情况下，最重要的就是CO分子的冷却，CO的转动跃迁谱线是分子云中主要的冷却机制。而氢分子的热运动正是激发CO分子转动的能量源，通过氢分子不断和CO分子碰撞，CO分子不断发出转动跃迁谱线，分子云最终得以冷却。形成分子云的另一个关键是密度的增加。引力塌缩可以使分子云的密度增加，这对于解释从分子云到恒星的演化是另人信服的，但是用这个机制解释高密度分子云的形成是有困难的。高密度分子云的形成有可能是一些压缩过程造成的，例如云-云碰撞、超新星的激波等。不过这些解释也是有困难的，因为激波后气体的密度和激波速度成正比，热运动速度也大约和激波速度成正比（也就是温度和激波速度平方成正比）。大致来说就是，对于一定半径内的气体，其抵抗引力的能力增长的速度比引力增长的速度快。所以在这些压缩过程中应该有别的因素在起作用，磁场就是一个可能的因素。关于磁场以及其他一些内容，下次再谈。; 个人分类: 思考|5750 次阅读|0 个评论

分子云问答（一）: qianlivan 2011-1-16 16:37; 问：为什么缺乏对恒星形成早期阶段天体的观测？答：观测这个阶段的天体需要进行分子谱线观测，而分子谱线巡天观测比较费时间，因而在早些时候这样的观测不多。但是随着分子谱线观测数据的积累，观测到的恒星形成早期阶段天体仍然不多，这可能是由于这个阶段在整个恒星形成的过程中只是很短的一段时期，因而这样的天体本来就很少。问：怎么测定分子云核中的非热速度弥散？答：文献中（例如Lada et al. 2008）提到可以使用C18O观测。原因在于其丰度低，达到热平衡的时标较长，一般认为没有达到热平衡。问：云核质量函数(CMF)和恒星初始质量函数(IMF)有什么关系？答：有文章（Lada et al. 2008）指出，CMF和IMF形状相同，CMF的典型质量大约是IMF的3倍，因此云核和恒星可能是一一对应的，云核形成恒星的效率是30％，也就是30％的云核物质形成恒星。不过这只是在烟斗星云（Pipe Nebula）中得到的结果。而且即使二者形状相同也不能说明云核和恒星有一一对应的关系。; 个人分类: 总结|3407 次阅读|0 个评论

找源的算法（工具）: qianlivan 2010-11-10 19:44; 这段时间一直在用CUPID里的gaussclumps找分子云中的云核。一般来说可以找到大部分椭球状的结构，但是有时候也可以看到一些十分扁的椭球（投影到平面上就是一个长条），也有很多地方无法拟合。也就是说分子云中除了规则的椭球状云核，还有其它一些不规则的结构，比如条状结构和片状结构。这些结构用gaussclumps是无能为力的。前天看到一篇文章（AA 518, L103）的附录里提到了目前有的一些算法。其中几种是CUPID里有的，clumpfind， reinhold，fellwalker和gaussclumps。这几种方法都能拟合二维和三维的数据。前三种是通过寻找每个像素之间的关联确定和找出团块。其它几种据我观察似乎都是为二维图像准备的，最有名的就是sextractor，做河外巡天的人似乎比较常用，对于点源很有效，对展源不知道效果怎么样。其它的还有mre-gcl，csar，以及这篇文章中提到的getsources. 不过对于我要做的事来说，我感觉还是用gaussclumps比较好，虽然假定团块都是椭球比较人为。; 个人分类: 总结|3590 次阅读|0 个评论

CUPID FINDCLUMPS 拟合分子云核（三）: qianlivan 2010-10-29 21:02; 我需要知道FINDCLUMPS输出的云块的线宽是怎么定义的。于是查看findclumps.c中的语句 cupidStoreClumps( OUTCAT, xloc, ndfs, nsig, deconv, backoff, ishape, velax, beamcorr, Output from CUPID:FINDCLUMPS, usewcs, gotwcs ? iwcs : NULL, dataunits, confgrp, logfile, nclumps, status ); 于是查找cupidstoreclumps.c，其中提到 cpars = cupidClumpDesc( indf, deconv, wcsmap, wcsfrm, dataunits, beamcorr, backoff, stccol, velax, cpars, names, units, ncpar, ok, stcptr, region, status ); 于是再查找cupidclumpdesc.c，其中关于宽度有 v = v0 - beamcorr *beamcorr /5.5451774; 其中beamcorr 乃是波束的半高全宽，5.5451774就是8ln2。所以从这里看，最后输出的是线宽的方均根值。于是我如果想换算成半高全宽，还得乘以。; 个人分类: 总结|3522 次阅读|0 个评论

CUPID FINDCLUMPS拟合分子云核（二）: qianlivan 2010-10-28 22:36; 为了弄清楚输出文件中的宽度和峰值时本征的值还是经过波束平滑的值，需要看一下输出程序中是如何处理的。在cupidgclistclump.c中可以看到 msgSetd( V, par *rms ); msgOutif( MSG__DEBUG, , Peak intensity: ^V, status ); msgSetd( V, par ); msgOutif( MSG__DEBUG, , FWHM on 1st axis: ^V, status ); 所以还需要找到msgSed函数和msgOutif函数的定义。在MERS (MSG and ERR) 里可以找到相应的代码。在msgSetd.c中可以看到只有一句话 void msgSetd( const char * token, double dvalue ) { emsSetd( token, dvalue ); 在ems里找到emsSetd.c，里面用到ems1Stok，找到ems1Stok.c，似乎没有特别的，所以输出的参数就是par 、par 等。所以看起来就是本征的值，但不知手册里所说选择不消除波束的影响是如何实现的。倒是在cupidclumpdesc.c中看到 if( !deconv ) { peakfactor = 1; 所以似乎是可以实现不改正波束的影响的。; 个人分类: 总结|2878 次阅读|0 个评论

CUPID FINDCLUMPS拟合分子云核（一）: qianlivan 2010-10-28 21:17; 用CUPID里的FINDCLIMPS拟合分子云中的团块的时候发现拟合出了很多虚假的团块，在光谱里看的时候并没有相应的高斯成分。所以决定看看源代码，做点笔记。CUPID乃至整个Starlink的源代码都可以在此获得： http://starlink.jach.hawaii. edu/git/?p=starlink.git;a= tree;f=applications/cupid/ cupidsub;h= b3b3e373563171513790271b656ad6 ecb64ed679;hb=HEAD 我主要用到的是Gaussclump的方法。首先需要明确的是拟合函数为何，虽然高斯函数的性质大同小异，但是一些系数还是会很大程度地影响拟合的结果以及最后的参数，因为我需要的是团块尺度之类的值，系数差一倍，最终的结果就差不少了。从cupidgcmodel.c（cupid就是CUPID， GC指的是Gaussclump）中可以看到以下语句（这里以倒序查看）返回值是ret return ret; 之前一句提到ret是 m = peak*expv + par ; ret=m; 其中expv因子是指数函数，也就是高斯函数的主要部分。程序的前部提过 expv = exp( -K*em );这里的K在最前面定义过 /* 4*ln( 2.0 ) */ #define K 2.772588722239781 表明这里的宽度是半高全宽（FWHM），而em就是通常的那个平方项，程序中有几种选项，以一维为例 if( ndim == 1 ) { em = x0_off*x0_off/dx0_sq; 其中x0_off = x - par ;要说这par数组，还是看一下程序说明 * par : Intrinsic peak intensity of clump (a0 in Stutski Gusten) * par : Constant intensity offset (b0 in Stutski Gusten) * par : Model centre on axis 0 (x1_0 in Stutski Gusten) * par : Intrinsic FWHM on axis 0 (D_xi_1 in Stutski Gusten) * par : Model centre on axis 1 (x2_0 in Stutski Gusten) * par : Intrinsic FWHM on axis 1 (D_xi_2 in Stutski Gusten) * par : Spatial orientation angle (phi in Stutski Gusten) * In rads, positive from +ve GRID1 axis to +ve GRID2 axis. * par : Model centre on velocity axis (v_0 in Stutski Gusten) * par : Intrinsic FWHM on velocity axis (D_xi_v in Stutski * Gusten) * par : Axis 0 of internal velocity gradient vector (alpha_0 * in Stutski Gusten), in vel. pixels per spatial pixel. * par : Axis 1 of internal velocity gradient vector (alpha_1 * in Stutski Gusten), in vel. pixels per spatial pixel. 也就是说par 就是通常高斯函数里的x0。这里的dx0_ sq可在前面找到，就是高斯函数的宽度的平方，这里把波束宽度和本征宽度都考虑上了，最后的宽度为二者的平方和。 t = par *par ; dx0_sq = cupidGC.beam_sq + t; 现在分析 ret = ret*peak*expv;中的peak，程序前半有 peak = par *peakfactor; 大致意思是团块本征的峰值亮度由于仪器的波束的平滑会变小，这个衰减因子可以从以下语句看出来，就是本征宽度和总宽度的比值（如果是多维的就是每一维上这个因子的积）。 peakfactor = sqrt( peakfactor_sq ); peakfactor_sq = t/dx0_sq; 至此函数形式分析得差不多，这个函数还有其它分支，是计算这个模型函数的导数的，这里不提。所以函数形式应该为（一维为例）注意，这里的宽度是半高全宽（FWHM），和通常高斯函数中宽度的关系为除此之外需要注意的是作为拟合参数的峰值par 在写成函数的时候是被降低的，所以拟合出来的团块的峰值可能比数据中的峰值高。本征的宽度par 、par 和par 是被展宽的，所以拟合结果可能比数据中的宽度小。这些都需要看输出程序中相应的选项。; 个人分类: 总结|5036 次阅读|0 个评论

测量分子云的物质密度: qianlivan 2010-6-8 10:39; 分子云中物质的体密度通常不容易测量，而柱密度相对容易测量。对于光学薄的情况（想象一个盒子里有一下发光的小球，当小球很少，互相不遮挡的时候，我们就可以从一个方向看到盒子里的所有小球，光学薄的情况和这个类似，简单说就是我们可以从一个方向看到目标天体中的所有发光粒子），可以通过测量某条分子谱线的强度计算这种分子的柱密度。具体地说，我们需要知道谱线的发射系数，或者跃迁几率 \begin{equation} A_{ul}=\frac{64\pi^4}{3 h c^3}\nu^3 \vert\mu_{ul}\vert^2, \end{equation} 其中 $h$，$c$分别是普朗克常数和光速，$\nu$是谱线的静止频率，$\mu_{ul}$是跃迁的偶极矩，它和分子的结构以及跃迁的能级有关。对于线形分子两个转动能级之间的偶极跃迁，$J\to J+1$，偶极矩记为 $\vert\mu_{ul}\vert^2=\vert\mu_J\vert^2$。对于吸收有 \begin{equation} \vert\mu_J\vert^2=\mu^2\frac{J+1}{2J+1},\ \ J\to J+1 \end{equation} 对于发射有 \begin{equation} \vert\mu_J\vert^2=\mu^2\frac{J+1}{2J+3},\ \ J+1\to J \end{equation} 其中$\vert\mu\vert$是分子的固有偶极矩（注意第二个式子右边的分母为$2J+3$）。对于CO，固有偶极矩是0.112 Debye （1Debye=$1\times 10^{-18}$静电制单位）。知道跃迁几率之后，处于上能级的分子的数密度可以表示为 \begin{equation} N_{u}=\frac{8\pi k\nu^2}{h c^3 A_{ul}}\int T_s dV \end{equation} 其中$k$是玻尔兹曼常数，$T_s$是观测到谱线的亮温度。这里用到了$h\nu\ll kT_s$的假设，右边的积分是对速度$V$进行的。得出上能级分子的柱密度以后，假设分布在其它能级上分子（或者其它种类的分子）和这个能级上分子数目之比就可以估计这种分子总的柱密度。如果可以估计分子云中某些结构的尺度，那么可以从柱密度估计体密度。 PDF; 个人分类: 总结|4889 次阅读|3 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 分子云

相关帖子

相关日志

关闭安全验证