盘状星系的颜色星等关系

在Sloan数字巡天计划第二批释放的数据中选择了15257个面向的盘状星系,统计研究它们的颜色星等关系．结果表明3个颜色g-r、r-i、r-z均与r波段的绝对星等有紧密的相关关系,即:越亮的星系,颜色越红,而且色指数弥散越小．并且简单讨论了观测到的颜色星等关系对盘状星系的恒星形成历史的约束．     

同等质量下盘状星系的颜色-尺度关系

挑选Sloan数字巡天第7次释放数据(SDSS DR7)的主星系样本中近邻的、面向的盘状星系作为星系样本,统计研究了在恒星总质量相等的情况下盘状星系的颜色和尺度之间的相关性,并对相关性的真实性进行了检验.发现对于同等质量的盘状星系,u-r颜色与尺度相关性很弱,而g-r、r-i、r-z颜色与尺度负相关,即星系的尺度越大,颜色越蓝.该结果意味着盘状星系的质量分布对其恒星形成历史影响很大,物质分布越延展的星系,其演化越慢.     

晚型旋涡星系及其盘的颜色星等关系

从Sloan数字巡天(Sloan Digital Sky Survey)第二批释放的数据(Data ReleaseTwo,简称DR2)中,选择了395个在r波段亮于15等的晚型旋涡星系作为样本,研究了这些星系及其盘的颜色星等关系.结果表明晚型旋涡星系及其盘的三个颜色g-r,r-z和g-z均与r波段的绝对星等有紧密的相关关系,越亮的星系(或盘),颜色越红,而且星系的相关性比盘的更强.     

晚型旋涡星系盘的颜色梯度与结构参数的相关关系

从Sloan数字巡天第2批释放的数据(SDSS DR2)中选择了395个在r波段亮于15等的面向晚型旋涡星系作为样本,研究了盘的颜色梯度与结构参数的关系.结果表明:盘的颜色梯度与盘的绝对星等(质量)无关;盘的颜色梯度与盘的尺度有关,越大的盘颜色梯度越陡;盘的颜色梯度与盘的颜色有关,越蓝的盘颜色梯度越陡;盘的颜色梯度与盘的表面亮度有关,越亮的盘颜色梯度越陡,并简单讨论了盘的颜色梯度与各结构参数的相关关系对晚型旋涡星系盘恒星形成历史的约束.     

星系团Abell 85的光度函数

基于NASA/IPAC河外星系数据库(NASA/IPAC Extragalactic Database,NED)和Sloan数字巡天(Sloan Digital Sky Survey,SDSS)第8次释放的数据(The Eighth Data Release,DR8),对星系团Abell 85(以下简称A85)的2倍动力学特征半径2r_(200)内的光度函数(Luminosity Function,LF)进行了研究.研究表明,A85的光度函数在Sloan巡天5个波段用Schechter函数均能拟合得很好.在u、g和z波段光度函数都显示出1个下凹.早型星系r波段的两个最佳拟合参数(r波段特征绝对星等和暗端的陡度)分别为M_r~*=-21.14_(-0.17)~(+0.17)mag,α=-0.83_(-0.14)~(+0.12),晚型星系为M_r~*=-21.98_(-0.98)~(+0.84)mag,α=-1.5_(-0.35)~(+0.24).早型星系的特征星等暗于晚型星系,而暗端比晚型星系要平坦得多.早型星系的光度函数在-20.5~-20.0 mag下凹.将1.5r_(200)范围内的星系按距离团中心的远近划分为3个环状区域,发现距离团中心越近,光度函数的暗端越陡,特征星等越亮.     

早型星系的恒星形成活动演化研究

从观测上测定早型星系中恒星形成活动随红移的演化有助于理解这类星系的形成演化.结合GEMS（Galaxy Evolution from Morphology and SEDs）巡天的HST/ACS（Hubble Space Telescope/Advanced Camera for Surveys）高分辨图像和CDFS（ChandraDeep Field South）天区Spitzer、GALEX（Galaxy Evolution Explorer）等多波段数据,基于形态、颜色和恒星质量选出一个0.2≤z≤1.0红移范围的包含456个早型星系的完备样本.利用stacking技术测量了样本星系紫外与红外平均光度,估计早型星系的恒星形成率.结果显示,早型星系中的恒星形成率较低(<3 M_⊙·yr^-1),随红移递减而降低.在红移z=1以来的恒星形成贡献的质量小于15%.星族分析亦肯定大质量早型星系的主体星族形成于宇宙早期（z>2）.     

COSMOS场中星系恒星形成的演化研究

基于COSMOS(Cosmic Evolution Survey)/Ultra VISTA(Ultra-deep Visible and Infrared Survey Telescope for Astronomy)场中多波段测光数据,利用质量限选取了红移分布在0z3.5的星系样本.通过UVJ(U-V和V-J)双色图分类判据将星系分类成恒星形成星系(SFGs)和宁静星系(QGs).对于红移分布在0z1.5范围内且M*1011M⊙的QGs来说,该星系在样本中所占比例高于70%.在红移0z3.5范围内,恒星形成星系的恒星形成率(SFR)与恒星质量(M*)之间有着很强的主序(MS)关系.对于某一固定的恒星质量M*来说,星系的SFR和比恒星形成率(s SFR)会随着红移增大而增大,这表明在高红移处恒星形成星系更加活跃,有激烈的恒星形成.相对于低质量的星系来说,高质量的SFGs有较低的s SFR,这意味着低质量星系的增长更多的是通过星系本身的恒星形成.通过结合来自文献中数据点信息,发现更高红移(2z8)星系的s SFR随红移的演化趋势变弱,其演化关系是s SFR∝(1+z)0.94±0.17.     

早型旋涡星系M81 (NGC 3031)的形态学解构研究

利用星系解构软件GALFIT通过面亮度轮廓拟合对近邻早型旋涡星系M81 (NGC 3031)进行形态学解构,旨在探究M81星系的结构组成并对其进行形态学量化.通过6种解构模式,对M81进行了不同复杂程度的结构分解,其中最复杂的解构模式包含核球、盘、外旋臂、内旋臂、星系核5个子结构.研究结果显示, M81有一个Sérsic指数约为5.0的经典核球,其形态和光度在不同解构模式中均保持稳定; M81星系盘的Sérsic指数约为1.2,但它的形态参数和光度与是否分解内旋臂相关.不同子结构的组合对作为混合体的星系整体的形态有不可忽视的影响.星系解构的结果提供了不同解构模式适用性的建议:其中核球+盘+星系核的三成分解构适用于大样本星系的核-盘研究;而考虑旋臂的复杂解构则适合于对星系子结构的精确测量,如小样本(或个源)研究.基于Spitzer-The Infrared Array Camera (IRAC) 4.5μm的单波段图像的形态学解构研究是后续一系列研究的开始,在此基础上未来将会对M81进行多波段解构,同时研究不同子结构的光谱能量分布和星族性质,并推断M81各子结构的形成历史和演化过程.     

基于Stacking集成学习的恒星/星系分类研究

机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升.     

一个极高光度IRAS星系样本在20cm观测的初步结果

使用澳大利亚致密阵（ＡＴＣＡ）在１．４ＧＨｚ上观测一个极 度的ＩＲＡＳ星系样本。在这个样本所包括的３７个ＩＲＡＳ星系中,探测到１９个源的射 电发射 ,获得了它们的射电参数,如峰值位置,射电流量等。该样本的射电功率范围在２２．９〈ｌｏｇＰ１．４Ｇ（Ｗ／Ｈｚ）〈２３．８,本文给出了观测的初步结果。