python - 如何使用 Python 将 Gaia 天体测量数据绘制为 TESS 图像？

Question

长话短说:我想用 Python 将 Gaia 天体测量数据绘制成 TESS 图像。怎么可能？
详细版本见下文。

我有 64x64 像素 TESS盖亚 ID 为 4687500098271761792 的恒星图像。苔丝天文台指南的第 8 页说 1 像素是 ~21 弧秒。使用 Gaia Archive ，我搜索这颗星星(在顶部特征下方，单击“搜索”。)并提交查询以查看 1000 弧秒内的星星，大致是我们需要的半径。我用于搜索的名称是 Gaia DR2 4687500098271761792 ，如下图:



提交查询，我得到了一个包含 500 颗星的列表，带有 RA和 DEC坐标。选择 CSV和 Download results , 我得到了 4687500098271761792 周围的星星列表。这个结果文件也可以在 here 中找到。 .这是来自 Gaia 的输入我们想使用。

从苔丝，我们有 4687500098271761792_med.fits , 图像文件。我们使用以下方法绘制它:

from astropy.io import fits
from astropy.wcs import WCS
import matplotlib.pyplot as plt
hdul = fits.open("4687500098271761792_med.fits")[0]
wcs = WCS(hdul.header)
fig = plt.figure(figsize=(12,12))
fig.add_subplot(111, projection=wcs)
plt.imshow(hdul.data)

并得到一张漂亮的照片:



和一堆警告，其中大部分都得到了善意的解释 here (warnings in the Q, explanation in the comments) .

请注意，我们使用 WCS 确实很好。投影。为了检查，让我们绘制 hdul.data 中的数据不关心投影:

plt.imshow(hdul.data)

结果:



几乎和以前一样，但现在轴的标签只是像素数，而不是 RA and DEC ，这将是可取的。 DEC和 RA第一个图中的值分别约为 -72° 和 16°，这很好，因为盖亚目录为我们提供了 4687500098271761792 附近的恒星，大致具有这些坐标。所以投影似乎还可以。

现在让我们尝试绘制 imshow()上方的盖亚星。情节。我们阅读了 CSV我们之前下载的文件并解压缩 RA和 DEC来自它的对象的值:

import pandas as pd
df=pd.read_csv("4687500098271761792_within_1000arcsec.csv")
ralist=df['ra'].tolist()
declist=df['dec'].tolist()

要检查的图:

plt.scatter(ralist,declist,marker='+')

形状不是预期的圆形。这可能是 future 麻烦的一个指标。

让我们试着改造这些 RA和 DEC值为 WCS ，并以这种方式绘制它们:

for index, each in enumerate(ralist):
    ra, dec = wcs.all_world2pix([each], [declist[index]], 1)
    plt.scatter(ra, dec, marker='+', c='k')

结果是:



函数 all_world2pix来自 here . 1参数只是设置原点的位置。 all_world2pix的说明说:

Here, origin is the coordinate in the upper left corner of the image. In FITS and Fortran standards, this is 1. In Numpy and C standards this is 0.

然而，我们得到的点分布的形状根本没有希望。让我们把 TESS 和 Gaia 数据放在一起:

hdul = fits.open("4687500098271761792_med.fits")[0]
wcs = WCS(hdul.header)
fig = plt.figure(figsize=(12,12))
fig.add_subplot(111, projection=wcs)
plt.imshow(hdul.data)
for index, each in enumerate(ralist):
    ra, dec = wcs.all_world2pix([each], [declist[index]], 1)
    plt.scatter(ra, dec, marker='+', c='k')

我们得到:



这与理想情况相差甚远。我希望有一个基础 imshow()上面有许多标记的图片，标记应该是 TESS 图像上星星所在的位置。我工作的 Jupyter Notebook 可用 here .

我错过了哪些步骤，或者我做错了什么？

进一步发展

在 response到另一个 question , keflavich建议使用 transform plotting in world coordintes 的论据.用一些示例点(下图中的弯曲十字)进行了尝试。还把盖亚数据绘制在地块上，没有处理它，它们最终集中在一个非常狭窄的空间。应用于他们 transform方法，得到了一个看似与以前非常相似的结果。代码(还有 here):

import pandas as pd
df=pd.read_csv("4687500098271761792_within_1000arcsec.csv")
ralist=df['ra'].tolist()
declist=df['dec'].tolist()

from astropy.io import fits
from astropy.wcs import WCS
import matplotlib.pyplot as plt

hdul = fits.open("4687500098271761792_med.fits")[0]
wcs = WCS(hdul.header)

fig = plt.figure(figsize=(12,12))
fig.add_subplot(111, projection=wcs)
plt.imshow(hdul.data)

ax = fig.gca()
ax.scatter([16], [-72], transform=ax.get_transform('world'))
ax.scatter([16], [-72.2], transform=ax.get_transform('world'))
ax.scatter([16], [-72.4], transform=ax.get_transform('world'))
ax.scatter([16], [-72.6], transform=ax.get_transform('world'))
ax.scatter([16], [-72.8], transform=ax.get_transform('world'))
ax.scatter([16], [-73], transform=ax.get_transform('world'))


ax.scatter([15], [-72.5], transform=ax.get_transform('world'))
ax.scatter([15.4], [-72.5], transform=ax.get_transform('world'))
ax.scatter([15.8], [-72.5], transform=ax.get_transform('world'))
ax.scatter([16.2], [-72.5], transform=ax.get_transform('world'))
ax.scatter([16.6], [-72.5], transform=ax.get_transform('world'))
ax.scatter([17], [-72.5], transform=ax.get_transform('world'))

for index, each in enumerate(ralist):
    ax.scatter([each], [declist[index]], transform=ax.get_transform('world'),c='k',marker='+')

for index, each in enumerate(ralist):
    ax.scatter([each], [declist[index]],c='b',marker='+')

以及由此产生的情节:



这个弯曲的十字架是预料之中的，因为 TESS 没有与恒定的纬度和经度线对齐(即十字架的臂不必与 TESS 图像的边平行，用 imshow() 绘制)。现在让我们尝试绘制恒定的 RA 和 DEC 线(或者说恒定的纬度和经度线)，以更好地理解 Gaia 数据点错位的原因。将上面的代码扩展几行:

ax.coords.grid(True, color='green', ls='solid')

overlay = ax.get_coords_overlay('icrs')
overlay.grid(color='red', ls='dotted')

结果令人鼓舞:



(见笔记本 here。)

Answer 1

首先我要说，好问题!非常详细和可复制。我仔细研究了您的问题，并尝试从您的 git 存储库开始重做练习，并从 GAIA 存档中下载目录。

编辑

以编程方式您的代码很好(请参阅下面的 旧部分 以了解略有不同的方法)。缺失点的问题是从 GAIA 存档下载 csv 文件时只能获得 500 个数据点。因此看起来好像查询中的所有点都塞进了一个奇怪的形状。但是，如果您将搜索半径限制为较小的值，您可以看到 TESS 图像内有一些点:



请与旧部分中显示的版本进行比较。代码与下面相同，只是下载的 csv 文件适用于较小的半径。因此，在导出到 csv 时，您似乎只是从 GAIA 存档下载了所有可用数据的一部分。避免这种情况的方法是像您一样进行搜索。然后，在结果页面上点击 Show query in ADQL form在底部和查询中，您以 SQL 格式更改显示:

Select Top 500

到

Select

在查询的开头。

旧部分(代码正常并且工作正常，但我的结论是错误的):

对于绘图，我使用了 aplpy - 在后台使用 matplotlib - 最后得到以下代码:

from astropy.io import fits
from astropy.wcs import WCS
import aplpy
import matplotlib.pyplot as plt
import pandas as pd
from astropy.coordinates import SkyCoord
import astropy.units as u
from astropy.io import fits 


fits_file = fits.open("4687500098271761792_med.fits")
central_coordinate = SkyCoord(fits_file[0].header["CRVAL1"],
                              fits_file[0].header["CRVAL2"], unit="deg")

figure = plt.figure(figsize=(10, 10))
fig = aplpy.FITSFigure("4687500098271761792_med.fits", figure=figure)
cmap = "gist_heat"
stretch = "log"

fig.show_colorscale(cmap=cmap, stretch=stretch)
fig.show_colorbar()

df = pd.read_csv("4687500098271761792_within_1000arcsec.csv")    

# the epoch found in the dataset is J2015.5
df['coord'] = SkyCoord(df["ra"], df["dec"], unit="deg", frame="icrs",
                       equinox="J2015.5")
coords = df["coord"].tolist()
coords_degrees = [[coord.ra.degree, coord.dec.value] for coord in df["coord"]]
ra_values = [coord[0] for coord in coords_degrees]
dec_values = [coord[1] for coord in coords_degrees]

width = (40*u.arcmin).to(u.degree).value
height = (40*u.arcmin).to(u.degree).value
fig.recenter(x=central_coordinate.ra.degree, y=central_coordinate.dec.degree, 
             width=width, height=height)
fig.show_markers(central_coordinate.ra.degree,central_coordinate.dec.degree, 
                 marker="o", c="white", s=15, lw=1)
fig.show_markers(ra_values, dec_values, marker="o", c="blue", s=15, lw=1)
fig.show_circles(central_coordinate.ra.degree,central_coordinate.dec.degree, 
                 radius=(1000*u.arcsec).to(u.degree).value, edgecolor="black")
fig.save("GAIA_TESS_test.png")

但是，这会导致与您类似的情节:



为了检查我对来自 GAIA 文件的坐标是否正确显示的怀疑，我从 TESS 图像的中心画了一个 1000 弧秒的圆。正如您所看到的，它与 GAIA 位置的数据点云的外侧(从图像中心看)的圆形大致对齐。我只是认为这些都是 GAIA DR2 文件中属于您搜索区域的所有点。数据云的内部甚至似乎有一个方形的边界，这可能来自方形的视野。