如何使用Python将Gaia天体测量数据绘制成TESS图像？

Question

长话短说:我想将盖亚天体测量数据绘制成Python中的TESS图像.这怎么可能？请参阅下面的详细说明.

---

我有一个64x64像素的TESS星形图像与Gaia ID 4687500098271761792.TESS天文台指南第8页称1像素约为21弧秒.使用Gaia Archive,我搜索这颗星(在顶部特征下面,点击搜索.)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Gaia DR2 4687500098271761792如下所示:

提交查询,我得到一个500星的列表RA和DEC坐标.选择CSV并且Download results,我得到了大约4687500098271761792的星星列表.此结果文件也可以在此处找到.这是我们想要使用的Gaia的输入.

从TESS,我们有4687500098271761792_med.fits,一个图像文件.我们用以下方式绘制它

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)

得到一个很好的照片:

和一堆警告,其中大部分都在这里得到了解释(Q中的警告,评论中的解释).

请注意,我们使用WCS投影确实很好.为了检查,让我们只是绘制数据,hdul.data而不关心投影:

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和DEC,这是更好的选择.第一个图中的DEC和RA值分别在-72°和16°左右,这是好的,因为Gaia目录给了我们大约这些坐标的4687500098271761792附近的恒星.因此投影似乎相当合适.

现在让我们尝试将盖亚星imshow()绘制在情节之上.我们读入CSV之前下载的文件,并从中提取对象RA和DEC值:

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

情节检查:

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

形状不是预期的圆形.这可能是未来麻烦的一个指标.

让我们尝试将这些RA和DEC值转换为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:

功能all_world2pix来自这里.该1参数仅设置原点的位置.all_world2pix说的描述:

这里,origin是图像左上角的坐标.在FITS和Fortran标准中,这是1.在Numpy和C标准中,这是0.

然而,我们得到的点分布的形状根本没有前途.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:

这不是理想的任何地方.我希望imshow()它上面有许多标记的底层图片,标记应该是TESS图像上的星星.我工作的Jupyter笔记本可以在这里找到.

我错过了哪些步骤,或者我做错了什么？

---

进一步发展

在回答另一个问题时,凯夫列维奇善意地建议在世界协调中使用一个transform参数进行策划.尝试了一些示例点(下图中的弯曲十字架).在没有处理它的情节下绘制了盖亚数据,他们最终集中在一个非常狭窄的空间.应用于他们的transform方法,得到了比以前看似非常相似的结果.代码(也在这里):

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:

这种弯曲交叉是预期的,因为TESS不与恒定的纬度和经度线对齐(即,交叉的臂不必与TESS图像的边平行,用其绘制imshow()).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),以更好地理解为什么盖亚的数据点错位.将以上代码展开几行:

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:

(见这里的笔记本.)

Answer 1

首先我要说,好问题!非常详细和可重复.我回答了你的问题并尝试从你的git repo开始重做练习,并从GAIA档案中下载目录.

编辑

以编程方式您的代码很好(请参阅下面的OLD PART以获得略有不同的方法).丢失点的问题是,从GAIA存档下载csv文件时,只能获得500个数据点.因此,看起来查询中的所有点都被塞进了奇怪的形状.但是,如果将搜索半径限制为较小的值,则可以看到TESS图像中存在点:

请与下面OLD PART中显示的版本进行比较.代码与下面的代码相同,只有下载的csv文件的半径更小.因此,在导出到csv时,您似乎只是从GAIA存档中下载了所有可用数据的一部分.绕过这种情况的方法是像你一样进行搜索.然后,在结果页面上单击Show query in ADQL form底部,在查询中,您将以SQL格式更改显示:

Select Top 500

至

Select

在查询的开头.

老部分(代码还可以,但我的结论是错的):

对于我使用的绘图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")

然而,这会产生类似于你的情节:

为了检查我怀疑GAIA存档的坐标是否正确显示,我从TESS图像的中心画一个1000弧秒的圆圈.正如您所看到的,它大致与GAIA位置数据点云的外部圆形(从图像中心看)对齐.我只是认为这些都是GAIA DR2档案中属于您搜索范围内的所有点.数据云甚至似乎在内部有一个方形边界,这可能来自某个方形视场.