作者: Xiaoyun Xu, Xiaobing Wang, Karri Muinonen, Antti Penttil, Nanping Luo, Shenghong Gu, Leilei Sun, Fukun Xu, Yisi Liu, Yue Xiang, Dongtao Cao, Jianhua Wang
提交日期: 2024年1月27日
摘要:
小行星的光变曲线对于确定其物理特性（包括形状、自转、大小和表面成分）至关重要。然而，由于缺乏测光数据，大多数小行星都缺失了部分这些基本物理参数。虽然少数望远镜或巡天项目专门为小行星的光变曲线观测而设计，但许多旨在搜寻新系外行星、暂现事件等的陆基和天基巡天项目，应该会捕获大量太阳系小天体。这将有益于对这些天体的物理研究。为了从时域测光巡天中提取这些移动天体的数据，我们开发了一种利用机器学习领域模型树算法的新方法。构建了一个专用模块来自动识别数据集中的移动天体，并提取其测光和天体测量数据。作为这种新方法的首次应用，我们分析了云南-香港宽视场测光巡天的五个天区的数据，从中成功提取了211颗小行星的538条光变曲线。同时，我们也基于NASA的凌星系外行星巡天卫星的数据测试了该方法，结果证明了我们方法的可靠性。利用从云南-香港巡天中得到的13颗小行星的光变曲线，我们确定了它们的会合自转周期，其中4颗小行星的周期是首次被估算。未来，我们计划将这种方法应用于从中国空间站望远镜巡天中搜寻太阳系外部的微小天体。
主题分类:
* 地球与行星天体物理学 (astro-ph.EP)
* 天体物理学仪器与方法 (astro-ph.IM)
相关资源:
* arXiv链接: https://arxiv.org/abs/2401.15320
* DOI: https://doi.org/10.1093/mnras/stad765