Summary

Mapeamento de superfície de exoplanetas semelhantes à Terra usando curvas de luz de ponto único

Published: May 10, 2020
doi:

Summary

O protocolo extrai informações de curvas de luz de exoplanetas e constrói seus mapas superficiais. Ele usa curvas de luz da Terra, que serve como um exoplaneta proxy, para demonstrar a abordagem.

Abstract

Resolver espacialmente características de exoplanetas a partir de observações de ponto único é essencial para avaliar a potencial habitabilidade de exoplanetas. O objetivo final deste protocolo é determinar se esses mundos planetários abrigam características geológicas e/ou sistemas climáticos. Apresentamos um método de extrair informações de curvas de luz de um ponto único de comprimento de onda e recuperar mapas de superfície. Utiliza decomposição de valor singular (SVD) para separar fontes que contribuem para variações de curvas leves e inferem a existência de sistemas climáticos parcialmente nublados. Através da análise das séries temporais obtidas a partir de SVD, as atribuições físicas dos componentes principais (PCs) poderiam ser inferidas sem suposições de quaisquer propriedades espectrais. Combinando com a geometria de visualização, é viável reconstruir mapas superficiais se um dos PCs for encontrado para conter informações de superfície. A degeneração originada da convolução da geometria dos pixels e das informações de espectro determina a qualidade dos mapas de superfície reconstruídos, o que requer a introdução da regularização. Com o objetivo de demonstrar o protocolo, são analisadas as curvas de luz de vários comprimentos de onda da Terra, que serve como um exoplaneta proxy. A comparação entre os resultados e a verdade fundiária é apresentada para mostrar o desempenho e limitação do protocolo. Este trabalho fornece uma referência para a generalização futura de aplicações de exoplanetas.

Introduction

Identificar mundos habitáveis é um dos objetivos finais da astrobiologia1. Desde a primeira detecção2, mais de 4000 exoplanetas foram confirmados até o momento3 com um número de análogos da Terra (por exemplo, TRAPPIST-1e)4. Esses planetas têm propriedades orbitais e planetárias semelhantes às da Terra, e, portanto, são potencialmente habitáveis. Avaliar sua habitabilidade a partir de observações limitadas é essencial nesse contexto. Com base no conhecimento da vida na Terra, os sistemas geológicos e climáticos são críticos para a habitabilidade, que, portanto, pode servir como bioassinaturas. Em princípio, características desses sistemas poderiam ser observadas à distância mesmo quando um planeta não poderia ser resolvido espacialmente melhor do que um único ponto. Neste caso, identificar características geológicas e sistemas climáticos a partir de curvas de luz de ponto único é essencial ao avaliar a habitabilidade dos exoplanetas. O mapeamento superficial desses exoplanetas torna-se urgente.

Apesar da convolução entre a geometria de visualização e as características espectrais, as informações da superfície de um exoplaneta estão contidas em suas curvas de luz de ponto único resolvidas pelo tempo, que podem ser obtidas à distância, e derivadas com observações suficientes. No entanto, o mapeamento de superfície bidimensional (2D) de exoplanetas potencialmente habitáveis semelhantes à Terra é desafiador devido à influência das nuvens. Métodos de recuperação de mapas 2D foram desenvolvidos e testados usando curvas de luz simuladas e espectros conhecidos5,6,7,8, mas não foram aplicados a observações reais. Além disso, nas análises das observações de exoplanetas agora e em um futuro próximo, suposições de espectros característicos podem ser controversas quando as composições da superfície planetária não são bem constrangidas.

Neste artigo, demonstramos uma técnica de mapeamento de superfície para exoplanetas semelhantes à Terra. Usamos SVD para avaliar e separar informações de diferentes fontes que estão contidas em curvas de luz de vários comprimentos de onda sem suposições de qualquer espectro específico. Combinado com a geometria de visualização, apresentamos a reconstrução de mapas superficiais usando informações de superfície oportunamente resolvidas, mas espacialmente complicadas. Para demonstrar este método, observações de dois anos de comprimento de onda de um ponto único da Terra obtidas pelo Deep Space Climate Observatory/Earth Polychromatic Imaging Camera (DSCOVR/EPIC; www.nesdis.noaa.gov/DSCOVR/spacecraft.html) são analisadas. Usamos a Terra como um exoplaneta proxy para avaliar esse método porque as observações disponíveis atualmente de exoplanetas não são suficientes. Anexamos o código ao papel como exemplo. É desenvolvido sob python 3.7 com pacotes anaconda e healpy, mas a matemática do protocolo também pode ser feita em outros ambientes de programação (por exemplo, IDL ou MATLAB).

Protocol

1. Configuração de programação Configure o ambiente de programação para o código anexado. Um computador com sistema operacional Linux é necessário, pois o pacote healpy não está disponível no Windows. O código não é computacionalmente caro, então um computador pessoal normal pode lidar com o protocolo. Siga a instrução (https://docs.anaconda.com/anaconda/install/linux/) para instalar o Anaconda com Python 3.7 no sistema e use os seguintes comandos no terminal para configurar o ambien…

Representative Results

Usamos curvas de luz de um ponto único de comprimento de onda da Terra para demonstrar o protocolo, e comparamos os resultados com a verdade do solo para avaliar a qualidade do mapeamento da superfície. A observação utilizada aqui é obtida pelo DSCOVR/EPIC, que é um satélite localizado perto do primeiro ponto lagrangiano (L1) entre a Terra e o Sol tirando imagens em dez comprimentos de onda da face iluminada pelo sol da Terra. Dois anos (2016 e 2017) de observações são utilizados para esta demonstração, que s…

Discussion

Um requisito crítico do protocolo é a viabilidade de extrair informações superficiais de curvas de luz, o que depende da cobertura da nuvem. Na etapa 3.5.1, os valores relativos dos PCs podem ser diferentes entre exoplanetas. No caso da Terra, os dois primeiros PCs dominam as variações da curva de luz, e correspondem a nuvens e superfícies independentes da superfície (Fan et al. 2019)13. Eles têm valores singulares comparáveis para que as informações de superfície possam ser separadas…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Este trabalho foi parcialmente apoiado pelo Laboratório de Propulsão a Jato, Instituto de Tecnologia da Califórnia, sob contrato com a NASA. YLY reconhece o apoio do Laboratório Planetário Virtual da Universidade de Washington.

Materials

Python 3.7 with anaconda and healpy packages Other programming environments (e.g., IDL or MATLAB) also work.

References

  1. Schwieterman, E. W., et al. Exoplanet Biosignatures: A Review of Remotely Detectable Signs of Life. Astrobiology. 18 (6), 663-708 (2018).
  2. Campbell, B., Walker, G. A. H., Yang, S. A Search for Substellar Companions to Solar-type Stars. The Astrophysical Journal. 331, 902 (1988).
  3. NASA. . NASA Exoplanet Archive (2019) Confirmed Planets Table. , (2019).
  4. Gillon, M., et al. Seven temperate terrestrial planets around the nearby ultracool dwarf star TRAPPIST-1. Nature. 542 (7642), 456-460 (2017).
  5. Kawahara, H., Fujii, Y. Global Mapping of Earth-like Exoplanets from Scattered Light Curves. The Astrophysical Journal. 720 (2), 1333 (2010).
  6. Fujii, Y., Kawahara, H. Mapping Earth Analogs from Photometric Variability: Spin-Orbit Tomography for Planets in Inclined Orbits. The Astrophysical Journal. 755 (2), 101 (2012).
  7. Cowan, N. B., Fujii, Y. Mapping Exoplanets. Handbook of Exoplanets. , (2018).
  8. Farr, B., Farr, W. M., Cowan, N. B., Haggard, H. M., Robinson, T. exocartographer: A Bayesian Framework for Mapping Exoplanets in Reflected Light. The Astronomical Journal. 156 (4), 146 (2018).
  9. Lomb, N. R. Least-Squares Frequency Analysis of Unequally Spaced Data. Astrophysics and Space Science. 39 (2), 447 (1976).
  10. Scargle, J. D. Studies in astronomical time series analysis. II. Statistical aspects of spectral analysis of unevenly spaced data. The Astrophysical Journal. 263, 835 (1982).
  11. Górski, K. M., et al. HEALPix: A Framework for High-Resolution Discretization and Fast Analysis of Data Distributed on the Sphere. The Astrophysical Journal. 622 (2), 759 (2005).
  12. Jiang, J. H., et al. Using Deep Space Climate Observatory Measurements to Study the Earth as an Exoplanet. The Astronomical Journal. 156 (1), 26 (2018).
  13. Fan, S., et al. Earth as an Exoplanet: A Two-dimensional Alien Map. The Astrophysical Journal Letters. 882 (1), 1 (2019).
  14. Cowan, N. B., Strait, T. E. Determining Reflectance Spectra of Surfaces and Clouds on Exoplanets. The Astrophysical Journal Letters. 765 (1), 17 (2013).
  15. Fujii, Y., Lustig-Yaeger, J., Cowan, N. B. Rotational Spectral Unmixing of Exoplanets: Degeneracies between Surface Colors and Geography. The Astronomical Journal. 154 (5), 189 (2017).
  16. Kawahara, H., Fujii, Y. Mapping Clouds and Terrain of Earth-like Planets from Photomertic Variability: Demonstration with Planets in Face-on Orbits. The Astrophysical Journal Letters. 739 (2), 62 (2011).
  17. Kawahara, H. Frequency Modulation of Directly Imaged Exoplanets: Geometric Effect as a Probe of Planetary Obliquity. The Astrophysical Journal. 822 (2), 112 (2016).
  18. Schwartz, J. C., Sekowski, C., Haggard, H. M., Pall ́e, E., Cowan, N. B. Inferring planetary obliquity using rotational and orbital photometry. Monthly Notices of the Royal Astronomical Society. 457 (1), 926-938 (2016).

Play Video

Cite This Article
Fan, S., Yung, Y. L. Surface Mapping of Earth-like Exoplanets using Single Point Light Curves. J. Vis. Exp. (159), e60951, doi:10.3791/60951 (2020).

View Video