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)

plt.imshow(hdul.data)

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

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

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

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.

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')

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='+')

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

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

最佳答案

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

Select

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")

关于python - 如何使用 Python 将 Gaia 天体测量数据绘制为 TESS 图像？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54116787/