4.3 - Normalisation du spectre par son continuum¶
Affichage du continuum
#Visualize continuum fitting
#imports
from astropy.modeling import models, fitting
from specutils.fitting import fit_generic_continuum
#prepare data
x = spec.spectral_axis
y = spec.flux
#fitting continuum (with exclude region between 3700A and 4000A)
g1_fit = fit_generic_continuum(spec, exclude_regions=[SpectralRegion(3700 * u.AA, 4000 * u.AA)])
y_continuum_fitted = g1_fit(x)
#make plot
fig10, ax10 = plt.subplots(figsize=(8,5))
#spectrum
ax10.plot(x, y)
#continuum
ax10.plot(x, y_continuum_fitted)
ax10.grid(True)
plt.show()
Division par le continuum
# Normalization
#prepare data
x_2 = spec.spectral_axis
y_2 = spec.flux
#fitting continuum (with exclude region 3700/4000 & H lines emission)
g_fit = fit_generic_continuum(spec, exclude_regions=[SpectralRegion(3700 * u.AA, 4000 * u.AA), SpectralRegion(4825 * u.AA, 4885 * u.AA), SpectralRegion(6520 * u.AA, 6540 * u.AA)])
#divide spectrum by his continuum
y_cont_fitted = g_fit(x_2)
spec_normalized = spec / y_cont_fitted
#show on plot
fig11, ax11 = plt.subplots(figsize=(8,5))
ax11.plot(spec_normalized.spectral_axis, spec_normalized.flux)
ax11.grid(True)
plt.show()
3.4 - Détection des raies d'émissions¶
Une fois le spectre normalisé, il est possible d'utiliser la méthode find_lines_derivative pour détecter les raies d'émissions, ou d'absorptions dans le spectre. Il existe deux méthodes pour cette étape, par calcul de la dérivée puis seuillage du flux (comme ci-dessous), ou par seuillage du flux en fonction d'un facteur appliqué à l'incertitude spectrale. Plus d'information sur ces méthodes ici : https://specutils.readthedocs.io/en/stable/fitting.html
#imports
from specutils.fitting import find_lines_derivative
from specutils.fitting import fit_lines
#Line fitting with Derivative technique
lines = find_lines_derivative(spec_normalized, flux_threshold=1.2)
print('emission: ', lines[lines['line_type'] == 'emission'])
4.5 - Sélection d'une région spectrale et affichage des valeurs d'analyse des raies¶
À partir de la détection des raies en émissions précédentes, la sélection d'une région spectrale associée permet de se concentrer sur une d'entre elles, Halpha par exemple, et d'utiliser les outils d'analyse existant afin de récupérer les valeurs (i.e. centroïde, fhwm, snr, estimation des paramètres d'un modèlé Gaussient, etc..). Plus d'informations sur ces outils d'analyse ici : https://specutils.readthedocs.io/en/stable/fitting.html#parameter-estimation
#import analysis tools
from specutils.manipulation import extract_region
from specutils.fitting import estimate_line_parameters
from specutils.analysis import centroid, fwhm
#create spectral region (after line detection of 6562.77A) +/- 50A
sr = SpectralRegion((6563-50)*u.AA, (6563+50)*u.AA)
#print centroid - need a spectrum and a spectral region in parameters
center = centroid(spec_normalized, sr)
print("center : ", center)
#print fwhm - need a spectrum and a spectral region in parameters
fwhm_spec = fwhm(spec_normalized, regions=sr)
print("fwhm : ", fwhm_spec)
#create a new spectrum of the selected region for plot
sub_spectrum = extract_region(spec_normalized, sr)
Ha_line = Spectrum1D(flux=sub_spectrum.flux,spectral_axis=sub_spectrum.spectral_axis)
#plot
fig12, ax12 = plt.subplots(figsize=(8,5))
ax12.plot(Ha_line.spectral_axis, Ha_line.flux)
ax12.grid(True)
plt.show()
