使用 KStars 从你的 Linux 桌面或安卓设备眺望星辰。

我一直对夜空很着迷。当我年轻的时候，唯一可用的参考资料是书籍，它们似乎描绘了一个与我从家里看到的不一样的天空。

五年多前，我曾介绍过两个开源天文馆应用程序 Celestia 和 Stellarium 的使用体验。最近，我又了解到一个应用 KStars。这是一个令人惊叹的开源应用程序，可以帮助儿童（和成人）参与科学和天文学。它的网站上说：

“KStars 是一款自由开源的、跨平台的天文学软件。它提供了从地球上的任何位置、任何日期和时间对夜空的一个精确的图形化模拟。可展示包括多达 1 亿颗恒星，13,000 个深空天体，所有 8 个行星，太阳和月亮，以及数千颗彗星，小行星，超新星和卫星。“

KStars 是 KDE 教育项目 的一部分。最新版本可用于 Linux、Windows 和 MacOS，它集成了 StellarSolver，这是一个跨平台的 SExtractor 程序，它可以从天文图像构建一个天体目录。

安装 KStars

KStars 采用 GPL 2.0 协议自由授权。源代码可以在官方的 KDE GitLab 实例 查看（这是 GitHub 的一个只读镜像）。KDE 教育项目有着优秀的 安装文档。

我用的系统是 Pop!\_OS，可以在 Pop!\_Shop 找到这款应用程序。

可以从你的发行版的软件存储库中找到 KStars 在 Linux 上安装。而在安卓设备上，可以从 Google Play 商店 下载适配安卓的 KStars Lite。KDE 项目维护了一份优秀的 KStars 手册 来帮助用户。

使用 KStars

安装完后，从你的“ 应用 Applications ”菜单启动程序。启动向导会指导你完成初始化设置。

这些指示很容易理解。向导会提示设置你住所的位置。不幸的是，我所在的小村庄不在列表里，但附近一个更大的社区在里面。

你还可以下载该程序的其他数据和额外功能。

这里有很多可用的选项。我选择“ 在详细信息窗口中显示常见图像 Common images displayed in the detail window ”。

一旦完成设置，KStars 会呈现一张基于你的位置的夜空图。

左上角显示了当前时区（这张图里是 2020 年 11 月 30 日傍晚 5 点 58 分）。

使用鼠标左键，可以向左、向右、向上和向下移动显示。你可以使用鼠标滚轮进行放大和缩小。将鼠标光标放在天体上并右键单击可查看当前天体的描述。

参与

KStars 正在积极寻求错误报告、天文学知识、代码、翻译等方面的帮助。主要开发者和维护者是 Jasem Mutlaq。如果你愿意贡献一份力量，请访问 项目网站 或加入邮件列表以了解更多信息。

（题图由 FelixMittermeier 在 Pixabay 上发布）

via: https://opensource.com/article/21/1/kstars

作者：Don Watkins 选题：lujun9972 译者：hanszhao80 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出

使用 NumPy、SciPy、Scikit-Image 和 Astropy 探索宇宙

天文学与 Python

对科学界而言，尤其是对天文学界来说，Python 是一种伟大的语言工具。各种软件包，如 NumPy、SciPy、Scikit-Image 和 Astropy，（仅举几例） ，都充分证明了 Python 对天文学的适用性，而且有很多用例。（NumPy、Astropy 和 SciPy 是 NumFOCUS 提供资金支持的项目；Scikit-Image 是个隶属项目）。我在十几年前脱离天文研究领域，成为了软件开发者之后，对这些工具包的演进一直很感兴趣。我的很多前天文界同事在他们的研究中，使用着前面提到的大部分甚至是全部工具包。以我为例，我也曾为位于智利的超大口径望远镜（VLT）上的仪器编写过专业天文软件工具包。

最近令我吃惊的是，Python 工具包竟然演进到如此好用，任何人都可以轻松编写 数据还原 data reduction 脚本，产生出高质量的数据产品。天文数据易于获取，而且大部分是可以公开使用的，你要做的只是去寻找相关数据。

比如，负责 VLT 运行的 ESO，直接在他们的网站上提供数据下载服务，只要访问 www.eso.org/UserPortal 并在首页创建用户就可以享有数据下载服务。如果你需要 SPHERE 数据，可以下载附近任何一个包含 系外行星 exoplanet 或者 原恒星盘 proto-stellar discs 的恒星的全部数据集。对任何 Python 高手而言，通过还原数据发现深藏于噪声中的行星或者原恒星盘，实在是件令人兴奋的事。

我鼓励你下载 ESO 或其它天文影像数据，开启你的探索历程。这里提供几条建议：

1. 首先要有一个高质量的数据集。看一些有关包含系外行星或者原恒星盘的较近恒星的论文，然后在 http://archive.eso.org/wdb/wdb/eso/sphere/query 之类的网站检索数据。需要注意的是，前述网站上的数据有的标注为红色，有的标注为绿色，标注为红色的数据是尚未公开的，在相应的“发布日期”处会注明数据将来公开的时间。
2. 了解一些用于获取你所用数据的仪器的信息。尽量对数据的获取有一个基本的理解，对标准的数据还原之后应该是什么样子做到心中有数。所有的望远镜和仪器都有这方面的文档供公开获取。
3. 必须考虑天文数据的标准问题，并予以校正：

1. 数据以 FITS 格式文件保存。需要使用 `pyfits` 或者 `astropy` （包含 `pyfits` ）将其读入到 `NumPy` 数组。有些情况下，数据是三维的，需要沿 z 轴使用 `numpy.median` 将数据转换为二维数组。有些 SPHERE 数据在同一幅影像中包含了同一片天空的两份拷贝（各自使用了不同的滤波器），这时候需要使用 **索引** 和 **切片** 将它们分离出来。
2. <ruby> 全黑图 <rt>  master dark </rt></ruby>和<ruby> 坏点图 <rt>  bad pixel map </rt></ruby>。所有仪器都有快门全关（完全无光）状态拍摄的特殊图片，使用 **NumPy 掩膜数组** 从中分离出坏点图。坏点图非常重要，你在合成最终的清晰图像过程中，需要持续跟踪坏点。有些情况下，这还有助于你从原始科学数据中扣除暗背景的操作。
3. 一般情况下，天文仪器还要拍<ruby> 标准响应图 <rt>  master flat frame </rt></ruby>。这是对均匀的单色标准光源拍摄的一张或者一组图片。你需要将所有的原始数据除以标准响应之后再做后续处理（同样，使用 Numpy 掩膜数组实现的话，这仅仅是一个简单的除法运算）。
4. 对行星影像，为了使行星在明亮恒星背景下变得可见，需要仰仗<ruby> 日冕仪 <rt>  coronagraph </rt></ruby>和<ruby> 角差分成像 <rt>  angular differential imaging </rt></ruby>技术。这一步需要识别影像的光学中心，这是比较棘手的环节之一，过程中要使用 `skimage.feature.blob_dog` 从原始影像中寻找一些人工辅助影像作为帮助。

4. 要有耐心。理解数据格式并弄清如何操作需要一些时间，绘出像素数据曲线图或者统计图有助于你的理解。贵在坚持，必有收获！你会从中学到很多关于图像数据及其处理的知识。

综合应用 NumPy、SciPy、Astropy、scikit-image 及其它工具，结合耐心和恒心，通过分析大量可用的天文数据分析实现重大的发现是非常有可能的。说不定，你会成为某个之前被忽略的系外行星的第一发现者呢。祝你好运！

NumFOCUS 是个非盈利组织，维护着一套科学计算与数据科学方面的杰出开源工具集。如果想了解我们的任务及代码，可以访问 numfocus.org。如果你有兴趣以个人身份加入 NumFOCUS 社区，可以关注你所在地区的 PyData 活动。

本文基于 Pivigo CTO Ole Moeller-Nilsson 的一次 谈话，最初发布于 NumFOCUS 的博客，蒙允再次发布。如果你有意支持 NumFOCUS，可以 捐赠，也可以参与遍布全球的 PyData 活动 中你身边的那些。

via: https://opensource.com/article/19/10/python-astronomy-open-data

作者：Gina Helfrich, Ph.D. 选题：lujun9972 译者：silentdawn-zz 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出