DESI Legacy Imaging Surveys

该数据集名为DESI Legacy Imaging Surveys，是由中国科学院上海天文台的研究团队创建的，包含了62,962个具有环结构的星系图像。数据集主要用于研究星系环的形成机制和演化历史，为天文学家提供了重要的数据支持。

This dataset, named DESI Legacy Imaging Surveys, was created by a research team from the Shanghai Astronomical Observatory, Chinese Academy of Sciences. It contains 62,962 galaxy images with ring structures. The dataset is primarily used to investigate the formation mechanisms and evolutionary histories of galactic rings, providing critical data support for astronomers.

原始信息汇总

DESI Legacy Imaging Surveys 数据集概述

数据集简介

• 项目名称：DESI Legacy Imaging Surveys
• 目标：构建光学和红外波段的河外星系天空推断模型
• 覆盖范围：
  • 原始调查：北半球约14,000平方度的河外星系天空
  • 当前扩展：自洽扩展至>20,000平方度

观测数据

• 原始调查波段：
  • 光学波段：g, r, z
  • 红外波段：NEOWISE的4个波段
• 扩展数据：
  • 额外光学波段：g, r, i, z（来自NOIRLab数据档案的公共DECam数据）

组成项目

• 原始调查：
  • Beijing-Arizona Sky Survey (BASS)
  • DECam Legacy Survey (DECaLS)
  • Mayall z-band Legacy Survey (MzLS)
• 扩展数据：
  • Extra DECam data (NOIRLab Archive)

当前数据版本

• 版本号：DR10.1
• 发布时间：2023年9月
• 版本差异说明：详见"known issues"页面

相关资源

• 综述文献：Dey et al. (2019)
• 交互式地图：提供在线查看功能

搜集汇总

数据集介绍

构建方式

DESI Legacy Imaging Surveys数据集的构建采用了半监督深度学习模型GC-SWGAN，通过结合标注的环形星系数据（来自CSRG和GZ2-CNRG目录）与未标注的DESI巡天数据，有效解决了环形星系样本稀缺的问题。标注数据包括超过5,000个经形态学专家确认的环形星系，以及严格筛选的非环形星系样本。数据预处理包括图像裁剪、归一化和增强，确保了输入数据的质量和一致性。

特点

该数据集的特点在于其大规模和高精度，包含了62,962个环形星系，是目前最大的环形星系目录。数据集覆盖了0.0005 < z < 0.25的红移范围和r波段视星等小于17.0的星系，确保了形态特征的清晰可辨。此外，数据集通过半监督学习方法显著降低了对大量标注数据的依赖，同时保持了高分类准确率（97%）和召回率（93%）。

使用方法

数据集的使用方法包括下载DESI Legacy Imaging Surveys的星系图像，应用训练好的GC-SWGAN模型进行环形星系预测。用户可以根据需要调整分类概率阈值（如0.5或0.9）以平衡准确率和召回率。数据集适用于研究星系环形结构的形成机制、动力学特性以及星系的颜色和恒星形成率分布，为后续的天文学研究提供了重要数据支持。

背景与挑战

背景概述

DESI Legacy Imaging Surveys数据集是用于支持暗能量光谱仪（DESI）宇宙学研究的重要成像资源，由上海师范大学天体物理重点实验室等机构的研究团队创建。该数据集的核心研究问题是通过半监督深度学习模型GC-SWGAN识别盘状星系中的环状结构，以解决传统方法在统计显著性样本获取上的不足。数据集的影响力体现在其为星系演化动力学研究提供了迄今为止最大的环状星系样本，显著推动了相关领域的发展。

当前挑战

DESI Legacy Imaging Surveys数据集面临的挑战主要包括两个方面：1) 在领域问题解决上，环状星系的稀缺性和识别难度对模型的泛化能力提出了较高要求；2) 在构建过程中，高质量标注数据的获取成本高昂，且地面望远镜成像质量限制了特征识别的精度。此外，数据分布的不平衡性（低红移高亮度样本占主导）也影响了模型在高红移区域的性能表现。

常用场景

经典使用场景

DESI Legacy Imaging Surveys数据集在天文学领域被广泛应用于星系形态学研究，特别是针对盘星系环状结构的检测与分析。该数据集通过高分辨率多波段成像数据，结合半监督深度学习模型（如GC-SWGAN），实现了对稀少环状星系的高效识别。其经典应用场景包括构建大规模环状星系样本库，为研究星系动力学演化、共振环形成机制及星系相互作用提供数据支撑。

实际应用

在实际观测中，该数据集支撑了地面望远镜（如Mayall、Blanco等）的大规模巡天项目数据处理。通过自动化识别流程，可在15分钟内完成75万星系图像的环状结构筛查，效率远超传统人工分类方法。其生成的环状星系目录已被用于研究星系绿色山谷现象，揭示环状结构与宿主星系星形成活动转变的关联性，为星系演化路径分析提供观测依据。

衍生相关工作

基于该数据集衍生的经典工作包括：1) GC-SWGAN半监督框架的开发，将WGAN-GP与表示聚类技术结合，在低标注数据条件下实现97%的分类准确率；2) 环状星系物理性质分析，首次系统揭示环状星系在g-r颜色与特定星形成率分布上的聚集特征；3) 与Euclid、CSST等空间望远镜数据的交叉验证工作，推动了多尺度星系形态学研究的协同发展。