A/Am 星大气参数反演的新方法

我们提出一种自动化流程，同时推导“正常” A 和 Am 星的有效温度 $T_{eff}$、表面重力 logg、金属丰度 [Fe/H] 和赤道投影自转速度 vsini。该流程基于 Paletou 等人 (2015a) 的主成分分析反演方法。从 Polarbase、SOPHIE 和 ELODIE 数据库检索的 322 条 F0-B9 恒星高分辨率光谱样本，用于以真实数据测试该技术。我们选择了 4400-5000\AA\ 光谱区域，因为它包含许多金属线和巴尔末 H$\beta$ 线。使用 R=42000、65000 和 76000 分辨率的 3 个数据集，计算了约 6.6x$10^6$ 条合成光谱以构建大型学习数据库。对这些学习数据集应用在线幂迭代算法以估计主成分 (PC)。光谱在少数 PC 上的投影提供了低维空间中高效的比较度量。已知 A0 和 A1 型恒星 Vega 和 Sirius A 的光谱被用作三个数据库中的控制光谱。其他已知 A 型恒星的光谱也用于表征反演技术的精度。所有观测光谱被反演并导出大气参数。去除少数异常值后，PCA 反演方法在确定 A/Am 星的 $T_{eff}$、[Fe/H] 和 vsini 方面显得非常高效。推导的参数与先前测定非常一致。使用统计方法，相对于文献中 A 型恒星的值，发现 $T_{eff}$、logg、[Fe/H] 和 vsini 的偏差分别约为 150 K、0.35 dex、0.15 dex 和 2 km/s。PCA 反演证明是估计 FGK 和 A 星恒星参数以及推导 M 星有效温度的一种非常快速、实用和可靠的工具。