行星状星云形态学的主成分分析方法

主成分分析（PCA）是一种用于去相关一组向量的知名技术。它已被应用于探索星系的恒星形成历史或测定质量损失恒星的距离。在此，我们将 PCA 应用于行星状星云（PNe）的光学数据，旨在提取关于其形态差异的信息。对 55 个具有已知丰度和形态的 PNe 样本的初步分析表明，第二主成分（PC2）由参数 log(N/O)、PNe 的初始质量和最终质量之间的关系产生，且依赖于 PNe 的形态。研究发现，当 log(N/O) < -0.18 时，无论是双极型（B）、椭圆型（E）还是圆型（R）PNe，其氮含量均较低，且与氧丰度无关。一个有趣的结果是，E 型和 R 型 PNe 的 log(N/O) < 0，而只有 B 型 PNe 显示出负值和正值。因此，预计 B 型 PNe 具有比 E 型和 R 型 PNe 更高的氮值。继此之后，通过对第二个包含 35 个 PNe 的样本分析，还发现 B 型 PNe 的电子密度$n_{e}$也更高。此外，在所有 PNe 形态中，PC2 似乎在 0.89 处出现最小值，而 PNe 的初始质量在 2.6 个太阳质量处。文中还展示了 PCA 分量与物理参数之间的 5 维图。随着简单模型的应用以试图赋予各分量物理意义，更多结果将陆续呈现。