致密行星状星云：基于分类树建模改进的红外诊断判据

行星状星云（PNe）是强 H$\alpha$ 线发射体，SuperCOSMOS AAO/UKST H$\alpha$ 巡天（SHS）和 Isaac Newton 望远镜测光 H$\alpha$ 巡天（IPHAS）已发现大量新 PNe。然而，在这些巡天以及任何测光巡天中，在光谱后续观测确认其性质之前，自动生成的 H$\alpha$ 超量候选体列表包含所有种类的 H$\alpha$ 线发射体，如年轻恒星天体（YSOs）、H II 区、致密 PNe 以及各种发射线星。本工作的目标是利用机器学习方法以及 Two-Micron All-Sky Survey 和 Wide-field Infrared Survey Explorer 的测光数据，找到能更好区分致密 PNe 与其相似体的新红外判据。我们开发了三个分类树模型，其颜色判据如下：W1-W4$\ge$7.87 且 J-H$<$1.10；H-W2$\ge$2.24 且 J-H$<$0.50；以及 Ks-W3$\ge$6.42 且 J-H$<$1.31，从而提供一份具有高概率为真实 PNe 的候选体列表。该候选体列表受 H$\alpha$ 相似体污染的程度较低但不可忽略。将这些判据应用于 IPHAS 的 PN 候选体列表以及完整的 IPHAS 和 VPHAS+ DR2 星表，我们找到了 141 个源，其中 92 个是已知 PNe，39 个是新的极可能为致密 PNe 的源（无可用分类或不确定），10 个被分类为 H II 区、Wolf-Rayet 星、AeBe 星和 YSOs。该技术的假阳性识别率在 10% 至 15% 之间。