基于恒星库MILES的光学吸收线指数经验校准

吸收线指数的星族模型是分析星族光谱的重要工具。通过对吸收线指数与恒星参数（有效温度、金属丰度和表面重力）进行经验校准，即所谓的拟合函数，可以实现最精确的建模。本文基于新的恒星库MILES，给出了25个光学Lick吸收线指数的新的经验拟合函数。相对于Lick/IDS库，主要的改进在于对恒星参数空间的更好采样、总体上更高的信噪比以及仔细的流量校准。事实上，我们发现MILES中单个指数测量的误差远小于Lick/IDS中的误差。相反，我们发现最终拟合函数与数据之间的残差均方根主要由恒星参数的误差主导。我们提供了Lick/IDS和MILES两种光谱分辨率下的拟合函数，并将我们的结果与文献中的其他拟合函数进行了比较。为了简化在星族模型中的实现，我们在线提供了Fortran 90代码。我们进一步计算了Lick/IDS系统与流量校准系统之间在指数测量上的偏移。为此，我们使用了MILES、ELODIE和STELIB这三个库。我们发现某些情况下的偏移可以忽略不计，最显著的是对于广泛使用的指数Hbeta、Mgb、Fe5270和Fe5335。然而，在许多情况下，流量校准库与Lick/IDS之间的差异显著，且偏移依赖于指数强度。有趣的是，对于大量指数，这三个库之间并不存在普遍的一致性，这阻碍了Lick/IDS与流量校准系统之间通用偏移的推导。