FacetClumps：一种基于分面的分子团块探测算法

全面理解分子团块对于研究恒星形成至关重要。我们提出一种称为FacetClumps的分子团块探测算法。该算法采用形态学方法从原始数据中提取信号区域。采用高斯分面（Gaussian Facet）模型拟合信号区域，增强了算法在多样重叠区域中的抗噪性与稳定性。多元函数极值判定定理的引入为自动定位团块中心提供了理论指导。为保证每个团块的连续性，基于梯度将信号区域分割为局部区域，随后根据连通性与到团块中心的最小距离将局部区域聚类至团块中心，以识别各团块的区域信息。基于模拟与合成数据的实验表明，FacetClumps具有极高的召回率与精确率、较小的位置误差与流量损失、检测团块区域与模拟团块区域间高度一致，且在各类环境中总体稳定。值得注意的是，FacetClumps在包含MWISP的$^{13}CO$（$J = 1-0$）发射线（$11.7^{\circ} \leq l \leq 13.4^{\circ}$，$0.22^{\circ} \leq b \leq 1.05^{\circ}$，5 km s$^{-1}$ $\leq v \leq$ 35 km s$^{-1}$）与模拟团块的合成数据中的召回率达到90.2%。此外，FacetClumps应用于观测数据时也表现出令人满意的性能。