利用 S-PLUS 数据测绘南半球 H$\alpha$ 超额候选点源

背景。我们使用南天光度学局部宇宙巡天 (S-PLUS) 第四次数据发布 (DR4) 来识别和分类南天中的 H$\alpha$ 超额点源，将来自 12 个 S-PLUS 滤光片的光度学数据与机器学习相结合，以改进对 H$\alpha$ 相关现象的分类。目标。我们的目标是通过区分银河系内和河外天体（特别是那些具有红移发射线的天体）并识别诸如 RR Lyrae 星等变光现象，来对 H$\alpha$ 超额点源进行分类。方法。我们使用来自 S-PLUS 主巡天 (MS) 和银河系盘面巡天 (GDS) 的 ($r - J0660$) vs. ($r - i$) 颜色-颜色图来选择 H$\alpha$ 超额候选体。使用 UMAP 进行降维和 HDBSCAN 聚类来分离源类型。结合了红外数据，并在聚类结果上训练了随机森林模型以识别关键颜色特征。来自 S-PLUS MS 和红外数据的新的颜色-颜色图提供了初步分类。结果。将多波长数据与机器学习相结合显著改善了 H$\alpha$ 超额源的分类。我们识别了 6956 个在 $J0660$ 滤光片中具有超额的源。与 SIMBAD 的交叉匹配探索了天体类型，包括发射线星、年轻恒星体、星云、恒星双星、激变变星、QSO、AGN 和星系。使用 S-PLUS 颜色和机器学习，我们将 RR Lyrae 星与其他源分离开来。银河系内和河外源的分离更加清晰，但在某些红移下区分激变变星与 QSO 仍然具有挑战性。红外数据改进了分类，并且随机森林模型突出了用于未来后续光谱观测的关键颜色特征。