«ما می‌دانیم که هنوز چیزهای بیشتری برای کشف در داده‌های NEOWISE وجود دارد که تاکنون متوجه آن‌ها نشده‌ایم.»
تلسکوپ فضایی Wide-field Infrared Survey Explorer (WISE) ناسا در سال ۱۳۸۷ به مدار زمین پرتاب شد و در سال ۱۳۸۹ به حالت تعلیق درآمد. اما در سال ۱۳۹۱ این کاوشگر برای مأموریتی جدید به نام NEOWISE که بر شناسایی سیارک‌ها و دنباله‌دارها متمرکز بود، دوباره فعال شد.
ماموریت NEOWISE در تابستان گذشته برای همیشه پایان یافت و در ۱ نوامبر به زمین بازگشت. در طول عمر طولانی و پربار خود، این کاوشگر نزدیک به ۱۵ سال در فضا فعالیت کرد، ۲۱ بار کل آسمان شب را در طیف مادون قرمز بررسی کرد و پدیده‌های کیهانی متنوعی را ثبت کرد.
بیشتر دوران فعالیت خود، این تلسکوپ بر شناسایی و مشاهده اجرام کوچک منظومه شمسی، مانند سیارک‌ها، دنباله‌دارها و دیگر اجرام نزدیک به زمین (NEOs) متمرکز بود. با مشاهده مکرر قسمت‌های خاصی از آسمان شب در فواصل زمانی مختلف، پژوهشگران توانستند حرکت و رفتار بسیاری از اجرام آسمانی نزدیک را ردیابی کنند.
آخرین مجموعه داده‌های NEOWISE در ۲۴ آبان در دسترس جامعه نجومی قرار گرفت. به مناسبت این نقطه عطف و برای جشن موفقیت این مأموریت، اعضای تیم NEOWISE شش تصویر جدید را از آرشیو این تلسکوپ منتشر کردند.
جو مازیرو، معاون محقق اصلی NEOWISE و دانشمند پژوهشی در مرکز IPAC، در بیانیه‌ای در تاریخ ۶ آذر گفت:
«توانایی مشاهده تغییرات آسمان در طول نزدیک به ۱۵ سال، راه جدیدی را برای علم حوزه زمانی باز کرده است، از نزدیک‌ترین سیارک‌ها تا دورترین کوازارها.»
مرکز IPAC که در محوطه مؤسسه فناوری کالیفرنیا (Caltech) در پاسادنا قرار دارد، در ابتدا به معنای “مرکز پردازش و تحلیل داده‌های مادون قرمز” بود. اما این مرکز اکنون فراتر از نام اولیه خود توسعه یافته و خدمات گسترده‌ای برای بیش از ۲۰ مأموریت و پروژه، هم در رصدخانه‌های فضایی و هم زمینی، ارائه می‌دهد.
یکی از تصاویر جدید منتشر شده، سحابی کالیفرنیا را در تمام شکوه خود نشان می‌دهد. این تصویر مادون قرمز، ابرهای غبار سبز و قرمز زیرین سحابی را درخشان در برابر پس‌زمینه‌ای از ستارگان به تصویر می‌کشد.
سحابی کالیفرنیا، که حدود ۱۰۰ سال نوری عرض دارد، در فاصله ۱۰۰۰ سال نوری از زمین، در صورت فلکی برساوش واقع شده است. این سحابی به دلیل شباهتش به خط ساحلی کالیفرنیا نام‌گذاری شده است، و به گفته مازیرو، این تصویر برای تیم پردازش داده NEOWISE در IPAC بسیار معنادار است.
او گفت:
«من واقعاً از همه کسانی که در IPAC تلاش زیادی کردند تا این مجموعه داده بهترین باشد، برای امروز و نسل‌های آینده، سپاسگزارم.»
تصویر برجسته دیگر، سحابی گکو را نشان می‌دهد که به دلیل شباهت بخشی از آن به پوزه مارمولک این نام را به خود گرفته است. اعضای تیم IPAC در توضیح این تصویر نوشتند:
«نزدیک “پوزه” مارمولک، ستاره‌ای شعله‌ور با رنگ قرمز قوی دیده می‌شود که به دلیل درخشش آن در طول موج‌های بلندتر نور مادون قرمز است. این ستاره جوان در مراحل پایانی شکل‌گیری خود قرار دارد و در حالی که آخرین منابع سوخت خود را مصرف می‌کند، بخشی از آن را به شکل جت‌های گازی خارج می‌کند که حفره‌هایی را در میان ابرهای غبار اطراف ایجاد می‌کنند.»
تصویر سوم، سحابی CG12 را نشان می‌دهد که شبیه به یک بچه قورباغه به نظر می‌رسد. توضیحات تصویر IPAC می‌گوید:
«این سحابی نمونه‌ای از “گلوبول دنباله‌دار” است، جایی که یک ناحیه متراکم از غبار به صورت رشته‌هایی نخ‌مانند کشیده شده است. در حالی که مشاهده آن در تصاویر نوری دشوار است، WISE به‌راحتی دم گلوبول را به طور کامل نشان می‌دهد، زیرا در طول موج‌های بلندتر نور مادون قرمز می‌درخشد.»
شما می‌توانید همه شش تصویر را در بیانیه ۶ آذر IPAC مشاهده کنید و درباره آن‌ها بیشتر بدانید. به گفته اعضای تیم مأموریت، این تصاویر تنها بخش کوچکی از گنجینه‌های پنهان در آرشیو WISE/NEOWISE هستند.
مازیرو گفت:
«ما می‌دانیم که هنوز چیزهای بیشتری برای کشف در داده‌های NEOWISE وجود دارد که تاکنون متوجه آن‌ها نشده‌ایم. همان‌طور که ستاره‌شناسان ابزارها و تکنیک‌های جدیدی توسعه می‌دهند و بررسی‌های جدیدی انجام می‌دهند، مطمئنیم که آرشیو NEOWISE یکی از اولین مکان‌هایی خواهد بود که برای دستیابی به داده‌های لازم برای درک بهتر جهان به آن رجوع خواهیم کرد.»
![import numpy as np import h5py data='/content/drive/MyDrive/SILIXA_iDAS015_181219184621_fieldID000212.h5' data1=h5py.File(data,'r') print(data1.keys()) display(data1) display(data) raw_data = data1['DasRawData']['RawData'] x_axis = np.arange(raw_data.shape[1]) t_axis = np.arange(raw_data.shape[0]) print(x_axis.shape) print(t_axis.shape) import matplotlib.pyplot as plt import numpy as np ns = 30000 fs = 1000 dx = 1.021 nx = 3136 GL = 10 x = np.arange(nx) * dx def u(x, t): return np.exp(-(x - t)**2) def calculate_result(x): return 1/10 * (u(x - 5, t) - u(x + 5, t)) traces = [] for t in range(0,30000): tr = [calculate_result(x_val) for x_val in x] traces.append(tr) traces_array = np.array(traces) print(f"traces_array : {traces_array.shape}")](https://spacenota.ir/wp-content/uploads/2025/05/big-ring-body-420x280.webp)
