Введение
В качестве основы для проекта использованы данные космической астрономической миссии Gaia Европейского космического агентства (ESA), а именно — каталог Gaia Data Release 3 (DR3).
Почему эти дынные представляют интерес?
Gaia — одна из самых точных астрометрических миссий. Работа с её каталогами — это работа с реальными измерениями расстояний и яркостей звёзд, а не с искусственными примерами.
По этим данным можно изучать структуру ближайшей звёздной окрестности:
- какие звёзды окружают Солнце;
- как распределены их расстояния;
- какие звёзды являются самыми яркими и самыми тусклыми поблизости;
- как цвет (температура) связан с яркостью.
Изучить от чего зависит яркость звезды:
- её собственной светимости;
- расстояния до наблюдателя;
- физических свойств (массы, температуры, стадии эволюции).
На примере данных Gaia удобно:
- визуально показать связь между видимой и абсолютной звёздной величиной;
- объяснить, как из параллакса получить расстояние;
- визуально понятно и привлекательно продемонстрировать простые статистические методы (распределения, корреляции) на реальных астрономических данных.
Этапы работы:
Из Gaia Archive была выгружена таблица с ближайшими к Солнцу звёздами. При выгрузке использовались следующие поля:
- source_id — уникальный идентификатор звезды в каталоге Gaia;
- ra, dec — экваториальные координаты (прямое восхождение и склонение, в градусах);
- parallax — параллакс в миллисекундах дуги (mas);
- parallax_over_error — отношение параллакса к его ошибке (показатель качества измерений);
- phot_g_mean_mag — видимая звёздная величина в фотометрическом фильтре G;
- bp_rp — цветовой индекс BP–RP (разность звёздных величин в «синем» и «красном» фотометрических фильтрах).
Файл с данными был сохранён в формате CSV
Визуализация данных
Источниками вдохновения послужили: — астрономические фотографии ночного неба и Млечного Пути; — визуализации Gaia HR-диаграмм, публикуемые ESA; — постеры космической тематики в стиле «science art» и «space art».
Цветовая палитра (минимализм)
Фон: тёмно-серый или глубокий синеватый, почти чёрный. Точки: ограниченная палитра 7-8 оттенков по спектральным типам. Подписи: светлый серый, минимальная типография без засоренности. Акценты: один яркий оттенок для выделения текущего объекта или интересного диапазона.
Шрифты и типографика
Без засечек, геометрический стиль. Заголовки крупнее, подписи маленькие и разборчивые.
Визуализации построены так, чтобы шаг за шагом рассказывать историю о ближайших звёздах.
График 1. Гистограмма расстояний
Гистограммы расстояний и яркостей отвечают на вопрос: «Как много звёзд находится на тех или иных расстояниях и насколько они яркие?».
График 2. Зависимость видимой яркости от расстояния
Диаграмма «расстояние — видимая звёздная величина» показывает, как яркость звезды уменьшается с расстоянием и насколько разнообразны светимости самих звёзд (по разбросу значений на одном и том же расстоянии)
График 3. Диаграмма цвет–яркость (HR‑подобная диаграмма)
Диаграмма цвет–яркость (аналог HR-диаграммы) объясняет, что цвет связан с температурой поверхности звезды, а абсолютная величина — с её собственной светимостью. На диаграмме видно, что большинство ближайших звёзд — сравнительно тусклые и красные (красные карлики), в то время как яркие звёзды встречаются реже.
График 4. Карта неба (RA–Dec, размер ∝ яркость)
Карта ближайших звёзд на небесной сфере связывает абстрактные численные характеристики (параллаксы, величины) с реальным видом неба, показывая, где на небесной сфере расположены эти звёзды.
Описание применения генеративной модели
В рамках проекта нейросеть Модель Chat GPT.5 использовалась для помощи в постановки задачи и построения пошагового плана действий, поиска подходящей базы данных и навигации по ней. Для анализа числовых данных и построения графиков применялась библиотека Python (Pandas).
Промпты:
«Создай пошаговый план для реализации проекта с указанными критериями»
«Помоги выбрать тему для проекта, связанную с космосом. Укажи подходящие базы данных с ссылками на них и короткой инструкцией по нужным параметрам для анализа»
«Порекомендуй подходящие виды визуализации этих данных, чтобы поэтапно и полно раскрыть тему»
