时间戳

首页 > 解决方案 > 如何在 healpix 地图上有效地执行顶帽（类似圆盘）平滑？

python - 如何在 healpix 地图上有效地执行顶帽（类似圆盘）平滑？

问题描述

我有一个高分辨率的 healpix 贴图（nside = 4096），我想在给定半径的磁盘中平滑，比如说 10 arcmin。

作为一个非常新的healpy并阅读了文档，我发现一个 - 不太好的 - 方法是执行“锥形搜索”，即在每个像素周围找到磁盘内的像素，平均它们并给出这个中心像素的新值。然而，这是非常耗时的。

import numpy as np
import healpy as hp

kappa = hp.read_map("zs_1.0334.fits") #Reading my file

NSIDE = 4096

t = 0.00290888  #10 arcmin
new_array = []
n = len(kappa)
for i in range(n):
     a = hp.query_disc(NSIDE,hp.pix2vec(NSIDE,i),t)
     new_array.append(np.mean(kappa[a]))

我认为 healpy.sphtfunc.smoothing 函数可能会有所帮助，因为它声明您可以输入任何自定义光束窗口函数，但我根本不明白它是如何工作的......

非常感谢你的帮助 ！

标签： pythonsmoothinghealpy

解决方案

正如建议的那样，我可以通过指定自定义（圆形）光束窗口轻松地使用 healpy.sphtfunc.smoothing 函数。

要计算光束窗口，这是我的问题，healpy.sphtfunc.beam2bl 在礼帽的情况下非常有用且简单。

适当的 l_max 大约为 2*Nside，但根据具体地图，它可以更小。例如，可以计算角功率谱（Cls）并检查它是否衰减小于 l_max 的 l ，这有助于获得更多时间。

非常感谢在评论区提供帮助的每一个人！

推荐阅读