第49章 凌日、成像与系外行星人口统计
49.1 一条光变曲线能推出哪些量
行星经过恒星与观察者之间时，可以遮去一小部分星光。研究者记录的不是一个黑色圆盘逐像素走过恒星，而常常是总亮度随时间的细微下降。这样的曲线把几何、轨道和恒星表面亮度结构联系起来。它能够提供丰富信息，但每种信息都依赖明确条件。
在均匀亮度、忽略混合光等简化条件下，凌日深度大致等于行星与恒星半径比的平方。实际恒星存在临边昏暗，轨道可以偏心，行星未必从圆面中心穿过，其他天体的光也可能稀释下降深度。现代简式适合解释主要尺度，却不能当作所有资料的精确处理。尤其需要注意：光变首先限制半径比，绝对行星半径还依赖恒星半径。
重复下降之间的时间限制轨道周期，进入与退出的形状帮助约束路径几何和半径比，持续时间则与轨道速度和恒星尺度相关。若只观测到一次下降，周期通常不能像多次凌日那样确定。若资料缺口恰好遮住关键阶段，允许几何范围也会增大。参数表中的一个数值，不应掩盖形成它的资料覆盖。
HD209458的凌日探测展示了方法互补的力量。此前径向速度已经指向近轨伴体，测光又记录到凌日，使轨道倾角与行星尺度获得额外限制。[49-1]不是两种方法各自测出完全相同的信息，而是它们的退化方向不同，联合之后能够得到单一路径难以确定的性质。
这也是E的具体含义。若恒星半径重新标定，行星半径可以随之改变；若混合光比例被修正，凌日深度对半径比的解释也会改变。行星属性并非与恒星研究无关的独立标签。对象虽然在空间上分离，其测量属性却在共同光路和模型中相互规定。SDE的整体视角只有把这种依赖写清，才比笼统说“万物有联系”更有解释力。
一个数值例子可以揭示恒星参数为何重要。设某次理想化凌日下降百分之一，忽略临边昏暗与混合光，则半径比约为十分之一。若后来发现恒星实际半径比原估计大百分之二十，行星绝对半径也要相应上调，而测光曲线本身无需改变。对单颗对象，这只是参数修订；对大量对象，如果恒星半径存在共同偏差，整个行星尺寸分布都会移动。
混合光具有另一种作用。假设恒星旁还有一颗未分辨恒星，提供额外恒定光通量，行星遮去的目标星光在总光中所占比例就被稀释。若不知额外光存在，研究者可能低估半径比。高分辨率成像在这里不是为了直接拍到行星，而是为了确认照明与混合条件。不同观测方法因此可以在一个看似纯测光的问题上承担关键工作。
凌日持续时间也不能独自充当恒星密度的无条件测量。其解释与轨道偏心率、凌日位置等相关。若把圆轨道当作固定前提，而真实轨道明显偏心，某些推得量可能偏移。这并不要求每次分析都让所有参数完全自由，而要求报告所采用的条件，并在重要结论上检查放松条件后是否仍然成立。
49.2 排除食双星等伪阳性
亮度下降不唯一指向行星。恒星伴星的掩食、背景食双星的混合光，以及仪器或数据处理异常，都可能产生类似信号。发现流程因此需要从“存在下降”进入“哪些机制能产生这种下降”。如果把算法输出的候选直接列入确认行星名单，就跳过了最关键的身份判断。
不同排错手段针对不同替代。比较奇偶次下降可帮助识别某些食双星结构，搜索次食可以增加约束，多色资料能够检查深度是否具有不符合简单行星遮挡的色依赖，高分辨率成像则寻找邻近污染源。没有一种检查能够保证单独排除一切伪阳性，组合证据必须按具体目标组织。
统计验证与动力学确认也不是同一种工作。前者比较行星模型与各种假阳性模型的相对可能性，在特定假设下认为替代概率足够低；后者可能取得由伴体引力产生的径向速度或其他动力学证据。统计验证不是没有价值，但其结论依赖候选模型集合与先验，不能写成已经直接测得伴体质量。
NASA系外行星档案对假阳性概率表的说明，使这些状态能够在目录中分别表达。[49-2]状态字段看似行政细节，实际上承载证据等级。若汇总研究把不同状态混在一起，结果可能同时包含已确认对象、可靠候选和仍有重要争议的信号。一个宏大的“发现总数”可以因此失去精确含义。
直接成像也有自己的排错问题。HR8799多行星成像研究展示了从强恒星光旁取得暗弱伴体信号的可能，[49-3]但图像中的点状结构仍需与背景对象、仪器散斑及处理伪影区别。重复观测中的共同运动、轨道变化和谱性质可以提供约束。看起来直接，并不意味着不需要经过推断。
直接成像与凌日偏好的对象也不同。较宽分离、较亮的年轻伴体有利于某些成像搜索，而短周期与合适轨道方向有利于凌日。把两种目录直接拼起来，不能自动形成公平的行星总体。方法的多样性扩大可进入世界，却要求统计时保留各自的选择条件。
直接成像中的一个困难，是恒星光经过不完美光学系统形成的散斑可能看起来像暗弱点源。改变观测角度、时间或波段，能够帮助区分天体位置与仪器相关结构；但是资料处理本身也可能削弱真实伴体信号。用已知人工伴体检验处理后的流量损失，是理解灵敏度的一种办法。看见某个残差点之后，仍要说明它怎样通过这些检验。
共同自行也不是所有轨道参数的替代。若暗弱源随恒星一起运动，背景恒星解释会受限制，但完整轨道通常还需要更长时间弧段。只看到一小段运动时，允许轨道可以很宽。成像给人的空间直观越强，越应提醒读者实际取样只是漫长轨道的一部分。
亮度到质量的转换还依赖年龄与冷却演化。年轻伴体可能仍然发出较强热辐射，同样质量在不同年龄下可以有不同亮度。若年龄估计不确定，仅凭亮度给出的质量也带有相应条件。径向速度的质量—倾角退化与成像的亮度—年龄—模型依赖不同，因此方法互补不是“直接的一定胜过间接的”，而是各自限制不同可能性。
在统计验证中，背景食双星等情景的先验数量也会影响结果。若目标附近恒星密度被低估，假阳性概率可能被低估；若某种重要替代根本没有进入模型，精确计算也不能自动补上遗漏。因此概率应当伴随候选集合与输入资料说明，而不是作为脱离模型的信誉分数。
49.3 人口统计为何需要选择函数
如果一项调查找到一百个候选，不能立刻把它除以观察恒星数就宣称得到真实出现率。首先，只有一部分轨道方向会发生可见凌日；其次，即使凌日发生，信号也可能太弱、观测次数太少或落入缺测区间；最后，被程序选中的候选还可能包含假警报。总体推断必须同时处理几何概率、检测完备度与可靠性。
Kepler的DR25目录以统一自动流程和可评估的完备度、可靠性为重要设计目标。[49-4]这样的目录与“尽可能收集所有有趣对象”的目录服务不同任务。前者为了统计，需要知道选入和排除规则；后者为了个体研究，可以采用更复杂的人工判断。两者没有天然高下，但不能不加说明地混用。
注入恢复测试是估计完备度的一种重要方法。将已知参数的模拟信号注入资料，运行同一搜索和审核流程，观察哪些被找回。它回答的是在相应资料与流程下，这类信号有多大概率进入目录。只在干净人工噪声中测试，往往不足以代表真实恒星变化和仪器系统误差；因此测试放在哪一层、覆盖哪些目标，也属于结论的一部分。
可靠性处理另一方向的问题：目录中被标为候选的对象，有多少可能是误认。完备度低意味着漏掉真实信号，可靠性低意味着纳入虚假信号。二者不能相互抵消，也不能用同一个百分比概括。提高筛选门槛可能提升可靠性，同时降低完备度，这是一项需要根据研究问题平衡的选择。
Bryson等人的研究显示，在特定小半径、较长周期区域，对可靠性的处理可以显著改变出现率估计；恒星参数版本变化也会影响结果。[49-5]这一事实说明所谓“类地行星有多普遍”并非从候选数量直接读出，而是数据、恒星性质和检测过程的联合推断。本章不将某个版本的数值提升为永久宇宙常数。
SDE的路径差异在此可以严格检验。从已发现样本出发归纳行星分布，会突出易被发现的对象；从检测函数出发模拟一组潜在总体，再看哪组能够产生观测目录，可以显露被漏掉的区域。如果两条路径未经校正就给出不同结论，差异首先可能来自观察制度，而非宇宙在不同研究者面前改变物理性质。
可以用一项完全假设的调查算清这些因素。设观察一万颗适当恒星，某类行星若存在，其轨道方向造成可见凌日的概率为百分之五，已发生凌日后被流程找到的概率为百分之八十。如果每颗恒星平均有零点二颗该类行星，那么在忽略其他复杂性的教学模型里，预期检出数为一万乘零点二乘百分之五乘百分之八十，即八十个。
若直接把八十除以一万，得到的百分之零点八只是进入目录的比例，远低于模型设定的每星零点二颗。反过来，若八十个候选中有一成是错误信号，则真实检出应按可靠性修正，再推回总体。这里的数字纯为说明推断结构，不是Kepler某一真实子样本的结果。
现实资料中的检测概率不是一个统一百分比。不同恒星亮度与活动不同，不同行星半径和周期不同，观测缺口也不同。因此一般需要逐目标或分层计算有效敏感度。将一个在短周期大行星区测得的高完备度，直接用于长周期小行星，会产生系统性偏差。最需要估计的稀有区域，也常常是检测最困难的区域。
注入恢复本身也有边界。如果人工信号只覆盖特定形状和参数，恢复率就只适用于这些条件。若流程对真实多行星系统的相互影响、恒星活动或特殊凌日形态反应不同，测试还需扩展。一个高恢复比例不能被推广为“算法找到了所有行星”，它表达的是在明定模拟分布上的表现。
对于样本中没有检出的区域，结论也应与灵敏度相连。若对某类对象几乎没有探测能力，零检出提供的限制很弱；若本应容易发现而仍没有检出，才可以给较有力的上限。空白地图不是单一含义，既可能是对象少，也可能是研究尚未有效进入。这种区分决定下一项任务应增加观测能力，还是修改形成模型。
可靠性还可以通过反转或打乱时间序列等适当的对照资料来研究，但对照是否保留真实噪声特征必须审查。若对照处理破坏了相关噪声，得到的假警报率可能过于乐观；若保留了真实凌日结构，又可能把真信号混进背景。统计实验的设计与天文实验一样，需要说明哪些结构被保留、哪些被破坏。
目录审核中的人工介入也影响统计。专家可以识别算法漏掉的异常，但若只对最有趣目标进行深入复查，而其他目标按自动规则保留，样本就不再具有完全相同的选择过程。解决方法不是禁止专家判断，而是记录额外观察和改变状态的原因，并为总体估计定义可追踪子样本。用于个体发现的最好目录，未必是用于总体推断的最简单目录。
例如，某项团队为候选目标补做高分辨率成像，发现部分宿主存在伴星。如果只修订这些候选的半径，而其余被观察恒星的伴星情况仍未知，分子与分母采用的恒星信息可能不对称。发生率研究需要审查这种不对称，而不只更新候选表。Thompson等人的目录设计对统一处理的强调，正与这种问题有关。[49-4]
另一个容易误解的量，是每颗恒星平均行星数与拥有行星的恒星比例。一个系统可以有多颗行星，两种量不相同。若一百颗恒星中二十颗各有两颗某类行星，平均每星数量是零点四，而宿主比例是百分之二十。研究标题只说“行星出现率”时，应明确采用哪一种定义，尤其在多行星系统丰富的样本中。
跨方法合并还需要处理重复对象。同一行星可能既有凌日又有径向速度记录，它们提供两种证据，但不能被当作两颗行星计数。若两种调查选择了不同恒星群，直接合并也会混淆宿主性质。有效联合必须先建立对象对应和调查选择模型，再讨论总体，而不是把不同数据库数字相加。
49.4 行星类型反过来改写形成模型
当样本达到足够规模和精度，研究不再只问某颗行星是否存在，而开始问半径、周期和系统结构如何分布。富尔顿等人的研究利用改进的参数讨论小行星半径分布中的间隙，[49-6]这种结构把个体发现提升为种群约束。它不只是目录上的凹槽，还要求解释形成与演化怎样共同塑造对象集合。
不过，一个分布特征的出现需要先检查测量误差。若半径误差较大，真实间隙可能被抹平；若恒星参数具有系统偏差，也可能改变间隙位置。样本选择与完备度若随半径急剧变化，更可能制造表面结构。因此，从直方图到发生机制之间仍有一段工作，不能看到双峰就直接宣布两种本体被证明。
不同机制还可能产生相近分布。例如，行星形成时的组成差异与后期大气损失，都可能影响半径。要分辨它们，需要考察轨道周期、恒星性质和年龄等额外关系。SDE发生学应鼓励这样的交叉约束，而不是只把分布命名为“新特征显露”就结束分析。
一旦某种稳健结构成立，它会回写观测计划。研究者可能优先测量间隙两侧对象的质量，或比较不同恒星环境，以寻找机制差别。这里真正改变的是问题与样本选择，不只是文章标题。回写也可能产生偏差：如果所有资源都投向已知特征附近，其他类型可能更难被发现。因此需要在目标跟踪与开放调查之间保持平衡。
行星人口统计最终呈现一个由多方法共同构成的世界。它既包含个体轨道与大气，也包含分布、缺口和关联。对于半径分布中的某一道谷，下一步不能只增加一幅更平滑的直方图。需要测量谷两侧对象的质量，比较不同辐照与恒星年龄条件，并重新评估参数误差是否足以移动边界。只有这些区别开始指向不同发生机制，目录中的形状才真正转化为行星演化的证据。
这些区别使行星人口研究逐渐形成一种新的严谨性：不只发表发现，还发表没有发现时的灵敏度，不只公布候选，还公布审核与误认条件。一个对象未进入目录的原因，开始与进入目录的对象同样重要。关于“有多少”的知识，由此依赖一份关于“怎样才会被看见”的知识。
这种方法不会抹去发现的惊喜。相反，当选择效应被充分理解后，一个仍然异常的系统或分布才更有力量挑战理论。搜索规则能够解释的集中，不宜过早赋予宇宙意义；搜索规则解释不了的结构，则值得进一步投入。统计与个体探索在这一点上相互支持，而不是一种负责冷却想象，另一种负责制造故事。
小样本区域的不确定性还具有离散性质。只发现一两个候选时，新增或撤销一个对象就会明显改变估计，不宜用过多小数位制造稳定感。若结果依赖少数低可靠候选，应明确展示去除这些对象后的变化。这样的敏感性分析比只给一个最优数值更能帮助读者判断证据重量。
恒星子样本的限定也必须与结论一致。在某类矮星中估得的出现率，不应未经论证推广到所有恒星；在某个周期范围内得到的结果，也不能直接外推到更远轨道。总体名称越大，越需要检查实际数据覆盖了多少范围。可靠的人口统计始于准确说明自己统计的是哪一群对象。
同一份目录可以支持不同问题，但每次使用都应重建相应分母。研究平均行星数、宿主比例或多行星系统结构，所需统计对象并不相同。把对象域与选择条件写清，才使不同研究的结果真正可比较。
对于低完备度区域，外推的模型依赖尤其需要单独报告，不能隐藏在一个全局平均误差中。
本章参考文献
[49-1] Charbonneau, D., Brown, T. M., Latham, D. W., Mayor, M. Detection of Planetary Transits Across a Sun-like Star. 1999预印本，2000发表。https://arxiv.org/abs/astro-ph/9911436
[49-2] NASA Exoplanet Archive. Kepler False Positive Probabilities Table Description. https://exoplanetarchive.ipac.caltech.edu/docs/fpp_TableDescription.html
[49-3] Marois, C., et al. Direct Imaging of Multiple Planets Orbiting the Star HR 8799. Science, 322, 1348–1352, 2008. https://arxiv.org/abs/0811.2606
[49-4] Thompson, S. E., et al. Planetary Candidates Observed by Kepler. VIII. A Fully Automated Catalog with Measured Completeness and Reliability Based on Data Release 25. Astrophysical Journal Supplement Series, 235, 38, 2018. https://escholarship.org/uc/item/5br413nb
[49-5] Bryson, S., et al. A Probabilistic Approach to Kepler Completeness and Reliability for Exoplanet Occurrence Rates. https://arxiv.org/html/1906.03575v4
[49-6] Fulton, B. J., et al. The California-Kepler Survey. III. A Gap in the Radius Distribution of Small Planets. 2017. https://arxiv.org/abs/1703.10375