2022-09-18

新闻里常说“从地球到某个星系有多少光年”,这是怎么测量的?

想咨询一下关于新闻里常说“从地球到某个星系有多少光年”,这是怎么测量的?的问题,大家能帮助我解答一下吗

7 个回答

  • 教育

    谢谢邀请。简单的说来就是根据光谱谱线的红移信息,然后计算得到的。


    我们测量距离的方法有很多种,距离比较近的可以利用所谓的激光反射或者无线电反射的方式,然后稍微比较远的就可以利用三角视差法,这个方法的话可以测量距离到大约几十光年的地方。再远一些的话,就必须要使用到所谓的标准烛光法。顾名思义,就是天体的亮度不会发生变化,就好像是一个固定值。所以放在不同距离上的时候,在已知亮度和测量到流量的前提下,就可以推断出天体所在的距离了。


    不过要是测量一些位于更远地方上的天体距离,就要使用到光谱,利用所谓的多普勒效应会使光子频率发生移动的效应来测量距离。原理时,当天体朝向我们运动时,会使光子的频率增加,而当远离我们时,会使光子频率降低。而我们同时知道,宇宙在膨胀,距离我们越远的话,膨胀速度越快。在我们精确测量到了宇宙演化历史的情况下,我们就可以知道宇宙每一处的膨胀速度,从而可以计算出当地所造成的谱线移动,因为都是远离我们而去,所以光谱上的光子能量会降低,朝着所谓的红端移动,所以称之为红移。因为在宇宙学参数确定的情况之下,确定的红移就对应着确定的距离,这就是我们通常得到极远位置处天体距离的方法。

  • 秋水共长天

    我想由光的半衰期测的吧,光也是物质的,我们能捉到它的。?

  • 岁月悠长

    可以利用三角定理计算秒差距,以地球的直径作为一个直角边,测量一天中两个正好相隔十二个小时的时刻时光射过来的角度,然后用勾股定理和正余弦定理可以算出来另一个直角边,但是地球直径太小了,很多远距离恒星两个时刻角度太小,所以也可以用一年为周期,春季秋季各测一次,(恒星太远,春秋测量误差并不会太大)以地球绕太阳轨道为直径测量秒差距,这是比较近的星体,,,,,,,远点的就用哈勃定律,星体远离的速度(利用光谱红移)和距离地球的距离成正比

  • 岁月沉香

    这个问题提得好。

    星际间距离的测量,与日常测量有很大不同,主要有以下几种方法。

    行星间距离的测量很简单,也不在光年距离上,根据观测计算轨道,再根据轨道计算即可知道实时距离。

    以下重点谈以光年计算的恒星距离。

    距离最近的恒星,是三角视差法。三角形特性可知,知道一边和两角,即可求两边,即距离。以地球轨道半径为一边,在地球固定位置测上测一次对目标星体相对地球的目视角度,半年后,在地球轨道180度后再测一次,得到另一个目视角度,再根据3亿公里的轨道直径,就能算出来到目标恒星的距离。难点就在于视角的测量。在1万光年以内,以目前观测技术水平,是可测量的,而且也是比较精确的,误差在实际距离的0-1倍左右。在距离1万光年以上,视角已超出人类目前的测量技术极限,就需要下一个技术。

    对于1万光年以上的恒星。可以用造父变星测量。在星等观测时,天文学家发现,所有的造父变星(一种光线变化周期固定,光谱一致的变星)的绝对星等,基本都一样。那么,只要确定三角视差范围内的造父变星距离,再对比三角视差范围外的造父变星的星等,根据光亮度对比,就能同比计算出造父变星的距离。这个距离极限1000万光年吧,即仍在本超星系团内。

    同理,对于河外星系,造父变星的亮度就不够了。幸亏,天文学家们又发现了A1型超新星的爆发能量基本一致,亮度也基本一致,因此,只要观测到河外星系里面的A1型超新星爆发,与已知距离的超新星对比亮度,也就知道了整体星系到银河系的距离。在这个距离上,基本是1000万光年到1亿光年。

    亮度对比的距离误差,在2.5倍左右。

    更遥远的星系,是根据大爆炸理论,测量遥远星系是运动速度最快的类星体的红移,根据光谱红移量,测算其移动速度,再乘以大爆炸后到目前的时间(这个时间,是另一个问题),测算出它们与我们之间的距离。这个误差,就更大了,大概是3-5倍。所以说,宇宙直径200亿光年,或者1000亿光年,都不必惊讶,都没有错。

    科技发展了,但对于遥远星空,目前仍没有更好的测算方法,等待你们去发现哦。。。

    回答满意吗?请点赞呗。。

  • 良心宝贝

    三角视差法测量,其实就是以地球和的半径为已知长度的底边,然后在地球和太阳之间处于相对面(半年左右)分别观测目标,然后用更遥远的天体作为相对参照物求出待测目标视差角度,有了底边,有了角度,然后做个直角三角形,用三角函数就可以求出距离

  • 淡定自若

    拟定、对照、推演、预测…………✨

    所谓宇宙星系之间的光年“测量”大体上大致而已!实际出入很大……✨

  • 沉稳步伐

    速度解释距离

相关推荐