如何有效地在 healpix 地图上执行顶帽（磁盘状）平滑？

Question

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对其进行平滑处理，比如说 10 arcmin。

作为 healpy 的新手并阅读了文档，我发现一个 - 不太好的 - 方法是执行 "cone search"，即在每个像素周围找到磁盘内的像素，对它们进行平均并将这个新值赋予中心的像素。然而，这非常耗时。

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 函数可能会有一些帮助，因为它声明您可以输入任何自定义光束 window 函数，但我完全不明白它是如何工作的...

非常感谢您的帮助！

Answer 1

按照建议，我可以通过指定自定义（圆形）梁 window.

轻松使用 healpy.sphtfunc.smoothing 函数

要计算光束 window，这是我的问题，healpy.sphtfunc.beam2bl 在 top-hat.

的情况下非常有用且简单

适当的l_max大概是2*Nside，但根据具体的地图可能会更小。例如，可以计算 angular power-spectra（Cls）并检查它是否因小于 l_max 的 l 而衰减，这可能有助于获得更多时间。

非常感谢在评论区给予帮助的大家！

Answer 2

因为我花了一定时间试图弄清楚函数平滑是如何工作的。有一些代码可以让您进行 top_hat 平滑。

干杯，

import healpy as hp
import numpy as np
import matplotlib.pyplot as plt

def top_hat(b, radius):
    return np.where(abs(b)<=radius, 1, 0)

nside = 128
npix = hp.nside2npix(nside) 

#create a empy map
tst_map = np.zeros(npix)

#put a source in the middle of the map with value = 100
pix = hp.ang2pix(nside, np.pi/2, 0)
tst_map[pix] = 100


#Compute the window function in the harmonic spherical space which will smooth the map.
b = np.linspace(0,np.pi,10000)
bw = top_hat(b, np.radians(45)) #top_hat function of radius 45°
beam = hp.sphtfunc.beam2bl(bw, b, nside*3)

#Smooth map
tst_map_smoothed = hp.smoothing(tst_map, beam_window=beam)

hp.mollview(tst_map_smoothed)
plt.show()

如何有效地在 healpix 地图上执行顶帽（磁盘状）平滑？

How to efficiently perform a top-hat (disk-like) smoothing on a healpix map?

python

smoothing

healpy