Mathematik: Komplexe Zahlen

Gehört zu: Mathematik
Siehe auch: Quantenmechanik, Von Pytharoras bis Einstein, Schrödinger-Gleichung
Benutzt: WordPress-Plugin Latex

Stand: 29.7.2022

Die komplexen Zahlen

Ausgangspunkt ist die berühmte imaginäre Einheit: i2 = -1

Eine komplexe Zahl schreibt man gerne als Realteil und Imaginärteil:

z = x + i*y      x = Re(z)   und   y = Im(z)

Wobei x und y reelle Zahlen sind.

Mit den Komplexen Zahlen kann man auch die vier Grundrechnungsarten, so wie wir sie von den “normalen” d.h. reellen Zahlen her kennen, ausführen – Die komplexen Zahlen bilden, mathematisch gesagt, einen “Körper”.

Zu jeder Komplexen Zahl gibt es die “komplex konjugierte“, die mit gern mit einem Sternchen als Superskript schreibt:

zur komplexen Zahl: z = x + i*y
ist die konjugierte:   z* = x – i*y

Manchmal schreibt man die komplex konjugierte auch mit einem Strich über der Zahl. Also:

\( \overline{x + y \cdot i} = x – y \cdot i \)

 

Jede Komplexe Zahl hat auch einen “Betrag” (kann man sich als Länge vorstellen):

|z|2 = x2 + y2

Interessanterweise ist der Betrag (Länge) einer Komplexen Zahl auch:

|z|2 = z z*

Darstellung der komplexen Zahlen mit kartesischen Koordinaten

Die Reellen Zahlen konnte ich mir ja durch die sog. Zahlengerade gut veranschaulichen. Die Komplexen Zahlen würde ich mir dann durch die Punkte in einer Ebene veranschaulichen.

Polar-Darstellung der komplexen Zahlen

Wenn komplex Zahlen einfach als Punkte in der Ebene verstanden werden können, kann ich sie anstelle von kartesischen Koordinaten, alternativ auch in durch sog. Polarkoordinaten darstellen; d.h. durch die Entfernung vom Nullpunkt r und den Winkel mit der reellen Achse φ.

Für eine Komplexe Zahl z = x + i*y  gilt:

r² = x² + y²

tan φ = x/y

\(\displaystyle \tan{ \phi} = \frac{x}{y} \)

Exponential-Darstellung der komplexen Zahlen

Die Eulerschen Formel ist:

\(\Large  e^{i  \cdot \phi} = \cos \phi+i \cdot \sin \phi \\\)

Damit können wir jede komplexe Zahl auch in sog. Exponential-Darstellung schreiben:

\(\Large z ={r} \cdot e^{i  \cdot \phi} \\ \)

Das funktioniert so gut, weil die Multiplikation von Potenzen der Addition der Exponenten entspricht und das mit den Summenformeln der Trigonometrie übereinstimmt.

Den Winkel φ nennt man auch “die Phase”.

Wenn die Komplexen Zahlen den Betrag 1 haben, also auf dem Einheitskreis liegen, hat man:

\( e^{i \phi} = cos{\phi} + i sin{\phi} \)

und man spricht von einer “reinen Phase”.

In der Quantenmechanik wird diese Exponentialdarstellung gerne benutzt, u.a. weil man damit die Multiplikation komplexer Zahlen sehr anschaulich darstellen kann:

\(\Large z_1 \cdot z_2 = {r_1 \cdot r_2} \cdot e^{i  \cdot (\phi_1 + \phi_2)} \\ \)

Sie auch Youtube-Video:

Die Eulersche Zahl

Definition der Eulerschen Zahl

Die Zahl e wurde von Leonhard Euler (1707-1783) als Grenzwert der folgenden unendlichen Reihe definiert:

\(\displaystyle e = 1 + \frac{1}{1} + \frac{1}{1 \cdot 2} + \frac{1}{1 \cdot 2 \cdot 3} +  \frac{1}{1 \cdot 2 \cdot 3 \cdot 4} + …   \)

Oder:

\(\displaystyle e = \sum_{n=0}^{\infty} \frac{1}{n!} \)

Die Exponentialfunktion

Potenzen zur Basis e bilden die Exponentialfunktion, auch e-Funktion genannt:

f(x) = ex

Die Ableitung (Differentialquotient) der e-Funktion ist wiederum die e-Funktion:

f'(x) = ex

Damit ergibt sich als Taylorsche Reihenentwicklung um den Entwicklungspunkt x0 = 0

\(\displaystyle f(x) = 1 + x + \frac{x^2}{2!} + \frac{x^3}{3!} + \frac{x^4}{4!}  + …  + \frac{x^n}{n!} + …   \)

Allgemein wäre die Taylor-Reihe ja:

\( \displaystyle T_\infty(x;x_0) = \sum_{k=0}^{\infty} \frac{f^(k)(x_0)}{k!} (x-x_0)^k \)

Da der Funktionswert und alle Ableitungen der e-Funktion an der Stelle x0 = 0 sämtlich 1 sind, vereinfacht sich die Darstellung wie oben gezeigt.

Astronomie: Die Keplerschen Gesetze

Gehört zu: Astronomie, Sonnensystem
Siehe auch: Himmelsmechanik, Entfernungsbestimmung, Newtonsche Mechanik
Benutzt WordPress-Plugin MathJax-Latex, Grafiken aus GitHub

Stand: 06.12.2024

Die Zeit von Johannes Kepler

Johannes Kepler (1571-1630) lebte in bewegten Zeiten:

  • 30 jähriger Krieg (1618-1648)
  • Kleine Eiszeit (etwa 1570 bis 1630)
  • Hexenverbrennungen (1550 und 1650)
  • Gallileo Galilei (1564-1642)
  • Nikolaus Kopernikus (1473-1543)

Abbildung 1: Flammarion Holzschnitt (Wikimedia: FlammarionWoodcut.jpg)

Flammarion Holzschnitt (Wikipedia)

Die Keplerschen Gesetze

Die bahnbrechende Erkenntnis von Kepler war, die Kreisbahnen des heliozentrischen Weltbildes von Nikolaus Kopernikus (1473-1543) durch Ellipsen zu ersetzen. Johannes Kepler konnte dies durch Analyse der Beobachtungsdaten von Tycho Brahe (1546-1601) herleiten; besonders die relativ starke Exzentrizität (0,0934) der Bahn des Planeten Mars brachte Kepler dazu Ellipsenbahnen anzunehmen. Einen genauen naturwissenschaftlichen Grund dafür konnte Kepler noch nicht angeben.

Tycho Brahe hatte in einem Zeitraum von 20 Jahren sehr genaue Messungen (besser als 1 Bogenminute) der Postionen der Planeten und von ca. 800 Fixsternen gemacht.

Die Fernsehsendung “Johannes Kepler, der Himmelsstürmer” im Sender arte am 08.08.2020 beleuchtete das geniale Werk von Johannes Kepler.

Abbildung 2: Tycho Brahes Mauerquadrant (adsabs.harvard.edu)

Tycho Brahe

Tycho Brahe: Mauerquadrant

Link: http://articles.adsabs.harvard.edu//full/1978JHA…..9…42W/0000044.000.html

1. Keplersches Gesetz (1609 Astronomia Nova)

Die Planeten bewegen sich auf elliptischen Bahnen, in deren einem Brennpunkt die Sonne steht

2. Keplersches Gesetz (1609 Astronomia Nova)

Der Fahrstrahl Sonne-Planet überstreicht in gleichen Zeiten gleiche Flächen.

3. Keplersches Gesetz (1618 Harmonici Mundi)

Die Kuben der großen Halbachsen verhalten sich die die Quadrate der Umlaufzeiten.

Das erste Keplersche Gesetz

Eine Ellipse ist ein Kegelschnitt, der im Grenzfall (Exzentrizität = Null) ein Kreis wird.

Nach Newton haben wir eine Zentralkraft, die proportional zu \( \frac{1}{r^2} \) abnimmt.

Mit ein “bisschen Mathematik” ergeben sich daraus geschlossene Ellipsen als Bahnform.

In cartesischen Koordinaten ist eine Ellipse mit den Halbachsen a und b gegeben durch:

\( \Large \left(\frac{x}{a}\right)^2 + \left(\frac{y}{b}\right)^2= 1 \)

 

Die Exzentrizität einer Ellipse ist ein Maß für die Abweichung von der Kreisform und wird definiert durch:

\( \Large e = \frac{r_{max} – r_{min}}{r_{max} + r_{min}}  \) (Wobei mit rmin und rmax immer die Entfernungen Sonne-Planet gemeint sind)

Das zweite Keplersche Gesetz

Das zweite Keplersche Gesetz folgt allein aus der Tatsache, dass die wirkende Kraft immer genau in Richtung auf die Sonne gerichtet ist (sog. “Zentralkraft”). Damit muss nämlich der Drehimplus des Systems Sonne-Planet konstant bleiben.

Der Drehimplus des Sytems Sonne-Planet ist bekanntlich:

\( L = m \cdot r \cdot v = m \cdot r^2 \cdot \omega   \)

Für die “überstrichene Fläche” A(t) gilt infenitesimal:

\( dA = \frac{1}{2} \cdot r(t) \cdot v(t) \cdot dt \)

Womit die “Flächengeschwindigkeit” eben konstant bleibt:

\( \frac{dA}{dt} = \frac{1}{2} \cdot r(t) \cdot v(t) = \frac{L}{2 m} = const. \)

Quelle: https://www.forphys.de/Website/mech/kepler2.html

Als Beispiel habe ich mal die Bahn der Erde um die Sonne schematisch dargestellt. Das Produkt Bahngeschwindigkeit (v) mal Entfernung Erde-Sonne (r) ist proportional zum Drehmoment.

Abbildung 3: Schematische Darstellung der Bahn der Erde um die Sonne (GitHub: Ellipse.svg)

Schematische Darstellung der Bahn der Erde um die Sonne

Das dritte Keplersche Gesetz

Das “Dritte Keplersche Gesetz” bezieht sich nicht auf die Umlaufbahn eines Planeten, sondern setzt die Umlaufbahnen zweier Planeten zueinander in Beziehung, die sich um den gleichen Zentralkörper in Ellipsen bewegen (eventuelle Störungen durch weitere Körper vernachlässigen wir dabei).
Hier geht Kepler also schon (impliziet) von einem heliozentrischen Weltbild aus (Kopernikus).

Die Quadrate der Umlaufszeiten verhalten sich wie die Kuben der mitteren Entfernung. Als Formel also:

\( \Large \frac{a^3_1}{T^2_1} =  \frac{a^3_2}{T^2_2} \)

Wenn wir als Beispiel einmal die Bahnen von Erde und Jupiter vergleichen, so sähe das so aus:

Erde:      T1 = 1 Jahr,           a1 = 1 AE
Jupiter: T2 = 11,86 Jahre,  a2 = 5,2 AE

rechnerisch also:

\( \Large \frac{a^3}{T^2} = \frac{5.2^3}{11.86^2} = \frac{140.608}{140.6596} \\ \)

Durch Messung der (siderischen) Umlaufszeit eines Planeten könten wir so also die Gr0ße Halbachse seiner Bahn bestimmen.

Das Dritte Keplersche Gesetz sagt damit etwas aus über den Zentralkörper: die Sonne. Wenn wir ein wenig vorgreifen, ist es die Masse des Zentralkörpers (M), die wir aus der Bahn eines umlaufenden Himmelskörpers bestimmen können; nach der Formel:

\( \frac{a^3}{T^2} = \frac{G \cdot M}{4 \pi^2} \)

Schritt für Schritt kommen wir so zu diesem Ergebnis:

Wenn man die Umlaufszeit eines Planeten um die Sonne mit T bezeichnet und die große Halbachse seiner Bahn um die Sonne mit a, so kann man dieses Gesetz formelmäßig wie folgt formulieren:

\( \frac{a^3}{T^2} = const. \)

Die Gravitationskraft (Anziehungskraft) muss immer genau der Zentripedalkraft in der Planetenbahn entsprechen. Also:

\(  F = G \frac{m \cdot M}{r^2} = m \cdot \frac{v^2}{a}   \)

Die Masse des Planeten m kürzt sich heraus:

\(  G \frac{M}{r^2} =  \frac{v^2}{a}   \)

Die Bahngeschwindigkeit v erhalten wir als:

\( v = \frac{2 \pi a}{T} \)

Wenn wir das oben einsetzen ergibt sich:

\(  G \frac{M}{a^2} = \frac{4 \pi^2 a^2}{a \cdot T^2} \)

oder umgestellt:

\( \frac{G \cdot M}{4\pi} = \frac{a^3}{T^2} = const. \)

Quelle: https://www.schule-bw.de/faecher-und-schularten/mathematisch-naturwissenschaftliche-faecher/physik/unterrichtsmaterialien/mechanik_2/kepler/keplergravi.htm

Bestimmung der Jupitermasse

Anhand der Bahndaten des Jupitermondes Kallisto bestimmen wir die Masse des Jupiters mithilfe des Dritten Keplerschen Gesetzes.

Bahndaten Kallisto

  • Umlaufzeit 16,689 Tage  =  1.441.929,60 s
  • Große Halbachse  1882700 km =1.882.700.000 m   (zur Messung benötigt man die Entfernung)

Nach dem 3. Kaplerschen Gesetz finden wir:

\( M = \frac{4 \pi^2}{G} \cdot \frac{a^3}{T^2} = \frac{4 \pi^2}{6.77} \cdot \frac{1882700000^3}{1441929.6^2} = 1.90 \cdot 10^{27} kg\)

 

 

Astronomie: Sphärische Trigonometrie

Gehört zu: Mathematik
Siehe auch: Tägliche Bewegung der Gestirne, Diagramme, Tageslänge, Koordinatensystem
Benötigt: WordPress Latex-Plugin, WordPress Plugin Google Drive Embedder

Was ist Sphärische Trigonometrie?

Die Ebene Trigonometrie ist die Lehre von den Dreiecken in der Ebene.

Die Sphärische Trigonometrie ist die Lehre von den Dreiecken auf einer Kugeloberfläche. Solche Dreiecke werden durch Abschnitte von Großkreisen gebildet.

Das Polar-Dreieck auf der Himmelskugel

Zur Umrechnung eines Koordinatensystems in ein anderes zeichnet man sich ein sog. Polar-Dreieck, in dem die “Pole” (“Drehpunkte”) beider Koordinatensysteme vorkommen.

Zur Umrechnung der äquatorialen Koordinaten Deklination (δ) und Stundenwinkel (t) in die horizontalen Koordinaten Höhe (h) und Azimuth (A) wird das sog. Polar-Dreieck wird gebildet durch den Himmelspol (N), den Zenit (Z) und ein Himmelsobjekt (O).

Im Polardreieck sind die Abstände (Bogenlängen):

  • vom Himmelspol zum Zenit: 90° – φ
  • vom Himmelspol zum Himmelsobjekt: 90° – δ
  • vom Zenit zum HImmelsobjekt: z = 90° – h

Im Polardreieck sind die Winkel an den Ecken des Dreiecks:

  • Winkel am Himmelspol: Stundenwinkel t (oder τ)
  • Winkel am Zenith: 180°  – A   (A = Azimuth von Süden)

Abbildung 1: Das Polardreieck (Google Drive: polardreieck.svg)

polardreieck.svg

Polardreieck

Link: https://de.wikibooks.org/wiki/Astronomische_Berechnungen_f%C3%BCr_Amateure/_Druckversion#Koordinatentransformationen

MIt dem Seiten-Cosinussatz errechnet man den Cosinus der Länge einer Seite aus den Längen der beiden anderen Seiten und dem gegenüberliegenden Winkel:
\(\cos z = \cos (90° – \phi) \cos (90° – \delta) + \sin (90° – \phi) \sin (90° – \delta) \cos t\)

Was schließlich heisst:
\(\sin h = \sin \phi \sin \delta + \cos \phi \cos \delta \cos t \)

Der Cotangens-Satz im Polardreieck sagt:

\(   \cos (90° – \phi)  \cos t = \sin(90° – \phi) \cot (90° – \delta) – \sin t \cot(180° – A)  \)

Trigonometrisch umgeformt ergibt das:
\(  \sin \phi \cos t = \cos \phi \tan \delta – \Large\frac{\sin t}{\tan A}  \)

Aufgelöst nach A ergibt sich:

\(   \tan A = \Large\frac{\sin t}{\sin \phi \cos t – \cos \phi \tan \delta} \)

MIt Hilfe dieser Koordinatentransformation kann man für jedes bekannte Himmelsobjekt (Deklination und Rektaszension) die scheinbare tägliche Bewegung am Himmel berechnen – siehe dazu: Die scheinbare tägliche Bewegung der Gestirne.

Großkreise auf einer Kugel

Wenn ich im obigen Polardreieck h=0 setze, erhalte ich einen gekippten Großkreis (oBdA setze ich t = λ).

\(\Large \frac{\sin{\delta}}{\cos{\delta}} = – \frac{\cos{\varphi}}{sin{\varphi}} \cdot \cos{\lambda}  \)

Abbildung 2: Beispiel eines Großkreises auf der Erde (Google: xyz)

grosskreis-01.svg

Großkreis auf der Erdoberfläche

Bei der Seefahrt bezeichnet man die Navigation auf einem Kurs entlang eines Großkreises als “Orthodrome” (Gegensatz: Loxodrome).

Mehr dazu: https://www.navigareberlin.de/onewebmedia/Grosskreisnavigation%20Ver%C3%B6ffentlichung.pdf

Metrik auf einer Kugeloberfläche

Für eine Kugel mit dem Radius r kann ich auf der Kugeloberfläche (z.B. Erdoberfläche) ein Koordinatensystem (s.o.) benutzen:

  • Koordinatensystem (λ, \( \varphi \))
  • wobei im Bogenmass: \( \Large -\frac{\pi}{2} < \varphi < \frac{\pi}{2} \)
  • und auch im Bogenmass: \( \Large 0 \leq \lambda < 2\pi \)

Zur Messung von Abständen (Längen) benötige ich ein LInienelement:

\(\Large ds^2 = r^2 d \varphi^2 + r^2 \cos{\varphi}^2 d\lambda^2 \)

Die kürzeste Verbindung zweier Punkte liegt dann auf einem sog. “Großkreis” (s.o.).

Beispiel 1 (gerade)

Die Strecke von (0.0) nach (π, 0); das ist ein halber Erdumfang am Äquator) müsste eine Länge von π r haben. Da auf der ganzen Strecke φ konstant =0 ist, ist auch dφ = 0 und es  ergibt sich als Längenintegral:

\( \Large s = r \int\limits_{0}^{\pi} d \lambda = r \cdot \left[ \lambda \right]_0^\pi  = \pi \cdot r\)

Beispiel 2 (gerade)

Die Strecke von (0,0) nach (0, π/2) ist ein Viertel Erdumfang vom Äquator zum Nordpol (ein sog. Quadrant) die Länge müsste also \(r \frac{\pi}{2} \) sein. Da auf der ganzen Strecke λ konstant =0 ist, ist auch dλ=0 und es ergibt sich als Längenintegral:

\( \Large s = r \int\limits_{0}^{\frac{\pi}{2}} d \varphi = r \cdot \left[ \varphi \right]_0^{\frac{\pi}{2}}  = r \cdot \frac{\pi}{2}\)

Beispiel 3 (schräg)

Aus dem obigen “Polardreieck” wird das “nautische Grunddreick“, wo wir wieder den Seiten-Cosinussatz anwenden können, um die Distanz zu berechnen. Die Distanz d zwischen einem Ausgangspunkt \( A = (\lambda_A, \varphi_A) \) zu einem Endpunkt \( B = (\lambda_B, \varphi_B) \) können wir also berechnen als:

\(\Large \cos{d} = \sin{\varphi_A} \sin{\varphi_B} + \cos{\varphi_A} \cos{\varphi_B} \cos{(\lambda_B – \lambda_A)} \ \\ \)

Die Strecke von (0, π/3) nach (π, 0) läuft jetzt “schräg” über unser Koordinatensystem…

\(\Large \cos{d} = \sin{\frac{\pi}{3}} \sin{0} + \cos{\frac{\pi}{3}} \cos{0} \cos{\pi}\)

Das ergibt: \( \Large \cos{d} = \frac{1}{2}\sqrt{3} \cdot 0 + \frac{1}{2} \cdot 1 \cdot (-1) = -\frac{1}{2} \\\ \)

und damit ist die gesuchte Distanz  \( d = \frac{2}{3} \pi \)

Um diese Distanz aus unserem Linienelement zu ermitteln, müssen wir das Linienelement entlang des Bogens von A nach B integrieren.

Dafür wollen wir den Weg zuerst als Funktion \( \varphi = f(\lambda) \) aufschreiben.

Astronomie: Tägliche Bewegung der Himmelsobjekte

Gehört zu: Sonnensystem
Siehe auch: Tageslänge, Sphärische Trigonometrie
Benötigt: WordPress Latex-Plugin, Grafiken von Github

Tägliche scheinbare Bewegung der Gestirne

Wenn wir wissen wollen, wie sich ein Himmelobjekt mit bekannter Rektaszension und Deklination im Laufe des Tages über den Himmel bewegt, so ist die einfache Formel:

  • Stundenwinkel = Sternzeit – Rektaszension
  • Deklination = const.

Damit haben wir die äquatorialen Koordinaten Stundenwinkel (t) und Deklination (δ) als Funktion der Sternzeit.

Wenn wir die azmutalen Koordinaten Höhe (h) und Azimuth (A) haben wollen, so müssen wir das wie folgt umrechnen:

(Quelle: https://de.wikibooks.org/wiki/Astronomische_Berechnungen_f%C3%BCr_Amateure/_Druckversion#Koordinatentransformationen )

\( \sin h = \sin \phi \cdot \sin \delta + \cos \phi \cdot \cos \delta \cdot \cos t \)

und

\( \tan A = \Large \frac{\sin t}{\sin \phi \cdot \cos t – \cos \phi \cdot \tan \delta}  \)

Beispiel Wega in Hamburg:

Abbildung 1: Scheinbare tägliche bewegung der Wega (Github: TaeglicheBewegung.svg)

TaeglicheBewegung.svg

Scheinbare tägliche Bewegung der Wega

 

Astrofotografie: Belichtungszeit, Lichtverschmutzung und Rauschen

Gehört zu: Astrofotografie
Siehe auch: Stacking, Nachführung Autoguiding, PHD2 Guiding, Lichtverschmutzung, SQM Sky Quality Meter, Hintergrundlimitiert, Fitswork, GeoGebra
Benötigt: WordPress Latex-Plugin , Fotos von Flickr, Grafiken von Github

Stand: 12.10.2022 (GeoGebra)

Wie erziele ich gute Astro-Fotos?

Das hier betrachtete Qualitätskriterium ist das “Signal-Rausch-Verhältnis” (Signal to Noise Ratio = SNR). Die Qualität von Astro-Fotos wird generell von vielen Faktoren beeinflusst. Darunter sind beispielsweise:

  • CCD- oder CMOS-Kamera
  • Farb-Sensor oder Mono-Sensor
  • Geregelte Kühlung des Sensors   (DSLR oder Dedizierte Astro-Kamera oder WebCam oder ?)
  • Belichtungszeit
  • Lichtverschmutzung am Beobachtungsort
  • Fokussierung
  • Nachführung (z.B. keine, nur Tracking, Autoguiding,…)
  • Filter

Dieser Artikel beschäftigt sich schwerpunktmäßig mit den Belichtungszeiten bei DSO-Aufnahmen und der Frage, wie dafür das Signal-Rausch-Verhältnis verbessert werden kann.

Wie lange sollten die einzelnen Sub-Exposures belichtet werden?

Wir haben ja gelernt, dass wir sehr lange Belichtungszeiten für die so lichtschwachen Objekte (DSOs) der Astrofotografie brauchen.

Lange Belichtungszeit heisst hier aber nicht notwendig, dass ein einzelnes Foto lange belichtet werden muss, sondern wir können auch viele Einzelaufnahmen (Sub Exposures) machen und die dann aufaddieren (Stacken). Es kommt auf die Summe der Einzelbelichtungen an. Man sagt, die gesammte “Integrationszeit” ist das Wesentliche.

Diese Integrationszeit sollte in der Tat lang sein; d.h. mindestens 1 Stunde, besser 2 Stunden, besser 4 Stunden… Die Gesamtzeit (Integrationszeit) kann man ja Planen für die Bobachtungsnacht. Nehmen wir mal an, wir hätten 2 Stunden (also 120 Minuten) angesetzt. Die Frage wäre dann ja, wie lang man jedes Einzelfoto (Sub Exposure) belichten soll. Also ist 120 x 60 sec gut oder 720 x 10 sec oder 24 x 5 min oder… besser?

Quellen

Auf der “Practical Astronomy Show” am 9. März 2019 hat Dr. Robin Glover (SharpCap) dazu einen interessanten Vortrag gehalten. Der Titel des Vortrags war “Deep Sky CMOS Imaging” und er ist als Youtube-Video verfügbar. Youtube:

Chris van den Berge hat auf DSLR Astrophotography gepostet: http://dslr-astrophotography.com/long-exposures-multiple-shorter-exposures/

Ich versuche in diesem Artikel, den Vortrag von Robin Glover nachzuvollziehen und dann zu sehen, wie ich die Schlussfolgerungen auf meine persönliche Situation anpassen kann/muss. Aus diesem Grund bin ich etwas formaler und detaillierter in den Formeln…

Was ist beeinflussbar?

Wenn vieles als gegeben hingenommen werden muss, wie z.B. der Standort (und damit die Lichtverschmutzung), die Kamera (und damit das Kamera-Rauschen, die Kühlungsmöglichkeiten, die Pixelgröße etc.), die nutzbare Zeit am Abend (und damit die Gesamtbelichtungszeit), die Nachführung (keine, Tracking, Guiding,…),  dann bleibt als Einflussmöglichkeit im wesentlichen die Entscheidung für die Belichtungszeit der Einzelfotos (Sub Exposures), die zum Gesamtbild zusammengeführt werden sollen (“Stacking”).

Wir gehen die Thematik in folgenden Schritten an

  1. Grundlagen der digitalen Astrofotografie
  2. Was beeinflusst die Qualität von Einzelfotos (Sub Exposures) ?
  3. Wie ergibt sich die Qualität des Summenfotos (gestacktes Bild) ?
  4. Welche Schlussfolgerungen/Empfehlungen ergeben sich daraus für den “Standard Observer”?
  5. Welche Schlussfolgerungen/Empfehlungen ergeben sich daraus für meine persönlich präferierten Beobachtungsorte?

Grundlagen: Signal und Rauschen

Der digitale Sensor – schematisch

Abbildung 1: Elektronische Bauelemente für digitales Fotografieren (Github: dslr.svg)

dslr.svg

Signalstärke

Auf einem Astrofoto kommen verschiedene Signale zusammen:

  • Ein Signal vom eigentlichen Beobachtungsobjekt (Nutz-Signal)
  • Ein zusätzliches Signal vom Himmelshintergrund (Light Pollution)
  • Ein zusätzliches Signal durch den Dunkelstrom (abhängig von der Sensor-Temperatur)

Die Signalstärke ist eigentlich:  Anzahl Photonen pro Pixel pro Sekunde. Das menschliche Auge speichert die Lichtteilchen nicht, der Helligkeitseindruck (die physiologische Signalstärke) wird durch die Anzahl Lichtteilchen pro Zeiteinheit bestimmt. Das Auge hat dabei eine quasi konstante “Belichtungszeit” von so etwa 1/18 Sekunde.

Der Sensor in unserer Kamera hat im Gegensatz zum menschlichen Auge ein beträchtliches Speichervermögen. Daher ist die Belichtungszeit relevant. Die Photonen schlagen Elektronen aus dem Sensormaterial heraus und diese werden über die Belichtungszeit gesammelt. Die gesammelten Elektronen werden dann gemessen und von einem Analog to Digital Converter (ADC) in eine Zahl umgewandelt (ADU). Die Quantum Efficiency (QE) ist dabei der Prozentsatz von Photonen, der ein Elektron auslöst.

Die Signalstärke im Sensor ergibt sich aus der Signalrate und der Belichtungszeit. Wenn wir die Signalrate messen in  Anzahl Elektronen pro Pixel pro Sekunde (e-/Pixel/s), ergibt sich die Signalstärke als:

Signalstärke = Signalrate * Belichtungszeit

Jedes Signal ist mit einem Rauschen behaftet. Die Signale vom Himmelshintergrund und vom Dunkelstrom können wir abziehen; es bleibt das Rauschen von Himmelshintergrund und Dunkelstrom; diese können wir durch Stacking der Light-Frames und Dark-Frames (s.u.) bekämpfen.

Messen von Signal und Rauschen

Ein mit einem digitalen Sensor gemachtes Bild besteht aus vielen Pixeln und jeder Pixel hat einen Helligkeitswert (ADU), den der ADC für das jeweilige Pixel ausgegeben hat.

Als Signal kann man nun den Mittelwert und als Rauschen die Standardabweichung dieser ADU-Werte nehmen. Dies können wir z.B. mit der Software Fitswork folgendermassen messen:

  1. Wir öffnen das betreffende Foto in Fitswork
  2. Wir markieren den zu messenden Bereich durch ziehen mit der rechten Maustaste (bzw. wir messen das ganze Bild)
  3. Rechtsklick öffnet ein Kontextmenü, wo wir “Statistik für den Bereich” auswählen…

In der Astrofotografie definiert man nun das Signal to Noise Ratio (SNR) einfach als:

\(SNR = \Large \frac{Average(ADUs)}{Standard Deviation(ADUs)}\)

Rauschen

Es gibt mehrere Beiträge für Rauschen in den Light-Frames (Einzelfotos, Sub Exposures), die sich pro Einzelfoto in bestimmter Art addieren (s. unten):

  • Kamera-extern hat man
    • Rauschen im eigentlichen, externen Signal vom Beobachtungsobjekt das sog. Shot Noise (auch Photonenrauschen oder Schrotrauschen genannt)
    • Rauschen im Signal des Himmelshintergrunds (Lichtverschmutzung etc.)
  • Kamera-intern hat man (sog. Kamera-Rauschen):
    • Rauschen durch den Auslese-Vorgang (sog. Read Noise – nur Rauschen, kein Signal)
    • Rauschen durch Wärme im Sensor (sog. Thermisches Rauschen, also Rauschen im Dunkelstrom-Signal, deshalb auch Dunkelstrom-Rauschen genannt)
    • Quantisierungsrauschen durch den ADC (dieses ist so gering. dass wir es in dieser Betrachtung komplett ignorieren)

Rauschen bringt feine Details im Bild zum Verschwinden. Deshalb wollen wir das Rauschen insgesamt reduzieren.

Das Rauschen ist meistens zufällig (stochastisch) und kann also dadurch bekämpft werden, dass man viele Aufnahmen macht und die dann mittelt (siehe: Stacken).

Ausser in den Einzelfotos (Light Frames) hat man auch noch Rauschen:

  • Rauschen in den Dark-Frames
  • Rauschen in den Flat-Frames

Dieses betrachten wir zunächst ebenfalls nicht.

Zusammenfassung (Executive Summary)

Da die technischen Zusammenhänge doch sehr komplex und vielschichtig sind, hier die “wichtigsten” Erkenntnisse vorweg (für einen gegebenen Standort mit gegebener Lichtverschmutzung):

  • Die Gesamtbelichtungszeit (Integrationszeit) muss lang sein (z.B. 2 Stunden oder mehr)
  • Die Belichtungszeit eines Einzelfotos muss immer so gewählt werden, dass im Histogramm weder links noch rechts etwas abgeschnitten (“geclippt”) wird
  • Die Einzelbelichtungszeit muss nur so groß sein, dass das Einzelbild “hintergrundlimitiert” ist; d.h.
    • Unter lichtverschmutztem Himmel die Einzelfotos (Subs) kurz belichten (z.B. 30 sec), dann aber ganz viele machen (und man braucht vielleicht garkein Autoguiding)
    • Unter dunklerem Himmel können die Einzelfotos schon länger belichtet werden (z.B. 5 min), wenn das Guiding (oder: Autoguiding) das hergibt
  • Ruhig ISO bzw. Gain hochdrehen, dann wird das Ausleserauschen geringer (bei CMOS Sensoren) – aber der Dynamik-Umfang wird etwas sinken
  • Das thermische Rauschen ist häufig viel kleiner als Stör-Signale aus anderen Quellen. Deshalb ist extreme Kühlung manchmal garnicht so wichtig.

Folgende Rausch-Anteile werden wir im Folgenden ignorieren:

  • Das thermische Rauschen im Light-Frame: Durch ausreichende Kühlung des Sensors werden wir es auf 10% der Lichtverschmutzung begrenzen
  • Das Dunkelstrom-Rauschen im Dark-Frame: Wird reduziert durch das Stacken vieler Dark-Frames zu einem Masterdark

Die verbleibenden Rauschanteile wollen wir durch geeignete Wahl der Belichtungszeiten soweit reduzieren, dass sie unterhalb einer persönlichen Qualitätsgrenze liegen. Dabei werden wir die Größe der Lichtverschmutzung als Massstab nehmen.

  • Das Ausleserauschen (Read Noise) wird irrelevant, wenn wir die Subs so lange belichten, das sie quasi “hintergrundlimitiert” werden; soll heissen dass im gestackten Bild das Ausleserauschen maximal 5% der Lichtverschmutzung ausmacht.
  • Das  “Shot Noise” (Photonen-Rauschen) wird reduziert durch das Stacken vieler Light-Frames

Was bedeutet “hintergrundlimitiert” ?

Mit “Hintergrund” meint man die Himmelshelligkeit (Lichtverschmutzung,  Airglow etc.). Unter “limitiert” durch den Hintergrund meint man, dass man nicht länger belichten sollte da bei längerer Belichtung die Lichtverschmutzung dominieren würde.  Bleibt man knapp unter dieser Grenze so sind die anderen Rausch-Signale (Auslese-Rauschen und thermisches Rauschen) deutlich kleiner sind als das Signal vom Himmelshintergrund und sie können damit vernachlässigt werden. Effektiv ergibt also der Himmelshintergrund das Limit für die Belichtungszeit.

Wenn man sich nach der “optimalen” Belichtungszeit für die Subs fragt, reicht es, wenn man gerade so lange belichtet, dass die Subs hintergrundlimitiert sind. Dann wird durch noch längere Belichtungszeiten das Signal-Rausch-Verhhältnis im Stack (Summenbild) nicht mehr verbessert.

Signalkomponenten im Einzelfoto

Wir haben folgende Signalkomponeten in jedem Einzelfoto (Sub Exposure):

  • Signal vom eigentlichen Himmelsobjekt (ObjektSignal)
  • Signal vom Himmelshintergrund (LightPollutionSignal)
  • Signal vom Dunkelstrom

Wie addieren sich die Signalkomponenten im Einzelfoto?

Unahhängige Signale, die über die Zeit prinzipiell gleich bleiben, addieren sich “normal”.

\((1) \hspace{1 em} S_{1+2} =  S_1 + S_2 \)

Addieren wir alle Signale, die wir in unserem Einzelfotohaben kommen wir zu einem Gesamtsignal (ImageSignal) von:

\((2) \hspace{1 em} ImageSignal = ObjektSignal + LightPollutionSignal + DunkelstromSignal \)

Signal vom Himmelsobjekt

Das Himmelsobjekt, welches wir fotografieren, sendet einen Strom von Photonen, die über unsere Optik auf den Pixeln des Kamera-Sensors landen und dort als Elektronen über die Dauer unserer Belichtungszeit gesammelt werden. Durch die Ausleseelektronik der Kamera erhalten wir dann pro Pixel einen Zahlenwert für die Helligkeit.

\((3) \hspace{1 em} ObjektSignal = ObjektSignalRate * Belichtungszeit \)

Je nach anvisiertem Objekt kann die “ObjektSignalRate” ganz unterschiedlich sein. Beispiel: Wieviel Photonen fallen vom Andromedanebel pro Sekunde auf ein Pixel meiner Kamera? Vermutlich könnte man aus der Flächenhelligkeit eines Objekts diese “ObjektSignalRate” ermitteln – ähnlich wie im nächsten Abschnitt mit der Lichtverschmutzung…

Signal vom Himmelshintergrund

Die Helligkeit des Himmelshintergrunds hängt von der Lichtverschmutzung am Beobachtungsort ab. Hinzu kämen der Mond, möglicherweise Airglow u.a.
Die Signalrate, gemessen in Anzahl Elektronen per Pixel per Sekunde, hängt zusätzlich von der Optik (Öffnungsverhältnis) und dem Sensor (Mono/Colour, Pixelgröße, Quanteneffizienz) ab.

Wir definieren deshalb einen “Standard-Beobachter” (mit Standard Equipment), um zu vergleichbaren Zahlen zu kommen.

Der Standard-Beobacher sei definiert durch:

  • Sensor: CMOS, monochrom, 50% QE, Pixelgröße 3,75µ, Temperatur 25 Grad Celsius
  • Öffnungsverhältnis: f/6
  • Lichtverschmutzung:  Bortle 5
  • Gesamtbelichtungszeit: 60 Minuten

Die “LightPollutionRate” können wir mit dem “Sky Background Calculator” ermitteln. Link: https://tools.sharpcap.co.uk

Der Kniff dabei ist, die Himmelshelligkeit von Magnituden pro Quadratbogensekunde umzurechnen in Candela pro Quadratmeter (cd/m²). Dann haben wir einfache lineare Zusammenhänge. Die Umrechnung in cd/m² habe ich in meinem Blog-Artikel über SI-Einheiten beschrieben.

Tabelle 1: Signalrate aus Lichtverschmutzung in e- / Pixel /Sekunde (am 24.5.2021 der o.g. Website entnommen)

Bortle 9
16.0 mag
Inner City
Bortle 8
18.0 mag
City Sky
Bortle 7
18.3 mag
Urban
Bortle 6
18.8 mag
Bright Suburban
Bortle 5
19.8 mag
Suburban
Bortle 4
20.9 mag
Rural/Suburban
Bortle 3
21.4 mag
Rural
Bortle 2
21.6 mag
typical dark
Bortle 1
21.85 mag
Excellent Dark
f/4 175,25 27,78 21,07 13,29 5,29 1,92 1,21 1,01 0,80
f/5 112,16 17,78 13,48 8,51 3,39 1,23 0,78 0,65 0,51
f/6 77,89 12,34 9,36 5,91 2,35 0,85 0,54 0,45 0,36
f/7 57,23 9,07 6,88 4,34 1,73 0,63 0,41 0,33 0,26
f/10 28,04 4,44 3,37 2,13 0,85 0,31 0,19 0,16 0,13

Dies sind Daten für einen Mono-Sensor mit 50% Quantum Efficiency und 3,75μ Pixelgröße (für den sog.  Standard-Observer).
Für einen Colour-Sensor sind diese Zahlen durch 3 zu dividieren.

Unser Standard-Observer hat nach Tabelle 1 also eine Lichtverschmutzung von:

\((4) \hspace{1 em} LightPollutionRate = 2.35 \space Elektronen \space pro \space Pixel \space pro \space Sekunde \)

Das am Sensor gemessene Signal steigt mit der Belichtungszeit:

\((5) \hspace{1 em} LightPollutionSignal = 2.35 \cdot Belichtungszeit \)

Signal vom Dunkelstrom

Das Signal, was der Sensor ohne einkommende Photonen macht, – also “im Dunklen” – kann man sich in einem Dark-Frame betrachten. Darauf werden Hot Pixel und evtl. ein Amp Glow zu sehen sein…

Rauschkomponenten im Einzelfoto

Wir haben folgende Rauschkomponeten in jedem Einzelfoto (Sub Exposure):

  • Rauschen im Dunkelstrom (ThermalNoise)
  • Ausleserauschen (ReadNoise)
  • Schrot-Rauschen (ShotNoise)
  • Rauschen in der Lichtverschmutzung (SkyNoise)

Wie addieren sich Rauschkomponenten im Einzelfoto?

Unahhängige Rausch-Signale, die sich über die Zeit zufällig (stochastisch) verhalten, addieren sich mit einer “Quadratwurzel” ….    R1 + R2   = Wurzel aus (R1 Quadrat + R2 Quadrat)

\((6) \hspace{1 em} R_{1+2} =  \sqrt{ R_1^2 + R_2^2} \)

Wenn wir zwei zufällige und unabhängige Rauschsignale  R1=4 und R2=3 addieren, so erhalten wir R1 + R2 = 5
Das bedeutet, dass bei der Addition stark unterschiedlicher Rauschsignale man das schwächere “praktisch” vernachlässigen kann. Z.B. mit R1 = 10 und R2 =1 ergibt sich:

\((7) \hspace{1 em} R_{1+2} = \sqrt{ 10^2 + 1^2} = \sqrt{101} =  10,05 \\\ \)

Das Gesamtrauschen in einem Einzelfoto wäre also:

\((8) \hspace{1 em} ImageNoise = \sqrt{ThermalNoise^2 + ReadNoise^2 + ShotNoise^2 + SkyNoise^2} \)

Wir werden sehen, dass wir (unter bestimmten Bedingungen) das Thermische rauschen und das SkyNoise vernachlässigen können.

Thermal Noise (Dunkelstrom-Rauschen)

Im Sensor entstehen Elektronen nicht nur durch die ankommenden Photonen, sondern auch durch Wärme in der Kamera. Das nennt man “Dunkelstrom”. Dieser Dunkelstrom macht ein Dunkelstrom-Signal und ein Dunkelstrom-Rauschen (Thermal Noise). Das Dunkelstrom-Signal kann man durch Dark-Frames vom vom Nutzsignal (Light Frame) abziehen; das Dunkelstrom-Rauschen bleibt aber erhalten. Es ist von der Temperatur und der Dauer der Belichtung abhängig.

Dunkelstrom-Rauschen (Thermal Noise) verdoppelt sich ungefähr bei Temperaturerhöhung um 6,5 Grad Celsius.

Je nach Sensor ergeben sich unterschiedliche Kurven für dieses Thermal Noise (Copyright Dr. Robin Glover):

Abbildung 2: Dunkelstrom-Rauschen bei verschiedenen Temperaturen (Google Archiv: RobinGlover-01.jpg)

RobinGlover-01.jpg

Typisch für moderne CMOS-Sensoren wie Sony 294C sind 0,2 Elektronen pro Sekunde pro Pixel bei einer Sensor-Temperatur von 25 Grad Celsius. Wenn man diese Kurven sieht, erkennt man, dass ein Herunterkühlen von 25 Grad auf 15 Grad völlig ausreicht, um das thermische Rauschen bedeutungslos (von 0,2 auf 0,1 e/sec) zu machen.

Bekämpfung: Das thermische Rauschen bekämpfen wir durch Kühlung des Sensors.  Robin Glover empfiehlt, das thermische Rauschen auf 10% des Signals der Lichtverschmutzung zu limitieren. Bei besonders geringer Lichtverschmutzung wäre also eine entsprechende leichte Kühlung notwendig. Welche Signalstärke durch Lichtverschmutzung entsteht, ist unten beschrieben.

Erforderliche Kühlung

Um das “Thermal Noise” (das Dunkelstromrauschen) ignorieren zu könnne, wollen wir diese auf 10% der LightPollutionRate limitieren. Dazu müssen wir also wissen, wie stark die “LightPollutionRate” ist. Die Himmelshelligkeit an einen bestimmten Beobachtungsort messen wir mit dem Sky Quality Meter (SQM) in Magnituden pro Quadrat-Bogensekunde. Je nach Teleskop und Sensor ergibt sich daraus die “Light Pollution Rate” (in Elektronen pro Pixel pro Sekunde).

Erforderliche Kühlung beim Standard Observer

  • Light Pollution Rate = 2,35 e- /Pixel / s
  • Thermal Noise Limit (10%) = 0,235 e- /Pixel /s
  • Sensor: IMX294
  • Erforderliche Sensor Tempratur: 17-18 Grad Celsius

Read Noise (Auslese-Rauschen)

Durch den Vorgang des Auslesen der Pixel-Informationen aus dem Sensor ensteht auch ein zusätzliches Rauschen, das sog.  Auslese-Rauschen.

Wenn man statt ein paar wenigen Aufnahmen mit längerer Belichtung alternativ viele Aufnahmen mit kürzerer Belichtung macht, hat man auf jeder Einzelaufnahme das Ausleserauschen und das würde also bei “vielen kurzen Belichtungen” viel stärker ins Gewicht fallen. Allerdings ist das Auslese-Rauschen bei modernen CMOS-Kameras sehr gering, wenn man den Gain etwas hoch stellt, was die Dynamik evtl. herabsetzt.

Read Noise bei unterschiedlichem Gain bzw. ISO

Das Aufdrehen des “Gain” bei CMOS-Sensoren ist einfach eine Verstärkung aller Bildsignale.

Das Ausleserauschen (Read Noise) wird durch den Gain allerdings nicht verstärkt, da diese Verstärkung erst nach der Belichtung des Sensors stattfindet (wo genau entsteht das Ausleserauschen?).

Wichtige Kenngrößen des Sensors (Sony IMX294) sind also:

  • Ausleserauschen (bekommen wir durch Gain 120 auf unter 2.0 e/pix/sec)
  • Thermisches Rauschen (bei Kühlung auf -10 Grad praktisch Null)
  • Quantum Efficiency bei 75%

Abbildung 3: Read Noise in Abhängikeit vom Gain bei der ZWO ASI294MC Pro  (Google Archiv: RobinGlover-02.jpg)

RobinGlover-02.jpg

Bekämpfung des Ausleserauschens

  • Das Auslese-Rauschen können wir bei CMOS-Kameras bekämpfen durch Aufdrehen des Gains bis zu dem Punkt, wo das Ausleserauschen stark abfällt (Gain 120 im obigen Beispiel).
  • Andererseits ist das Ausleserauschen ja unabhängig von allen anderen Einstellungen und fällt eben genau einmal pro Einzelfoto an. Bei gegebener Gesamtbelichtungszeit sollten wir also mit möglicht wenigen Einzelfotos (Sub Exposures) auskommen. Die Belichtungszeit der Subs also soweit hochdrehen, bis “Hintergrundlimitierung” (s. Lichtverschmutzung unten) erreicht ist.

Schlussfolgerung für das Ausleserauschen

Das Ausleserauschen unseres Sensors pro Einzelbild ist ein unvermeidlicher Einflussfaktor; im Beispiel der ZWO ASI 294MC Pro:
R = 1,5 e-/pixel/sec

Shot Noise (Schrotrauschen)

Auch im eigentlichen Nutz-Signal haben wir ja ein Rauschen, das sog. “Shot Noise”  (im Deutschen auch “Schrotrauschen” genannt) – benannt nach Walter Schottky (1886-1976). Das Shot Noise haben wir weil die Photonen diskrete Teilchen sind, deren Ankommensrate auf einem Pixel zufällig ist und die man mit einer Poisson-Verteilung beschreiben kann.

Wenn wir länger belichten, kommen mehr Photonen auf den Sensor, wenn wir kürzer belichten, kommen weniger Photonen auf den Sensor. Bei einem schwächeren Signal ist das Shot Noise im Verhältnis zum Signal größer (Poisson-Verteilung). Umgekehrt: je länger wir belichten, desto geringer wird das Shot Noise im Verrhältnis zum Signal.

Shot Noise als Funktion des Signals

Das ShotNoise hängt von der Stärke des ObjektSignals ab, welches seinerseits durch die Helligkeit des Objekts und die Dauer der Belichtung gegeben ist.

\((9) \hspace{1 em}  ShotNoise =  \sqrt{ObjektSignal}  \)

Wobei die Stärke des ObjektSignals einfach die Anzahl Elektronen pro Pixel ist; was mit der Belichtungszeit ansteigen würde.

Siehe auch: GeoGebra

Abbildung 4: How Shot Noise varies with Brightness  (GitHub: Robin Glover Shot Noise 01.svg)

Robin Glover Shot Noise 01.svg

Shot Noise in Prozent des Signals

Absolut gesehen, steigt das Shot Noise mit der Signalstärke, also der Belichtungszeit.
Aber relativ zum Signal wird das Shot Noise (prozentual) immer geringer:

\((10) \hspace{1 em}  \Large  \frac{Shot Noise}{Signalstärke} = \Large \frac{ \sqrt{Signalstärke} }{Signalstärke} = \Large \frac{1}{\sqrt{Signalstärke}}  \)

Wobei auch hier die Signalstärke einfach die Anzahl Elektronen pro Pixel ist; was mit der Belichtungszeit ansteigen würde.

Siehe auch: GeoGebra

Abbildung 5: Shot Noise as a Percentage of Brightness (GitHub: Robin Glover Shot Noise 02.svg)

Robin Glover Shot Noise 02.svg

Shot Noise und Lichtverschmutzung

Das Shot Noise lässt die schwächsten (dunkelsten) Stellen im Bild quasi verschwinden. Das dunkelste im Bild ist aber das Signal der Lichtverschmutzung. Wir sollten das Shot Noise also in Relation zum Signal aus Lichtverschmutzung sehen. Unser “Standard Observer” hat (Gleichung (3)) eine Lichtverschmutzung von 2.35 Elektronen pro Pixel pro Sekunde.

In Abhängigkeit von der Belichtungszeit der Einzelaufnahme ergibt sich:

  • ShotNoise = Wurzel aus Nutzsignal = Wurzel aus (NutzsignalRate * Belichtungszeit)     (nach Gleichung (9) und (3))
  • LightPollutionSignal = 2.35 * Belichtungszeit                                                                       (nach Gleichung (5))

und damit

\( ShotNoisePercent = 100 \cdot \frac{ShotNoise}{LightPollutionSignal} = 100 \cdot \frac{\sqrt{Nutzsignal}}{2.35 \cdot Belichtungszeit} = 100 \cdot \frac{\sqrt{NutzsignalRate \cdot Belichtungszeit}}{2.35 \cdot Belichtungszeit} \)

und schließlich:

\( ShotNoisePercent = 100 \cdot \frac{\sqrt{NutzsignalRate}}{2.35 \cdot \sqrt{Belichtungszeit}} \)

Das ShotNoise selber hängt ja von der Stärke des Nutzsignals ab. Bei einer Nutzsignal-Rate von 243,36 Elektronen pro Pixel und Sekunde (243,36 = 15,62) kommen wir auf das gleiche Bild wie in Robin Glovers Präsentation.

Siehe auch: GeoGebra

Abbildung 6: Shot Noise in % der Lichtverschmutzung des Standard Observers (GitHub: Robin Glover Shot Noise 03.svg)

Robin Glover Shot Noise 02.svd

Dieses Bild sagt ja “Einzelbild länger belichten, ergibt weniger Rauschen”. Aber wenn wir das Stacken (s.u.) mit berücksichtigen, wird die Sache etwas anders.

Sky Noise (Rauschen in Lichtverschmutzung)

Das Rauschen in der Lichtverschmutzung ignorieren wir. Wohl aber ist die Stärke des Signals der Lichtverschmutzung ein wichtiger Massstab für die anderen Faktoren.

Summe des Rauschens im Einzelbild

Wenn wir, wie gesagt die Größe des Dunkelstrom-Rauschens (Thermal Noise) und das Rauschen in der Lichtverschmutzung (Sky Noise) vernachlässigen, da sie klein gegenüber den anderen Rauschkomponenten sind, bleibt also das Gesamt-Rauschsignal im Einzelbild, das “SingleFrameImageNoise” als Summe aus ReadNoise und ShotNoise:

\((11) \hspace{1 em}  SingleFrameImageNoise = \sqrt{ReadNoise^2 + ShotNoise^2} \)

Auch dieses Gesamtrauschen im Einzelbild wollen wir in Relation zum Signal aus Lichtverschmutzung (beim Standard Observer) sehen.

\( LightPollutionSignal = LightPollutionRate \cdot Belichtungszeit = 2.6 \cdot t \)

Dabei sehen wir den Einfluss des ReadNoise (Ausleserauschen) auf das Gesamtrauschen, nur bei kürzeren Belichtungszeiten. Bei längeren Belichtungszeiten verschwindet der Einfluss des ReadNoise ganz schnell. Um das in der Grafik sichtbar zu machen, müssen wir einen ganz anderen Massstab auf der x-Achse (Belichtungszeit) wählen.

Das ShotNoise ist \( ShotNoise = \sqrt{SignalRate} \cdot \sqrt{t} \)

Um das gleiche Bild wie in Robin Glovers Vortrag zu kommen, nehmen wir: SignalRate = 2 Elektronen per Pixel per Sekunde

Das ReadNoise hängt von der verwendeten Kamera ab. Wir nehmen für unsere Grafik mal ein paar typische Werte an:

  • typische CCD-Mono-Kamera habe ein Ausleserauschen (ReadNoise) von 7 Elektronen pro Pixel pro Sekunde
  • typische CMOS-Kamera habe ein Ausleserauschen (ReadNoise) von 2.5 Elektronen pro Pixel pro Sekunde
  • eine “ideale” Kamera ohne ReadNoise, also Null Elektronen pro Pixed pro Sekunde

Dann ist bei der typischen CCD-Mono-Kamera (R=7) und einer Belichtungszeit von t das Gesamtrauschen  im Einzelbild:

\( SingleFrameImageNoise = \sqrt{7^2 + 2 \cdot t} \)

Und als Prozent des Signals aus Lichtverschmutzung ergibt sich dann für den Standard Observer mit der CCD-Mono-Kamera:

\( ImageNoisePercent = 100 \cdot \frac{\sqrt{7^2 + 2 t}}{2.6 \cdot t} \)

Siehe auch: GeoGebra

Abbildung 7: Single Frame Noise als Prozentsatz vom Signal der Lichtverschmutzung (GitHub: Robin Glover Noise 04.svg)

Robin Glover Noise 04.svg

Stacking

In der Astrofotografie nehmen wir viele kürzer belichtete Fotos eines Objekts auf (sog. Sub Exposures oder Frames) und legen diese dann übereinander sog. Stacking, Dabei addieren sich die Signale in verschiedener Weise.

Signal und Rauschen beim Stacking

Beim Stacken von Einzelaufnahmen (Sub Exposures) verhalten sich Signal und Rauschen unterschiedlich.

Konstante Signale, bei denen sich die Signalstärke von Sub zu Sub eigentlich nicht ändert, addieren sich einfach.

\((12) \hspace{1 em} S =  S_1 + S_2 + S_3 + … \)

Rausch-Signale, die sich von Sub zu Sub zufällig (stochastisch) ändern, addieren sich mit der “Quadratwurzel”

\((13) \hspace{1 em} R =  \sqrt{ R_1^2 + R_2^2 + R_3^2 + …} \)

Mit zunehmender Anzahl Subs steigt also das Nutzsignal linear und das Rauschen “nur” mit der Quatradwurzel.

Wenn ich also n Subs mit einem Nutzsignal von S0 und einem Rauschsignal von R0 zu einem Summenbild stacke, erhalte ich ein Summenbild mit:

Nutzsignal \( S = n \cdot S_0 \)

Rauschsignal \( R = \sqrt{n \cdot R_0^2} \)

und damit eine Signal-Rauschverhältnis im Summenbild von:

\((14) \hspace{1 em}SNR = \frac{S}{R} = \frac{n \cdot S_0}{\sqrt{n \cdot R_0^2}} = \sqrt{n} \frac{S_0}{R_0} \)

Das ist die bekannte Aussage, dass bei einem Summenbild aus vier Subs das Signal-Rauschverhältnis sich verdoppelt etc.

Tabelle 2: Verbesserung des SNR durch Stacking

Spalte 1 Spalte 2 Spalte 3 Spalte 4
Anzahl Frames Multiplikator Rauschen Multiplikator Signal Multiplikator SNR
1 1,00 1 1
2 1,41 2 1,41
4 2,00 4 2,00
10 3,16 10 3,16
20 4,47 20 4,47
50 7,07 50 7,07
100 10 100 10

Wobei die Spalte 2 “Rauschen” noch detaillierter betrachtet werden muss, weil wir es mit mehren Rausch-Quellen zu tun haben, die sich addieren…

\( (15) \hspace{1 em} MultiplikatorRauschen = \sqrt{AnzahlFrames} \\  \\  \)

 

\( (16) \hspace{1 em}MultiplikatorSignal = AnzahlFrames   \\ \\ \)

 

\( (17) \hspace{1 em} MultiplikatorSNR = \frac{MultiplikatorSignal}{MultiplikatorRauschen}  = \frac{AnzahlFrames}{\sqrt{AnzahlFrames}}  = \sqrt{AnzahlFrames} \)

Effekt von Stacking auf den Speicherplatz

Andererseits nimmt bei zunehmendem Stacking (Anzahl Frames) der Speicherplatz für die Fotos auch linear zu. Beispielsweise bekomme ich eine Gesamtbelichtungszeit von 120 Minuten wenn ich 720 Fotos mit 10 Sekunden mache oder auch bei 60 Fotos mit 120 Sekunden; allerdings benötigt man in ersteren Fall 12 Mal so viel Speicher.

Die Schlußfolgerung für den Standard Observer

Wenn wir einfach einen gegebenen Ort, ein gegebenes Astro-Equipment und eine gegebene Zeit haben, was sollen wir machen?

Dafür gibt es eine Formel. Wobei wir folgende Symbole benutzen:

  • O = Object Signal Rate   in Electrons per Sekunde per Pixel  (abhängig von der Objekt-Helligkeit)
  • R  = Read Noise   (typisch bei CMOS-Sensoren: 0,2 e  pro Pixel)
  • T = Total Imaging Time
  • s = Sub Exposure Time
  • n = Number of Subs      \(  n = \frac{T}{s}  \)
  • P = Light Pollution Rate   in Electrons per Sekunde per Pixel     (typisch: 2,6 für unseren Standard Observer mit Bortle=5)

Noise im Single Frame

Wir wollen die Stärke des Rauschens im Einzelfoto ermitteln. Dafür gilt (Thermal Noise durch geeignete Kühlung vernachlässigt, SkyNoise vernachlässigt weil ganz gering):

\((18) \hspace{1 em} SingleFrameTotalNoise = \sqrt{SingleFrameReadNoise^2 + SingleFrameShotNoise^2}    \)

Das SingleFrameShotNoise hängt vom Objekt und von der Belichtungszeit ab:

\((19) \hspace{1 em}SingleFrameShotNoise = \sqrt{s \cdot O} \)

Wenn wir als Objekt einfach mal ein sehr dunkles Objekt nehmen, was eine ObjectSignalRate (O) hat, die genauso groß ist, wie die Rate der Lichtverschmutzung (P), dann ergibt sich:

\((20) \hspace{1 em}SingleFrameShotNoise = \sqrt{s \cdot P} \)

Wenn wir das oben in (18) einsetzen, erhalten wir das Gesamtrauschen im Einzelfoto (genau wie in Robin Glovers Vortrag) als:

\((21) \hspace{1 em} SingleFrameTotalNoise = \sqrt{R^2 + s \cdot P}    \)

Noise im Total Stack

Wenn wir jetzt “stacken”, haben wir (wenn wir wieder Thermal Noise und Sky Noise vernachlässigen) ein Gesamtrauschen (TotalStackNoise) von :

\((22) \hspace{1 em} TotalStackNoise = \sqrt{TotalStackReadNoise^2 + TotalStackShotNoise^2}    \)

Dabei ist das gesamte ReadNoise im gestackten BIld:

\((23) \hspace{1 em} TotalStackReadNoise = \sqrt{n \cdot R^2} \)

und das gesamte ShotNoise im gestackten Bild:

\((24) \hspace{1 em} TotalStackShotNoise = \sqrt{T \cdot O} \)

Wenn wir als Objekt einfach mal ein sehr dunkles Objekt nehmen, was eine ObjectSignalRate (O) hat, die genauso groß ist, wie die Rate der Lichtverschmutzung (P), dann ergibt sich:

\((25) \hspace{1 em} TotalStackShotNoise = \sqrt{T \cdot P} \)

Wenn wir das beides oben in (22) einsetzen, erhalten wir als Gesamtrauschen im gestackten Bild (genau wie in Robin Glovers Vortrag) als:

\((26) \hspace{1 em}TotalStackNoise = \sqrt{n \cdot R^2  + T \cdot P} \)

Wenn wir diese “trockene” Formel mal als Grafik darstellen, sehen wir besser, was da eigentlich passiert. Wir gehen von einer Gesamtbelichtungszeit von einer Stunde (3600 Sekunden) aus nehmen unseren “Standard Observer” und stellen dann die Werte für zwei Kameratypen (typische CCD mit 7.0 e Ausleserauschen und eine typische CMOS mit 2.5 e Ausleserauschen) dar:

Siehe auch: GeoGebra

Abbildung 8: Total Stack Noise in Abhängigkeit von der Einzel-Belichtungszeit

Robin Glover Noise 05.svg

 

Beim gesamten Störsignal (Rauschen) betrachten wir ja nur noch zwei Anteile: Ausleserauschen und Lichtverschmutzung.
Die Lichtverschmutzung hat an unserem Beobachtungsort eine gegebene konstante Rate. Die Lichtverschmutzung nimmt auf unseren Bildern also propotional der Belichtungszeit zu – dagegen können wir nichts machen.
Das Ausleserauschen haben wir einmal pro Einzelfoto. Also im Idealfall nur genau einmal. Wenn wir die Gesamtbelichtungszeit in mehrere Einzelfotos (Sub Exposures) aufteilen, haben wir das Ausleserauschen addiert für jedes Einzelfoto. Solange das Ausleserauschen sehr klein gegenüber er Lichtverschmutzung ist, können wir es (fast) vernachlässigen. Wenn wir zu sehr vielen Einzelfotos (d.h. sehr kurzen Belichtungszeiten) kommen wird irgendwann das Ausleserauschen relevant werden und schließlich auch deutlich mehr als die Lichtverschmutzung werden.

Wir sehen, dass sich das Total Stack Noise bei gegebener Gesamtbelichtungszeit (hier: 3600 Sekunden) jeweils einem Optimum (Minimum) annähert (im Beispiel: 96,8 bei CMOS und 97,0 bei CCD).

Die Kurven flachen sehr schnell ab, also können wir durchaus mit Sub Exposures arbeiten, die wesentlich kürzer sind und dabei das optimale (minimale) Rauschen nur ganz knapp erhöhen.

Das Minimum-Rauschen ist also für unseren Standard Observer (P=2.6) bei einer Stunde Gesamtbelichtungszeit:

\( (27) \hspace{1 em} TotalStackNoise_{min} = \sqrt{R^2 + T \cdot P} \)

Für unsere typische CMOS-Kameramit R=2.5 ergibt das:

Minimum-Rauschen CMOS = 96.8 e-/Pixel/s

Für unsere typische CCD-Kamera mit R=7 ergibt das:

Minimum-Rauschen CCD = 97.0 e-/Pixel/s

Wenn wir etwa ein 5% höheres Rauschen als das Minimum-Rauschen akzeptieren, landen wir bei Sub Exposures von: einer halben Minute bei CMOS und 3 Minuten bei CCD.

Im Beispiel sind das:

  • Standard-Beobachter CMOS 23 sec
  • Standard-Beobachter CCD 174 sec

Als tabellarische Darstellung haben wir:

Tabelle 3: Ergebnisse: Total Noise in the Stack Bortle=5

Spalte 1 Spalte 2 Spalte 3 Spalte 4 Spalte 5
Sub Exposure Length Total Stack Noise CMOS Total Stack   Noise
CCD
Total Stack Noise CMOS Total Stack Noise      CCD
[s] e/pixel/s e/pixel/s [%] [%]
1 178,5 431,0 184,4 444,3
2 143,6 312,3 148,3 322,0
5 117,7 211,3 121,6 217,8
10 107,7 164,3 111,3 169,4
23 101,6 130,0 105,0 134,0
30 100,5 123,5 103,9 127,3
60 98,7 110,9 101,9 114,3
100 97,9 105,5 101,2 108,7
174 97,4 101,9 100,7 105,0
1000 96,9 97,7 100,1 100,7
3600 96,8 97,0 100,0 100,0

Mit folgenden Annahmen

  • T = 3600 Sekunden
  • P = 2.6 e-/pixel/s
  • R CMOS = 2,5
  • R CCD = 7.0

ergibt sich Spalte 2

\( TotalStackNoiseCMOS = \sqrt{\frac{3600 \cdot R^2}{SubExposureLength} + 3600 \cdot P} \)

und Spalte 3:

\( TotalStackNoiseCCD = \sqrt{\frac{3600 \cdot R^2}{SubExposureLength} + 3600 \cdot P} \)

und Spalte 4:

Spalte 4 = Spalte 2 / Maximum von Spalte 2

und Spalte 5:

Spalte 5 = Spalte 3 / Maximum von Spalte 3

 

Optimale Sub Exposures

Die Idee ist nun, das Rauschen bei einer bestimmten (kürzeren) Belichtungszeit “s” in Relation zum erzielbaren Minimum (also ein lang belichtetes Foto) zu setzten.

Wenn man also einen bestimmten Prozentsatz zusätzlichen Rauschens im Bild akzeptieren will, kann man in der obigen Tabelle 3 für den “Standard Observer” ablesen, welche Einzelbelichtungszeiten dann im Minimum einzuhalten sind (damit das Ausleserauschen nicht zu groß wird). Beispielsweise bei 5% akzeptiertem Zusatzrauschen (also insgesamt 105%, entsprechend 1,05) hat man Einzelbelichtungszeiten von 23 bzw. 174 Sekunden.

Wir können das auch ausrechnen, indem wir unsere Formel nach s (Einzelbelichtungszeit) auflösen:

\( TotalStackNoisePercent(s) =100 \cdot \Large \frac{TotalStackNoise(s)}{TotalStackNoise(3600)} \\\\ \)

Eingesetzt ergibt das:

\( TotalStackNoisePercent(s) =100 \cdot \Large \frac{\sqrt{\frac{3600 \cdot R^2}{s} + 3600 \cdot P}}{\sqrt{R^2 + 3600 \cdot P}} \\\\ \)

Diese Gleichung lösen wir jetz nach s (Einzelbelichtungszeit) auf:

\( (TotalStackNoisePercent)^2 \cdot (R^2 + 3600 \cdot P) = \frac{3600 \cdot R^2}{s} + 3600 \cdot P \)

Wir bringen den Term mit s auf die linke Seite:

\(  \frac{3600 \cdot R^2}{s}  = (TotalStackNoisePercent)^2 \cdot (R^2 + 3600 \cdot P) – 3600 \cdot P  \)

und erhalten schließlich:

\(  s  = \frac{3600 \cdot R^2}{(TotalStackNoisePercent)^2 \cdot (R^2 + 3600 \cdot P) – 3600 \cdot P}  \)

Der Physiker in mir sagt, R (das Ausleserauschen) ist sehr klein. dann ist R2 erst recht klein und kann gegenüber 3600 * P ganz vernachlässigt werden. Wir können danach auch die 3600 herauskürzen und erhalten:

\( s = \frac{R^2}{(TotalStackNoisePercent)^2 \cdot P – P} \)

Wenn wir jetzt das TotalStackNoisePercent als “E” schreiben und P unten ausklammern, erhalten wir:

\( (28) \hspace{1 em} \Large s = \frac{1}{E^2 -1} \frac{R^2}{P}\)

Wenn wir 5% zusätzliches Rauschen akzeptieren, also E = 1,05 dann ist der Vorfaktor:

\(  \frac{1}{1,05^2 – 1} = 9,7561   \)

Bei E=5% erhalten wir die Formel:

\((29) \hspace{1 em}   S = 10 \cdot \frac{R^2}{P}   \)

Schlussfolgerungen für meine präferierten Beobachtungsorte

Meine präferierten Beobachtungsorte

An verschiedenen Orten haben wir ganz unterschiedliche Lichtverschmutzung:

  • Hamburg-Eimsbüttel: SQM 18,0 –> Bortle 8,0
  • Handeloh Aussensternwarte:  SQM 21,1 –> Bortle 3,6
  • Kiripotib, Namibia: SQM 21,9 –> Bortle 1
  • Elmshorn: SQM 20,5  –> Bortle 4,4

Meine Kamera

ZWO ASI294MC Pro

  • CMOS Colour
  • Pixelgröße: 4,63 μ
  • Quantum Efficiency: 75%
  • Ausleserauschen R = 1,5 e-/pixel/s

Quellen: https://astronomy-imaging-camera.com/product/asi294mc-pro-color

Meine Teleskope

  • Teleskop ED80/600 mit Reducer – Öffnungsverhältnis: f/6.4
  • Teleskop: APM APO 107/700 mit Reducer 0,75 – Öffnungsverhältnis: f/4,9

Meine Light Pollution Raten

An meinen Beobachtungsorten ist die Lichverschmutzung (in SQM) anders als beim angenommenen “Standard Observer” Bortle 5 (SQM=19,8 mag).
Auch habe ich andere Teleskope und andere Kameras bei mir zur Verfügung.

Tabelle 4: LightPollutioRate an meinen Standorten

Standort SQM Teleskop (f Ratio) Imager (Sensor) Imager (Pixelsize) Imager (QE) LightPollutionRate
Eimsbüttel 18,0 ED80/510 (f/6.375) Colour Canon EOS 600D (4.3μ) 41% 3,9
Eimsbüttel 18,0 ED80/510 (f/6.375) Colour ASI294MC Pro (4.63μ) 75% 8.27
Handeloh 21,1 ED80/510 (f/6.375) Colour Canon EOS 600D (4.3μ) 41% 0,41
Handeloh 21,1 ED80/510 (f/6.375) Colour ASI294MC Pro (4.63μ) 75% 0.48
Elmshorn 20,5 ED80/510 (f/6.375) Colour ASI294MC Pro (4.63μ) 75% 0,83
Kiripotib 21,9 APM APO 107/700 * 0,75 (f/4,9) Colour Canon EOS 600D (4.3μ) 41% 0,18
Kiripotib 21,9 APM APO 107/700 * 0.75 (f/4,9) Colour ASI294MC Pro (4.63μ) 75% 0,39

Diese “Light Pollution Rate” liefert also Elektronen pro Sekunde; also immer mehr (linear), je länger wir das Einzelfoto belichten.

Thermisches Rauschen

Das Thermische Rauschen können durch Kühlung des Sensors reduzieren.

Tabelle 5: Light Pollution Rate und erforderliche Kühlung für meine präferierten Beobachtungsorte

Standort SQM Teleskop (f Ratio) Imager (Sensor) Imager (Pixelsize) Imager (QE) Light Pollution Rate Thermal Noise Limit (10%) Erforderliche Sensor Temperatur
Eimsbüttel 18,0 ED80/510 (f/6.375) Canon EOS 600D (4.3μ) 41% 3,9 0,39
Eimsbüttel 18,0 ED80/510 (f/6.375) Sony IMX294 ASI294MC Pro (4.63μ) 75% 8.27 0.83 ca. +25°
Handeloh 21,1 ED80/510 (f/6.375) Canon EOS 600D (4.3μ) 41% 0,41 0,04
Handeloh 21,1 ED80/510 (f/6.375) Sony IMX294 ASI294MC Pro (4.63μ) 75% 0.48 0.05 ca. -15°
Elmshorn 20,5 ED80/510 (f/6.375) Sony IMX294 ASI294MC Pro (4.63μ) 75% 0,83 0,08 ca. -5°
Kiripotib 21,9 APM APO 107/700 * 0,75 (f/4,9) Canon EOS 600D (4.3μ) 41% 0,18 0,02
Kiripotib 21,9 APM APO 107/700 * 0.75 (f/4,9) Sony IMX294 ASI294MC Pro (4.63μ) 75% 0,39 0,04 ca. -15°

In der Spalte “Imager (QE)” haben wir die Quanten-Effizienz des Sensors angegeben (41% gilt für die unmodifizierte Cannon EOS 600D)

Die Spalte “Light Pollution Signal” wurde berechnet mit dem “Sky Background Calculator”: Link: https://tools.sharpcap.co.uk

Wie sich das Thermische Rauschen durch Kühlung reduziert, ist für jeden Sensor anders.

Die Spalte “Erforderliche Sensor Temperatur” ergibt sich aus Abbildung 2 (s.o.) für den Sensor Sony IMX294.

Mein Ausleserauschen

Das Ausleserauschen unseres Sensors pro Einzelbild ist ein unvermeidlicher Einflussfaktor; im Beispiel der ZWO ASI 294MC Pro:
R = 1,5 e-/pixel/sec

Zusammenfassung: Optimale Sub Exposures an meinen Standorten

Bei einer 60 Minuten Gesamtbelichtung habe ich ein den unterschiedlichen Standorten unterschiedliche “optimale” Belichtungszeiten für die Einzelaufname (Sub Exposure),wenn man einen persönlichen Qualitätsanspruch von 5% Zusatz-Rauschen ansetzt.

Tabelle 6: Optimale Einzel-Belichtungszeit

Standort Lichtverschmutzung SQM [mag/arcsec²] Teleskop Kamera Light Pollution Rate [e-/pixel/s] Kühlung Einzel-Belichtungszeit [s]
Eimsbüttel 18,0 f/6,375 ZWO ASI294MC Pro 8,31 +25° 3
Handeloh 21,1 f/6,375 ZWO ASI294MC Pro 0,48 -15° 45
Namibia 21,9 f/4,9 ZWO ASI294MC Pro 0,39 -15° 55

Einzelberechnungen: Optimale Sub Exposures an meinen Standorten

Im Einzelen gehen die hier aufgeführten “optiomalen” Einzel-Belichtungszeiten aus den Tabellen x-y hervor.

Optimale Belichtungszeit in Eimsbüttel (SQM 18,0, P=8,27)

Tabelle 7: Ergebnisse: Total Noise in the Stack in Eimsbüttel

Sub Exposure Length Total Stack Noise ASI294 MC Pro Total Stack Noise ASI294MC Pro
[s] e-/pixel/s [%]
1 194,6 112,8
2 183,9 106,6
2,64 181,2 105,0
5 177,2 102,7
10 174,9 101,3
20 173,7 100,7
30 173,3 100,4
100 172,9 100,1
300 172,6 100,0
1000 172,6 100,0
3600 172,55 100,0

Mit folgenden Annahmen:

  • T = 3600 Sekunden
  • P = 8.27 e-/pixel/s
  • R = 1,5 e-/pixel/s  (ASI294MC Pro, Gain=121)

Optimale Belichtungszeit in Handeloh (SQM 21,1 P=0,48)

Tabelle 8: Ergebnisse: Total Noise in the Stack in Handeloh

Sub Exposure Length Total Stack Noise ASI294MC Pro Total Stack Noise ASI294MC Pro
[s] e-/pixel/s [%]
1 99,1 238,3
2 76,0 182,7
5 57,9 139,1
10 50,4 121,1
30 44,7 107,5
45 43,7 105,0
60 43,2 103,8
120 42,4 101,9
300 41,9 100,7
1200 41,7 100,1
3600 41,60 100,0

Mit folgenden Annahmen:

  • T = 3600 Sekunden
  • P = 0.48 e-/pixel/s
  • R  = 1,5 e-/pixel/s (ASI294MC Pro, Gain=121)

Optimale Belichtungszeit in Kiripotib (SQM 21,9 P=0,39)

Tabelle 9: Ergebnisse: Total Noise in the Stack in Kiripotib

Sub Exposure Length Total Stack Noise ASI294MC Pro Total Stack Noise ASI294MC Pro
[s] e-/pixel/s [%]
1 97,5 260.0
2 73,9 196,9
5 55,0 146,6
10 47,1 125,5
30 40,9 109,1
55 39,4 105,0
60 39,2 104,6
120 38,4 102,3
300 37,8 100,9
1200 37,6 100,2
3600 37,50 100,0

Mit folgenden Annahmen:

  • T = 3600 Sekunden
  • P = 0.39 e-/pixel/s
  • R  = 1,5 e-/pixel/s (ASI294MC Pro, Gain=121)

Anhang: Lichtverschmutzung

Lichtverschmutzung im Internet

Physik: Quantenmechanik

Gehört zu: Physik
Siehe auch: Kosmologie, Teilchenphysik, Von Pythagoras bis Einstein, Lineare Algebra, Bra-Ket-Notation
Benötigt: WordPress Latex-Plugin, Fotos von Wikipedia

Stand: 08.04.2022   (h quer, Strahlungsspektrum Grafik)

Prinzipien der Quantenmechanik

Im Jahr 1900 formulierte Max Planck (1858-1947) sein Strahlungsgesetz und seine Quantenhypothese. Erst um 1925 entwickelte sich daraus eine Quantentheorie/Quantenmechanik, die die physikalische Systeme im Kleinen (z.B. Elementarteilchen, Atome,…). gut beschreibt. Wesentliche Punkte sind:

Verständnis der Quantenmechanik

Die Formalismen der Quantenmechanik dienen lediglich als Mittel zur Vorhersage der relativen Häufigkeit von Messergebnissen; diese werden als die einzigen Elemente der Realität angesehen.

Eine wirkliches “inneres” Verständnis der Quantenmechanik ist heute noch nicht vorhanden. Man kann zwar damit “rechnen”, weiss aber eigentlich nicht, was da “im Inneren” passiert. Link: https://en.wikipedia.org/wiki/Interpretations_of_quantum_mechanics

Zitat Richard Feynman (1918-1988): “I think I can safely say that nobody understands quantum mechanics.”
Link: https://www.researchgate.net/post/I_think_I_can_safely_say_that_nobody_understands_quantum_mechanics_R_Feynman_If_that_statement_is_true_how_can_we_know_if_QM_is_true

Abbildung 1: Flammarion Holzschnitt (Wikipedia: FlammarionWoodcut.jpg)

Flammarion Holzschnitt (Wikipedia)

Das Plancksche Strahlungsgesetz

Bestimmte phsikalische Größen kommen nur in ganzzahligen Vielfachen eines “kleinsten” Wertes vor. Das nennt man Quantelung. Der Ursprung dieser Idee “Quantenhypothese” soll das Plancksche Strahlungsgesetz sein.

Max Planck (1858-1947) beschäftigte sich mit die Strahlung eines sog. “Schwarzen Strahlers”. Speziell ging es ihm darum, wie sich in Abhängigkeit von der Temperatur die abgestrahlte Energie über die Wellenlängen hin verteilt. Man kannte damals schon die abgestrahlte Gesamt-Energie (Stefan-Boltzmann-Gesetz) und auch die Wellenlänge bei der das Maximum an Energie abgestrahlt wird (Wiensches Verschiebungsgesetz). Die früheren Formeln zur Verteilung über die Wellenlängen z.B. von Rayleigh-Jeans waren nur Teilerfolge, da sie in der sog. “Ultraviolettkatastrophe” endeten.

Max Planck konnte im Jahre 1900 ein Strahlungsgesetz entwickeln, das zeigt welche Strahlungsenergie ein “Schwarzer Strahler” einer bestimmten Temperatur (T) in Anhängigkeit von der Wellenlänge (oder Frequenz “ν”) der Strahlung aussendet. Plancks Strahlungsgesetz ist eigentlich nur eine Formel wie viele andere in der Physik auch, die endlich die Verteilung der Strahlungsenergie in Abhängigkeit von der Wellenlänge/Frequenz der Strahlung “richtig” darstellt.

\( \Large \frac{8 \cdot \pi  \cdot h \cdot \nu^3}{c^3} \cdot \frac{1}{e^\frac{h \nu}{k T} – 1}\)

Abbildung 2: Verteilung der Stahlungsenergie

Planksches Strahlungsspektrum (Wikipedia)

Wir sehen, dass je nach Temperatur, das Maxium der Strahlung bei einer anderen Wellenlänge (einer anderen Farbe) liegt.

Das nach Wilhelm Wien (1864-1928) benannte Wiensche Verschiebungsgesetz besagt, dass  ein Schwarzer Körper der absoluten Temperatur T die intensivste Strahlung bei einer Wellenlänge λmax abgibt, die umgekehrt proportional zu seiner Temperatur ist; als Formel:

\( \lambda_{max} = 2897,8 \mu m \cdot \frac{1}{T}\)   (T in Kelvin)

Aus der Farbe eines thermischen Strahlers kann so auf seine Temperatur zurückgeschlossen werden. Zum Beispiel teilt man die Sterne gemäß ihrer Farbe in Spektralklassen ein, denen eine Temperaturskala entspricht.

In Plancks Formel kommt eine vom ihm so genannte “Hilfskonstante” h vor, die später als das legendäre Plancksche Wirkungsquantum interpretiert wurde. Die physikalische Größe “Wirkung” bezeichnet eine Energie (Joule), die in einer bestimmten Zeit  (Sekunden) etwas “bewirkt”. Die Planck’sch Hilfskonstante ist:

h = 6,626069 ⋅ 10-34 J ⋅ s

h = 6,626 069 10 34 J s

Dieses Youtube-Video von Rene Matzdorf  an der Uni Kassel versucht, die Herleitung der Planck’schen Formel (Strahlungsgesetz) über die Strahlung den schwarzen Körpern, sog. Hohlraumstrahlung und darin existierenden stehenden Wellen (Hohlraum-Resonator) herzuleiten:

Der Zusammenhang ist für mich nicht so leicht nachvollziehbar. Aber man muss das Placksche Schrahlungsgesetz ja überhaupt nicht “herleiten” – hat Newton bei seiner Gravitationstheorie ja auch nicht gemacht.

In physikalischen Formeln wird auch häufig ein sog. “Reduziertes Plancksches Wirkungsquantum” mit dem Symbol “h quer” verwendet. Es ist definiert als: \( \hbar = \frac{h}{2\pi} \)

Quelle: http://www.quantenwelt.de/quantenmechanik/historisch/schwarze_korper.html

Plancks Quantenhypothese

Häufig hört man, dass aus Plancks Formel angeblich die Aussendung der Energie in sog. Quanten (ganzzahlige Vielfache  von h mal ν) folgt. Das kann man aber aus der Formel selbst überhaupt nicht ableiten. Vielmehr ist es so, dass Planck (angeblich) auf diese Formel kam indem er elektromagnetische Strahlung (das Licht) als Teilchen modellierte, die sich wie ein Gas verhalten sollten. Die unterschiedlichen Geschwindigkeiten solcher Teilchen modelliert Planck als unterschiedliche Wellenlängen der Strahlung…

Ein solches Teilchen sollte eine von der Frequenz seiner Strahlung abhängige Energie haben. Das ist die zentrale Formel (Quantenhypothese) von Planck:   \(E = h \cdot \nu \)

Die Formeln für das Strahlungsgesetz hat Planck zunächst durch Probieren herausgefunden und dann später eine Herleitung auf Basis seiner Quantenhypothese gefunden. Planck glaubte jedoch damals noch nicht an eine allgemeine Quantelung, diese war nur eine Annahme, um die Theorie in Einklang mit den Messungen bringen zu können.

Später versuchte Planck sein Strahlungsgesetz nicht durch eine “Hohlraumstrahlung” sonden durch Atome als Oszillator zu interpretieen.

Der Photoelektrische Effekt

Einfacher für mich ist die Erklärung mit dem photoelektrischen Effekt. Einstein (1879-1955) benutzte gequantelte Photonen mit der Energie \(E = h \cdot \nu \), um den photoelektrischen Effekt zu erklären.

Nach Einstein nimmt die Intensität von Licht dadurch zu, dass mehr Photonen mit der gleichen Energie pro Zeiteinheit abgestrahlt werden. Der photoelektrische Effekt wirkt aber erst dann, wenn das einzelne Photon die erforderliche Energie hat, um Elektronen aus dem Basismaterial herauszulösen. Es ist also nicht eine bestimmte hohe Intensität des Lichts erforderlich, sondern eine bestimmte hohe Frequenz, um die Auslösearbeit zu leisten…

Das Bohrsche Atommodell

Der Erfolg dieser Theorien brachte Niels Bohr (1885-1962) dazu, so eine Quantelung auch für die Enegieniveaus der Elektronen-Orbitale in seinem Atommodell anzunehmen.

Man stellt sich dabei so ein Orbital als eine stehende Welle (s. Schrödinger-Gleichung) vor.

Quantelung

Welche physikalischen Größen sollen den nun “gequantelt” sein; d.h. nur in ganzzahligen Vielfachen einer (kleinen) Elementargröße (=Quanten) vorkommen? Kommt jede physikalische Größe in “Quanten” oder nur bestimmte?

Ich habe in Heidelberg gehört, dass die Quantelung nur für physikalische Größen zutrifft, die konjugiert zu einer periodischen Größe sind. Was immer das heissen mag…

Das Plancksche Wirkungsquantum

Das Plancksche Wirkungsquantum als Naturkonstante wird heute zur Definition der SI-Einheit Kilogramm benutzt.

Im Zusammenhang mit dem Wirkungsquantum spricht man auch von einer einer “Planck-Länge”, einer “Planck-Zeit” etc., denn Planck hatte herausgefunden, dass man aus den Naturkonstanten G, c, h eine ganze Schaar von Einheiten ableiten kann (durch Probieren und Beachten der Dimensionen):

Planck-Länge:

\(  \Large l_p = \sqrt{\frac{\hbar \cdot G}{c^3}} = 6.616 10^{-35}m\\ \)

Was diese Planck-Länge bedeutet, ist zunächst völlig offen. Es ist “nur” eine ausprobierte Formel, die als Dimension eine Länge hat.

Im Zusammenhang mit der Heisenbergschen Unschärferelation versucht man, diesen Planck-Größen eine physikalische Bedeutung beizumessen.

 

 

 

 

Astronomie: SQM Sky Quality Meter – Bortle-Skala

Gehört zu: Lichtverschmutzung
Siehe auch: Liste meiner Geräte, Belichtungszeiten, Beobachtungsorte, Filter, Scheinbare Helligkeit
Benutzt: WordPress Latex-Plugin , Fotos von Google Archiv

Stand: 14.12.2022

Messung der Himmelshelligkeit: SQM

Messung der Himmelshelligkeit mit dem “Sky Qualtity Meter” von Unihedron

Die Messung der Himmelshelligkeit kann mit einem Messgerät der kanadischen Firma Unihedron erfolgen. Dieses Gerät habe ich mir am 28.10.2018 von Teleskop-Express für EUR 156,40 kommen lassen. Es misst die Leuchtdichte des Himmels in der astronomischen Einheit Größenklassen/Quadratbogensekunden (mag/arcsec2). Die Skala ist umgekehrt, hohe Zahlenwerte bedeuten einen dunklen Himmel.

Die Amerikaner benutzen gern statt mag/arcsec2 die Abkürzung MPSAS für Magnitudes Per Square Arc Seconds.

Abbildung 1: Foto eines Sky Quality Meter. Im Display steht: 11,36 (Google Archiv: sqm_kl.jpg)

sqm_kl.jpg

SQM Sky Quality Meter

Anwendungsbereich des SQM-Geräts

Das SQM-Gerät misst eine Helligkeit. Wenn man es auf den Himmel hält, misst es die Himmelshelligkeit. Wenn man es auf einen Baum hält, misst es die Helligkeit des Baums. Man muss das Gerät also schon in die gewünschte Richtung halten.

Wie bei jeder Messung haben wir eine gewisse Schwankung von Einzel-Messungen. Man sollte also immer mehrere Messungen machen und ggf. daraus einen Mittelwert bilden.

Das SQM-Gerät misst nicht wirklich die “Qualität”, sondern die Helligkeit.

Das SQM-Gerät misst auch nicht die Höhe über Normalnull, auch nicht den Luftdruck, auch nicht die Windstärke, auch nicht das “Seeing” – es misst die Helligkeit.

Ich benutze mein SQM-Gerät z.B. um Vergleiche zwischen Beobachtungsorten anzustellen. Z.B. wie dunkel ist der Himmel in Namibia, wie dunkel ist der Himmel in Hamburg-Eimsbüttel, wie dunkel ist der Himmel in Handeloh – immer unter “guten” Beobachtungsbedingungen, also nach Ende der astronomischen Dämmerung, ohne Mond, ohne Wolken, ohne sonstiges Störlicht…

Wenn ich einigermassen dunkle Beobachtungsorte mit dem SQM-Gerät messe, beginnt das interessant zu werden so bei 21,0 und schon kleine Unterschiede im Messwert (Zehntel) machen einen deutlichen Unterschied in der Himmelshelligkeit aus. Der dunkelste Wert, den ich bisher gemessen habe, lag bei 21,99 auf Kiripotib in Namibia.

Frank Sackenheim sagt dazu: Ein Beobachtungsort mit dunklem HImmel ist durch nichts zu ersetzen – ausser durch einen Ort mit noch dunklerem Himmel. Deswegen habe ich verschiedene Beobachtungsorte beschrieben.

Die Bortle-Skala

Eine ausführlichere Beschreibung der Bortle-Skala findet man in meinem Artikel Lichtverschmutzung.

In der Praxis verwendet man auch gerne die sog. Bortle-Skala, die wie folgt definiert wird:

Tabelle 1: Die Bortle-Skala

SQM Bortle
21.85 1 Excellent dark sky site
21.6 2 Typical dark sky site – natürlicher Himmelshintergrund, Milchstraße bis Horizont sichtbar, Wolken schwarz
21.4 3 Rural sky – Zodiakallicht (im Frühjahr abends, im Herbst morgens) gut sichtbar, Milchstraße, Wolken über Städten am Horizont hell
20.9 4 Rural / Suburban transition – Milchstraße sichtbar mit geringem Kontrast, Wolken im Zenit hell
19.8 5 Suburban sky  – Milchstraße im Zenit schwach erkennbar
18.8 6 Bright suburban sky – wenige Sterne, Himmel stark aufgehellt
18.3 7 Suburban / Urban transition
18.0 8 City sky

SQM Masseinheiten

Jonas Schenker schreibt dazu ( http://www.extrasolar.ch/skyqualitymeter.html ):

Der Sky Quality Meter misst die Helligkeit innerhalb eines Kegels (Öffnungswinkel 80 Grad) und berechnet daraus die mittlere spezifische Leuchtdichte Lv (in Magnituden pro Quadratbogensekunde).
Leuchtdichte Lv Anzeige: mag / (arcsec)2
SI-Einheit: cd / m2 = lm / m2 / sterad
Umrechnung:
Wert in cd/m2 = 1.08 * 10^5 * 10^(-0.4*SQM) ,  mit SQM = Anzeigewert in mag / (arcsec)2
\(  Leuchtdichte \hspace{0.5em} [cd/m²] = 1,08 \cdot 10^5 \cdot 10^{(-0,4 \cdot SQM) } \\\ \)

Clear Outside

Die Website http://www.clearoutside.com gibt interessanterweise neben der Wettervorhersage auch die Himmelshelligkeit am Beobachtungsort an. Neben der Einstufung in die Bortle-Skala finden wir auch die Himmelshelligkeit in Einheiten von Milli-Candela pro Quadratmeter (mcd/m²).

Abblidung 2: Clearoutside mit Himmelshelligkeiten (Google Archiv: ClearOutside-03.jpg)

ClearOutside-03.jpg

 

 

Mathematik: Von Pythagoras bis Einstein

Gehört zu:  Mathematik und Physik
Siehe auch: Kosmologie , Quantenmechanik, Mathematik, Komplexe Zahlen
Benötigt: WordPress Plugin LaTeX

Ein bisschen Mathematik

Angeregt von einem Youtube-Video “Top 10 equations that changed to world” wollte ich hier die wichtigsten Errungenschaften der Mathematik und Physik sind darstellen:

  • Der Lehrsatz des Pythagoras  10
  • Der Logarithmen (Napier)   9
  • Differentialrechnung (“Calculus”) und Grenzwerte  (Newton, Leibnitz)  8
  • Das Gravitationsgesetz (Newton)  7
  • Die komplexen Zahlen (Euler,…)  6
  • Wellengleichung   (d’Alembert) 5
  • Fourier Transformation   4
  • Navier Stokes Gleichung   – Aerodynamik  –   3
  • Faraday und Maxwell Gleichungen   2
  • Die Black-Schole-Gleichung   – Finanzmathematik    2
  • Einstein Relativitätstheorie und Schrödinger Quantenmechanik  1

Der Lehrsatz des Pythagoras

Im rechtwinkligen Dreieck mit den Katheten a und b und der Hypotenuse c gilt:

a² + b² = c²

Dies ist die Basis für die Messung von Entfernungen. Hierdurch wird die Geometrie mit der Algebra verbunden.

Auf dieser Basis kann man Entfernungen im Raum (sog. Metriken) mit mathematischen Formeln berechnen; z.B. im drei-dimensionalen Euklidischen Raum:

ds2 = dx2 + dy2 + dz2

In der Kosmologie verwendet man weitergehende Metriken, z.B. die Robertson-Walker-Metrik…

Logarithmen

Vereinfachen der Multiplikation zur Addition z.B. bei komplexen astronomischen Berechnungen….

log(a · b) = log(a) + log(b)

Logarithmische Skalen z.B. bei den Helligkeiten von Himmelsobjekten…

Differentialrechnung

Die Differentialrechnung geht auf Newton (1643-1727) und Leibniz (1646-1716) zurück …

\(  \frac{dx}{dy} = \lim \limits_{h \to 0} \frac{f(x+h)-f(x)}{h} \)
Der Begriff des Grenzwerts (des Limes) wurde erst später von Bernhard Bolzano (1781-1848) und Karl Weierstrass (1815-1897) formal eingeführt.
Newton war es, der die Differentialrechnung in die Physik einführte z.B.

\(Kraft = Masse \cdot Beschleunigung = \frac{\partial}{\partial t} Impuls  \)

Das Gravitationsgesetz (Newton)

Die Anziehungskraft zwischen zwei Massen m1 und m2, die eine Entfernung r voneinander entfernt sind, ist:

\( F = G \cdot \frac{m_1 \cdot m_2}{r^2} \)

Wobei G die sog. Gravitationskonstante ist.

Die komplexen Zahlen

Hierzu habe ich einen separaten Blog-Artikel geschrieben: Komplexe Zahlen

Die Wellengleichung (d’Alembert)

Die Wellengleichung, auch D’Alembert-Gleichung nach Jean-Baptiste le Rond d’Alembert (1717-1783), bestimmt die Ausbreitung von Wellen wie etwa Schall oder Licht.

 

Fourier Transformation

Joseph Fourier (1768-1830)

\(\Large f(\epsilon) = \int_{-\infty}^{+\infty} f(x) e^{-2 \pi x \epsilon} dx \)

Wobei ε die Frequenz ist…

“Jede” Funktion wir dargestellt als eine Überlagerung von Sinuswellen mit unterscheidlicher Frequenz….

Navier Stokes Gleichung   – Aerodynamik

Claude Navier (1785-1836) und George Stokes (1819-1903)

Das ist nicht so einfach…

Faraday und Maxwell Gleichungen

Michael Faraday  (1791-1867) und  James Clerk Maxwell (1831-1879)

Für das elektrische Feld E gilt:
\(
\nabla \cdot \vec{E} = 0
,
\nabla \times \vec{E} = \Large -\frac{1}{c} \frac{\partial H}{\partial t}
\)
und für das Magnetfeld H gilt:
\(
\nabla \cdot \vec{H} = 0
,
\nabla \times \vec{H} = \Large \frac{1}{c} \frac{\partial E}{\partial t}
\)

Black Schole Gleichung   – Finanzmathematik

Fischer Black (1938-1995) und Myron Scholes (1941-)

Einstein Relativitätstheorie und Schrödinger Quantenmechanik

Albert Einstein  (1879-1955)  und Erwin Schödinger (1887-1961)

Eine der Voraussetzungen zum Verständnis sind sog. Vektorräume.

Vektorräume verfügen über eine Operation, die Addition genannt wird und eine kommutative Gruppe bildet. Weiterhin muss jeder Vektorraum einen Körper von sog. Skalaren haben, mit denen die Vektoren mutipliziert werden können.

Es gibt den Begriff der “Dimension” eines Vektorraumes…..

Besonders interessant ist das sog. “innere Produkt” (engl. Dot Product) zweier Vektoren…

Bei der Allgemeinen Relativitätstheorie von Einstein benötigt man die Tensoralgebra.

Den Zustand von Quantenmechanischen Teilchen (Systemen) beschreibt die Wellenfunktion, die man mithilfe der Schrödinger-Gleichung finden kann.

Astrofotografie: Einnordnen – Polar Alignment

Gehört zu: Astrofotografie, Montierung einjustieren
Siehe auch: Polar Alignment mit SharpCap Pro, Polar Alignment mit ASIair, Sigma Octantis, Autoguiding, AlignMaster, AstroTortilla, N.I.N.A., Nachführung
Benutzt: WordPress Plugin Latex, Fotos aus Google Archiv

Stand: 31.12.2023

Polar Alignment – Aufgabenstellung

Eine parallaktische Montierung muss als erstes “eingenordet” (resp. “eingesüdet”) werden; d.h. die Stundenachse der Montierung muss genau parallel zur Erdachse ausgerichtet werden damit die Nachführung richtig funktioniert. Das ist dann besonders wichtig, wenn man seine Astrofotos länger belichten will (siehe: Langzeitbelichtung).

Wenn man seine Montierung nicht dauerhaft an einem Standort aufgestellt hat, sondern für jede Beobachtung das Aufstellen und die Einnordung erneut vornehmen muss (also mobil statt statonär) , kommt es schon darauf an, wie schnell, bequem und genau man die Einnordung vornehmen kann.

Wenn man das Teleskop immer am gleichen Ort z.B. auf seiner Terrasse (markiert mit Nagellack) aufstellt, ist die Polhöhe automatisch richtig und das Azimut stimmt auch fast – nur kleine Korrekturen am Azimut sind zu erwarten. In dieser Situation ist nicht einmal eine freie Sicht auf den Polarstern erforderlich…

Vorher stelle ich die Stativbeine so ein, dass sich die Auflagefläche des Polblocks schön in der Waagerechten befindet. Dazu hilft eine Wasserwaage, die ich bei abmontiertem Polkopf oben auf die Stativplatte lege. Die Länge der Stativbeine stelle ich dann so fein ein, dass  die Wasserwaage genau horizontal anzeigt. Das Stativ ist dann “im Wasser”, wie manche sagen. Nun wird ein Drehen an der Polhöhenschraube auch wirklich nur die Polhöhe verändern und nicht auch noch das Azimut.

Damit ich bei der späteren genauen Nordausrichtung auch einen guten Spielraum für die Einstellung durch die beiden Azimut-Schrauben habe, löse ich die beiden Azimut-Schrauben maximal und fixiere sie dann ganz leicht symmetrisch in der Mitteposition. Etwas Gleitmittel zwischen Stativ-Oberplatte und Polkopf-Unterseite erleichtert später die feinen Drehungen im Azimut.

Welche Auswirkungen hat eine ungenaue Polausrichtung?

Eine ungenaue Polausrichtung hat negative Auswirkungen auf die Genauigkeit der Nachführung – genauer gesagt auf die Genauigkeit der Nachführung durch die Montierung, also das Tracking.

Je nach dem, welche Art der Nachführung wir benutzen, kann eine Abweichung in der Polausrichtung unterschiedliche Effekte haben:

  • Nachführung nur durch die Montierung (“Tracking”): Deklinations-Drift und Stundenwinkel-Drift
  • Nachführung auf Fixstern(e): (z.B. Autoguiding): Bildfeldrotation

Formel für die Deklinationsdrift

Wir nehmen mal eine Abweichung der Stundenachse vom Pol von \(\Delta\phi\) [in Bogensekunden] an, wobei wir und die Kippung der Stundenachse genau nach Süden vorstellen; d.h. wir nehmen eine Azimut-Abweichung von Null an.

Abbildung 1: Deklinationsdrift wegen Abweichung in Polhöhe nach oben (Github: PolarAlignment-01.svg)

Ein fiktiver Fixstern genau auf dem Himmelsäqutor würde sich pro Zeitsekunde um 15 Bogensekunden auf dem Himmelsäquator weiter bewegen.

\( \Large\frac{360 \cdot 60 \cdot 60^{\prime\prime}}{24 \cdot 60 \cdot 60s} \normalsize= 15^{\prime\prime}/s\\\)

Die Montierung bewegt das Teleskop (idealerweise) mit genau der gleich Geschwindigkeit, also 15″ pro Sekunde auf einem um den kleinen Winkel  \(\Delta\phi\) gegen den Himmelsäquator geneigten Tracking-Großkreis. Dieser Tracking-Großkreis schneidet den Himmelsäquator im Osten (absteigend) und im Westen (aufsteigend).

Nun annehmen wir an, dass der Fixstern zur Zeit Null sich genau auf dem Schnittpunkt dieser beiden Großkreise im Westen befindet, dann wird er eine Sekunde später ein kleines Stück von dem Tracking-Großkreis nach unten abgewandert sein. Dieses kleine Bogenstück ist offenbar:

\( 15″ \sin{\Delta\phi} \)  [in Bogensekunden]

Das ist also das Driftstück in einer Sekunde. Ersetzen wir den Sinus noch durch den Winkel im Bogenmaß erhalten wir die Mean Declination Driftrate als:

\( MDR = 15 \cdot \Delta\phi [Radians]   \)   [in Bogensekunden pro Sekunde]

Das Bogenmass (Radians) umgerechnet in Bogensekunden ergibt:

\( MDR =  15\cdot\Large\frac{ 2 \pi}{360 \cdot 60 \cdot 60} \normalsize\cdot \Delta\phi [^{\prime\prime}]\)   [in Bogensekunden pro Sekunde]

\( MDR = \Large \frac{2 \pi}{ 24 \cdot 60 \cdot 60} \normalsize\cdot \Delta\phi [^{\prime\prime}]\)   [in Bogensekunden pro Sekunde]

Die Drift können wir uns per Minute besser vorstellen (z.B. für die Belichtungszeit). Damit hätten wir:

\( MDR = \Large \frac{2 \pi}{ 24 \cdot 60 } \normalsize\cdot \Delta\phi [^{\prime\prime}]\)   [in Bogensekunden pro Minute]

\( MDR = 0,004363 \cdot \Delta\phi [^{\prime\prime}]\)   [in Bogensekunden pro Minute]

Den Polhöhenfehler Δφ messen wir (z.B. mit N.I.N.A.) gerne in Bogenminuten. Damit hätten wir:

\( MDR = 0,26178 \cdot \Delta\phi [^{\prime}]\)   [in Bogensekunden pro Minute]

Beispiele für die Deklinationsdrift

Bei  Δφ = 1′  ergibt sich z.B. MDR  = 0,262″/min

Die maximale Driftrate (also bei Deklination = 0 und einem Stundenwinkel von 90° oder 270°) ist also je nach Alignment Error:

Tabelle 1: Maximale Driftrate

Alignment Error [‘] Driftrate [“/min]
1 0,262
2 0,524
3 0,785
4 1,047
5 1,309
6 1,571
7 1,833
8 2,094
9 2,356
10 2,618
30 7,853

Links

Um die gesammte Driftrate zu ermitteln, benötigt man noch die Drift im Stundenwinkel.

Dazu gibt Frank Barrett in http://celestialwonders.com/articles/polaralignment/schöne Zeichnungen und die Formeln zur Berechnung.

Der canburytech Formalismus von Edward Simonson berechnet die MDR = Maximale Driftrate in Deklination pro Sekunde (Maximum Declination Drift Rate per second) genau so und berücksichtigt zusätzlich noch die Refraktion.

Die Formeln findet man bei:

Messen der Auswirkungen einer ungenauen Polausrichtung

Wenn ich, wie auch immer, eine Polausrichtung vorgenommen habe, kann ich ganz einfach überprüfen, wie gut meine Nachführung damit funktioniert: Ich starte die kostenlose Software PHD2 Guiding und benutze dort den “Guiding Assistant”….

Abbildung 2: PHD2 Guiding Nachführassistent (Google Archiv: PHD2_GuidingAssistant-01.jpg)

PHD2_GuidingAssistant-01.jpg

Der Guiding Assistant schaltet das Guiding durch PHD2 ab und verfolgt einfach, was die Nachführung der Montierung (das sog. Tracking) eigentlich macht.

Bevor ich den Guiding Assistant starte, habe ich eine gute Polausrichtung gemacht und per Goto (grob ohne Alignment) ungefähr auf Apheratz (alpha And) positioniert. Dort habe ich PHD2 Guiding gestartet mit Star Selection und Calibration. Danach lasse ich den Guiding Assistant laufen.

Im obigen Beispiel zeigt die rote Kurve, die Abweichung des Trackings in Deklination an. Da haben wir also einen leichten gleichmäßigen Abwärtstrend. Dieser Deklinations-Drift beträgt etwa 0,6 Bogensekunden pro Minute. Das kommt wohl durch einen kleinen Fehler in der Polausrichtung.

Die blaue Kurve zeigt die Abweichungen des Trackings im Stundenwinkel an, wo wir also die Auswirkungen des periodischen Scheckenfehlers vermuten könnten. Aber in unserem obigen Beispiel sieht diese blaue Kurve ja ziehmlich schrecklich aus – die Ursachen wären zu ermitteln und. ggf. zu beseitigen. Möglicherweise kann ein Umbau meiner Montierung HEQ5 Pro auf den vielgelobten Riemenantrieb (Rowan Belt Modification) helfen…

Die Auswirkungen der ungenauen Polausrichtung, also Tracking-Abweichungen in Deklination und im Stundenwinkel, können wir “brutal” eliminieren, in dem wir das Autoguiding durch PHD2 wieder anschalten…

Polar Alignment – Welche Genauigkeit ist erforderlich?

Je nachdem, was man eigentlich mit Montierung und Teleskop machen will, ist die erforderliche Genauigkeit beim Polar Alignment ganz unterschiedlich.

Für das “Imaging”, also die Astrofotografie, möchte man ja vermeiden, das die Sterne zu Strichen werden. Da kommte es also auf das Auflösungsvermögen des Teleskops, die Brennweite und die Pixelgröße der Kamera an. Zusätzlich wäre auch noch die Luftunruhe (“Seeing”) zu bedenken. Als Daumenregel sollte die Belichtungszeit einen Drift von maximal ca. 1″ ergeben.

Auf der nördlichen Hemisphäre benutzt man ja gerne den Polarstern (Alpha UMi), um auf den Himmelpol auszurichten. Der Polarstern steht heute (2019) ca. 39 Bogenminuten vom Himmelspol entfernt. Durch die Präzesssion der Erdachse läuft der Himmelspol in 25800 Jahren in einem Radius von 23 Grad um den Pol der Ekliptik. Diese Bewegung macht also 20 Bogensekunden pro Jahr aus.

Bezüglich der erforderlichen Genauigkeit der Polausrichtung kann man unterscheiden:

  • Visuelle Beobachtungen: da mögen 30 Bogenminuten reichen
  • Unguided Imaging: da muss die Genauigkeit sehr hoch sein (z.B. 4 Bogenminuten, wenn man 2 Minuten belichten will und die Drift max. 2 Bogensekunden sein darf)
  • Guided Imaging: da kann die Genauigkeit kleiner sein (weil das Autoguiding fast alle Fehler kompensiert, aber: Bildfeldrotation)

Tabelle 2: Erforderliche Genauigkeit

Montierung Nachführung Folge Beobachtung Genauigkeit
Äquatorial R.A. Tracking Dec. Shift Visuell 30′
Äquatorial R.A. Tracking Dec. Shift Imaging 4′
Äquatorial Guiding Field Rotation Imaging kleinere Genauigkeit

Quelle 1: https://stargazerslounge.com/topic/217079-how-accurate-do-you-polar-align/

When guiding, as Mark says, in some areas of the sky (close to polaris), I find that polar alignment is much less critical. There is an equation which might be interesting for you. It indicates the accuracy required, depending on where you are looking in the sky:

E = (45000 x S x cosD) / (T x F x A)

\(  \Large E = \frac{45000 \cdot D \cdot \cos{(D)}}{T \cdot F \cdot A}  \)

Where :

  • E is the maximum allowable polar misalignment in arcseconds
  • S is the worst case length of star trails (in microns)
  • D is the declination of the target in degrees
  • T is the exposure time in minutes
  • F is the focal length in mm
  • A is the angle between the guide star and the target in degrees

Quelle 2:  Frank Barret

…the equation comes from a paper by Frank Barret: http://celestialwonders.com/articles/polaralignment/PolarAlignmentAccuracy.pdf.

Methoden zur Polausrichtung

Generell setzten wir hier eine parallaktische Montierung voraus.

In jedem Falle ist es hilfreich, zunächt die Monierung gut in die Waagerechte zu bringen (s.o.).
Je nach der erforderlichen Genauigkeit, kann man verschiedene Methoden zur Polausrichtung (Einnorden/Einsüden) einsetzen; wobei unterschiedliche Voraussetzungen gegeben sein müssen und unterschiedliche Hilfsmittel eingesetzt werden.

  • Grobe Ausrichtung mit Kompass und geografischer Breite
  • Ausrichtung nach den Himmelspolen (z.B. mit einem Polfernrohr)
  • Ausrichtung mit “Star Offset” (z.B. Three Point Polar Alignment mit N.I.N.A.)
  • Scheinern

Methode “Geografisch”

Die Polhöhe meiner parallaktischen Motierung muss auf die geografische Breite des Beobachtungsortes eingestellt werden. Wenn die Montierung dafür keine guten Skalen hat, ist z.B. ein elektronischer Neigungsmesser hilfreich.

Für die genaue Ausrichtung nach Norden (bzw. Süden) kann man einen Kompass benutzen.

Diese “geografische” Methode kann man schon am Tage verwenden und benötigt keine besonderen Hilfsmittel evtl. einen Neigungsmesser und einen Kompass z.B. ein SmartPhone. Dieser Methode ist im Allgemeinen relativ ungenau.

Methode “Himmelspol”

Wenn die Polausrichtung genauer werden soll, verwendet man meist die Methode, den Himmelspol genau zu identifizieren und die Stundenachse der Montierung darauf auszurichten. Dazu ermittelt man die genaue Position des Himmelspols aus bekannten Sternen in der Umgebung des Himmelspols. Dazu muss die Sicht auf den Himmelspol frei sein und die Position der benutzen Sterne relativ zum (unsichtbaren) Himmelpol irgendwie ermittelt werden.

  • Polfernrohr mit Smartphone-App (z.B. PolarFinder) zur Ermittlung der Position
  • Polfernrohr mit Kochab-Methode (Hartwig Lüthen) zu Ermittlung der Position
  • QHY PoleMaster mit Drehen der Stundenachse und Mustererkennung zur Ermittlung der Posotion
  • SharpCap Pro mit Platesolving zur Ermittlung der Position

Diese Methoden sind für parallaktische Montierungen ohne Goto-Funktion anwendbar: entweder mit Polfernrohr oder mit zusätzlicher Astro-Kamera (QHY Polemaster, SharpCap Pro). Freie Sicht auf den Himmelspol ist erforderlich. Die Genauigkeit der Polausrichtung kann gute Werte erreichen.

Methode “Star Offset”

Aus den Abweichungen einer Sternposition durch ungenaue Polausrichtung (genannt Star Offset) kann man die erforderlichen Korrekturen in Azimut und Höhe der Stundenachse ausrechnen und so zu einer Einnordung ohne Sicht auf den Himmelspol kommen.

Dies wird Software-mäßig unterstützt beispielsweise durch:

Diese Methode benutzt zwei Sterne, deren äquatorialen Koordinaten bekannt sind (bzw. durch Platesolving ermittelt werden). Die Differenzen in Rektaszension und Deklination sind damit gegeben. Die Montierung kann mit diesem Wissen von Sternposition 1 zu Sternposition 2 schwenken (per Goto). Ein Goto-Alignment ist dazu nicht erforderlich, da die Differenzen benutzt werden. Ein Positionsfehler bei Sternposition 2 (“Star Offset” genannt) ist damit allein auf eine ungenaue Polausrichtung zurückzuführen. Der Fehler in der Polausrichtung lässt sich durch Umrechnung vom äquatorialen Koordinatensystem ins azimutale Koordinatensystem leicht berechnen.

Die erfordeliche Korrektur durch manuelles Drehen an den Polhöhenschrauben und den Azimutschrauben soll das “Star Offset” (s.o.) auf Null bringen. Ggf. sind diese manuellen Korrekturen widerholt durchzuführen.

Link: https://www.semanticscholar.org/paper/Star-Offset-Positioning-for-Polar-Axis-Alignment-Barrett/0451b854e6a1ac924cd8176ccd7545553e652f59

Diese Methode ist für parallaktische Montierungen mit Goto-Funktion anwendbar. Man benötigt keine zusätzliche Kamera und auch keine freie Sicht auf den Himmelpol. Die Genauigkeit ist hervorragend. Software-Unterstüzung dieser Methode setzt typischerweise ASCOM zur Teleskop-Steuerung (Goto) voraus.

https://www.semanticscholar.org/paper/Star-Offset-Positioning-for-Polar-Axis-Alignment-Barrett/0451b854e6a1ac924cd8176ccd7545553e652f59

Methode “Scheinern”

Die klassische (=alte) Methode – zeitaufwendig aber sehr genau…

Man benötigt zwar keine freie Sicht auf den Himmelspol, aber freie Sicht auf den Himmelsäquator im Süden und im Westen oder Osten.

Polar Alignment – Welche Geräte setzen wir zum Polar Alignment ein?

Angenommen, wir haben eine parallaktische Montierung, die wir Einnorden wollen, so können wir unterschiedliche Hilfsmittel für das Einnorden einsetzen:

Fernrohr  (Optik) und Kamera/Okular

  • Das zu unserer Montierung gehörige Polfernrohr
  • Spezielle kleine Kamera (z.B. QHY PoleMaster)  & Spezielle Windows-Software & Windows-Computer
  • Guiding Scope & Spezielle Windows-Software (z.B. SharpCap)  & Windows-Computer
  • Das “normale” Teleskop mit der “normalen” Kamera
  • ASIair Computer

Software

  • Spezielle Windows-Software nur für diesen Zweck z.B. QHY PoleMaster-Software,
  • Windows-Software, die wir sowieso schon haben z.B. SharpCap-Software, N.I.N.A.-Software
  • PemPRO

Computer

  • ohne zusätzlichen Computer
  • mit Windows-Computer
  • mit propietären Computer (Rasbery?) z.B. ASIAir
  • mit Android-Tablet
  • mit iPad

Tabelle 3: Methoden zum Polar Alignment

Lösung zum Polar Alignment Optik Bildgebung Montage Software / Methode Computer ca. Preis Einsetzbar auf Montierungen
Polsucher Polsucher Polsucher keine kostenlose App (Android,…)

oder “Kochab-Methode”

Vorhandenes Smartphone keiner Optron SmartEQ Pro

HEQ5 Pro

Star Adventurer Mini

QHY PoleMaster Extra Objektiv Extra Kamera Montagefuß für die jeweilige Monierung Spezial-Software Windows-Computer 400,– iOptron SmartEQ Pro

HEQ5 Pro

Star Adventurer Mini

SharpCap Vorhandenes Guiding Scope Vorhandene Guiding-Kamera Sucherfuß für die Star Adventurer Mini SharpCap Pro Windows-Computer 40,– HEQ5 Pro

Star Adventurer Mini

N.I.N.A. Vorhandenes Teleskop Vorhandene Astro-Kamera ohne N.I.N.A. mit Plugin Windows-Computer 0,– HEQ5 Pro,

Skywatcher AZ GTi

ASIair Vorhandenes Guideing Scope Extra ASI-Kamera keine Spezial-Software Spezieller ASIair-Computer 400,–

Meinen QHY PoleMaster habe ich im Januar 2020 gebraucht verkauft. Ich benutze jetzt SharpCap Pro mit meinem vorhandenen GuidingScope. Nach meinem letzten Besuch in Namibia benutze ich N.I.N.A. für das Polar Alignment.

Polar Alignment – Lösungsmöglichkeiten

Für das Einnorden (Einsüden) gibt es verschiedene Methoden. Dazu gehören:

Polar Alignment mit N.I.N.A. auf einem Windows-Computer

Für die Astrofotografie bin ich sowieso von APT auf N.I.N.A. gewechselt. Das ist komplett kostenlos und seit Version 2.00 gibt es das geniale Plugin “Three Point Polar Alignment”.

Einzelheiten hierzu habe ich in diesem separaten Artikel beschrieben.

Polar Alignment mit SharpCap Pro auf einem Windows-Computer

Die Software SharpCap Pro, die gerne zum Fotografieren mit Astro-Kameras verwendet wird, hat seit 2019 (kostenpflichtige Pro-Version 3.1) auch eine Funktion “Polar Alignment” die das vorhandene Guiding-Fernrohr verwendet und damit Platesolving macht. Ich habe mir mal die kostenpflichtige Version “Pro” geleistet, um diese neue Funktion auszuprobieren.

Einzelheiten hierzu habe ich in diesem separaten Artikel beschrieben.

Polar Alignment mit dem QHY PoleMaster auf einem Windows-Computer

Der QHY PoleMaster ist 2016 neu auf den Markt gekommen und ermöglicht sehr einfaches und sehr schnelles Einnorden, kostet allerdings so um die 325,– Euro.
QHY Polemaster besteht aus Hardware (eine kleine Mono-Kamera mit Objektiv) und spezieller Software für den Windows-Computer zum leichten Einnorden.

Zum QHY PoleMaster habe ich einen eigenen Artikel geschrieben.

Polar Alignment mit der Software “AlignMaster” auf einem Windows-Computer

Zur Software “AlignMaster” habe ich einen eigenen Artikel geschrieben.

AlignMaster ist eine Windows-Software, die mit Hilfe eines 2-Star-Alignments die Polauswichtung für ASCOM-Menuteirungen und LX200-kompatible erleichtet.

Polar Alignment mit DLSR Logger

Mit der Software DLSR Logger kann ohne freie Sicht auf den Himmelspol (Polaris) einfach anhand von mehreren Fotos auf eine sichtbare Himmelsgegend ein Polar Alignment vornehmen.

Ich habe dazu einen eigenen Artikel geschrieben.

Polar Alignment mit dem Polfernrohr auf iOptron SmartEQ Pro

Das ist im Handbuch der iOptron SmartEQ Pro beschrieben.

Polar Alignment mit dem Polfernrohr auf iOptron SkyTracker

Das ist im Handbuch des iOptron SkyTracker beschrieben.

Polar Alignment mit der Handbox der SmartEQ Pro

Die Handbox der SmartEQ Pro bietet eine Methode zur Einnordung, die ohne Sicht auf den Polarstern funktioniert (ähnlich der Software AlignMaster).

Mit der Handbox-Funktion “Polar Align” kann man ein Alignment machen, auch wenn der Polarstern nicht zu sehen ist…..

Polar Alignment mit “Scheinern” engl. “Drift Align”

Eine von Julius Scheiner beschriebene Methode, die in der Praxis ziemlich zeitintensiv ist.

Es gibt zahlreiche Software, die auf Basis der Scheiner-Formeln das Alignment schneller ermöglicht….

Z.B. EQalign:  http://eqalign.net/e_eqalign.html