Identificación de dióxido de carbono en la atmósfera de un exoplaneta

Nature, volumen 614, páginas 649–652 (2023)Citar este artículo

17k Accesos

20 citas

121 Altmetric

Detalles de métricas

El dióxido de carbono (CO2) es una especie química clave que se encuentra en una amplia gama de atmósferas planetarias. En el contexto de los exoplanetas, el CO2 es un indicador del enriquecimiento de metales (es decir, elementos más pesados ​​que el helio, también llamados 'metalicidad')1,2,3, y por tanto de los procesos de formación de las atmósferas primarias de los gigantes gaseosos calientes4,5 ,6. También es una de las especies más prometedoras para detectar en las atmósferas secundarias de los exoplanetas terrestres7,8,9. Las mediciones fotométricas anteriores de planetas en tránsito con el Telescopio Espacial Spitzer han dado indicios de la presencia de CO2, pero no han arrojado detecciones definitivas debido a la falta de identificación espectroscópica inequívoca10,11,12. Aquí presentamos la detección de CO2 en la atmósfera del exoplaneta gigante gaseoso WASP-39b a partir de observaciones de espectroscopia de transmisión obtenidas con JWST como parte del programa Early Release Science13,14. Los datos utilizados en este estudio abarcan de 3,0 a 5,5 micrómetros de longitud de onda y muestran una característica de absorción de CO2 prominente a 4,3 micrómetros (significado de 26 sigma). El espectro general se corresponde bien con los modelos unidimensionales de metalicidad solar diez veces mayor que asumen un equilibrio termoquímico radiativo-convectivo y tienen una opacidad moderada de las nubes. Estos modelos predicen que la atmósfera debería tener agua, monóxido de carbono y sulfuro de hidrógeno además de CO2, pero poco metano. Además, también detectamos tentativamente una pequeña característica de absorción cerca de 4,0 micrómetros que estos modelos no reproducen.

WASP-39b es un exoplaneta caliente (temperatura de equilibrio planetario de 1170 K, suponiendo albedo cero y redistribución total del calor) en tránsito que orbita una estrella de tipo G7 con un período de 4,055 días15. El planeta tiene aproximadamente la misma masa que Saturno (M = 0,28 MJ, donde MJ es la masa de Júpiter) pero es un 50 % más grande (radio R = 1,28 RJ, donde RJ es el radio de Júpiter), probablemente debido a la alta nivel de irradiación que recibe de su estrella anfitriona16,17,18. Elegimos este planeta para las observaciones de espectroscopia de transmisión de Early Release Science (ERS) de JWST porque los análisis de los datos espaciales y terrestres existentes detectaron grandes características espectrales y mostraron que había una contaminación mínima de la señal planetaria de la actividad estelar10,19,20, 21 Las principales características espectrales detectadas previamente se atribuyeron con seguridad a la absorción de sodio, potasio y vapor de agua10,19,20, mientras que se sugirió que el dióxido de carbono (CO2) explicaría el tránsito profundo a 4,5 µm observado con Spitzer10.

Durante mucho tiempo se ha pensado que la metalicidad atmosférica es un diagnóstico de la acumulación relativa de sólidos y gas durante la formación de planetas gigantes gaseosos, los cuales traen elementos pesados ​​a la envoltura dominada por hidrógeno y a la atmósfera visible4,5,6. La metalicidad de la estrella anfitriona de WASP-39b, que es un indicador del enriquecimiento de metal del disco protoplanetario en el que se formó el planeta, es aproximadamente solar15,22,23,24. Por lo tanto, la tendencia de metalicidad atmosférica-masa planetaria observada en los gigantes del Sistema Solar25,26 predice que tiene una mejora de aproximadamente diez veces la solar (como la de Saturno; ref. 27). Además, los modelos de estructura interior que coinciden con la baja densidad de WASP-39b predicen un límite superior del percentil 95 para la metalicidad atmosférica de 55 veces la solar, bajo el supuesto límite de que el planeta no tiene un núcleo de elementos pesados ​​y que todos los metales están distribuidos uniformemente. en todo el sobre28.

A pesar de tener algunas de las detecciones de características espectrales de señal a ruido más altas en su espectro de transmisión, el modelado de los datos existentes para WASP-39b ha dado como resultado estimaciones de metalicidad que varían en cinco órdenes de magnitud, desde 0.003 veces solar hasta 300 veces solar10,29,30,31,32,33. La amplia gama de valores se deriva de la calidad insuficiente de los datos para romper la degeneración entre las nubes y la metalicidad en los modelos de espectros de transmisión34, así como la incertidumbre sobre la interpretación de las mediciones fotométricas del telescopio espacial Spitzer a 3,6 µm y 4,5 µm. Por lo tanto, se necesitaban datos espectroscópicos con mayor precisión, canales espectrales más finos y una cobertura de longitud de onda más amplia para limitar mejor la metalicidad de esta (y otras) atmósferas de exoplanetas gigantes.

La primera observación del JWST ERS de WASP-39b se obtuvo mediante el espectrógrafo de infrarrojo cercano (NIRSpec)35,36 el 10 de julio de 2022, entre las 15:24 y las 23:37 utc. Utilizamos el modo Bright Object Time Series (BOTS) con la apertura de rendija fija de 1,6″ × 1,6″ y el dispersor PRISM para capturar espectros entre 0,5 µm y 5,5 µm. Los datos se registraron utilizando el subarreglo SUB512 con cinco grupos por integración y el patrón de lectura NRSRAPID, que dio tiempos de integración de 1,38 s. NIRSpec obtuvo un total de 21 500 integraciones durante 8,23 h de observaciones centradas en la duración del tránsito de 2,8 h de WASP-39b.

La tasa de conteo en el modo PRISM varía significativamente sobre el paso de banda debido a la distribución de energía espectral de la estrella y la dependencia de la longitud de onda de la dispersión del espectrógrafo. Por lo tanto, las observaciones se diseñaron para saturar en longitudes de onda más cortas a fin de obtener una relación señal/ruido suficiente en las longitudes de onda más largas en el paso de banda que no se habían estudiado espectroscópicamente previamente. Las longitudes de onda entre 0,71 µm y 2,09 µm tienen al menos un grupo saturado en el píxel del centro de la traza espectral. Nos concentramos aquí en el análisis de los datos a lo largo de 3,0 µm que no se ven afectados por la saturación para investigar la superposición del espectro con las mediciones fotométricas Spitzer anteriores de 3,6 µm y 4,5 µm. El subconjunto de los datos PRISM descritos aquí tiene un poder de resolución espectral nativo (R = λ/Δλ, donde λ es la longitud de onda) de 100–350. Para este estudio, agrupamos los datos en poderes de resolución más bajos (los valores oscilan entre 60 y 200 según la longitud de onda y la reducción). El binning se realiza al nivel de la curva de luz antes del ajuste de las profundidades de tránsito que constituyen el espectro de transmisión. Los análisis de las observaciones de tránsito de JWST/NIRSpec obtenidas durante la puesta en marcha han demostrado que niveles similares de agrupamiento como los que usamos aquí dan como resultado una sistemática mínima37. Está en curso un análisis del conjunto de datos PRISM completo a máxima resolución, incluida la recuperación de la parte saturada del espectro.

Redujimos los datos de NIRSpec PRISM para WASP-39b utilizando JWST Science Calibration Pipeline junto con rutinas personalizadas para minimizar el ruido en los espectros de series temporales (Métodos). Realizamos cuatro reducciones diferentes del espectro de transmisión a partir de los datos no calibrados21,38,39,40. La figura 1 muestra curvas de luz de tránsito espectroscópica derivadas de una de las reducciones. Confirmamos con nuestro análisis de los datos de WASP-39b que las observaciones de tránsito de NIRSpec con un poder de resolución de 60–200 están casi libres de sistemática. Logramos mediciones cercanas a las limitadas por ruido de fotones en las curvas de luz espectroscópicas después de recortar los primeros 10 minutos de datos y eliminar una tendencia lineal en el tiempo con una tasa promedio de aproximadamente 190 ppm h-1 en el paso de banda. También obtuvimos resultados similares al ajustar la serie de tiempo completa con una rampa exponencial de tendencia descendente (escala de tiempo de aproximadamente 100 min) combinada con una función cuadrática de tiempo. La falta de una gran sistemática en estos datos contrasta con las observaciones de espectroscopia de tránsito anteriores con telescopios espaciales o terrestres41.

a, curvas de luz espectroscópicas para el tránsito de WASP-39b con un poder de resolución espectral de 20 y una cadencia de tiempo de 1 min (los datos se agrupan y compensan verticalmente solo con fines de visualización). Se ajustó un modelo de curva de luz de exoplaneta a los datos utilizando una ley de oscurecimiento de extremidades cuadráticas con una rampa exponencial y una función cuadrática de tiempo eliminada. b, Residuales de la curva de luz agrupada después de restar el modelo de tránsito ampliado por un factor de cinco para mostrar la estructura. Los rms de los residuos se dan en unidades de ppm. Los números entre paréntesis son la relación entre el rms y el ruido limitado por fotones predicho.

Datos fuente.

Los espectros de transmisión derivados de las diferentes reducciones, que se muestran en la Fig. 2, tienen una excelente concordancia. Todos muestran una característica grande a 4,3 µm, así como una característica más pequeña cerca de 4,0 µm (discutido a continuación). El modelado detallado de los datos reducidos de Fast InfraRed Exoplanet Fitting Lyghtcurve (FIREFLy) produce una significancia estadística de 26σ para la característica grande (Métodos). Atribuimos esta característica a la absorción de CO2 en base a una comparación de la forma de la banda resuelta con modelos teóricos y los espectros de las enanas marrones42. La figura 2 también incluye las dos medidas fotométricas de banda ancha de Spitzer10, que son consistentes con los datos de JWST en más de 2σ después de integrar el espectro de transmisión sobre los pasos de banda de Spitzer. También vemos un buen acuerdo (mejor que 2σ para todas las reducciones) en las profundidades de tránsito relativas entre los canales de 3,6 µm y 4,5 µm. La comparación que se muestra en la Fig. 2 demuestra tanto la consistencia en los espectros derivados de múltiples análisis independientes como la confiabilidad de las mediciones previas de Spitzer.

Los datos de JWST (pequeños puntos de color) se comparan con las mediciones fotométricas de banda ancha de dos cámaras de matriz de infrarrojos (IRAC) de Spitzer (círculos grises y curvas de sensibilidad correspondientes etiquetadas como IRAC1 e IRAC2). El eje de la derecha muestra alturas de escala equivalentes (750–1000 km) en la atmósfera de WASP-39b; para fines de trazado, asumimos que una altura de escala corresponde a 800 km. Los datos de JWST son consistentes con los puntos de Spitzer (dentro de 2σ) cuando se integran sobre los pasos de banda ancha (indicados por las líneas horizontales). Las profundidades de tránsito relativas entre los canales de 3,6 µm y 4,5 µm también son consistentes dentro de 2σ entre reducciones independientes de los datos JWST, y la mayor parte de la desviación proviene del paso de banda de 3,6 µm. Las barras de error verticales indican incertidumbres de 1σ.

Comparamos los datos con un conjunto de estructuras atmosféricas unidimensionales y modelos de espectro de transmisión para limitar la composición de la atmósfera de WASP-39b. Estos modelos asumen un equilibrio radiativo-convectivo-termoquímico y adoptan un patrón de abundancia solar escalado. Calculamos cuadrículas específicas de planetas de estos modelos en una variedad de metalicidades atmosféricas, proporciones de carbono a oxígeno y propiedades de las nubes utilizando cuatro códigos diferentes. Estas cuadrículas de espectros de transmisión de modelos autoconsistentes se ajustaron luego a los datos reducidos de FIREFLy (los resultados de ajuste son independientes del conjunto de datos que usamos) mientras también se ajustaban para un radio de referencia en 1 barra. Los resultados se ilustran en la Fig. 3; ver Métodos para más detalles.

Arriba: una comparación de la reducción de FIREFLy y sus incertidumbres 1σ (etiquetadas como 'Datos') con el modelo teórico ScCHIMERA de mejor ajuste agrupado en la resolución de los datos (curva azul; Métodos). Los parámetros clave del modelo son 10 veces la metalicidad solar, una relación carbono-oxígeno de 0,35 y una opacidad de las nubes de 7 × 10−3 cm2 g−1. El impacto de las fuentes de opacidad esperadas del equilibrio termoquímico sobre el paso de banda completo se indica eliminando la contribución de opacidad de los gases individuales uno a la vez. Como en la Fig. 2, el eje de la derecha muestra alturas de escala equivalentes en la atmósfera de WASP-39b. Abajo: las secciones transversales de absorción molecular para cada gas en el modelo de mejor ajuste. El modelo coincide bien con los datos (Χ2/Ndata = 1,3), lo que sugiere que nuestras suposiciones capturan ampliamente la física y la química importantes en la atmósfera de WASP-39b. Sin embargo, hay una característica cerca de 4,0 µm que no puede ser reproducida por los modelos utilizados aquí. La fuerte absorción de CO2 (4,1–4,6 µm) y la aparente falta de metano (3,0–3,5 µm) es lo que lleva a la solución a un elevado enriquecimiento de metales atmosféricos, lo que descarta estimaciones previas de baja metalicidad29,30,31. Las otras reducciones y modelos dan resultados similares.

Bajo suposiciones similares, las cuatro cuadrículas del modelo pueden coincidir con las morfologías espectrales dominantes, es decir, la fuerte característica de CO2 entre 4,1 µm y 4,6 µm y el aumento en la profundidad del tránsito hacia el azul de 3,6 µm debido al vapor de agua (H2O) (una especie que había sido detectado previamente en longitudes de onda más cortas10). Las modulaciones más sutiles en todo el paso de banda se deben potencialmente a las contribuciones de las nubes, el monóxido de carbono (CO) y el sulfuro de hidrógeno (H2S), aunque se desconoce el grado en que contribuyen las dos especies de gases en espera de más estudios.

Varios modelos para atmósferas de gigantes gaseosos cálidos predicen que la abundancia de CO2 escala cuadráticamente con la metalicidad atmosférica, volviéndose detectable a 4,3 µm para metalicidades por encima de la del Sol1,2,3. El modelo representativo de mejor ajuste que se muestra en la Fig. 3 es consistente con este escenario. Tiene un enriquecimiento de metal 10 veces mayor que el solar y una relación carbono-oxígeno ligeramente subsolar (0,35, en comparación con el valor solar de 0,55; ref. 43). La contribución moderada de la opacidad de las nubes predicha por el modelo de mejor ajuste es consistente con las interpretaciones de estudios previos a nivel de población de planetas que tienen temperaturas y gravedades similares a WASP-39b44,45. También es consistente con las predicciones de la microfísica de aerosoles y los modelos de circulación global de planetas gigantes calientes46,47,48.

Además de la gran característica de CO2, también identificamos una característica espectral más pequeña cerca de 4,0 µm que no coincide con nuestros modelos de equilibrio termoquímico (Fig. 3). Esta característica está presente en las cuatro reducciones independientes y tiene un significado de 2σ (Métodos). Se necesitan más análisis de datos y modelos, incluida la química de no equilibrio, para evaluar completamente la solidez de esta característica e identificar las especies químicas que la originan. Las observaciones adicionales de JWST ERS de WASP-39b que utilizarán la rejilla G395H en NIRSpec también tienen el potencial de confirmar la característica de 4,0 µm y resolverla con mayor detalle.

Los ajustes de cuadrícula explorados aquí favorecen metalicidades más bajas que las referencias. 10,21 y metalicidades superiores a la ref. 31, a pesar de que los datos de Spitzer que incluyeron sus estudios son consistentes con nuestros datos JWST. La mayor precisión y la medición más resuelta de la función de CO2 habilitada por JWST extrae los modelos de refs. 10,21 a menor metalicidad y mayor turbidez. Sin embargo, no es posible obtener un intervalo de confianza robusto sobre esta inferencia sin análisis bayesianos más rigurosos, lo que se deja para trabajos futuros (Métodos). El modelado continuo de WASP-39b también se verá favorecido por las futuras mediciones del espectro de transmisión del planeta de 0,5 µm a 5,5 µm que también se obtienen mediante este programa ERS. El espectro de transmisión final finalmente tendrá una resolución espectral más alta que los datos presentados aquí (más de cuatro veces sobre la mayor parte del paso de banda) y se validará utilizando múltiples instrumentos JWST.

Redujimos los datos JWST NIRSpec PRISM para WASP-39b usando cuatro canalizaciones separadas para confirmar que los resultados no dependían de los detalles de los análisis, como a veces ocurría con los resultados del telescopio espacial Spitzer (por ejemplo, ref. 49) . Las descripciones a continuación se refieren a tuberías de calibración y otro software cuyo código y citas aparecen en 'Disponibilidad de código'.

Usamos Time Series Helper y Integration Reduction Tool40 (camiseta) para extraer las curvas de luz del espectro. Esta canalización modifica los pasos de la canalización de calibración JWST para mejorar la precisión de la reducción. tshirt se ha utilizado para analizar con éxito las observaciones de tránsito JWST de HAT-P-14b que se obtuvieron durante la puesta en marcha con la cámara de infrarrojo cercano (NIRCam)37. Primero, usamos un marco de sesgo actualizado del programa de puesta en servicio 1130 observación 29 y ejecutamos la canalización de calibración JWST hasta el paso de píxeles de referencia. Luego aplicamos una corrección para el ruido 1/f (llamado así porque la potencia del ruido es inversamente proporcional a la frecuencia de la señal, f), que varía para las filas pares e impares y para cada columna. Usamos píxeles de fondo para la calibración ya que los píxeles de referencia no están disponibles en este subarreglo. Nos saltamos los pasos de salto y resta oscura porque se vio que agregaban ruido a las curvas claras. La camiseta se ajusta al perfil del espectro con splines y rechaza los píxeles atípicos que están a más de 50σ de los ajustes de spline. Utilizamos extracción ponderada por covarianza50 con una correlación de píxeles asumida de 0,08. Para la extracción espectral, usamos una región de fondo no más cercana a 7 píxeles a cada lado de la fuente y un ancho de región de extracción de 16 píxeles. La dispersión en la curva de luz fue consistente con el límite teórico de fotón y ruido de lectura en escalas de tiempo cortas.

Ajustamos las curvas de luz con una línea de base polinomial de segundo orden (cuadrática), antecedentes de oscurecimiento de extremidades cuadráticos no informativos y una rampa de inicio exponencial con recorte de valores atípicos de 10σ. Para empezar, ajustamos la curva de luz blanca con a priori el centro de tránsito, inclinación y periodo de la ref. 22. También usamos la relación a/R* (donde a es el semieje mayor y R* es el radio estelar) de la ref. 22 pero amplió la incertidumbre sobre este parámetro debido a que la aplicación previa resultó en residuos significativos. A continuación, ajustamos cada curva de luz espectroscópica individualmente con los parámetros orbitales fijados en el valor de las medianas posteriores de luz blanca. Modelamos las curvas de luz usando el 'exoplaneta' code51 y el muestreador pymc352. Evaluamos las longitudes de onda utilizando la tubería de calibración JWST en la fila de píxeles 16 (Y = 16) de la solución de coordenadas mundiales. Esto utiliza un modelo de instrumento y no se pudo verificar debido a la falta de fuertes características de absorción estelar en la resolución NIRSpec. Todas las demás reducciones adoptaron esta calibración de longitud de onda. Como se muestra en la Fig. 1, la desviación estándar en la curva de luz fuera de tránsito se acerca al límite teórico del ruido de fotones y lectura en longitudes de onda cortas, pero es entre un 20 % y un 40 % mayor en longitudes de onda más largas, lo que puede estar relacionado con ruido 1/f.

Eureka!39 es una tubería de análisis y reducción de datos para observaciones de series temporales con el JWST o el telescopio espacial Hubble. Su diseño modular de varias etapas proporciona flexibilidad y facilidad de comparación en cualquier paso, a partir de archivos FITS no calibrados y que da como resultado una transmisión precisa. o espectros de emisión. ¡Eureka! se ha utilizado para analizar con éxito las observaciones de tránsito JWST de HAT-P-14b que se obtuvieron durante la puesta en marcha con NIRCam37.

Comenzamos el proceso de reducción de datos utilizando los archivos de datos sin calibrar con el sufijo "uncal" disponible en el archivo Mikulski Archive for Space Telescopes (MAST). La primera etapa del Eureka! La tubería es principalmente un contenedor para la etapa 1 de la tubería de calibración JWST, que convierte grupos en pendientes. Para este conjunto de datos, omitimos el paso de detección de saltos, ya que provocó que una gran fracción de los píxeles del detector se marcaran incorrectamente como valores atípicos. Sin embargo, buscamos y marcamos valores atípicos en múltiples puntos en etapas posteriores. También actualizamos manualmente el mapa de píxeles defectuosos para incluir píxeles calientes identificados en el detector que no se proporcionaron en el mapa de calidad de datos STScI del detector completo actual (julio de 2022). Como parte de Eureka!, realizamos una sustracción de fondo personalizada a nivel de grupo antes del ajuste de la rampa de la etapa 1 para tener en cuenta el ruido 1/f introducido durante la lectura del detector. Configuramos las seis filas superior e inferior del detector como nuestra región de fondo y marcamos los píxeles considerados atípicos en >3σ. Luego restamos el flujo medio por columna de píxeles y lo repetimos para cada grupo e integración en la observación. De manera similar a la Etapa 1, la segunda etapa de Eureka! pipeline es un envoltorio para la etapa 2 de la tubería de calibración JWST, que calibra la serie temporal bidimensional de pendientes ajustadas. Aquí, omitimos el paso de calibración de flujo, dejando así los datos en unidades de número digital (DN) por segundo (DN s−1).

Para la Etapa 3, realizamos la sustracción de fondo y la extracción óptima del espectro estelar para cada integración con Eureka!. Usamos solo los píxeles 14 a 495 en la dirección de dispersión del subarreglo de 512 × 32 píxeles, ya que el rendimiento de NIRSpec es insignificante más allá de este rango. También enmascaramos los píxeles que tienen un indicador de calidad de datos distinto de cero para evitar cualquier impacto de los píxeles atípicos en los espectros extraídos o la sustracción de fondo. La posición de la fuente en el detector a lo largo de la dimensión de dispersión cruzada se localiza ajustando una Gaussiana a los valores de píxel sumados en todas las columnas del detector. Para cada píxel, examinamos su variación de flujo en el tiempo y realizamos una prueba de rechazo de valores atípicos de 10σ de doble iteración. Luego ejecutamos una segunda resta de fondo columna por columna, esta vez en el nivel de integración, utilizando píxeles ubicados al menos a 8 píxeles de distancia de la posición de origen para calcular el fondo medio por columna. La realización de esta resta de fondo adicional redujo el número de valores atípicos en las curvas de luz medidas y tuvo en cuenta el fondo residual y/o el ruido introducido durante el procedimiento de ajuste de la rampa. Al igual que con la Etapa 1, excluimos los valores atípicos 3σ de nuestra región de fondo. Adoptamos un ancho medio de apertura de 7 píxeles para nuestro paso de extracción espectral óptimo, construyendo el perfil a partir del marco medio. Al final de esta etapa se obtuvo una serie temporal de espectros unidimensionales.

Para las etapas restantes, usamos múltiples canalizaciones (Eureka!39 y ExoTEP53,54,55) para generar y ajustar las curvas de luz. Primero generamos curvas de luz normalizadas medianas a la resolución nativa del instrumento (es decir, de cada columna del detector) utilizando nuestras salidas de la Etapa 3. Luego recortamos valores atípicos adicionales a tiempo para las curvas de luz blanca y espectroscópica. Para este paso, primero rechazamos integraciones que fueran más de 3σ valores atípicos para la posición de la fuente en la dirección de dispersión cruzada, el ancho de la Gaussiana ajustada al perfil espacial o la deriva en la dirección de dispersión. A continuación, producimos una versión filtrada por la mediana de la curva de luz y recortamos 3σ valores atípicos en el flujo. Ajustamos conjuntamente los parámetros del modelo astrofísico y sistemático a las curvas de luz espectroscópica individual y blanca. Nuestro modelo de tránsito astrofísico usó el paquete batman56 con antecedentes uniformes, que se ajusta a los siguientes parámetros astrofísicos: los dos coeficientes de una ley de oscurecimiento de las extremidades cuadráticas estelares, el parámetro de impacto, el semieje mayor, el tiempo de tránsito y la relación del radio del planeta a la estrella (Rp/R*) en cada uno de los canales de longitud de onda. Aunque los coeficientes de oscurecimiento de las extremidades y la relación entre el radio del planeta y la estrella se ajustaron de forma independiente en cada canal espectroscópico, utilizamos el valor de mejor ajuste del parámetro de impacto del planeta, el semieje mayor y el tiempo de tránsito de un ajuste de curva de luz blanca como un valor fijo en los ajustes dependientes de la longitud de onda. Para el modelo sistemático, asumimos una tendencia lineal en el tiempo para cada canal de longitud de onda, ajustándose tanto a la pendiente como al intercepto en y. Por último, ajustamos una dispersión de un solo punto a cada curva de luz, lo que ilustra el nivel de ruido adicional requerido para que nuestro modelo conjunto alcance un chi-cuadrado reducido (Χ2) de unidad. Los residuales de la curva de luz blanca tienen una raíz cuadrada media (rms) de 3013 ppm, y las curvas de luz espectroscópica por encima de 3 µm tienen una mediana de rms de 5779 ppm. Similar a la reducción que se muestra en la Fig. 1, ambas tuberías alcanzan un ruido cercano al fotón. ¡Eureka! y los espectros de transmisión ExoTEP parecen casi idénticos; por lo tanto, solo uno (¡Eureka!) se muestra en la Fig. 2.

Nos basamos en la tubería desarrollada para el análisis de la Encuesta de exoplanetas terrestres de baja resolución utilizando datos de espectroscopia de transmisión (LRG-BEASTS)21,57,58 para proporcionar una reducción independiente de los datos. Comenzamos con las salidas de la tubería JWST Calibration Stage 1 con la corrección de paso de salto desactivada. Creamos máscaras de píxeles defectuosos y de rayos cósmicos mediante la identificación de valores atípicos de 5σ en medianas corrientes que operan a lo largo de filas de píxeles y píxeles individuales en el tiempo. Antes de rastrear los espectros, interpolamos cada columna del detector en una cuadrícula más fina, diez veces la resolución espacial inicial, para mejorar la extracción de flujo a nivel de subpíxel. Usamos un polinomio de cuarto orden para rastrear los espectros y una apertura de cuatro píxeles de ancho. Para eliminar el ruido 1/f, ajustamos un polinomio lineal a 21 píxeles de fondo a lo largo de cada columna en la dirección de dispersión cruzada. A continuación, para corregir los cambios en la dirección de la dispersión, correlacionamos cada espectro estelar con el primer espectro de la observación para tener en cuenta los cambios de subpíxeles muy pequeños (0,003–0,005). Nuestra curva de luz blanca abarca un rango de longitud de onda de 0,518 a 5,348 μm después de enmascarar píxeles saturados, y nuestras 147 curvas de luz espectroscópica utilizaron contenedores de 3 píxeles de ancho en este mismo rango de longitud de onda. Enmascaramos los fotogramas 20751–20765 debido a un movimiento de antena de alta ganancia que provocó un aumento del ruido en las curvas de luz.

Ajustamos nuestras curvas de luz con una combinación de un modelo de tránsito cuadráticamente oscurecido por las extremidades (hasta batman56) con un polinomio lineal en el tiempo. Comenzamos ajustando la curva de luz blanca para derivar los parámetros del sistema: inclinación, i, tiempo de tránsito medio, TC, el semieje mayor escalado al radio estelar, a/R*, y el coeficiente de oscurecimiento del limbo lineal , u1. Colocamos límites amplios en los valores de los parámetros solo para evitar valores no físicos. En la práctica, los valores de los parámetros no se acercaron a los límites. Fijamos el período orbital del planeta en 4.0552941 d y la excentricidad en 0 de la ref. 22. Fijamos el coeficiente cuadrático, u2, a valores teóricos determinados por ExoTiC-LD59,60 con modelos estelares tridimensionales61, y ajustamos para u1. Usamos un algoritmo de Levenberg-Marquardt para ajustar nuestras curvas de luz, volvimos a escalar nuestras incertidumbres fotométricas para dar un Χ2 = 1 reducido para nuestro modelo de mejor ajuste y luego volvimos a ejecutar los ajustes. Para las curvas de luz espectroscópica, los parámetros del sistema (i, TC y a/R*) se mantuvieron fijos en los valores de mejor ajuste encontrados en la curva de luz blanca. Los residuos de la curva de luz blanca tenían un valor eficaz de 2761 ppm y los residuos de la curva de luz espectroscópica tenían un valor eficaz medio de 6731 ppm. En ambos casos, la varianza de las escalas de residuos al agruparlos como se esperaba para el ruido de Poisson.

También redujimos los datos utilizando las rutinas de reducción FIREFLy38. Estas rutinas utilizan la tubería de calibración JWST con modificaciones personalizadas. Esta tubería se ha utilizado para analizar con éxito las observaciones de tránsito JWST de HAT-P-14b que se obtuvieron durante la puesta en servicio con NIRSpec G39537. Eliminamos el ruido 1/f (ver ref. 36) a nivel de grupo, ya que el ruido 1/f cambia de un grupo a otro. También omitimos el paso de salto y, en su lugar, marcamos y eliminamos los rayos cósmicos, los píxeles defectuosos, los píxeles calientes y otros valores atípicos mediante el filtrado de la mediana de los datos tanto espacialmente como en el tiempo, marcando los píxeles mediante un algoritmo de umbral de valores atípicos de 5σ. Las series temporales de espectros bidimensionales se alinearon mediante correlación cruzada e interpolación, y los espectros de series temporales exhibieron una fluctuación rms de 0,005 píxeles en la dirección del eje x y 0,0026 píxeles en la dirección del eje y. Encontramos una pequeña rampa inversa en las curvas de luz, que se estabilizó tras las primeras 2.000 exposiciones, que descartamos. Ajustamos las curvas de luz con el modelo de tránsito batman56 junto con una línea de base lineal y un polinomio de eliminación de tendencias de fluctuación de segundo orden de la posición del detector x e y como se describe en la ref. 38, que están presentes en la espectrofotometría al nivel de 53 ± 2 ppm en la dirección x y al nivel de 140 ± 3 ppm en la dirección y. Aplicamos una ley de oscurecimiento de extremidades cuadráticas fijas utilizando los modelos tridimensionales61 calculados utilizando los métodos de la ref. 62 de ExoTiC-LD59,60. Al ajustar la curva de luz blanca de 3 μm a 5,5 μm, permitimos que el semieje mayor en unidades de radios estelares a/R*, inclinación i y tiempo de tránsito central T0 varíe libremente junto con la profundidad de tránsito y el modelo sistemático. Utilizamos la rutina de muestreo Monte Carlo de la cadena de Markov emcee63 para encontrar los parámetros de mejor ajuste y medir la distribución posterior. Encontramos que la curva de luz blanca de 3 a 5,5 μm tiene una profundidad de tránsito de 2,1368 ± 0,0014 % y logra una dispersión de 808 ppm en los residuos. Esto está dentro del 6 % del límite de ruido esperado de 758 ppm según lo calculado por la tubería de calibración JWST, con la dispersión de los residuos disminuyendo a menos de 40 ppm al agruparse sin ruido rojo detectable. Ajustamos cada curva de luz espectroscópica que se muestra en la Fig. 1 con los mismos modelos astrofísicos y sistemáticos que la curva de luz blanca, excepto que fijamos los parámetros del sistema (a/R*, i y T0). Los residuos de la curva de luz espectral de transmisión para cada contenedor están típicamente dentro del 5% del error de tubería o mejor, también sin ruido rojo detectable.

Comparamos los datos espectrales de transmisión extraídos con un conjunto de atmósferas modelo de equilibrio termoquímico-radiativo-convectivo-coherente unidimensional (consulte, por ejemplo, las referencias 64,65 para obtener una descripción general de dichos modelos) que se describen a continuación. En resumen, todos los modelos pueden ajustarse a los espectros de 3 a 5,5 μm de manera consistente (con Χ2/Ndata < 1,4, donde Ndata es el número de puntos de datos espectrales) con un enriquecimiento de metal solar 10 veces mayor y una opacidad variable de la nube gris para su mejor estimación única. Las comparaciones de los ajustes del modelo de cada cuadrícula se muestran en Datos extendidos Fig. 1. Para parámetros adicionales dentro de la cuadrícula (por ejemplo, relación carbono-oxígeno (C/O) y redistribución de calor), existe cierta discrepancia entre cada modelo los mejores valores estimados individuales de la red. Se necesitan análisis bayesianos adicionales para cuantificar rigurosamente los intervalos de confianza de las propiedades atmosféricas de interés, lo que está más allá del alcance de este trabajo. Los trabajos futuros se centrarán en el modelado que incluye los efectos de la química del desequilibrio, la microfísica de aerosoles y los efectos de la circulación tridimensional. Asumimos los siguientes parámetros en el modelado: temperatura estelar efectiva, Teff = 5512 K, radio estelar = 0,932 R⊙, masa del planeta = 0,281 MJ, radio del planeta = 1,279 RJ y semieje mayor orbital del planeta = 0,04828 au.

Este marco se describió por primera vez en las refs. 66,67, con las actualizaciones, métodos y fuentes de opacidad más recientes descritos en la ref. 68. Calculamos la estructura atmosférica convergente (temperatura-presión y perfiles de relación de mezcla de gases en equilibrio termoquímico) sobre una cuadrícula de metalicidad atmosférica ([M/H], donde los corchetes indican el enriquecimiento log10 en relación con la energía solar43) espaciados a intervalos de 0,25 dex entre 0 y 2,25 (1 a 175 veces solar) y C/O en valores de 0,20, 0,35, 0,55, 0,70, 0,75 y 0,80. Asumimos una redistribución total de la temperatura del día a la noche69 ya que es poco probable que los planetas en este régimen de temperatura posean un fuerte contraste de temperatura del día a la noche70,71. Luego calculamos los espectros de transmisión72,73 de estas estructuras atmosféricas convergentes. Para hacer coincidir los modelos con los datos, se utiliza la rutina de ajuste DYNESTY74 para buscar el [M/H] y C/O óptimos (a través del vecino más cercano) mientras se ajusta simultáneamente el radio planetario de 1 barra (que controla la profundidad de tránsito absoluta) y una opacidad de nube opaca, gris, uniformemente distribuida verticalmente (κcld). El modelo óptimo resultante de este proceso es [M/H] = +1,0, C/O = 0,35 y log10κcld = −2,15 cm2 g−1. La metalicidad y la opacidad de la nube se deben principalmente a la fuerza de la característica de CO2 de 4,3 µm y la falta de absorción de metano (CH4) cerca de los 3,3 µm. Este resultado es el que se muestra en el texto principal (Fig. 3), que también ilustra la contribución relativa de las principales fuentes de opacidad (H2O (refs. 75,76), CO (refs. 77,78), CO2 (refs. 79,80), H2S (refs. 78,81) y CH4 (refs. 78,82)) a la forma espectral general. Datos extendidos La Fig. 2 muestra la estructura atmosférica (perfil de temperatura y perfiles de relación de mezcla de gases) para este modelo de mejor ajuste.

El modelo central radiativo-convectivo unidimensional se basa en el código heredado 'Planeta gigante extrasolar' descrito en las refs. 69,80,83 y desde entonces actualizado y modernizado dentro del marco PICASO84 descrito en la ref. 85 (PICASO 3.0). El modelo PICASO 3.0 utiliza opacidades gaseosas creadas a partir de las referencias enumeradas en la ref. 80. La cuadrícula de los modelos PICASO contiene puntos de metalicidad a 0,1, 0,3, 1, 3, 10, 30, 50 y 100 veces la energía solar; C/O a 0,23, 0,46, 0,69 y 0,92; y también supone una redistribución total del calor día-noche. Las nubes se modelan utilizando la implementación Virga86 del marco Eddysed87, que requiere un coeficiente de mezcla vertical, Kzz (constante con la altitud; log10Kzz = 5, 7, 9 y 11 (unidades cgs)) y un parámetro de sedimentación constante verticalmente (fsed = 0,6 , 1, 3, 6 y 10), con propiedades ópticas/materiales para nubes que se cree que existen a las presiones y temperaturas de WASP-39b (Na2S, MnS y MgSiO3). El parámetro fsed controla la extensión vertical de la nube, y Kzz y fsed juntos controlan el tamaño medio de las gotas con la altitud en la atmósfera. Se realiza una búsqueda de cuadrícula Χ2 a lo largo de las dimensiones descritas para identificar el mejor ajuste. Dentro de esta cuadrícula, el mejor ajuste nominal (Χ2/Ndata = 1,34) es una metalicidad 10 veces solar, una C/O subsolar (0,23), con una nube de gotas grandes extendida (fsed = 0,6, log10Kzz = 9) que produce una continuo gris sobre estas longitudes de onda, consistente con los resultados de ScCHIMERA anteriores.

El solucionador de equilibrio termoquímico radiativo-convectivo ATMO se describe en las refs. 88,89,90,91. Esta cuadrícula consta de espectros de transmisión modelo para cuatro factores de redistribución de energía día-noche diferentes (0,25, 0,5, 0,75 y 1,0, donde 0,5 es 'lleno' y 1,0 es 'solo en el día'), seis metalicidades (0,1-, 1-, 10 -, 50, 100 y 200 veces solar), seis relaciones C/O (0,35, 0,55, 0,70, 0,75, 1,0 y 1,5), dos factores de neblina (sin neblina y dispersión de Rayleigh multigas 10 veces) y cuatro factores de nube gris (sin nube, 0,5, 1 y 5 veces la fuerza de dispersión de H2 Rayleigh a 350 nm entre niveles de presión de 1 mbar y 50 mbar). Cada espectro de transmisión del modelo de la cuadrícula se agrupa con la misma resolución que la de las observaciones para calcular Χ2, con una compensación de profundidad de tránsito (independiente de la longitud de onda) como parámetro libre. Dentro de esta cuadrícula, encontramos un espectro de modelo de mejor ajuste (Χ2/Ndata = 1,39) que surge de un factor de redistribución de 0,75 (ligeramente más caliente de lo que produciría una redistribución completa de día y noche), una metalicidad de 10 veces la solar, un súper -relación C/O solar de 0,7, un factor de neblina de 10 y un factor de nube de 5.

Este modelo se origina a partir del código de atmósfera estelar PHOENIX92 adaptado para exoplanetas93 con actualizaciones adicionales de modelado y opacidad descritas en las refs. 94,95. La cuadrícula del modelo se calcula para una serie de temperaturas de irradiación (920 K, 1020 K, 1120 K y 1220 K), metalicidades (0,1, 1, 10 y 100 veces la solar) y C/O (0,3, 0,54, 0.7 y 1.0), e incluye una muestra de nubes grises opacas a presiones específicas en la parte superior de la nube. El modelo de mejor ajuste nominal (Χ2/Ndata = 1,32) de esta configuración de cuadrícula da como resultado una atmósfera de 10 veces la metalicidad solar y C/O subsolar (0,3) con una presión en la parte superior de la nube de 0,3 mbar.

Cuantificamos la importancia de la detección96 de CO2 con los siguientes pasos. El modelo de cuadrícula de mejor ajuste sin CO2 (es decir, la curva negra 'sin CO2' que se muestra en la Fig. 3) se resta primero de los datos, dejando una fuerte característica residual debido al CO2 (Datos extendidos Fig. 3). La relación máxima señal/ruido media por intervalo espectral de esta característica residual es de aproximadamente 10σ. Para utilizar la forma de línea/banda completa, ajustamos el pico residual con (1) un modelo gaussiano de cuatro parámetros (centroide, amplitud, ancho y desplazamiento vertical), que se muestra como curvas rojas en Datos extendidos, Fig. 3, y (2) una constante 'sin características' utilizando una rutina de muestreo anidada74. La evidencia bayesiana entre el modelo gaussiano y el modelo constante se utilizó luego para calcular un factor de Bayes, B, y la significancia de detección correspondiente97. Para la función residual de CO2, ln(B) es 340,5, lo que equivale a una detección de 26,2σ. A partir de este análisis, concluimos que la característica de CO2 se detecta de manera sólida.

Al inspeccionar las Figs. 2 y 3, parece haber una característica cerca de 4,0 µm (justo por debajo de la característica principal de CO2). Repetimos el mismo análisis que el anterior, pero comparamos la evidencia bayesiana de un ajuste de modelo gaussiano de dos componentes (para acomodar tanto la función de CO2 como el absorbente desconocido) con el ajuste del modelo gaussiano de un solo componente anterior. Al hacerlo, encontramos ln(B) = 0,98, lo que equivale a una significancia de 2σ. Restringir el rango previo para que el segundo gaussiano se localice cerca de la característica de 4 µm aumenta la importancia a 2.3σ. Los análisis futuros se centrarán en la naturaleza de esta característica y una cuantificación más rigurosa a través de la comparación del modelo bayesiano anidado dentro de los marcos de recuperación atmosférica (por ejemplo, ref. 34).

Los datos utilizados en este documento están asociados con el programa JWST ERS 1366 (observación n.º 4) y están disponibles en el Archivo Mikulski para Telescopios Espaciales (https://mast.stsci.edu). La versión de procesamiento de datos científicos (SDP_VER) 2022_2a generó los datos sin calibrar que descargamos de MAST. Utilizamos la versión del software de calibración JWST (CAL_VER) 1.5.3 con las modificaciones descritas en el texto. Usamos datos de referencia de calibración del contexto (CRDS_CTX) 0916, excepto como se indica en el texto. Todos los datos y modelos presentados en esta publicación se pueden encontrar en https://doi.org/10.5281/zenodo.6959427. Los datos de origen se proporcionan con este documento.

Los códigos utilizados en esta publicación para extraer, reducir y analizar los datos son los siguientes: STScI JWST Calibration pipeline37 (https://github.com/spacetelescope/jwst), tshirt40, Eureka!39 (https://eurekadocs.readthedocs. io/en/latest/), Tiberius21,56,57 y FIREFLy38. Además, estos hicieron uso de Exoplanet51 (https://docs.exoplanet.codes/en/latest/), Pymc352 (https://docs.pymc.io/en/v3/index.html), ExoTEP53,54, 55, Batman56 (http://lkreidberg.github.io/batman/docs/html/index.html), ExoTiC-ISM59 (https://github.com/Exo-TiC/ExoTiC-ISM), ExoTiC-LD60 ( https://exotic-ld.readthedocs.io/en/latest/), Emcee63 (https://emcee.readthedocs.io/en/stable/), DYNESTY74 (https://dynesty.readthedocs.io/en/ stable/index.html) y cromático (https://zkbt.github.io/chromatic/), cada uno de los cuales utiliza las bibliotecas estándar de Python scipy98, numpy99, astropy100,101 y matplotlib102. Los modelos atmosféricos utilizados para ajustar los datos son los siguientes: PICASO84 (https://natashabatalha.github.io/picaso/), Virga86 (https://natashabatalha.github.io/virga/), ScCHIMERA68 (https:// github.com/mrline/CHIMERA), ATMO88,89,90,91 y PHOENIX94.

Lodders, K. & Fegley, B. Química atmosférica en planetas gigantes, enanas marrones y estrellas enanas de baja masa. I. Carbono, nitrógeno y oxígeno. Ícaro 155, 393–424 (2002).

Artículo ADS CAS Google Académico

Zahnle, K., Marley, MS, Freedman, RS, Lodders, K. y Fortney, JJ Fotoquímica del azufre atmosférico en Júpiter calientes. Astrofias. J. Lett. 701, L20–L24 (2009).

Artículo ADS CAS Google Académico

Moisés, JI et al. Diversidad composicional en las atmósferas de Neptunos calientes, con aplicación a GJ 436b. Astrofias. J. 777, 34 (2013).

Artículo ADS PubMed PubMed Central Google Scholar

Pollack, JB et al. Formación de los planetas gigantes por acreción concurrente de sólidos y gas. Ícaro 124, 62–85 (1996).

Artículo ANUNCIOS Google Académico

Fortney, JJ et al. Un marco para caracterizar las atmósferas de planetas en tránsito de baja densidad y baja masa. Astrofias. J. 775, 80 (2013).

Artículo ANUNCIOS Google Académico

Venturini, J., Alibert, Y. & Benz, W. Formación de planetas con enriquecimiento de envoltura: nuevos conocimientos sobre la diversidad planetaria. Astron. Astrofias. 596, A90 (2016).

Artículo ANUNCIOS Google Académico

Kaltenegger, L. & Traub, WA Tránsitos de planetas similares a la Tierra. Astrofias. J. 698, 519–527 (2009).

Artículo ADS CAS Google Académico

Deming, D. et al. Descubrimiento y caracterización de súper Tierras en tránsito utilizando un estudio de tránsito de todo el cielo y seguimiento por parte del Telescopio Espacial James Webb. publ. Astron. Soc. Pac. 121, 952–967 (2009).

Artículo ANUNCIOS Google Académico

Lustig-Yaeger, J., Meadows, VS & Lincowski, AP La detectabilidad y caracterización de las atmósferas del exoplaneta TRAPPIST-1 con JWST. Astron. J. 158, 27 (2019).

Artículo ADS CAS Google Académico

Wakeford, HR et al. El espectro de transmisión completo de WASP-39b con una restricción de agua precisa. Astron. J. 155, 29 (2018).

Artículo ANUNCIOS Google Académico

Habla, JJ et al. Las mediciones de abundancia de H2O y especies que contienen carbono en la atmósfera de WASP-127b confirman su metalicidad supersolar. Lun. No. R. Astron. Soc. 500, 4042–4064 (2021).

Artículo ADS CAS Google Académico

Alderson, L. et al. Un análisis exhaustivo del espectro de transmisión de WASP-17b a partir de observaciones desde el espacio. Lun. No. R. Astron. Soc. 512, 4185–4209 (2022).

Stevenson, KB et al. Estudios de exoplanetas en tránsito y objetivos comunitarios para el Programa científico de lanzamiento temprano de JWST. publ. Astron. Soc. Pac. 128, 094401 (2016).

Bean, JL et al. El Programa de Ciencia de Salida Temprana de la Comunidad de Exoplanetas en Tránsito para JWST. publ. Astron. Soc. Pac. 130, 114402 (2018).

Artículo ANUNCIOS Google Académico

Faedi, F. et al. WASP-39b: un planeta de la masa de Saturno altamente inflado que orbita una estrella tardía de tipo G. Astron. Astrofias. 531, A40 (2011).

Artículo Google Académico

Laughlin, G., Crismani, M. & Adams, FC Sobre los radios anómalos de los planetas extrasolares en tránsito. Astrofias. J. Lett. 729, L7 (2011).

Artículo ANUNCIOS Google Académico

Thorngren, DP & Fortney, JJ Análisis bayesiano de las anomalías del radio de Júpiter caliente: ¿evidencia de disipación óhmica? Astron. J. 155, 214 (2018).

Artículo ANUNCIOS Google Académico

Sarkis, P., Mordasini, C., Henning, T., Marleau, GD y Mollière, P. Evidencia de tres mecanismos que explican la anomalía del radio de los Júpiter calientes. Astron. Astrofias. 645, A79 (2021).

Artículo ADS CAS Google Académico

Fischer, PD et al. Estudio espectral de transmisión de Júpiter caliente HST: cielos despejados para el frío Saturno WASP-39b. Astrofias. J. 827, 19 (2016).

Artículo ANUNCIOS Google Académico

Nikolov, N. et al. Espectroscopía de transmisión comparativa VLT FORS2: detección de Na en la atmósfera de WASP-39b desde el suelo. Astrofias. J. 832, 191 (2016).

Artículo ANUNCIOS Google Académico

Kirk, J. et al. LRG-BEASTS: espectroscopia de transmisión y análisis de recuperación del planeta altamente inflado de la masa de Saturno WASP-39b. Astron. J. 158, 144 (2019).

Artículo ADS CAS Google Académico

Mancini, L. et al. El programa GAPS con HARPS-N en TNG. XVI. Medición del efecto Rossiter-McLaughlin de los sistemas planetarios en tránsito HAT-P-3, HAT-P-12, HAT-P-22, WASP-39 y WASP-60. Astron. Astrofias. 613, A41 (2018).

Artículo Google Académico

Biazzo, K. et al. El programa GAPS con HARPS-N en TNG. XXXV. Propiedades fundamentales de las estrellas anfitrionas de exoplanetas en tránsito. Astron. Astrofias. 664, A61 (2022).

Polanski, AS, Crossfield, IJM, Howard, AW, Isaacson, H. & Rice, M. Abundancias químicas para 25 estrellas anfitrionas de exoplanetas JWST con KeckSpec. Res. Nota. AAS 6, 155 (2022).

Lodders K. y Fegley B. El compañero del científico planetario (Oxford Univ. Press, 1998).

Kreidberg, L. et al. Una medición precisa de la abundancia de agua para el caliente Júpiter WASP-43b. Astrofias. J. Lett. 793, L27 (2014).

Artículo ANUNCIOS Google Académico

Atreya, SK et al. El origen y evolución de Saturno: una perspectiva posterior a Cassini. Preimpresión en https://arxiv.org/abs/2205.06914 (2022).

Thorngren, D. & Fortney, JJ Conexión de la atmósfera de un planeta gigante y el modelado interior: restricciones sobre el enriquecimiento de metales atmosféricos. Astrofias. J. Lett. 874, L31 (2019).

Artículo ADS CAS Google Académico

Tsiaras, A. et al. Un estudio de población de exoplanetas gaseosos. Astron. J. 155, 156 (2018).

Artículo ANUNCIOS Google Académico

Fisher, C. & Heng, K. Análisis de recuperación de 38 espectros de transmisión WFC3 y resolución de la degeneración de normalización. Lun. No. R. Astron. Soc. 481, 4698–4727 (2018).

Artículo ADS CAS Google Académico

Pinhas, A., Madhusudhan, N., Gandhi, S. y MacDonald, R. Abundancia de H2O y propiedades de las nubes en diez exoplanetas gigantes calientes. Lun. No. R. Astron. Soc. 482, 1485–1498 (2019).

Artículo ADS CAS Google Académico

Welbanks, L. et al. Tendencias de masa-metalicidad en exoplanetas en tránsito a partir de abundancias atmosféricas de H2O, Na y K. Astrophys. J. Lett. 887, L20 (2019).

Artículo ADS CAS Google Académico

Min, M., Ormel, CW, Chubb, K., Helling, C. y Kawashima, Y. El marco ARCiS para atmósferas de exoplanetas. Filosofía de modelado y recuperación. Astron. Astrofias. 642, A28 (2020).

Artículo ADS CAS Google Académico

Benneke, B. & Seager, S. Cómo distinguir entre mini-Neptunos nublados y súper-Tierras dominadas por agua/volátiles. Astrofias. J. 778, 153 (2013).

Artículo ANUNCIOS Google Académico

Jakobsen, P. et al. El espectrógrafo de infrarrojo cercano (NIRSpec) en el telescopio espacial James Webb. I. Descripción general del instrumento y sus capacidades. Astron. Astrofias. 661, A80 (2022).

Artículo CAS Google Académico

Birkmann, SM et al. El espectrógrafo de infrarrojo cercano (NIRSpec) en el telescopio espacial James Webb. IV. Capacidades y rendimiento previsto para la caracterización de exoplanetas. Astron. Astrofias. 661, A83 (2022).

Artículo CAS Google Académico

Rigby, J. et al. Caracterización del rendimiento científico de JWST desde la puesta en servicio. Preimpresión en https://arxiv.org/abs/2207.05632 (2022).

Rustamkulov, Z., Sing, DK, Liu, R. y Wang, A. Análisis de una serie temporal de laboratorio JWST NIRSpec: caracterización sistemática, recuperación de la espectroscopia de tránsito de exoplanetas y restricción de un ruido de fondo. Astrofias. J. Lett. 928, L7 (2022).

Artículo ANUNCIOS Google Académico

Bell, TJ y col. Eureka!: una tubería de extremo a extremo para observaciones de series temporales de JWST. J. Ciencia de código abierto. 7, 4503–4508 (2022).

Glidic, K. et al. Caracterización atmosférica de Júpiter caliente CoRoT-1 b utilizando la cámara de campo amplio 3 en el telescopio espacial Hubble. Astron. J. 164, 19 (2022).

Artículo ANUNCIOS Google Académico

Beichman, C. et al. Observaciones de exoplanetas en tránsito con el telescopio espacial James Webb (JWST). publ. Astron. Soc. Pac. 126, 1134–1173 (2014).

Artículo ANUNCIOS Google Académico

Yamamura, I., Tsuji, T. & Tanabé, T. AKARI observaciones de enanas marrones. I. Bandas de CO y CO2 en los espectros del infrarrojo cercano. Astrofias. J. 722, 682–698 (2010).

Artículo ADS CAS Google Académico

Lodders, K., Palme, H. y Gail, H.-P. en Sistema solar: astronomía, astrofísica y cosmología vol. 4B (ed. Trümper, JE) 712 (Landolt-Börnstein - Grupo VI 'Astronomía y astrofísica', Springer, 2009).

Stevenson, KB Cuantificación y predicción de la presencia de nubes en atmósferas de exoplanetas. Astrofias. J. Lett. 817, L16 (2016).

Artículo ANUNCIOS Google Académico

Fu, G. et al. Análisis estadístico de la espectroscopia de tránsito Hubble/WFC3 de planetas extrasolares. Astrofias. J. Lett. 847, L22 (2017).

Artículo ANUNCIOS Google Académico

Parmentier, V., Fortney, JJ, Showman, AP, Morley, C. & Marley, MS Transiciones en la composición de nubes de Júpiter calientes. Astrofias. J. 828, 22 (2016).

Artículo ANUNCIOS Google Académico

Kataria, T. et al. La circulación atmosférica de una muestra de nueve Júpiter caliente: sondeo de circulación y química en un amplio espacio de fase. Astrofias. J. 821, 9 (2016).

Artículo ANUNCIOS Google Académico

Gao, P. et al. Composición de aerosoles de exoplanetas gigantes calientes dominados por silicatos y neblinas de hidrocarburos. Nat. Astron. 4, 951–956 (2020).

Artículo ANUNCIOS Google Académico

Himes, MD y Harrington, J. Sobre la atmósfera diurna de WASP-12b. Astrofias. J. 931, 86 (2022).

Artículo ANUNCIOS Google Académico

Schlawin, E. et al. Piso de ruido JWST. II. Fuentes de error sistemático en series de tiempo JWST NIRCam. Astron. J. 161, 115 (2021).

Artículo ANUNCIOS Google Académico

Foreman-Mackey, D. et al. exoplaneta: inferencia probabilística basada en gradientes para datos de exoplanetas y otras series temporales astronómicas. J.Software de código abierto. 6, 3285 (2021).

Artículo ANUNCIOS Google Académico

Salvatier, J., Wiecki, TV & Fonnesbeck, C. PyMC3: marco de programación probabilística de Python. Biblioteca de código fuente de astrofísica ascl: 1610.016 (2016).

Benneke, B. et al. Las observaciones de Spitzer confirman y rescatan la supertierra K2-18b en zona habitable para una caracterización futura. Astrofias. J. 834, 187 (2017).

Artículo ANUNCIOS Google Académico

Benneke, B. et al. Vapor de agua y nubes en el exoplaneta subNeptuno K2-18b de la zona habitable. Astrofias. J. Lett. 887, L14 (2019).

Artículo ADS CAS Google Académico

Benneke, B. et al. Un exoplaneta sub-Neptuno con una atmósfera empobrecida en metano de baja metalicidad y nubes de dispersión de Mie. Nat. Astron. 3, 813–821 (2019).

Artículo ANUNCIOS Google Académico

Kreidberg, L. batman: cálculo básico del modelo de tránsito en Python. publ. Astron. Soc. Pac. 127, 1161–1165 (2015).

Artículo ANUNCIOS Google Académico

Kirk, J. et al. LRG-BEASTS III: espectro de transmisión terrestre del gigante gaseoso que orbita la enana fría WASP-80. Lun. No. R. Astron. Soc. 474, 876–885 (2018).

Artículo ADS CAS Google Académico

Kirk, J. et al. ACCESS y LRG-BEASTS: un nuevo espectro de transmisión óptica preciso del ultracaliente Jupiter WASP-103b. Astron. J. 162, 34 (2021).

Artículo ADS CAS Google Académico

Laginja, I. & Wakeford, H. ExoTiC-ISM: un paquete de Python para parámetros de tránsito de exoplanetas marginados a través de una cuadrícula de modelos de instrumentos sistemáticos. J Software de código abierto 5, 2281 (2020).

Artículo ANUNCIOS Google Académico

Wakeford, HR & Grant, D. Exo-TiC/ExoTiC-LD: ExoTiC-LD v2.1 Zenodo Release. Zenodo https://doi.org/10.5281/zenodo.6809899 (2022).

Magic, Z., Chiavassa, A., Collet, R. & Asplund, M. The Stagger-grid: una cuadrícula de modelos de atmósfera estelar en 3D. IV Coeficientes de oscurecimiento de las extremidades. Astron. Astrofias. 573, A90 (2015).

Artículo ANUNCIOS Google Académico

Sing, DK Coeficientes de oscurecimiento de extremidades estelares para CoRot y Kepler. Astron. Astrofias. 510, A21 (2010).

Artículo ANUNCIOS Google Académico

Foreman-Mackey, D. et al. emcee v3: un kit de herramientas de muestreo de conjunto de Python para MCMC afín invariable. J. Software de código abierto. 4, 1864 (2019).

Artículo ANUNCIOS Google Académico

Marley, MS & Robinson, TD En el lado genial: modelando las atmósferas de enanas marrones y planetas gigantes. Ana. Rev. Astron. Astrofias. 53, 279–323 (2015).

Artículo ANUNCIOS Google Académico

Hubeny, I. Atmósferas modelo de objetos de masa subestelares. Lun. No. R. Astron. Soc. 469, 841–869 (2017).

Artículo ADS CAS Google Académico

Piskorz, D. et al. Detección terrestre y espacial del espectro de emisión térmica del Júpiter caliente en tránsito KELT-2Ab. Astron. J. 156, 133 (2018).

Artículo ANUNCIOS Google Académico

Arcangeli, J. et al. H− opacidad y disociación de agua en la atmósfera diurna del gigante gaseoso muy caliente WASP-18b. Astrofias. J. Lett. 855, L30 (2018).

Artículo ANUNCIOS Google Académico

Mansfield, M. et al. Una secuencia espectral única de Júpiter caliente con evidencia de diversidad composicional. Nat. Astron. 5, 1224–1232 (2021).

Artículo ANUNCIOS Google Académico

Fortney, JJ, Marley, MS, Lodders, K., Saumon, D. y Freedman, R. Atmósferas planetarias comparativas: modelos de TrES-1 y HD 209458b. Astrofias. J. Lett. 627, L69–L72 (2005).

Artículo ADS CAS Google Académico

Perez-Becker, D. & Showman, AP Redistribución del calor atmosférico en Júpiter calientes. Astrofias. J. 776, 134 (2013).

Artículo ANUNCIOS Google Académico

Zhang, X. Regímenes atmosféricos y tendencias en exoplanetas y enanas marrones. Res. Astron. Astrofias. 20, 099 (2020).

Artículo ANUNCIOS Google Académico

Mai, C. & Line, MR Exploración de supuestos de nubes de exoplanetas en espectros de transmisión JWST. Astrofias. J. 883, 144 (2019).

Artículo ADS CAS Google Académico

Iyer, AR & Line, MR La influencia de la contaminación estelar en la interpretación de los espectros de transmisión del infrarrojo cercano de los mundos subneptunos alrededor de las enanas M. Astrofias. J. 889, 78 (2020).

Artículo ADS CAS Google Académico

Speagle, JS DYNESTY: un paquete de muestreo dinámico anidado para estimar evidencias y posteriores bayesianos. Lun. No. R. Astron. Soc. 493, 3132–3158 (2020).

Artículo ANUNCIOS Google Académico

Polyansky, OL et al. La línea molecular ExoMol enumera XXX: una lista completa de líneas de alta precisión para el agua. Lun. No. R. Astron. Soc. 480, 2597–2608 (2018).

Artículo ADS CAS Google Académico

Gharib-Nezhad, E. et al. EXOPLINES: base de datos transversal de absorción molecular para atmósferas de enanas marrones y exoplanetas gigantes. Astrofias. J. suplemento Ser. 254, 34 (2021).

Artículo ADS CAS Google Académico

Li, G. et al. Listas de líneas rovibracionales para nueve isótopos de la molécula de CO en el estado electrónico base X1Σ+. Astrofias. J. suplemento Ser. 216, 15 (2015).

Artículo ANUNCIOS Google Académico

Grimm, SL et al. Calculadora de opacidad HELIOS-K 2.0 y base de datos de opacidad de código abierto para atmósferas exoplanetarias. Astrofias. J. suplemento Ser. 253, 30 (2021).

Artículo ADS CAS Google Académico

Huang, X., Gamache, RR, Freedman, RS, Schwenke, DW & Lee, TJ Listas de líneas infrarrojas confiables para 13 isotopólogos de CO2 hasta E′=18,000 cm−1 y 1500 K, con parámetros de forma de línea. J. Cuant. Espectrosc. radiar Transf. 147, 134–144 (2014).

ADS CAS Google Académico

Marley, MS et al. Los modelos de atmósfera y evolución de la enana marrón de Sonora. I. Descripción del modelo y aplicación a atmósferas sin nubes en equilibrio químico rainout. Astrofias. J. 920, 85 (2021).

Artículo ADS CAS Google Académico

Azzam, AAA, Tennyson, J., Yurchenko, SN y Naumenko, OV Listas de líneas moleculares de ExoMol—XVI. El espectro de rotación-vibración del H2S caliente. Lun. No. R. Astron. Soc. 460, 4063–4074 (2016).

Artículo ADS CAS Google Académico

Hargreaves, RJ et al. Una lista precisa, extensa y práctica de líneas de metano para la base de datos HITEMP. Astrofias. J. suplemento Ser. 247, 55 (2020).

Artículo ADS CAS Google Académico

Marley, MS & McKay, CP Estructura térmica de la atmósfera de Urano. Ícaro 138, 268–286 (1999).

Artículo ADS CAS PubMed Google Scholar

Batalha, NE, Marley, MS, Lewis, NK y Fortney, JJ Espectroscopía de luz reflejada de exoplanetas con PICASO. Astrofias. J. 878, 70 (2019).

Artículo ADS CAS Google Académico

Mukherjee, S., Batalha, NE, Fortney, JJ y Marley, MS PICASO 3.0: un modelo climático unidimensional para planetas gigantes y enanas marrones. Preimpresión en https://arXiv.org/abs/2208.07836 (2022).

Rooney, CM, Batalha, NE, Gao, P. y Marley, MS Un nuevo modelo de sedimentación para una mayor diversidad de nubes en exoplanetas gigantes y enanas marrones. Astrofias. J. 925, 33 (2022).

Artículo ADS CAS Google Académico

Ackerman, AS & Marley, MS Precipitación de nubes de condensación en atmósferas subestelares. Astrofias. J. 556, 872 (2001).

Artículo ADS CAS Google Académico

Tremblin, P. et al. Digitación de convección y modelos sin nubes para atmósferas frías de enanas marrones. Astrofias. J. 804, L17 (2015).

Artículo ANUNCIOS Google Académico

Drummond, B. et al. Los efectos de los cálculos de cinética química consistentes en los perfiles de presión-temperatura y los espectros de emisión de los Júpiter calientes. Astron. Astrofias. 594, A69 (2016).

Artículo Google Académico

Goyal, JM et al. Una biblioteca de espectros de transmisión de modelos directos ATMO para exoplanetas calientes de Júpiter. Lun. No. R. Astron. Soc. 474, 5158–5185 (2018).

Artículo ADS CAS Google Académico

Goyal, JM et al. Una biblioteca de atmósferas de exoplanetas simuladas autoconsistentes. Lun. No. R. Astron. Soc. 498, 4680–4704 (2020).

Artículo ADS CAS Google Académico

Hauschildt, PH, Allard, F. y Baron, E. La cuadrícula atmosférica del modelo NextGen para 3000 ≤ Teff ≤ 10 000 K. Astrophys. J. 512, 377 (1999).

Artículo ADS CAS Google Académico

Barman, TS, Hauschildt, PH y Allard, F. Planetas irradiados. Astrofias. J. 556, 885 (2001).

Artículo ADS CAS Google Académico

Lothringer, JD & Barman, T. El algoritmo de recuperación de exoplanetas PHOENIX y el uso de la opacidad H− como sonda en Júpiter ultracalientes. Astron. J. 159, 289 (2020).

Artículo ADS CAS Google Académico

Lothringer, JD et al. Nueva ventana a la formación y migración de planetas: proporciones elementales refractarias a volátiles en Júpiter ultracalientes. Astrofias. J. 914, 12 (2021).

Artículo ADS CAS Google Académico

Gregory, PC (ed.) Análisis de datos lógicos bayesianos para las ciencias físicas: un enfoque comparativo con soporte de 'Mathematica' (Cambridge Univ. Pres, 2005).

Trotta, R. Bayes en el cielo: inferencia bayesiana y selección de modelos en cosmología. Contemp. física 49, 71–104 (2008).

Artículo ADS CAS Google Académico

Virtanen, P. et al. SciPy 1.0: algoritmos fundamentales para la computación científica en Python. Nat. Métodos 17, 261–272 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Harris, CR et al. Programación de matrices con NumPy. Naturaleza 585, 357–362 (2020).

Artículo ADS CAS PubMed PubMed Central Google Scholar

The Astropy Collaboration Astropy: un paquete comunitario de Python para astronomía. Astron. Astrofias. 558, A33 (2013).

The Astropy Collaboration The Astropy Project: construcción de un proyecto de ciencia abierta y estado del paquete central v2.0. Astron. J. 156, 123 (2018).

Artículo ANUNCIOS Google Académico

Hunter, JD Matplotlib: un entorno de gráficos 2D. computar ciencia Ing. 9, 90–95 (2007).

Artículo Google Académico

Descargar referencias

Este trabajo se basa en observaciones realizadas con el telescopio espacial James Webb de la NASA/ESA/CSA. Los datos se obtuvieron del Archivo Mikulski para Telescopios Espaciales en el Instituto de Ciencias del Telescopio Espacial, que es operado por la Asociación de Universidades para la Investigación en Astronomía, Inc., bajo el contrato NAS 5-03127 de la NASA para JWST. Estas observaciones están asociadas al programa JWST-ERS-01366. La NASA proporcionó apoyo para el programa JWST-ERS-01366 a través de una subvención del Instituto de Ciencias del Telescopio Espacial, que es operado por la Asociación de Universidades para la Investigación en Astronomía, Inc., bajo el contrato de la NASA NAS 5-03127. Los resultados informados aquí se beneficiaron durante la fase de diseño de colaboraciones y/o intercambio de información dentro de la red de coordinación de investigación Nexus for Exoplanet System Science (NExSS) de la NASA patrocinada por la Dirección de Misiones Científicas de la NASA. NMB reconoce la financiación de los Consorcios Interdisciplinarios para la Investigación en Astrobiología de la NASA (NNH19ZDA001N-ICAR) con el número de adjudicación 19-ICAR19_2-0041.

Departamento de Física, Universidad de Warwick, Coventry, Reino Unido

Eva-Maria Ahrer y Peter J. Wheatley

Centro de Exoplanetas y Habitabilidad, Universidad de Warwick, Coventry, Reino Unido

Eva-Maria Ahrer y Peter J. Wheatley

Escuela de Física, Universidad de Bristol, Bristol, Reino Unido

Lili Alderson, Hannah R. Wakeford y David Grant

Departamento de Astronomía y Astrofísica, Universidad de California, Santa Cruz, Santa Cruz, CA, EE. UU.

Natalie M. Batalha, Aarynn L. Carter, Jonathan J. Fortney, Sagnick Mukherjee, Kazumasa Ohno y Nicholas Scarsdale

Centro de Investigación Ames de la NASA, Moffett Field, CA, EE. UU.

Natasha E. Batalha

Departamento de Astronomía y Astrofísica, Universidad de Chicago, Chicago, IL, EE. UU.

Jacob L. Bean y Adina D. Feinstein

Departamento de Astronomía, Universidad de Wisconsin-Madison, Madison, WI, EE. UU.

Thomas G Beatty

Instituto BAER, Centro de Investigación Ames de la NASA, Moffett Field, CA, EE. UU.

taylor j campana

Departamento de Física e Instituto de Investigación de Exoplanetas, Université de Montréal, Montreal, Quebec, Canadá

Björn Benneke, Caroline Piaulet, Michael Radica, Pierre-Alexis Roy, Jake Taylor y Louis-Philippe Coulombe

Departamento de Ciencias Astrofísicas y Planetarias, Universidad de Colorado, Boulder, CO, EE. UU.

Zachory K. Berta-Thompson, Catriona Anne Murray, Molly Nehring, William C. Waalkes y Patcharapol Wachiraphan

Departamento de Física y Astronomía, Universidad de Kansas, Lawrence, KS, EE. UU.

Ian JM Crossfield y Jonathan Brande

Instituto de Ciencias del Telescopio Espacial, Baltimore, MD, EE. UU.

Néstor Espinoza, Nikolay K. Nikolov, Leonardo A. Dos Santos & Jeff A. Valenti

Departamento de Física y Astronomía, Universidad Johns Hopkins, Baltimore, MD, EE. UU.

David K. Singh, Natalie H. Allen, Guangwei Fu y Lakeisha Ramos-Rosado

Facultad de Física, Trinity College Dublin, Dublín, Irlanda

Neale P. Gibson

Escuela de Ciencias Planetarias y de la Tierra (SEPS), Instituto Nacional de Educación e Investigación Científica (NISER), HBNI, Jatani, India

Jayesh M Goyal

Departamento de Astronomía, Universidad de Maryland, College Park, MD, EE. UU.

Eliza M.-R. Kempton, Guangwei Fu y Thaddeus D. Komacek

Centro de Astrofísica | Harvard y Smithsonian, Cambridge, MA, EE. UU.

James Kirk, Mercedes López-Morales, Kevin Ortiz Ceballos & Diana Powell

Instituto Max Planck de Astronomía, Heidelberg, Alemania

Laura Kreidberg, Karan Molaverdikhani, Thomas Henning, Luigi Mancini, Thomas Mikal-Evans, Maria E. Steinrueck y Sebastian Zieba

Escuela de Exploración de la Tierra y el Espacio, Universidad Estatal de Arizona, Tempe, AZ, EE. UU.

Michael R. Line, Luis Welbanks y Evgenya L. Shkolnik

Departamento de Física, Universidad del Valle de Utah, Orem, UT, EE. UU.

Josué D. Lothringer

Laboratorio Lunar y Planetario, Universidad de Arizona, Tucson, AZ, EE. UU.

Sarah E. Moran y Mark S. Marley

Física Atmosférica, Oceánica y Planetaria, Departamento de Física, Universidad de Oxford, Oxford, Reino Unido

Vivien Parmentier, Xianyu Tan y Shang-Min Tsai

Universidad de la Costa Azul, Observatorio de la Costa Azul, CNRS, Laboratorio de Lagrange, Niza, Francia

Vivían Parmentier

Departamento de Ciencias Planetarias y de la Tierra, Universidad Johns Hopkins, Baltimore, MD, EE. UU.

Zafar Rustamkulov y David K. Sing

Observatorio Steward, Universidad de Arizona, Tucson, AZ, EE. UU.

Everett Schlawin y Megan Mansfield

Johns Hopkins APL, Laurel, MD, EE. UU.

Kevin B. Stevenson, EM May y Jacob Lustig-Yaeger

Agencia Espacial Europea, Instituto de Ciencias del Telescopio Espacial, Baltimore, MD, EE. UU.

Stephen M. Birkmann y Sarah Kendrew

Observatorio de Leiden, Universidad de Leiden, Leiden, Países Bajos

Nicolas Crouzet, Yamila Miguel & Sebastian Zieba

INAF - Observatorio Astrofísico de Turín, Turín, Italia

Patricio E. Cubillos & Luigi Mancini

Instituto de Investigación Espacial, Academia de Ciencias de Austria, Graz, Austria

Patricio E Cubillos

Sección de Astrofísica, Laboratorio de Propulsión a Chorro, Instituto de Tecnología de California, Pasadena, CA, EE. UU.

Mario Damiano, Renyu Hu, Tiffany Kataria y Gael M. Roudier

Instituto Anton Pannekoek de Astronomía, Universidad de Ámsterdam, Ámsterdam, Países Bajos

Desierto Jean-Michel

Laboratorio de Tierra y Planetas, Carnegie Institution for Science, Washington DC, EE. UU.

Peter Gao, Munazza K. Alam, Anjali AA Piette y Johanna K. Teske

Grupo de Ciencias Planetarias, Departamento de Física e Instituto Espacial de Florida, Universidad de Florida Central, Orlando, FL, EE. UU.

José Harrington

División de Ciencias Geológicas y Planetarias, Instituto de Tecnología de California, Pasadena, CA, EE. UU.

Renyu Hu, Heather A. Knutson, Julie Inglis, Jessica J. Spake y Nicole L. Wallack

Universidad Paris-Saclay, Universidad Paris Cité, CEA, CNRS, AIM, Gif-sur-Yvette, Francia

Pierre-Olivier Lagage & A. García Muñoz

Laboratorio de Astrofísica de Burdeos, Universidad de Burdeos, Pessac, Francia

jeremy leconte

Departamento de Astronomía, Universidad de Ginebra, Sauverny, Suiza

Monika Lendl y DJM Petit dit de la Roche

Departamento de Astronomía e Instituto Carl Sagan, Universidad de Cornell, Ithaca, NY, EE. UU.

Ryan J. MacDonald, Laura Flagg, Yu-Cian Hong, Nikole K. Lewis y Jake D. Turner

SRON Instituto Holandés de Investigación Espacial, Leiden, Países Bajos

Yamila Miguel

Observatorio Universitario, Ludwig-Maximilians-University Munich, Munich, Alemania

Karan Molaverdikhani

Cluster of Excellence Origins, Garching, Alemania

Karan Molaverdikhani

Instituto de Ciencias Espaciales, Boulder, CO, EE. UU.

Julianne I. Moisés

Departamento de Física y Astronomía, Universidad de Vanderbilt, Nashville, TN, EE. UU.

Keivan G. Stassun

Instituto Indio de Tecnología, Indore, India

Keshav Aggarwal

Escuela de Ciencias Físicas, The Open University, Milton Keynes, Reino Unido

Agnibha Banerjee y Joanna K. Barstow

Departamento de Física, Universidad de Nueva York Abu Dhabi, Abu Dhabi, Emiratos Árabes Unidos

Jasmina Blécic

Escuela de Física y Astronomía, Universidad de Leicester, Leicester, Reino Unido

SL Casewell y Michael T. Roman

Departamento de Física y Astronomía, University College London, Londres, Reino Unido

Quentin Changeat e Ingo P. Waldmann

Centro de Ciencias de Exoplanetas, Universidad de St Andrews, St Andrews, Reino Unido

Chubb KL

Centro de Vuelo Espacial Goddard de la NASA, Greenbelt, MD, EE. UU.

Knicole D. Colón y Avi M. Mandell

Departamento de Ciencias Astrofísicas, Universidad de Princeton, Princeton, NJ, EE. UU.

Tansu Daylan

Instituto de Ciencias Planetarias, Tucson, AZ, EE. UU.

Miguel de Val-Borro

Instituto de Astronomía, Departamento de Física y Astronomía, KU Leuven, Lovaina, Bélgica

lee decin

Laboratorio de Física Atmosférica y Espacial, Universidad de Colorado Boulder, Boulder, CO, EE. UU.

Kevin Francia

Departamento de Física y Astronomía, Universidad de Delaware, Newark, DE, EE. UU.

Juan E. Gizis

Departamento de Ciencias Planetarias, Atmosféricas y de la Tierra, Instituto Tecnológico de Massachusetts, Cambridge, MA, EE. UU.

Ana Glidden y Benjamin V. Rackham

Instituto Kavli de Astrofísica e Investigación Espacial, Instituto Tecnológico de Massachusetts, Cambridge, MA, EE. UU.

Ana Glidden y Benjamin V. Rackham

Observatorio Universitario de Munich, Universidad Ludwig Maximilian, Munich, Alemania

kevin heng

Instituto de Astrofísica, Universidad de Viena, Viena, Austria

Nicolás Iro

Instituto de Tecnología de California, IPAC, Pasadena, CA, EE. UU.

Jessica E. Krick

Centro para el Espacio y la Habitabilidad, Universidad de Berna, Berna, Suiza

Elspeth KH Lee

Departamento de Astrofísica, Centro de Astrobiología (CAB, CSIC-INTA), Madrid, Spain

Jorge Lillo-Box

Departamento de Física, Universidad de Roma "Tor Vergata", Roma, Italia

Luigi Mancini

Instituto de Astrofísica de Canarias (IAC), Tenerife, Spain

jose morello

Departamento de Astrofísica, Universidad de La Laguna (ULL), Tenerife, Spain

jose morello

INAF- Observatorio Astronómico de Palermo, Palermo, Italia

jose morello

Instituto de Astronomía, Universidad de Cambridge, Cambridge, Reino Unido

Matthew C. Nixon y Laura K. Rogers

Departamento de Astronomía, Universidad de Michigan, Ann Arbor, MI, EE. UU.

Emily Rauscher

Departamento de Astronomía y Observatorio Van Vleck, Universidad Wesleyana, Middletown, CT, EE. UU.

seth redfield

Universidad Adolfo Ibáñez: Peñalolén, Santiago, Chile

Michael T.Román

Grupo de Astrofísica, Universidad de Keele, Staffordshire, Reino Unido

Juan Southworth

House of Simulation, CEA, CNRS, Universidad Paris-Sud, UVSQ, Universidad Paris-Saclay, Gif-sur-Yvette, Francia

Pascal Tremblin

Departamento de Física, Universidad de Brown, Providence, Rhode Island, EE. UU.

Gregorio S. Tucker

Universidad de Paris Cité y Universidad de Paris Est Creteil, CNRS, LISA, París, Francia

Olivia Venot

Departamento de Ciencias Planetarias y de la Tierra, Universidad de California, Santa Cruz, Santa Cruz, CA, EE. UU.

xi zhang

NMB, JLB y KBS proporcionaron el liderazgo y la gestión general del programa. DKS, EM-RK, HRW, IJMC, JLB, KBS, LK, ML-M., MRL, NMB, VP y ZKB-T. hecho contribuciones significativas al diseño del programa. KBS generó el plan de observación con aportes del equipo. ES, NE y TGB proporcionaron experiencia en instrumentos. BB, EM-RK, HRW, IJMC, JLB, LK, ML-M., MRL, NMB y ZKB-T. Dirigió o codirigió grupos de trabajo y/o contribuyó a importantes esfuerzos de planificación estratégica, como el diseño y la implementación de los Desafíos de datos previos al lanzamiento. ALC, DKS, ES, NE, NPG, TGB y VP generaron datos simulados para pruebas de métodos previas al lanzamiento. ALC, ADF, CP, E.-MA, ES, JK, LA, TJB y ZR contribuyeron al desarrollo de canalizaciones de análisis de datos y/o proporcionaron los productos de análisis de datos utilizados en este análisis, redujeron los datos, modelaron las curvas de luz, y produjo el espectro planetario. JMG, JDL, KO, MRL, NEB, SM y SEM generaron cuadrículas de modelos teóricos para comparar con los datos. ALC, DKS, ES, HRW, JK, JJF, JMG, JLB, JDL, KBS, KO, MRL, NEB, NMB, SM, SEM, ZKB-T. y ZR contribuyeron significativamente a la redacción de este manuscrito. E.-MA, ES, MRL y ZKB-T. cifras generadas para este manuscrito. Más de 100 de los coautores participaron en el diseño de este programa y contribuyeron a la propuesta de observación de ERS. Casi todos los coautores participaron en los grupos de trabajo previos al lanzamiento y en los eventos del programa. Casi todos los autores proporcionaron información científica y técnica sobre el manuscrito.

Correspondencia a Natalie M. Batalha.

Los autores declaran no tener conflictos de intereses.

Nature agradece a Masahiro Ikoma y a los demás revisores anónimos por su contribución a la revisión por pares de este trabajo.

Nota del editor Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

A pesar de diferentes soluciones de equilibrio radiativo-convectivo y químicas, tratamientos de nubes, espaciado de cuadrícula y enfoques de ajuste de cuadrícula, las cuatro cuadrículas llegan a la misma solución de punto de metalicidad solar 10 veces mayor. Además, los cuatro proporcionan un ajuste aceptable a los datos, con el mejor ajuste Χ2/Ndata < 1,4.

La curva roja gruesa (y el eje x superior correspondiente) muestra el perfil de temperatura de equilibrio radiativo-convectivo 1D resultante. Las líneas discontinuas (y el eje x inferior) muestran los perfiles de relación de mezcla de gas vertical bajo el supuesto de equilibrio termoquímico. Estas abundancias, junto con las secciones transversales de absorción que se muestran en el panel inferior de la Fig. 3, son las que controlan las contribuciones relativas de cada opacidad gaseosa al espectro de transmisión total.

Características residuales (puntos de datos azules) después de restar el mejor modelo continuo (curva modelo negra 'sin CO2' en la Fig. 3). En rojo se muestra un conjunto de ajuste óptimo de un modelo gaussiano de dos componentes tanto para la característica de CO2 como para la característica de absorbente desconocido (~4 µm).

Este archivo contiene archivos para recrear las figuras principales del texto. Incluye: TRANSMISSION_SPECTRA_DATA, que contiene los datos de cada reducción; MODEL_FITS, que contiene los espectros de modelo de mejor ajuste de cada una de las cuatro cuadrículas de modelo descritas en el manuscrito, así como los espectros de 'eliminar un gas a la vez' para recrear el panel superior de la Fig. 3; y los datos necesarios para reproducir las curvas de luz que se muestran en la Fig. 1 están contenidos en el archivo CSV.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

JWST Equipo científico de salida temprana de la comunidad de exoplanetas en tránsito. Identificación de dióxido de carbono en la atmósfera de un exoplaneta. Naturaleza 614, 649–652 (2023). https://doi.org/10.1038/s41586-022-05269-w

Descargar cita

Recibido: 04 Agosto 2022

Aceptado: 23 de agosto de 2022

Publicado: 02 septiembre 2022

Fecha de emisión: 23 de febrero de 2023

DOI: https://doi.org/10.1038/s41586-022-05269-w

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Naturaleza (2023)

Naturaleza (2023)

Naturaleza (2023)

Naturaleza (2023)

Naturaleza (2023)

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.