PARAMETROS FISICOS DE NUBES INDIVIDUALES EN EL MEDIO INTERESTELAR LOCAL

Bibcode
LINK
JOAQUIN TRAPERO LIENER
Thesis advisor
Dr.
John E. Beckman
Thesis tutor
Dr.
Enrique Pérez Jimenez
Advertised on:
11
1993
Description

UTILIZANDO ESPECTROS DE ALTA RESOLUCION (LAMDA/INCREMENTO
LAMDA = 810 ELEVADO A 4) DE LA LINEA KI DE ABSORCION
INTERESTELAR, SE ESTUDIAN LAS NUBES FRIAS (T = 100 K) DEL
MEDIO INTERESTELAR LOCAL (MIL). SE ESTIMAN DISTANCIAS,
TAMAÑOS, DENSIDADES, TEMPERATURAS Y MASAS DE LAS NUBES.

UNA DE LAS NUBES, SITUADA EN PERSEO, SE ESTUDIA MAS
DETALLADAMENTE CON OBSERVACIONES EN RADIO 21 CM,
DEDUCIENDO UNA MASA = 1300 MO, T = 35 PC Y UNA DISTANCIA
MENOS DE 100 PC AL SOL. ADEMAS SE UTILIZAN OBSERVACIONES
EN LA LINEA NA I DE ESTRELLAS EN LA REGION
ESCORPION-CENTAURO LO QUE PERMITE IDENTIFICAR NUBES
TIBIAS (T = 8000 K), DEDUCIENDO SUS PARAMETROS FISICOS.

SE DISCUTE EL SENTIDO DE LA VARIACION DE N(NAI)/N(CAII),
EFECTO ROUTLY-SPITZER, CON UNA INTERPRETACION DISTINTA DE
LA HABITUAL.

Type
Thesis

It may interest you

  • Thesis
    Improvement of farside activity detection with machine learning techniques and applications
    Hasta ahora, la única formar de monitorizar de manera consistente el hemisferio del Sol no visible (farside de aquí en adelante) desde la Tierra es el uso de métodos heliosísmicos. Estos métodos interpretan las oscilaciones del hemisferio visible (nearside de aquí en adelante) para inferir la actividad del farside, que es de gran importancia en las
    Elena García Broock

    Advertised on:

    2
    2024
    Bibcode
    Thesis
  • Thesis
    GALAXY FORMATION WITH GPU-ACCELERATED COMPUTING
    Esta tesis doctoral está dedicada al estudio de la formación y evolución de galaxias en un contexto cosmológico, aprovechando la potencia de la computación de alto rendimiento con un énfasis particular en la computación acelerada por tarjetas gráficas (GPU). Para avanzar en el campo, la tesis se enfoca en ampliar las capacidades del código público
    Isaac Alonso Asensio

    Advertised on:

    11
    2023
    Bibcode
    Tesis
  • Thesis
    UNCOVERING THE PHYSICS OF GALAXIES WITH SELF-SUPERVISED DEEP LEARNING
    As surveys grow, the challenge is how to explore and interpret the increasing quantity of data. For this, removing the observational biases and reducing the dimensionality of the data are fundamental. A promising avenue to do this is a self-supervised deep learning algorithm called contrastive learning. Contrastive learning is especially effective
    Regina Sarmiento

    Advertised on:

    12
    2023
    Bibcode
    Tesis