Mit der Methode der Transitzeitvariationen kann man aber nicht nur normale Planeten entdecken, sondern auch Monde oder eben Trojanerplaneten. Sie alle erzeugen ganz charakteristische Variationen – die aber bis jetzt leider noch nirgendwo nachgewiesen werden konnten. Es sucht aber auch niemand wirklich intensiv danach… Auch mein Antrag wurde damals von der DFG (Deutsche Forschungsgemeinschaft) abgelehnt – was ich heute immer noch sehr schade finde, denn es gibt mittlerweile neue Hinweise, dass so eine Suche durchaus erfolgreich sein könnte.
Michael Hippke und Daniel Angerhausen haben kürzlich eine Arbeit präsentiert (“A statistical search for a population of Exo-Trojans in the Kepler dataset”) in der sie eine neue Methode zur Suche nach Exo-Trojanern angewandt haben. Das Problem an der Sache ist der geringe Effekt, den Trojaner – sofern vorhanden – in den Beobachtungsdaten hervorrufen. Will man Transitzeitvariationen messen, muss man einen Planeten sehr genau und vor allem sehr lange beobachten. Das kann man nur bei wenigen Objekten tun und die Chancen hier erfolgreich zu sein, sind gering (Es sei denn, man hat einen Plan und vorher genau analysiert, welche Planeten vielversprechende Ziele abgeben, was ich in meinem Projekt damals auch vorhatte…). Und da Planeten oft mehrere Jahre für eine Runde um den Stern brauchen, muss man auch mehrere Jahre bzw. Jahrzehnte beobachten, um genug Transits beisammen zu haben. Man kann natürlich auch schauen, ob der Trojanerplanet direkt einen Transit verursacht. Wenn er sich in der gleichen Ebene um den Stern bewegt wie der “Haupt”planet, dann sollte man nicht nur einen Transit beobachten können, sondern auch einen kleineren, der zum entsprechenden Zeitpunkt vor oder nach dem Haupttransit stattfindet. Auch das ist nicht einfach, denn ein kleiner Trojanerplanet verursacht nur einen schwach sichtbaren Transit und die Analyseprogrammen von Weltraumteleskopen wie Kepler, die viele Transits beobachten, sind nicht auf diese spezielle Art der Suche ausgelegt.
Hippke und Angerhausen haben einen anderen Ansatz gewählt. In der Astronomie kann man die Qualität der Daten erhöhen, in dem man Beobachtungen kombiniert. Beobachtet man zum Beispiel drei Transits eines Planeten, die jeweils nur schwach ausgeprägt sind und im allgemeinen Rauschen der Beobachtungen fast untergehen, dann kann man die Daten quasi übereinander legen. Auf die richtige Art kombiniert löschen sich die zufälligen Störungen in den Daten gegenseitig aus und nur das, was tatsächlich einen Effekt verursacht, bleibt übrig. Der Transit wird in den überlagerten Daten viel deutlicher sichtbar als in den Einzelbeobachtungen. Die beiden Astronomen haben nun den kompletten Kepler-Katalog genommen und alle Transits aller Planeten überlagert. Dazu muss man die entsprechenden Beobachtungen natürlich zuerst normieren, denn die Planeten sind alle unterschiedlich groß und brauchen unterschiedlich lange für einen Transit. Aber hat man sie alle auf eine gleiche Basis gebracht, dann kann man schauen, ob sich Trojaner zeigen. Da diese Himmelskörper nur in der Nähe der Lagrangepunkte existieren können und diese Punkte sich immer 60 Grad vor bzw. hinter dem Hauptplaneten befinden, muss ein Trojaner bei jedem Transit an der gleichen Stelle einen entsprechenden Effekt hervorrufen. Hat eine relevante Menge an Planeten aus dem Keplerkatalog Trojanerplaneten, dann verstärken sich deren Transits in den überlagerten Daten und könnten so sichtbar werden.
Insgesamt wurden 3739 Transits verwendet und so sehen die kombinierten Daten aus:
Man sieht hier die Helligkeit des Sterns und wie sie sich verändert. In der Mitte des Diagramms erkennt man deutlich den Transit des jeweiligen Planeten. Wenn diese Planeten Trojaner hätten, müsste man an den mit “L4” oder “L5” markierten Stellen ebenfalls Transits erkennen können. Das ist aber hier nicht der Fall.
Es scheint also so zu sein, dass (große) Trojaner nicht recht häufig sind. Wenn es nur ein paar von ihnen gibt, dann geht ihr Effekt in der Vielzahl der Daten unter, die von Planeten ohne Trojaner stammen. Hippke und Angerhausen haben sich daher entschieden, die Daten noch einmal anders zu analysieren. Sie haben nachgesehen, bei welchen Transits entweder bei L4 oder bei L5 die Andeutung eines Transits zu erkennen ist (1940 Stück) und nur diese Datensätze überlagert. Dann sieht das ganze so aus:
Kommentare (39)