HEALPixデータをプロットしたい人/データを切り出したい人向けです。
余談ですが筆者はうまく行かなくて泣いたことがあります。
変更記録
| 日付 | 内容 | 備考 |
|---|---|---|
| 2026/09/13 | 初版 | - |
| 2026/09/14 | 内挿について追記 | 記事を見直していて気付いたことがあったので追記。 |
環境
取り敢えずファイルのデータ処理に重要なものだけ置いておきます。
- Python:3.13.5
- Astropy:8.0.1
- reproject:0.21.0
- healpy:1.20.0
- astropy-healpix:2.0.1
HEALPixについて
HEALPixは望遠鏡による全天観測データを記録するためのデータ形式です。詳しくは公式ドキュメント参照ですが、普通のFITSファイルとはデータ構造が異なります。FITSファイルはArrayデータがあり、Headerで座標情報を固定していますが、HEALPixは天球面を多角形に効率的に分割し、ナンバリングして並べたものです。 そのため普通にMatplotlibなどでプロットはできず、適切な処理をしなければならないです。
この記事ではいくつかのHEALPixをプロットする方法を掲載します。
公式ドキュメント↓
この記事を読む人
- 天文学に取り組んでいる人でHEALPixを使ってとにかく全天データをプロットしたくなった人
- 同上、HEALPixからデータを切り出して他のデータと重ねたくなった人
- 同上、HEALPixから特定の領域を切り出してFITSファイルに出力したくなった人
FITSファイルをHEALPixにするという操作は需要が低いかろうと思われるので気が向いたら追記します。
使うデータ
HEALPixデータの例としてPlanck Lagacy Archiveで $\mathrm{^{12}CO} (J=2-1)$全天マップとダストからのサーマル放射強度全天マップを使うことにします。切り出し範囲はとりあえずOrion-KLを選んでおきます。SIMBADによると座標はGalactic: [208.99004, -19.38486]、ICRS: [05 35 14.16, -05 22 21.5]です。
ちなみにPlanck Lagacy Archiveには全天マップ以外にFITSデータの切り出し機能があるのでPlanckに関してはわざわざHEALPixから自力で切り出す必要はないことだけ記載しておきます。
使うパッケージ
HEALPixをプロットする方法は今のところ2種類かと思われます。
healpyは以前から存在するHEALPixをプロットするためのPythonパッケージです。全天のデータをあるプロジェクションで見るためにはかなり便利ですが、ある領域だけ取り出したり他のデータと重ねてプロットするなどの操作が仕様上難しそうです。
astropy-healpixはここ数年 (2026年現在)開発が進められているパッケージで、Astropy経由で処理することを前提としているため、他のFITSデータやAstropyのオブジェクトと合わせて処理することに向いています。
(2026/09/14追記) 内挿とプロジェクションの引き伸ばしについて
プロットされたマップを見ていて気づきたのですが、healpyを使ってcartesianにした場合とastropy-healpixを使って内挿してcartesianにした場合の2つはやはり引き延ばしの効果が大きくあまり適切ではなさそうです。というのも、reprojectを使った場合は座標グリッドが極に向かって傾いていることがわかりますがそれ以外では完全に方形になっており僅かですが引き延ばされていそうです。
Orion-KLは比較的極から離れているのでそこまで問題ないかと思いますが、極付近を見たい場合にはかなりの範囲が内挿され、スパースな絵しか得られないと思われます。
reprojectでは座標グリッドが傾くことから、不必要な引き延ばしの効果はそこまで現れていないかと思われます。4-1.か4-2.の方法でWCSで都度切り出す方法がおすすめかと思われます。 (もちろん、銀河面などスキャンに対して低緯度な領域ではほぼ内挿は起こらないので他の方法で良さそうです。)
1. 全天マップをとにかくプロットしたい
とりあえず全天マップを展開する場合はhealpyを使うのが便利です。
直交座標系で展開するには以下。
import healpy as hp
co_data = "COM_CompMap_CO21-commander_2048_R2.00.fits"
hp_fits = hp.read_map(co_data, ("I_ML_FULL",))
hp.cartview(hp_fits, unit="K km/s", min = -10, max = 30, cmap = "jet")
関数詳細↓
モルワイデ図法の場合はmollviewを使います。
import healpy as hp
co_data = "COM_CompMap_CO21-commander_2048_R2.00.fits"
hp_fits = hp.read_map(co_data, ("I_ML_FULL",))
hp.mollview(hp_fits, unit="K km/s", min = -10, max = 30, cmap = "jet")
関数詳細↓
ちなみに開発中のプロット関数が別にあり、こちらのほうは比較的フレキシブルですし、座標情報を出せるのでおすすめです。projection_type="mollweide"で他のProjectionを指定することで他のProjectionでもプロットできます。
import healpy as hp
co_data = "COM_CompMap_CO21-commander_2048_R2.00.fits"
hp_fits = hp.read_map(co_data, ("I_ML_FULL",))
hp.projview(
hp_fits,
coord=["G"],
graticule=True,
graticule_labels=True,
unit="K km/s",
xlabel="longitude",
ylabel="latitude",
cb_orientation="horizontal",
projection_type="mollweide",
min = -10,
max = 30,
cmap = "jet",
longitude_grid_spacing = 50,
latitude_grid_spacing = 50,
)
関数詳細↓
2. 特定の領域を切り出してプロットしたい
2-1. healpyを使う方法
healpyの特定の部分だけを拡大して表示する機能:cartviewを使って直交座標系 (メルカトル図法?)で切り出します。
注意点として、球座標を直交座標で切り出す関係上、極付近は図がかなり引き伸ばされてしまう可能性があります。
import healpy as hp
co_data = "COM_CompMap_CO21-commander_2048_R2.00.fits"
co_read = hp.read_map(co_data, ("I_ML_FULL",))
hp.cartview(
co_read, # read_mapで読み込んだデータ
lonra = [204, 214], # 経度方向の範囲 [deg.]
latra = [-24, -14], # 緯度方向の範囲 [deg.]
unit="K km/s", # データの単位
min = 0, # プロットデータの最小値 (vminに相当)
max = 60, # プロットデータの最大値 (vmaxに相当)
cmap = "jet" # カラースケール
)
新関数projviewでもできます。
import healpy as hp
co_data = "COM_CompMap_CO21-commander_2048_R2.00.fits"
co_read = hp.read_map(co_data, ("I_ML_FULL",))
hp.projview(
co_read, # read_mapで読み込んだデータ
coord=["G"], # 座標系、FK5なども選べます
graticule=True, # グリッドの表示
graticule_labels=True, # グリッドのラベル表示
unit="K km/s", # プロットデータの単位
xlabel="longitude", # 経度方向のラベル
ylabel="latitude", # 緯度方向のラベル
cb_orientation="horizontal", # カラーバーの方向
projection_type="cart", # プロジェクション、切り出す場合は"cart"のみ可。
min = 0, # プロットデータの最小値 (vminに相当)
max = 60, # プロットデータの最大値 (vmaxに相当)
lonra = [204, 214], # 経度方向の範囲 [deg.]
latra = [-24, -14], # 緯度方向の範囲 [deg.]
cmap = "jet", # カラースケール
longitude_grid_spacing = 2, # 経度方向のグリッドの刻み [deg.]
latitude_grid_spacing = 2, # 緯度方向のグリッドの刻み [deg.]
)
ちなみにPlanck Lagacy Archiveからデータを拾ってくる時に大体同じ範囲を切り出してプロットすると以下のような画像が得られるため、概ね同じデータをプロットすることができていそうです。
2-2. astropy-healpixを使う方法
astropy-helpixの内挿機能interpolate_bilinear_skycoordを使って直交座標系にします。Skycoordなどを自力で作成してプロットするので大掛かりですが、MatplotlibやAstropy自体と互換性が良いので比較的便利です。
from astropy.io import fits
hdulist = fits.open("COM_CompMap_CO21-commander_2048_R2.00.fits")
from astropy_healpix import HEALPix
from astropy.coordinates import Galactic # 銀河座標系で展開したいのでGalacticを持ってきます
nside = hdulist[1].header['NSIDE']
order = hdulist[1].header['ORDERING']
hp = HEALPix(nside=nside, order=order, frame=Galactic()) # マップの読み出し設定
from astropy import units as u
ra = np.linspace(214., 204., 200) * u.deg # 銀経プロット座標配列
dec = np.linspace(-24., -14., 200) * u.deg # 銀緯プロット座標配列
ra_grid, dec_grid = np.meshgrid(ra, dec)
# 切り出す範囲に対応するSkycoordの生成
from astropy.coordinates import SkyCoord
coords = SkyCoord(ra_grid.ravel(), dec_grid.ravel(), frame='galactic')
# Mapデータの内挿。直交座標系にするために展開/内挿します。
data = hdulist[1].data["I_ML_FULL"]
datamap = hp.interpolate_bilinear_skycoord(coords, data)
datamap = datamap.reshape((200, 200))
# Mapのプロット
fig = plt.figure(figsize=(9, 5))
ax = fig.add_subplot()
im = ax.imshow(
datamap,
extent=[214, 204, -24, -14],
cmap="jet",
origin='lower',
aspect='equal',
vmin = 0,
vmax = 60
)
cb = fig.colorbar(im)
cb.set_label("K km/s")
ax.set_xlabel('Right ascension (ICRS)')
ax.set_ylabel('Declination (ICRS)')
ax.grid()
関数詳細↓
注意点として、プロットの際に内挿を行うため各軸のデータ配列を生成します。この時に1ピクセルあたりの細かさを自分で設定しなければならないため、元のHEALPixデータに対して細かすぎる切り方をしてしまうと過剰な内挿をしてしまいます。
HEALPixのIntroductionによれば、天球面の分割数は$12\times N_{\mathrm{side}}^2$のようなので、目安として$\sqrt{4\pi/12N^2_{\mathrm{side}}[\mathrm{sr}]}[\mathrm{rad}]$くらいかそれより若干小さいくらいを目安にしておけば過剰に内挿することはないでしょう。 (但し、直交座標系で展開しているため極付近はその限りではありません。)
今回のPlanckのデータは$N_{\mathrm{side}} = 2048$なので、大体1.72'くらいまでにしておけば過剰にならないかと思います。上記の例では214度~204度の範囲を200ピクセルで分割しており、大体3'/pixなので良さそうです。
※余談ですが、プロット範囲を全天にすると、直交座標系で全天マッププロットがAstropy-healpixとMatplotlibのみで可能です。
3. 他のFITSファイルデータと重ねたい
他のFITSデータと重ね描きする場合、各データのSkycoordやWCSからプロジェクションを合致させる必要があります。残念ながらhealpyには座標情報を返す関数がないので、astropy-healpixの機能を利用してやります。
例えば、$^{12}\mathrm{CO} (J=2-1)$のOrion-KLの領域のみデータに対して、HEALPixのダストのサーマル放射の分布を重ねたいとします。参考までに、ダストサーマル放射マップからOrion-KLだけを取り出した図 (左)と重ねたいCOのマップ (右)は以下の通りです。わかりやすさのため、COのマップはPlanck Lagacy Archiveから切り出す時に30度ほど回転させたものをDLしています。この領域ではダストと分子雲はよく混ざっているはずですので、分布が大体一致するような図になるはずです。
ここで、reprojectパッケージを使います。座標系やグリッドの異なるデータを比較する時に使用するreprojectパッケージですが、HEALPixにも対応しているようです。
from reproject import reproject_from_healpix
dust = fits.open("COM_CompMap_ThermalDust-commander_2048_R2.00.fits")
co_rot = fits.open("Rep_Lon208.99deg-Lat-19.38deg_10deg_COM_CompMap_CO21-commander_2048_R2.00_ROT30deg.fits")
# Reprojectします。Reproject対象と参照するデータセットのWCS、Arrayサイズが必要です。
image, footprint = reproject_from_healpix(
dust[1],
WCS(co_rot[1]),
shape_out = co_rot[1].data.shape
)
fig = plt.figure()
ax = fig.add_subplot(111, projection = WCS(co_rot[1].header))
im = ax.imshow(co_rot[1].data, cmap="jet", origin='lower', aspect='equal', vmin = 0, vmax = 60)
con = ax.contour(
image,
transform = ax.get_transform(WCS(co_rot[1].header)),
levels = [4000, 7000, 10000],
colors = "k",
zorder = 2
)
con = ax.contour(
image,
transform = ax.get_transform(WCS(co_rot[1].header)),
levels = [4000, 7000, 10000],
colors = "w",
zorder = 1,
linewidths = 3
)
cb = fig.colorbar(im)
cb.set_label("K km/s")
ax.set_xlabel('Galactic Longtitude')
ax.set_ylabel('Galactic Latitude')
ax.grid()
分布が大体一致しているのでうまく行っていそうです。
関数詳細↓
4. HEALPixデータから特定の領域を切り出してFITSデータとして保存したい
感の良い読者の方や、普段Astropyを使用している方なら思いつくでしょうが、特定領域のArrayやSkycoordを取り出せるなら切り出したデータをFITSファイルで別途保存できるのでは?と想像するかと思います。データはあるのでWCSさえ用意できれば原理的に可能です。
以下では、Reprojectした時に参照したFITSファイルのヘッダー情報をそのまま使用して、「とりあえずあとからプロットできるように保存する」ということをしています。実用上はヘッダー情報をReprojectする前のデータに合わせて適切に変更するのが良いです。 (例えば単位や観測の情報など)
4-1. 切り出したい領域を含む参照FITSファイルデータを持っている
from reproject import reproject_from_healpix
dust = fits.open("COM_CompMap_ThermalDust-commander_2048_R2.00.fits")
co_rot = fits.open("Rep_Lon208.99deg-Lat-19.38deg_10deg_COM_CompMap_CO21-commander_2048_R2.00_ROT30deg.fits")
image, footprint = reproject_from_healpix(
dust[1],
WCS(co_rot[1]),
shape_out = co_rot[1].data.shape
)
# 保存時にReprojectに使用した参照データのヘッダーを使っておけば取り敢えず保存と再現はできます。
# 必要に応じてヘッダー情報を変更することをおすすめします。
fits.writeto("Output_test.fits", image, co_rot[1].header, overwrite = True)
save = fits.open("Output_test.fits")[0]
fig = plt.figure()
ax = fig.add_subplot(111, projection = WCS(save.header))
im = ax.imshow(
save.data,
cmap="jet",
origin='lower',
aspect='equal',
vmin = 100,
vmax = 1e4
)
cb = fig.colorbar(im)
cb.set_label("uK_RJ")
ax.set_xlabel('Galactic Longtitude')
ax.set_ylabel('Galactic Latitude')
ax.grid()
正常に保存できていそうです。
4-2. 参照FITSファイルデータがなく切り出したい領域が決まっている
reprojectを行う時にWCSとデータサイズを指定します。そのため、参照データからWCSの情報を作るのではなく、切り出したあとの欲しいデータに付くヘッダーを別途作成し、それに合わせてreprojectし保存すれば良いはずです。
自分で考えるのがちょっと面倒だったので、一旦Chat GPT君に関数を考えてもらいこちらで修正しました。
from astropy.wcs import WCS
from reproject import reproject_from_healpix
def healpix_cutout(
hp_data,
center,
size,
resolution,
frame,
nested=False,
):
ra, dec = center
width, height = size
nx = round(width / resolution)
ny = round(height / resolution)
wcs = WCS(naxis=2)
if frame == "Galactic":
wcs.wcs.ctype = [
"GLON-TAN",
"GLAT-TAN",
]
elif frame == "ICRS":
wcs.wcs.ctype = [
"RA---TAN",
"DEC--TAN",
]
wcs.wcs.crval = [
ra,
dec,
]
wcs.wcs.crpix = [
(nx + 1) / 2,
(ny + 1) / 2,
]
wcs.wcs.cdelt = [
-resolution,
resolution,
]
image, footprint = reproject_from_healpix(
hp_data,
wcs,
shape_out=(ny, nx),
nested=nested,
)
return image, wcs, footprint
試しに使ってみましょう。
dust = fits.open("COM_CompMap_ThermalDust-commander_2048_R2.00.fits")
output = healpix_cutout(dust[1], [209, -19], [10, 10], 3/60, "Galactic")
fits.writeto("Output_test_NoRef.fits", output[0], output[1].to_header(), overwrite = True)
save = fits.open("Output_test_NoRef.fits")[0]
fig = plt.figure()
ax = fig.add_subplot(111, projection = WCS(save.header))
im = ax.imshow(save.data, cmap="jet", origin='lower', aspect='equal', vmin = 100, vmax = 1e4)
cb = fig.colorbar(im)
cb.set_label("uK_RJ")
ax.set_xlabel('Galactic Longtitude')
ax.set_ylabel('Galactic Latitude')
ax.grid()
うまく行っていそうです。保存する前に必要そうな情報を追加すれば自分で好きなヘッダーに加工できます。
5. (TBD)通常のFITSファイルデータをHEALPixにしたい
- できるかどうか分からないのであればそのうち追記しますが、正直需要が低い気がしている
-
reproject_to_healpixという関数がreprojectにあるので、これを使えばできる気がする(気がするだけ)
何かあればコメントいただければと思います。










