Бетельгейзе в ложных цветах, это обычное дело?

Это частичный и, возможно, только временный ответ, опубликованный для того, чтобы разобраться в этом. Я думаю, что комментарии верны, вы, вероятно, видите артефакт манипуляции с изображением, а исходные данные - это просто 2D-карта интенсивности.

Я скачал исходное изображение по адресу https://cdn.eso.org/images/screen/potw1726a.jpg , преобразовал обратно в .png и проанализировал в Python с помощью matplotlib и numpy. Сейчас я не вижу этих загадочных колец, но если вы можете предоставить координаты пикселей исходного изображения и объяснить, как вы сделали кольца видимыми, это было бы здорово!

Разбивка изображения на три цветовых канала:

Линейное сканирование по x и y через центр и максимум:

То же самое, но умноженное на 256 (8 бит на канал) и представленное в логарифмическом масштабе:

График рассеяния G и B по сравнению с R показывает, что они коррелируют. Мы, вероятно, просто смотрим на искусственное окрашивание из таблицы, а не на разные каналы данных. Здесь тоже может быть нечто подобное .

import numpy as np
import matplotlib.pyplot as plt

fname = 'Betelgeuse in false colors.png'

img = plt.imread(fname)
print(img.shape)

if True:
    plt.figure()
    plt.subplot(2, 2, 1)
    plt.imshow(img)
    plt.title('RGB')
    for i , char in enumerate('RGB'):
        plt.subplot(2, 2, i+2)
        plt.imshow(img[..., i], cmap='gray', vmin=0, vmax=1)
        plt.title(char + ' channel', fontsize=16)
    plt.show()

rgbx_cen = img[640]
rgbx_570 = img[570]

rgby_cen = img[:, 640]
rgby_570 = img[:, 520]

things = rgbx_cen, rgbx_570, rgby_cen, rgby_570
names  = 'rgbx_cen', 'rgbx_570', 'rgby_cen', 'rgby_570'

if True:
    plt.figure()
    for i, (thing, name) in enumerate(zip(things, names)):
        plt.subplot(2, 2, i+1)
        r, g, b = thing.T[:3]
        print(r.shape, g.shape, b.shape)
        plt.plot(r, '-r')
        plt.plot(g, '-g')
        plt.plot(b, '-b')
        plt.title(name, fontsize=16)
    plt.show()

if True:
    plt.figure()
    for i, (thing, name) in enumerate(zip(things, names)):
        plt.subplot(2, 2, i+1)
        r, g, b = thing.T[:3]
        print(r.shape, g.shape, b.shape)
        plt.plot(255*r, '-r')
        plt.plot(255*g, '-g')
        plt.plot(255*b, '-b')
        plt.yscale('log')
        plt.title(name, fontsize=16)
    plt.suptitle('scaled 0 to 255', fontsize=16)
    plt.show()

if True:
    r, g, b = [x.flatten() for x in np.moveaxis(img, 2, 0)[:3, ::8, ::8].copy()]
    plt.figure()
    plt.subplot(1, 2, 1)
    plt.plot(r, g)
    plt.title('green vs. red')
    plt.subplot(1, 2, 2)
    plt.plot(r, b)
    plt.title('blue vs. red')
    plt.show()

Что бы ни вызывало эти крошечные артефакты, оно не астрофизическое. Изображение, полученное ALMA, является монохромным , т.е. получено через одночастотный канал (ширина 4 ГГц на частоте 338 ГГц — см. O'Gorman et al. 2017 , откуда исходное изображение).

Затем карта интенсивности была раскрашена с использованием таблицы цветов для всеобщего обозрения.

Чтобы установить какую-либо пространственную структуру, вы должны отбросить любую информацию о цвете и посмотреть на общую интенсивность.

Там есть реальная структура, скорее всего, связанная с вариациями структуры температуры и плотности во внешней атмосфере звезды. Любая реальная структура не имеет острых краев или мелких деталей, потому что любая деталь размыта из-за пространственного разрешения, которое имеет ширину около 20% диска звезды (т.е. диск эффективно дискретизируется примерно 5x5 независимыми измерениями яркости ).