天文学家有哪些不同类型，他们之间的区别是什么？

张柏芝一号胸

本题已收录至知乎圆桌  成为天文学家，更多与天文学家研究生涯，职业发展，工作生活相关的问题欢迎关注讨论。

zmhg799417

斗胆提供一个不一样的分类方式，主要还是想推荐一篇文章给大家：已故的著名天文学家，Harvard/CfA的John Huchra给自己写的半自传体的短文： Mapmaker, Mapmaker Make Me a Map:  
https://www.cfa.harvard.edu/~dfabricant/huchra/mapmaker.pdf
John自己是著名的观测宇宙学家，
@狐狸先生 提到的CfA巡天就是他和同事M.Geller一起主持的。在文章中，John说他们一帮天文学家在一次深刻地哲学讨论后，发现天文学家是否可以成功取决于一系列要素，而这些要素基本可以划分为7个独立的"主成分"，或者说，一个天文学家的能力可以用一个7维向量空间的矢量进行描述；“成功”与否只取决于向量的绝对长度，而向量的方向，则可以说反映了科学家的不同“类型”；在任何一个“维度”上有建树都可以功成名就。这7个向量和他们的代表人物是:
1. 原始智商 (Raw Intelligence) : S.Chandrasekhar
2. 渊博的知识 (Knowledge): Allan Sandage
3. 公众关系 (Public Relation): Carl Sagan
4. 创造性 (Creativity): Jeremy Ostriker
5. 品味 (Taste): Wallace Sargent
6. 效率 (Effectiveness): James Gunn
7. 竞争意识 (Competence): Marteen Schmidt
在代表人物里面，John也说明了，这里的名字和他们最初讨论的版本略有不同，但这7位大牛可以说是实至名归了。
原始智商和知识渊博程度的差异就是先天获得和后天累积吧；当然，很多极其聪明的人也会拥有非常渊博的知识。比如Daniel Eisenstein，可能天体物理圈里的人多少都会听过一些传说级别的故事吧，"Daniel想了30秒，说了一个数，回去一帮博后算了几天发现这个值是对的"。。。之类的；当然，言下之意也是说，即便你没有出众的智商，凭借广泛的积累和不倦的思考，依然可以凭借知识上的底蕴取得成功的。
创造性强者大概可以描述为非常擅长于做那种你读过之后发现每个字都懂，但是一拍脑袋，"我TM怎么没想到"工作的人吧。。。我个人在现在的"偶像"，也是Harvard大学的Charlie Conroy我个人认为是这个方向的代表，从球状星团到星族初始质量函数，每个接触过的领域都可以扔下一两个引人遐想的科学想法，非常厉害。
品味。。。怎么说呢，Wallace Sargent是个在接受记者采访依然会说"fxxxking"的科学家，品味肯定指的不是这个；要说科学品味，看看他的学生大概就知道是什么意思了  :)
用效率概括James Gunn其实蛮委屈的，James可说是不多见的横跨理论-观测-仪器三大领域的人物，任何简单的分类对他都无效；但从他早年听个报告就想出了Gunn-Peterson检验，为了测星系红移，捡捡仓库里的垃圾就能造出当时最好的光谱仪来看，的确是效率爆棚的怪兽。
竞争意识对于科学的成功不可或缺，为什么类星体的发现者Marteen Schmidt是代表人物，背后的故事我并不清楚。。。但是有这样特性的天文学家现在并不少见，尤其是在高红移星系，系外行星这些热门领域
我觉得，每个进入学术圈的人都应该认真地，诚实地想一想自己的优势到底在哪？到底最适合往哪个方向发展；记住，任何一个"维度"上的出色都是很不容易的！

yhzdmb342

首先，让我们把天文学研究工作粗略的分为两个部分：数据采集和分析; 假说和理论模型构建。这种分类方式非常粗暴，但有利于我们在脑海中建立一个坐标。从事这两类工作的人，也就是人们通常说的观测天文学及家和理论天文学家。
爱因斯坦在1917年做的工作可以看做一个纯粹的理论天文学工作（或者理论宇宙学工作）。他完全从自己刚刚创立的广义相对论出发，写出一个方程式，将宇宙的几何和宇宙中的物质组分联系起来。在方程中加入一个常数后，他找出了能让稳定宇宙空间的解。他的研究方式完全由猜想和数学推理构成。在研究中他并没有真正考虑真实宇宙的情况，或者任何由望远镜采集的数据。他想要考察的不过是宇宙概念的自洽性。
相比之下1922年，埃德温.哈勃的工作方式完全是一个观测天文学家。他需要每天晚上到威尔逊天文台工作，手动操作胡克望远镜，寻找天上的“星云”，并对它们拍照。第二天，他需要去检查照相底片上的图像。他要找的是这些星云中的“造父变星”。这类天体可以作为测量星云距离的尺子。最终，他在仙女座大星云中找了第一个宝贵的例子。通过计算这颗造父变星的光变周期，他证明了仙女座大星云是一个远在银河系疆域之外的，和银河系类似的巨大恒星系统。而宇宙可能由无数这样的星系构成。随后在1929年，哈勃从收集到的一系列河外星系数据中总结了哈勃定律。哈勃定律是膨胀宇宙理论的观测基石。

观测中的哈勃。那个椅子一定非常不舒服。

哈勃的工作方式在今天依然是观测天文学家的标准范式之一，从某个理论上重要的观点出发，设计观测方法来证明假说。他们往往会亲自观测和收集数据，并分析数据。哈勃作为威尔逊山驻站天文学家，有能力占用大量的望远镜预留时间。但今天大多数的观测天文学家并没有这样的条件，他们需要递交申请，竞争公共的望远镜资源。

同事ZZ在Palomar天文台海尔望远镜观测室操作望远镜曝光。今天的天文学家比哈勃的条件好了不少。

在哈勃的故事里还有另一个隐藏的天文学家，米尔顿·赫马森。他14岁就辍学了，没有大学学位。但他极其精于摆弄望远镜，处理望远镜曝光图像。因此，威尔逊天文台的建造者海尔,将他任命为驻站工作人员。米尔顿和哈勃合作，帮助后者发现了哈勃定律。在米尔顿的一生里，曾经做过不少重要的天文学发现。但他的本职工作是帮助其他天文学家获取，处理数据。在今天的天文台里，这样工作人员一般被称作观测助理。他们长期驻扎在天文台站，对望远镜了如指掌，具有精湛的观测技巧。他们帮助远道而来的天文学家操作望远镜，完成曝光，甚至进行初步的处理。这使得天文学观测工作的失误风险大大降低。有的天文台如加拿大-法国-夏威夷望远镜(CFHT)甚至已经完全不需要天文学家专程来到现场，只需要给定观测对象和曝光时间，驻站观测人员便会帮助获取图像，初步处理，并寄回适于科学研究数据。
让我们回到宇宙发现史。哈勃的工作，帮助人们发现宇宙是一个无比广阔的空间。那么河外星系是如何在宇宙空间中分布的呢？这需要对大量的星系进行三维位置测量。而且这样的测量应该在空间上是连续的，星系的选择方式应该是尽量无遗漏的。这样的观测方式称作“巡天”。现代巡天观测如SDSS可以获取成几千万星系图像。这需要上百天文学家一起工作。在观测部分，天文学家们需要设计巡天策略，定标策略，制定统一的数据处理软件，构建数据发布平台。理论工作者则负责从科学数据中掘金。
巡天观测好像是将宇宙的一个切片提取出来，储存在了服务器上。这样科学家们就可以直接探索这个计算机中的宇宙切片。巡天巨大的数据量使得数据型天文学家出现。他们利用统计方法连接观测和理论。

SDSS DR7 Navigate Tool输入坐标，SDSS数据库就会返回你需要的天区图像

第一个现代河外星系巡天始于1977年，哈佛-史密松森天文中心的年轻科学家Marc.Davis和他的三位同仁制定了CFA星系巡天计划。这个项目计划为全天2400个星系的红移进行精确测量。第一期巡天在1982年完成，观测到的星系中最暗的比人类肉眼极限还要暗上两千多倍。将这些星系画在一张图上，人们将可以粗略的画出宇宙的一个切片的三维地图。
玛格丽特.盖勒，哈佛-史密松森天文中心的科学家，和她的两位同事采取了新的绘图方法。她们增加了距离这一新的维度，立体的呈现了星系在一个6度厚，跨度130度的宇宙切片中的分布。这些星系被画在一个扇形图中，星系到扇形顶点的长度代表了星系在视线方向的距离。在这张粗糙的宇宙地图上，星系并不是均匀分布的，而是很明显的聚集在巨大的纤维结构上，而纤维结构又似乎附着在巨大的泡状空洞结构上。可以认为，盖勒的这个工作具有明显的数据型天文学研究特点。

CFA巡天数据。每个蓝点代表一个星系。图片展示了星系在宇宙一个切片中的分布。

那么如何理解这样的结构，什么样的宇宙模型可以解释这样的观测？这时候，我们再次需要理论天文学家。然而“长城”和“空洞”这样的复杂结构的性质非常难以通过传统的解析方法精确计算和描述。Marc.Davis和他的新合作者Simon.White以及Carlos.Frenk利用计算机来解决问题。他们采用一种被称作“N体数值模拟”的数值计算方法。顾名思意，N体数值模拟跟踪一大群虚拟粒子随时间的演化。每个虚拟粒子代表宇宙中的一团物质，粒子相互之间由引力作用联系。在计算开始的时候，粒子近乎均匀的分部在虚拟空间的各处，随着时间的演化，在引力的拉扯中聚集。这类似于在计算机里建立一个小宇宙。如果采用了正确的模型，当计算结束的时候，虚拟粒子空间结构应该能很好的和真实宇宙的结构对应。Simon White和Carlos Frenk在这个工作中扮演了一种新型的角色：数值模拟天体物理学家。这样的研究和传统理论研究的区别主要在于计算机方法的深度应用，这使得他们可以探索过去理论学家很难抵达的复杂领域。
数值模拟最终的研究表明，冷暗物质宇宙学能够最好的和CFA巡天符合。那么冷暗物质是什么？建造具体的冷暗物质粒子模型，又回到了经典理论研究领域。

Eagle 数值模拟中的星系

我打算在这里结束回答。还有很多天文学家的研究方式没有被涉及。例如，建造观测仪器的天文学家和建造望远镜的项目管理人一直都藏在故事的背后。
读者也会很容易发现，一个天文学家的身份往往会在研究中改变。并不是所有人都像爱因斯坦一样是纯粹的理论家。哈勃在他研究生涯的大多数时候都是观测天文学家，但当他总结哈勃定律，或是为星系分类的时候，他就会涉足数据天文学家和理论天文学家的领域。赫马森的职位是观测助手，但他也同样是一位成功的观测天文学家。Marc Davis在CFA巡天中扮演了一位杰出的观测天文学家，但他同样是数值宇宙学研究的开创者。所以，天文学家并不会被被某种研究范式禁锢，而是被科学问题驱动不断探索新的领域。

下一站美安好

请允许我抖机灵：


很久以前看到的图，找不到来源了，估计是buzzfeed上的某个标题『How people in science see each other』

做我的仆人

天文（astronomy）作为最古老的自然科学之一，涵盖面其实相当的广。在公众的理解里，大抵只要是研究地球之外，天上的东西，就是天文了。众多天文爱好者、高校社团、科普宣传，也通常将天文包装成拿着望远镜夜观天象，辨识星座，陪你去看流星雨。不过，真实的天文学科，远远不只这些。
从研究方法来看，和其他自然科学一样的，天文学也需要基于实践、并提出理论。由于天文学研究的对象特殊，从历史上看，天文学中的实践经验绝大部分都来自于天文观测，而不像其他学科来自实验室的结果。因此，天体测量学（astrometry）是天文中最最古老也最基础的分支，为天文观测确定准确可靠的坐标、时间、历法等等，“夜观天象”。现在则还要建设并运行各种天文望远镜。而在理论上呢，解释天文观测到的现象和数据，离不开物理学。所以天文和物理会给人走得很近的感觉，而天体物理学（astrophysics）也成为天文学重要的理论分支。而随着人类技术的进步，以及天文学研究领域的拓展呢，地球上的实验室也慢慢加入进来。比如，我们现在已经有能力把月球上的岩石样本带回地球了。我们也有能力向太阳系内发射探测器，去探测其他星体的岩石、大气、磁场等等。而且，人们发现星际空间中存在大量的化学物质。研究天体的化学组成、星际空间中的化学反应，或者在地球实验室中模拟这种过程（如米勒实验），使得天体化学（astrochemistry）和天体生物学（astrobiology）成为新兴的交叉学科领域。天体化学更倾向于星际介质或者星际尘埃中的前生物分子（各种有机小分子），有更多的射电天文观测数据做支撑。而天体生物学则更偏向于在地面实验室中模拟可能的宇宙环境，探索从生物分子的基本物质单元如核糖和氨基酸生成生物大分子的可能性。而研究宇宙大尺度结构，询问我们世界和物理的终极理论的方向，则专门成了宇宙学（cosmology），这是可爱的
@狐狸先生 的研究方向。
技术的进步使得近年来天文台、望远镜获得的观测数据越来越庞大，分析数据的任务也越来越重。因此，现在计算机科学中很火的大数据、机器学习、图像处理，都在天文观测领域有着越来越大的应用。计算机性能的大幅提升也使计算机建模、做数值模拟成为家常便饭的事情了。这些是混迹在天文学研究中的计算机科学家、图像学家、数学家和程序员们。
从研究对象来看，有研究恒星的、行星的、彗星陨石的、星际介质的、星系的、类星体的、黑洞的、宇宙大尺度结构的……每一类天体，都有一大群科学家在系统地研究。但是隔行如隔山呐，做黑洞的科学家可能对行星不会十分清楚。其中呢，尤其是研究行星的，太阳系内的行星的，习惯上都叫他们“行星科学（planetary science）”，狭义上都不怎么算天文学了，可见差异之大。
学术期刊《天文学和天体物理》（Astronomy & Astrophysics）中把他们接收的论文大致分成了如下几个类别：

• Astrophysical process   天体物理过程。用物理理论来解释天体的性质和天体间的相互作用。
  
• Cosmology   宇宙学。研究宇宙大尺度结构。
  
• Extragalactic astronomy   河外天文学。研究银河系外的东西。
  
• Galactic structure, stellar clusters and populations    研究星系和星团的结构。
  
• Interstellar and circumstellar matter     研究星际介质。
  
• Stellar structure and evolution    研究恒星结构和演化过程。
  
• Stellar atmosphere    研究恒星大气。
  
• The sun     这是专门研究太阳的。
  
• Planets and planetary systems     研究行星和行星系统。
  
• Celestial mechanics and astronomy     天体力学。三体问题该算是天体力学里的吧。
  
• Atomic, molecular and nuclear data      提供数据库。基本上就是光谱学的东西，原子分子的光谱谱线在什么地方，为天文观测提供支持。
  
• Astronomical instrumentation     做仪器的。
  
• Catalogs and data     也是数据库。星表啊、校准标准啊，各种天体测量学的东西。
  
• Numerical methods and codes    数值方法和电脑程序。
  

这个分类当然不是唯一的答案， 不过可以大致看出，现在天文学科的疆土吧。