Joint Multiband Photometry with crowdsource

1. Planteamiento del Problema

Las grandes sondeos infrarrojos de área amplia como el Wide-field Infrared Survey Explorer (WISE) enfrentan desafíos significativos en campos densos debido a la mezcla de fuentes, fondos espacialmente variables y grandes escalas de píxel (2.75″/píxel). Las tuberías fotométricas existentes (por ejemplo, DAOPHOT, DOLPHOT) y la tubería original de crowdsource procesan típicamente las bandas de imagen de forma independiente. Este ajuste independiente conduce a:

• Posiciones de Fuente Inconsistentes: Las fuentes se detectan en coordenadas ligeramente diferentes en distintas bandas.
• Inconsistencias en el Flujo: Los colores derivados y las distribuciones de energía espectral (SED) sufren errores debido a la falta de alineación.
• Sensibilidad Reducida: Las fuentes tenues detectables en una banda más profunda pueden perderse en una banda más ruidosa si la lista de fuentes no se comparte.
• Sesgo: En los ajustes de banda única, el flujo de fuentes tenues puede ser absorbido por el modelo de fondo del cielo, lo que lleva a flujos subestimados y colores sesgados.

El artículo aborda la necesidad de un marco unificado que imponga consistencia entre bandas mientras aprovecha la eficiencia computacional de la tubería de crowdsource.

2. Metodología

Los autores presentan una extensión multibanda a la tubería de crowdsource, que utiliza paquetes grandes de álgebra lineal dispersa para ajustar fuentes superpuestas. La innovación central es un modelo simultáneo y autoconsistente a través de múltiples bandas de imagen.

Componentes Algorítmicos Clave:

• Detección Conjunta (Imágenes de Significancia):

  • En lugar de detectar fuentes en cada banda por separado, el algoritmo construye una imagen de significancia conjunta ($S_{joint}$).
  • Esto combina los numeradores de filtros adaptados y las varianzas de todas las bandas, ponderadas por la SED de fuente asumida.
  • $S_{joint} = N_{joint} / \sqrt{V_{joint}}$, donde $N_{joint}$ y $V_{joint}$ son sumas ponderadas de las contribuciones individuales de cada banda.
  • Esto permite la detección de fuentes tenues que son marginales en bandas individuales pero significativas cuando se combinan, mejorando particularmente la profundidad en bandas más ruidosas.

• Marco Unificado de Mínimos Cuadrados Lineales:

  • El ajuste fotométrico se formula como un sistema lineal $y \approx Ax$.
  • Vector de Datos ($y$): Valores de píxel apilados de todas las bandas.
  • Vector de Parámetros ($x$): Contiene parámetros de centrado compartidos (posiciones) para todas las fuentes en todas las bandas, pero flujos específicos de banda y parámetros del cielo.
  • Matriz de Diseño ($A$): Una matriz de estructura de bloques donde las columnas de centrado se comparten entre bandas, mientras que las columnas de flujo y cielo permanecen específicas de la banda.
  • Solucionador: El sistema se resuelve iterativamente utilizando el solucionador disperso LSQR.

• Proceso Iterativo:

  1. Estimación del Cielo: Resto suave del fondo.
  2. Detección de Fuentes: Picos identificados en la imagen de significancia conjunta.
  3. Ajuste Lineal: Solución simultánea para posiciones compartidas y flujos específicos de banda.
  4. Refinamiento: Actualizaciones iterativas de posiciones y modelos de PSF.

3. Contribuciones Clave

• Generalización Algorítmica: Extensión exitosa de la tubería de crowdsource desde el ajuste de banda única al ajuste multibanda sin sacrificar la eficiencia computacional.
• Restricción de Posición Compartida: Imposición de un único conjunto autoconsistente de posiciones de fuentes en todas las bandas, eliminando la dispersión posicional entre filtros.
• Estrategia de Detección Óptima: Desarrollo de un método estadísticamente consistente para la detección conjunta de fuentes que se adapta a diferentes PSF y propiedades de ruido de cada banda.
• Implementación: El código está implementado en Python y es de acceso público, construyendo sobre la infraestructura existente de crowdsource.

4. Resultados y Validación

El método fue probado en mosaicos combinados unWISE en el campo COSMOS (densidad escasa a moderada) y en un campo de Bulbo Galáctico (alta densidad), comparando las bandas W1 (3.4 $\mu$m) y W2 (4.6 $\mu$m) de WISE contra ajustes de banda única y datos de referencia profundos de Spitzer/IRAC.

• Consistencia del Flujo y Reducción del Sesgo:

  • Los flujos W2 multibanda son sistemáticamente más brillantes que los flujos W2 de banda única en el extremo tenue.
  • Esto corrige un sesgo donde los ajustes de banda única absorben la luz de fuentes tenues en el modelo del cielo. El ajuste multibanda atribuye esta luz correctamente a las fuentes, mejorando la fotometría de fuentes tenues en ~5% a 17 mag.
  • La estabilidad del color ($W1-W2$) mejora significativamente, con fuentes agrupándose más cerca del locus de la secuencia principal física.

• Estabilidad Astrométrica:

  • El ajuste conjunto produce un único centrado por fuente, eliminando la dispersión posicional de banda a banda observada en ajustes independientes.

• Recuperación de Fuentes (Completitud):

  • El catálogo multibanda recuperó ~10,000 fuentes adicionales en comparación con el catálogo de banda única W1.
  • La coincidencia cruzada con datos de Spitzer reveló que ~80% de las nuevas detecciones multibanda (que no tenían contrapartes de banda única) son objetos astrofísicos reales.
  • Ganancia de Profundidad: El método mejoró la magnitud límite en la banda W2 más ruidosa en ~1 magnitud en comparación con el ajuste de banda única, manteniendo al mismo tiempo una alta completitud en W1.

• Fiabilidad (Pureza):

  • El ajuste multibanda mantuvo una alta fiabilidad (pureza) incluso en límites más tenues, suprimiendo efectivamente las detecciones espurias que a menudo plagan las búsquedas profundas de banda única.

5. Significado

Este trabajo proporciona una base sólida para futuros catálogos multibanda de campos densos. Al imponer consistencia posicional y aprovechar la información correlacionada entre bandas, el algoritmo:

• Permite corrimientos al rojo fotométricos y clasificación de fuentes más precisos.
• Mejora las mediciones de movimiento propio al proporcionar astrometría consistente a través de épocas y bandas.
• Maximiza el retorno científico de los datos de sondeos existentes (como WISE/NEOWISE) al empujar los límites de detección más profundamente sin requerir nuevas observaciones.
• Ofrece un marco flexible que puede extenderse a la astronomía de dominio temporal (datos multiépoca) y pesos de fuente variables para objetivos científicos específicos (por ejemplo, cuásares de alto corrimiento al rojo).

Los autores planean aplicar esta tubería a los mosaicos combinados completos y multibanda de toda la misión WISE para crear el catálogo de fuentes infrarrojas más profundo posible hasta la fecha.