Robust Photometry for Roman High-Latitude Imaging Survey Cosmology Using Roman and Rubin Imaging

Resumen Técnico: Fotometría Robusta para el Sondeo de Imágenes de Alta Latitud de Roman utilizando Imágenes de Roman y Rubin

Planteamiento del Problema
La fotometría precisa y exacta es un requisito previo para los análisis cosmológicos del Sondeo de Imágenes de Alta Latitud (HLIS) del Telescopio Espacial Nancy Grace Roman, lo que influye en el rendimiento del desplazamiento al rojo fotométrico ($z_{phot}$), la selección de muestras y la clasificación tomográfica. Sin embargo, lograr una fotometría robusta en los datos de Roman presenta desafíos únicos:

1. Mezcla de Fuentes (Blending): La profundidad de Roman conduce a una mezcla significativa de fuentes, lo que se ve exacerbado en los análisis conjuntos con sondeos basados en tierra como el Observatorio Rubin (LSST) debido a las diferencias en las resoluciones espaciales y las Funciones de Dispersión de Punto (PSF).
2. Ruido Correlacionado: Los detectores Teledyne H4RG de Roman y el proceso de coadición de imágenes introducen ruido correlacionado entre píxeles. Ignorar esto conduce a subestimar las incertidumbres de flujo y a obtener mediciones de color excesivamente confiables.
3. Ruido de Disparo Astronómico: A diferencia de muchas observaciones basadas en tierra donde el fondo del cielo domina, el ruido de disparo de las propias galaxias es un componente no despreciable en el presupuesto de ruido para las muestras de lente débil de Roman.
4. Sesgos Dependientes del Entorno: El ajuste de objeto único estándar puede introducir sesgos de color dependientes del entorno (hasta $\sim0.5$ mag en regiones densas), degradando el rendimiento de $z_{phot}$.

Metodología
Los autores desarrollan y validan slimfarmer, un canal de procesamiento (pipeline) de fotometría de ajuste de modelos diseñado específicamente para la cosmología HLIS de Roman. El pipeline se basa en el paquete de ajuste de perfiles The Farmer (basado en The Tractor) e incorpora tratamientos específicos para los datos de Roman:

• Detección y Agrupación: Las fuentes se detectan en las imágenes coadicionadas de Roman (Y106, J129, H158, F184, K213) utilizando SEP. Las galaxias vecinas se agrupan mediante mapas de segmentación dilatados para permitir el ajuste simultáneo.
• Ajuste de Múltiples Objetos (MOF): El pipeline realiza un ajuste de modelo multibanda conjunto utilizando The Tractor. Dentro de cada grupo, todas las fuentes se ajustan simultáneamente para contabilizar la luz mezclada. La selección del modelo sigue un árbol de decisión basado en $\chi^2$ (Fuente Puntual, Galaxia Simple, Galaxia Exponencial, Galaxia de De Vaucouleurs o Galaxia Compuesta Fija).
• Fotometría Forzada: Para permitir un análisis conjunto Roman–Rubin, el pipeline utiliza los modelos de galaxias derivados de Roman (posiciones y morfología) para realizar fotometría forzada en simulaciones de imágenes de Rubin (u, g, r, i, z, y) emparejadas. Esto asegura mediciones de color consistentes a pesar de las diferencias en la PSF y la escala de píxeles.
• Cuantificación de la Incertidumbre:
  • Ruido Correlacionado: El pipeline propaga el ruido correlacionado de las coadiciones de Roman hacia las incertidumbres fotométricas utilizando realizaciones de ruido procesadas a través del mismo pipeline que las imágenes científicas. La varianza se estima utilizando la función de correlación del campo de ruido normalizado.
  • Ruido de Disparo Astronómico: Se aplica un tratamiento basado en modelos a los mapas de pesos de varianza inversa, actualizando la contribución del ruido de disparo en cada iteración de ajuste basándose en la predicción del modelo actual, en lugar de usar directamente la imagen científica ruidosa.
• Validación: El pipeline se prueba en simulaciones de imágenes coadicionadas DC25 Roman (basadas en la verdad de OpenUniverse2024) y simulaciones de Rubin emparejadas. La validación incluye la comparación de los flujos y colores recuperados contra los catálogos de verdad y la evaluación del impacto de diferentes estrategias de ajuste (MOF frente a Ajuste de Objeto Único [SOF]) y tratamientos de ruido sobre el rendimiento de $z_{phot}$.

Resultados Clave

1. Precisión Fotométrica: slimfarmer recupera los colores de las galaxias con un modo de residuos dentro de los 20 milimagnitudes para los colores basados en Roman y 70 milimagnitudes para los colores basados en Rubin. Los residuos de magnitud muestran pequeños sesgos en el extremo débil, probablemente debido a la mezcla con fuentes no detectadas.
2. Calibración de la Incertidumbre: Contabilizar adecuadamente el ruido correlacionado es crítico. Las incertidumbres estándar de The Tractor (que ignoran las correlaciones) subestiman la dispersión empírica por un factor de hasta $\sim3$. Las estimaciones de incertidumbre de slimfarmer se alinean estrechamente con la dispersión empírica tanto para magnitudes como para colores.
3. Mitigación de la Mezcla (Blending): El ajuste de múltiples objetos es esencial para controlar los sesgos dependientes del entorno.
   • MOF (Roman) + SOF (Rubin): Induce un sesgo azul en regiones densas (hasta $\sim0.5$ mag) porque los flujos de Rubin se sobreestiman debido a vecinos no modelados.
   • SOF (Roman) + MOF (Rubin): Induce un sesgo rojo (hasta $\sim0.2$ mag) porque los flujos de Roman incluyen luz de vecinos mezclados.
   • MOF Consistente: Aplicar MOF a ambos sondeos elimina estos sesgos de color dependientes del entorno, manteniendo un rendimiento estable hasta separaciones de vecino más cercano de $\sim0.45''$.
4. Impacto en los Desplazamientos al Rojo Fotométricos:
   • Ensamble $n(z)$: La fotometría conjunta Roman–Rubin produce los bins tomográficos de desplazamiento al rojo mejor separados. Ignorar las bandas de Rubin o la negligencia del ruido correlacionado aumenta significativamente el solapamiento de los bins.
   • $z_{phot}$ Individual: Usando FlexZBoost, la configuración Fiduciaria (MOF en ambos sondeos + corrección de ruido correlacionado) muestra una dependencia mínima de las fracciones de valores atípicos y la dispersión respecto al entorno de la galaxia. Las configuraciones que utilizan SOF en cualquiera de los dos sondeos exhiben tendencias ambientales fuertes, con un rendimiento que se degrada a mayores separaciones de vecino más cercano.

Significancia y Reivindicaciones
Este artículo establece a slimfarmer como un prototipo de canal de procesamiento fotométrico para aplicaciones de la cosmología HLIS de Roman. Los autores afirman que las mediciones de color robustas Roman–Rubin y la caracterización fiable de $z_{phot}$ requieren tres ingredientes específicos:

1. Correcciones de ruido correlacionado para cuantificar las incertididades con precisión.
2. Tratamiento basado en modelos del ruido de disparo astronómico para evitar sesgos en los mapas de pesos.
3. Ajuste de múltiples objetos consistente en ambos sondeos de imagen para mitigar los sistemas de error inducidos por la mezcla.

Los autores declaran explícitamente que, si bien estos resultados validan el marco fotométrico para la selección de galaxias y la caracterización del desplazamiento al rojo, no constituyen una conclusión sobre el tratamiento óptimo de la mezcla para las mediciones de cizalladura (shear) de lente débil, lo cual requiere una validación separada dentro de un marco de calibración de cizalladura (por ejemplo, METADETECTION). El trabajo futuro extenderá esta validación a simulaciones más realistas, datos reales de observaciones tempranas y la propagación de estos sistemas de error hacia las restricciones cosmológicas completas.