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

Résumé technique : Photométrie robuste pour les relevés cosmologiques de haute latitude du télescope Roman par l'imagerie Roman et Rubin

Énoncé du problème
Une photométrie précise et exacte est une condition préalable aux analyses cosmologiques du relevé d'imagerie à haute latitude (HLIS) du télescope spatial Nancy Grace Roman, influençant la performance du décalage vers le rouge photométrique ($z_{phot}$), la sélection des échantillons et le découpage tomographique. Cependant, obtenir une photométrie robuste dans les données de Roman présente des défis uniques :

1. Confusion de sources (Blending) : La profondeur de Roman entraîne une confusion de sources significative, qui est exacerbée dans les analyses conjointes avec les relevés au sol comme l'Observatoire Rubin (LSST) en raison des différences de résolution spatiale et de fonction d'étalement du point (PSF).
2. Bruit corrélé : Les détecteurs Teledyne H4RG de Roman et le processus de coaddition d'images introduisent un bruit corrélé entre les pixels. Ignorer cela conduit à sous-estimer les incertitudes de flux et à obtenir des mesures de couleurs trop optimistes.
3. Bruit de grenaille astronomique : Contrairement à de nombreuses observations au sol où le fond de ciel domine, le bruit de grenaille provenant des galaxies elles-mêmes est une composante non négligeable du budget de bruit pour les échantillons de lentilles gravitationnelles faibles de Roman.
4. Biais dépendants de l'environnement : L'ajustement standard d'un objet unique peut introduire des biais de couleur dépendants de l'environnement (jusqu'à $\sim0,5$ mag dans les régions denses), dégradant la performance de $z_{phot}$.

Méthodologie
Les auteurs développent et valident slimfarmer, un pipeline de photométrie par ajustement de modèle conçu spécifiquement pour la cosmologie HLIS de Roman, qui s'appuie sur le package d'ajustement de profil The Farmer (basé sur The Tractor) et intègre des traitements spécifiques pour les données de Roman :

• Détection et regroupement : Les sources sont détectées sur les images coaddées de Roman (Y106, J129, H158, F184, K213) en utilisant SEP. Les galaxies voisines sont regroupées à l'aide de cartes de segmentation dilatées pour permettre un ajustement simultané.
• Ajustement multi-objets (MOF) : Le pipeline effectue un ajustement de modèle multi-bandes conjoint à l'aide de The Tractor. Au sein de chaque groupe, toutes les sources sont ajustées simultanément pour tenir compte de la lumière confondue. La sélection du modèle suit un arbre de décision basé sur le $\chi^2$ (Source ponctuelle, Galaxie simple, Galaxie exponentielle, Galaxie de type De Vaucouleurs ou Galaxie composite fixe).
• Photométrie forcée : Pour permettre une analyse conjointe Roman–Rubin, le pipeline utilise les modèles de galaxies dérivés de Roman (positions et morphologie) pour effectuer une photométrie forcée sur des simulations d'images Rubin (u, g, r, i, z, y) correspondantes. Cela garantit des mesures de couleurs cohérentes malgré les différences de PSF et d'échelle de pixel.
• Quantification de l'incertitude :
  • Bruit corrélé : Le pipeline propage le bruit corrélé des coadditions de Roman dans les incertitudes photométriques en utilisant des réalisations de bruit traitées par le même pipeline que les images scientifiques. La variance est estimée à l'aide de la fonction de corrélation du champ de bruit normalisé.
  • Bruit de grenaille astronomique : Un traitement basé sur un modèle est appliqué aux cartes de poids à variance inverse, mettant à jour la contribution du bruit de grenaille à chaque itération d'ajustement en fonction de la prédiction du modèle actuel, plutôt que d'utiliser directement l'image scientifique bruitée.
• Validation : Le pipeline est testé sur des simulations d'images coaddées DC25 de Roman (basées sur la vérité terrain OpenUniverse2024) et des simulations Rubin correspondantes. La validation comprend la comparaison des flux et des couleurs récupérés par rapport aux catalogues de vérité et l'évaluation de l'impact des différentes stratégies d'ajustement (MOF vs. Ajustement d'objet unique [SOF]) et des traitements de bruit sur la performance de $z_{phot}$.

Résultats clés

1. Précision photométrique : slimfarmer récupère les couleurs des galaxies avec un mode de résidus de 20 millimagnitudes pour les couleurs basées sur Roman et de 70 millimagnitudes pour les couleurs basées sur Rubin. Les résidus de magnitude montrent de faibles biais à l'extrémité faible, probablement dus à la confusion avec des sources non détectées.
2. Calibration de l'incertitude : Prendre en compte correctement le bruit corrélé est critique. Les incertitudes standards de The Tractor (ignorant les corrélations) sous-estiment la dispersion empirique d'un facteur allant jusqu'à $\sim3$. Les estimations d'incertitude de slimfarmer s'alignent étroitement sur la dispersion empirique pour les magnitudes et les couleurs.
3. Atténuation de la confusion (Blending) : L'ajustement multi-objets est essentiel pour contrôler les biais dépendants de l'environnement.
   • MOF (Roman) + SOF (Rubin) : Induit un biais bleu dans les régions denses (jusqu'à $\sim0,5$ mag) car les flux de Rubin sont surestimés en raison de voisins non modélisés.
   • SOF (Roman) + MOF (Rubin) : Induit un biais rouge (jusqu'à $\sim0,2$ mag) car les flux de Roman incluent la lumière des voisins confondus.
   • MOF cohérent : L'application du MOF aux deux relevés élimine ces biais de couleur dépendants de l'environnement, maintenant une performance stable jusqu'à des séparations de plus proche voisin d'environ $0,45''$.
4. Impact sur les décalages vers le rouge photométriques :
   • Ensemble $n(z)$ : La photométrie conjointe Roman–Rubin produit les compartiments tomographiques de redshift les mieux séparés. Ignorer les bandes de Rubin ou négliger le bruit corrélé augmente considérablement le chevauchement des compartiments.
   • $z_{phot}$ individuel : En utilisant FlexZBoost, la configuration Fiducielle (MOF dans les deux relevés + correction du bruit corrélé) montre une dépendance minimale des fractions d'anomalies (outliers) et de la dispersion vis-à-vis de l'environnement galactique. Les configurations utilisant le SOF dans l'un ou l'autre des relevés présentent de fortes tendances environnementales, la performance se dégradant à de plus grandes séparations de plus proche voisin.

Signification et affirmations
L'article étabète slimfarmer comme un prototype de pipeline de photométrie pour les applications de cosmologie HLIS de Roman. Les auteurs affirment que des mesures de couleur Roman–Rubin robustes et une caractérisation fiable de $z_{phot}$ nécessitent trois ingrédients spécifiques :

1. Des corrections du bruit corrélé pour quantifier précisément les incertitudes.
2. Un traitement par modèle du bruit de grenaille astronomique pour éviter les biais dans les cartes de poids.
3. Un ajustement multi-objets cohérent à travers les imageries Roman et Rubin pour atténuer les biais systématiques induits par la confusion.

Les auteurs déclarent explicitement que, bien que ces résultats valident le cadre photométrique pour la sélection des galaxies et la caractérisation du redshift, ils ne constituent pas une conclusion sur le traitement optimal de la confusion pour les mesures de cisaillement (shear) de lentilles gravitationnelles faibles, qui nécessite une validation distincte dans un cadre de calibration du cisaillement (par exemple, METADETECTION). Les travaux futurs étendront cette validation à des simulations plus réalistes, à des données réelles d'observations précoces, et à la propagation de ces systématiques dans les contraintes cosmologiques complètes.