Teareduce: a Python package with utilities for teaching reduction techniques in Astronomy

Sintesi Tecnica di Teareduce: un pacchetto Python con utility per l'insegnamento delle tecniche di riduzione in Astronomia

Problematica
Sebbene Python sia diventato l'ecosistema standard per l'elaborazione dei dati astronomici — supportato da robusti pacchetti come Astropy, NumPy e SciPy — l'insegnamento della meccanica sottostante alla riduzione delle immagini rimane complesso. Strumenti consolidati come ccdproc offrono soluzioni general-purpose che spesso astraggono le operazioni specifiche richieste nei flussi di lavoro di riduzione tradizionali. Di conseguenza, gli studenti nei corsi di livello magistrale possono utilizzare tali strumenti senza comprendere appieno gli algoritmi o la logica che guidano il processo di riduzione. Inoltre, specifiche esigenze pedagogiche, come la gestione delle discrepanze storiche tra le convenzioni di indicizzazione FITS e Python o l'esecuzione di specifici passaggi di calibrazione, non sono sempre affrontate dalle librerie general-purpose in un modo che faciliti l'apprendimento profondo.

Metodologia
Gli autori hanno sviluppato teareduce, un pacchetto Python esplicitamente progettato come strumento didattico per il corso di "Tecniche Sperimentali in Astrofisica" (TEA) presso l'Università Complutense di Madrid. Piuttosto che funzionare come una suite di riduzione completa e pronta per la produzione, teareduce fornisce un set curato di classi e funzioni che isolano passaggi specifici nel flusso di lavoro di riduzione delle immagini astronomiche. Il pacchetto è costruito sulla base dell'esistente stack scientifico Python (Astropy, NumPy, SciSci, Matplotlib) ed è accompagnato da notebook Jupyter per dimostrarne l'utilizzo.

I componenti metodologici chiave includono:

• Astrazione dell'Indicizzazione: Per affrontare la comune fonte di errori riguardante le convenzioni di indicizzazione FITS (basata su 1) rispetto a quelle Python (basata su 0), il pacchetto introduce le classi SliceRegion1D, SliceRegion2D e SliceRegion3D. Queste permettono agli utenti di definire regioni di slicing utilizzando entrambe le convenzioni e di accedere ai relativi attributi (.fits o .python) in modo trasparente.
• Calibrazione della Lunghezza d'Onda: La classe TeaWaveCalibration facilita la correzione della distorsione C e della calibrazione della lunghezza d'onda. Supporta l'identificazione interattiva delle linee di arco, il rilevamento automatico dei picchi attraverso spettri 2D e il calcolo delle correzioni polinomiali. La calibrazione risultante può essere applicata sia ad array NumPy che a oggetti CCDData di Astropy.
• Fitting di Spline Adattivo: Per gestire situazioni in cui i fit polinomiali mancano della necessaria flessibilità, il paccechetto include AdaptiveLSQUnivariateSpline. Questa classe esegue un fitting di spline fluido senza richiedere la posizione predefinita dei nodi; invece, utilizza la minimizzazione numerica per regolare automaticamente le posizioni dei nodi in base a un numero di nodi intermedi specificato dall'utente.
• Rimozione dei Raggi Cosmici: Il pacchetto offre due approcci per la mitigazione dei raggi cosmici:
  1. tea-cleanest: Uno strumento interattivo ispirato al codice cleanest ma che utilizza l'algoritmo L.A. Cosmic (van Dokkum 2001) per il rilevamento. Permette la segnalazione manuale e la correzione dei pixel.
  2. cr2images: Una funzione per la rimozione automatica quando sono disponibili due esposizioni equivalenti, sostituendo i pixel colpiti dai raggi cosmici in un'immagine con il segnale proveniente dall'altra.

Contributi Chiave
Il contributo primario di questo lavoro è la fornitura di una risorsa educativa specializzata che colma il divario tra gli strumenti di riduzione dei dati di alto livello e gli algoritmi fondamentali che gli studenti devono comprendere.

• Trasparenza Educativa: Esponendo il codice sorgente per specifici passaggi di riduzione, il pacchetto permette agli studenti di esaminare, modificare e comprendere le operazioni eseguite durante la riduzione delle immagini, anziché trattarle come "black box".
• Pedagogia Pratica: Il pacchetto introduce approcci alternativi ai compiti standard che gli autori hanno ritenuto più pratici per l'istruzione a livello magistrale, come la gestione specifica delle convenzioni di indicizzazione e il posizionamento adattivo dei nodi nel fitting delle spline.
• Integrazione: Si integra perfettamente con l'ecosistema Astropy, garantendo che le competenze apprese con teareduce siano trasferibili ai flussi di lavoro di ricerca standard.

Risultati
L'articolo non presenta nuovi risultati scientifici derivati da osservazioni astronomiche, ma riporta il successo dell'implementazione del software come ausilio didattico. Il pacchetto è pubblicamente disponibile su GitHub con documentazione e notebook Jupyter. È stato implementato nelle lezioni pratiche del Master in Astrofisica dell'Università Complutense di Madrid, dove gli studenti lo utilizzano per elaborare immagini acquisite con lo strumento CAFOS sul telescopio da 2.2m dell'Osservatorio di Calar Alto. Lo strumento supporta l'intero flusso di lavoro, dalla proposta di osservazione all'analisi dei dati, all'interno del curriculum del corso.

Significatività
Gli autori pongono teareduce come uno strumento modesto ma necessario per l'educazione astronomica. La sua significatività non risiede nel superare le pipeline di riduzione consolidate per la ricerca, ma nella sua capacità di demistificare il processo di riduzione per gli studenti. Fornendo un insieme di utility trasparenti, modificabili e specifiche, il pacchetto mira ad approfondire la comprensione delle operazioni eseguite durante la riduzione delle immagini astronomiche. Il lavoro riconosce che, sebbene esistano strumenti general-purpose, questi non servono sempre l'obiettivo pedagogico specifico di insegnare il "come" e il "perché" delle tecniche di riduzione, un vuoto che teareduce è progettato per colmare.