The impact of interpolation in high-resolution spectroscopy -- The overlooked role of interpolation in radial velocity extraction

Sintesi Tecnica: L'impatto dell'interpolazione nella spettroscopia ad alta risoluzione

Problematica
La rilevazione e la caratterizzazione di esopianeti simili alla Terra richiedono una precisione nelle velocità radiali (RV) del livello dei cm s$^{-1}$. Sebbene gli spettrografi allo stato dell'arte (ad esempio, ESPRESSO, EXPRES) raggiungano un'elevata stabilità strumentale, spesso emergono segnali spuri dai processi di analisi dei dati piuttosto che dagli strumenti stessi. Nello specifico, i metodi di estrazione delle RV basati su template richiedono l'interpolazione degli spettri stellari su una griglia di lunghezze d'onda comune per costruire template ad alto SNR e per confrontare le singole osservazioni con essi. Questo articolo investiga i bias sistematici introdotti dalla scelta dell'algoritmo di interpolazione durante questo processo. Gli autori sostengono che l'interpolazione assuma implicitamente una specifica forma per le linee spettrali; se tali assunzioni non sono rispettate, il processo può introdurre residui di flusso, asimmetrie di linea e bias sistematici nelle RV, particolarmente quando la variazione della Velocità Radiale Terrestre Baricentrica (BERV) è piccola rispetto alla dimensione del pixel.

Metodologia
Lo studio impiega un approccio multifasettico combinando la generazione di dati sintetici e l'analisi di osservazioni reali di ESPRESSO:

1. Generazione di Dati Sintetici:

   • Profili Gaussiani: Gli autori hanno generato dataset sintetici utilizzando funzioni gaussiane per isolare gli effetti dell'interpolazione. Hanno simulato una singola linea gaussiana e una "foresta" di linee (sommando i parametri derivati da linee reali rilevate da ARES in $\epsilon$ Indi e HD40307).
   • Variazione del Campionamento: Per simulare gli effetti del moto BERV e dei drift strumentali, gli spettri sintetici sono stati spostati Doppler attraverso un intervallo da 0 a 500 m s$^{-1}$ (coprendo la dimensione media del pixel di ESPRESSO). Il flusso è stato poi interpolato nuovamente sulla griglia di lunghezze d'onda originale.
   • Iniezione di Rumore: Le simulazioni sono state eseguite in condizioni prive di rumore e con iniezione di rumore di Poisson per valutare le dipendenze dal Rapporto Segnale-Rumore (SNR) (variando da SNR=10 a SNR=78).

2. Algoritmi di Interpolazione:
   Lo studio ha confrontato cinque strategie di interpolazione implementate all'interno della pipeline s-BART (Approccio Semi-Bayesiano per le RV con Template matching):

   • Spline cubica (default).
   • Spline quadratica.
   • Polinomio di Interpolazione Cubica a Tratti (PCHIP).
   • Akima.
   • Floater-Hormann.

3. Osservazioni Reali:
   La pipeline s-BART è stata applicata a osservazioni ESPRESSO di quattro stelle con distinte strategie di osservazione:

   • Alta cadenza, singola notte: HD40307 (K2) ed $\epsilon$ Indi (K6), utilizzate per campagne asteroseismiche.
   • Multi-notte/lungo termine: Proxima Centauri (M5) e HD39091 (G0), utilizzate per la rilevazione e la caratterizzazione di esopianeti.
     Le RV sono state estratte utilizzando diversi algoritmi di interpolazione e confrontate con i risultati della spline cubica predefinita.

Risultati Chiave

• Residui di Flusso e Asimmetria: L'interpolazione introduce residui nel flusso delle linee spettrali, particolarmente quando il centro della linea cade tra i nodi dei pixel. L'entità di questi residui dipende dalla densità di campionamento (pixel per FWHM) e dall'algoritmo utilizzato. Le strategie a spline cubica e Floater-Hormann hanno generalmente prodotto residui inferiori a 100 ppm per singole linee gaussiane. Tuttavia, sono state osservate asimmetrie nel profilo della linea, che sono più pronunciate in linee scarsamente campionate (basso SNR o ampia spaziatura dei pixel).
• Bias di RV Simulati (Singola Linea e Foresta di Linee):
  • In scenari gaussiani privi di rumore e perfettamente simmetrici, l'interpolazione ha introdotto un segnale RV sistematico con un'ampiezza picco-picco di $\sim$mm s$^{-1}$. Questo segnale ha mostrato una forma sinusoidale correlata alla variazione della BERV.
  • In scenari a basso SNR (SNR=10), l'ampiezza di questo bias sistematico è aumentata significativamente, raggiungendo valori picco-picco di $\sim$20–40 m s$^{-1}$.
  • L'ampiezza del bias è inversamente correlata all'SNR. All'aumentare dell'SNR, il segnale sistematico diminuisce, convergendo verso il regime dei mm s$^{-1}$.
  • Lo studio ha identificato tre regimi nella risposta delle RV all'SNR: comportamento sinusoidale a basso e alto SNR, e un profilo quasi piatto a SNR intermedio, probabilmente dovuto all'interferenza distruttiva tra effetti sistematici deterministici e stocastici.
• Osservazioni Reali (Singola Notte):
  • Per osservazioni ad alta cadenza con piccola variazione di BERV (comparabile alla dimensione del pixel), la scelta dell'algoritmo di interpolazione impatta significativamente la serie temporale delle RV.
  • Nel caso a basso SNR (HD40307), diversi algoritmi hanno prodotto residui picco-picco di $\sim$15–25 m s$^{-1}$. L'algoritmo Floater-Hormann, che si era comportato bene nelle simulazioni simmetriche, ha in realtà aumentato il segnale sistematico nei dati reali.
  • Nel caso a SNR più elevato ($\epsilon$ Indi), le differenze tra gli algoritmi erano minori, con residui picco-picca intorno a 1 m s$^{-1}$, concordando entro le incertezze di 1-$\sigma$.
• Osservazioni Reali (Multi-Notte):
  • Per osservazioni distribuite su una grande finestra di BERV (Proxima Centauri e HD39091), il segnale sistematico causato dall'interpolazione è significativamente attenuato.
  • Lo scatter delle RV dovuto alla scelta dell'interpolazione è stato identificato come un limite superiore di 20 cm s$^{-1}$, valore ben al di sotto dell'incertezza a 1-$\sigma$ delle misurazioni.

Significatività e Conclusioni
Il documento conclude che l'interpolazione spettrale è una fonte non trascurabile di errore sistematico nell'estrazione delle RV, particolarmente per specifici casi scientifici:

1. Campagne ad Alta Cadenza e Basso SNR: Casi scientifici che coinvolgono osservazioni intensive a breve base temporale (ad esempio, asterosismologia o monitoraggio ad alta frequenza) con piccole variazioni di BERV sono i più suscettibili ai bias indotti dall'interpolazione, che possono raggiungere il livello dei m s$^{-1}$.
2. Impatto Ampio: Sebbene il bias sia minimizzato nelle survey di esopianeti a lungo termine e alto SNR (dove la copertura della BERV è ampia), gli autori sostengono che gli artefatti di interpolazione influenzino tutti i casi scientifici in cui gli spettri vengono posizionati su una griglia comune. Ciò include non solo la rilevazione di esopianeti, ma anche studi atmosferici, analisi asteroseismiche e determinazioni del redshift cosmologico.
3. Dipendenza dall'Algoritmo: Nessun singolo algoritmo di interpolazione è universalmente ottimale. La prestazione dipende fortemente dall'SNR, dalla densità di campionamento e dalla forma intrinseca delle linee spettrali. Lo studio evidenzia come le assunzioni sulla forma della linea insite nei metodi di interpolazione possano portare a una sottostima del flusso e a bias sistematici nei centri delle linee.

Gli autori sottolineano che, sebbene il bias di livello mm s$^{-1}$ in condizioni ideali sia al di sotto della precisione strumentale attuale, i bias di livello m s$^{-1}$ osservati in scenari a basso SNR e alta cadenza rappresentano un sistema critico che deve essere considerato nelle future analisi RV ad alta precisione.