Data reduction method for OPTICAM multiband time series of transiting exoplanets

Este artigo apresenta um método de redução de dados otimizado para o instrumento OPTICAM, demonstrando que o uso de um filtro mediano 3×3 é a técnica mais eficaz para corrigir pixels quentes variáveis em séries temporais de exoplanetas, resultando na maior evidência bayesiana e na melhor precisão fotométrica para observações do telescópio OAN-SPM.

O essencial

Imagine que você é um fotógrafo tentando tirar uma foto perfeita de um planeta pequeno passando na frente de uma estrela. O objetivo é medir exatamente o quanto a luz da estrela diminui quando o planeta passa por ela. Isso nos diz o tamanho e a natureza desse mundo distante.

O problema é que a sua "câmera" (o instrumento OPTICAM no telescópio) tem um defeito curioso: ela tem pixels quentes.

O Problema: Os "Pixels Quentes"

Pense nos pixels da câmera como milhões de pequenos baldes que coletam luz. Alguns desses baldes estão com defeito: eles começam a vazar água (luz) sozinhos, mesmo quando está escuro. Na astronomia, chamamos isso de "pixels quentes".

O pior de tudo é que esses baldes defeituosos são imprevisíveis.

• Às vezes, um pixel vaza um pouco.
• Na foto seguinte, ele vaza muito.
• Na foto depois, ele para de vazar e outro pixel começa a vazar.

Como eles mudam de comportamento a cada segundo, você não consegue simplesmente "apagar" o defeito com uma correção padrão (como tirar uma foto escura e subtrair). É como tentar tirar uma foto de um show onde os holofotes piscam aleatoriamente e mudam de cor a cada milissegundo. Isso cria ruído e distorce a medição do planeta.

A Solução: O Filtro de "Melhor Vizinho"

Os autores do artigo testaram várias maneiras de consertar essas fotos. Eles compararam métodos como "espalhar a luz" (convolução Gaussiana) com um método mais inteligente: o Filtro Mediano 3x3.

Vamos usar uma analogia para entender a diferença:

1. O Método Gaussiano (Espremer a Manteiga): Imagine que você tem uma mancha de gordura (o pixel quente) em uma mesa. O método Gaussiano tenta espalhar essa gordura por toda a mesa para que ela fique fina. O problema? A mancha fica tão espalhada que parece que há várias manchas pequenas ou até cria "fantasmas" de estrelas onde não existem. Isso atrapalha a medição.
2. O Método Mediano (O Vizinho Sábio): Imagine que você está em uma fila de 9 pessoas (uma grade 3x3). A pessoa do meio é o pixel com defeito (o quente). Em vez de espalhar a mancha, você olha para as 8 pessoas ao redor e pergunta: "Qual é o valor mais comum?". Se 7 pessoas dizem "10" e 1 diz "1000" (o pixel quente), você ignora o louco de 1000 e assume que o valor correto é "10".

O método Mediano 3x3 funciona como esse vizinho sábio. Ele olha para os pixels vizinhos e substitui o pixel defeituoso pelo valor "normal" da vizinhança.

• Ele remove o ruído (o pixel quente).
• Ele não espalha a mancha (não cria fantasmas).
• Ele preserva a forma real da estrela.

O Resultado: Uma Foto Mais Nítida

Ao aplicar esse "filtro de vizinho" a todas as fotos (tanto as da estrela quanto as de calibração), os autores conseguiram:

• Reduzir o ruído: As medições ficaram muito mais limpas.
• Melhorar a precisão: Eles conseguiram medir o tamanho do planeta (TOI-7149 b) com muito mais confiança.
• Economizar tempo: O método é rápido e funciona bem mesmo quando a estrela não está muito brilhante.

A Ferramenta Final: O "Kit de Montagem"

Para que qualquer astrônomo possa usar essa técnica, eles criaram um "kit de montagem" (um software chamado PROFE). Pense nele como um aplicativo que automatiza todo o processo:

1. Ele pega as fotos brutas.
2. Aplica o "filtro de vizinho" (mediana 3x3).
3. Faz a calibração padrão.
4. Entrega a curva de luz pronta para análise.

Resumo em uma frase

Este artigo ensina como limpar fotos de exoplanetas tiradas por uma câmera defeituosa (com pixels que piscam aleatoriamente) usando um truque matemático simples (olhar para os vizinhos e ignorar os loucos), resultando em medições muito mais precisas e confiáveis do universo.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "Data reduction method for OPTICAM multiband time series of transiting exoplanets", traduzido e estruturado em português:

Título do Artigo

Método de redução de dados para séries temporais multibanda de exoplanetas em trânsito obtidos com o instrumento OPTICAM.

1. O Problema

O instrumento OPTICAM, instalado no telescópio de 2,1m do Observatório Astronômico Nacional na Sierra de San Pedro Mártir (OAN-SPM), utiliza detectores sCMOS (Andor Zyla 4.3-Plus) para observações de alta cadência. Embora esses detectores ofereçam vantagens como baixo ruído de leitura e tempos de leitura rápidos, eles apresentam um defeito crítico para fotometria de precisão: a geração significativa de pixels quentes (warm pixels) em exposições de 10 segundos ou mais.

• Natureza do Problema: Os pixels quentes não são removidos pela subtração de dark (escuro) padrão, pois seus valores de contagem variam de forma imprevisível de quadro para quadro (comportamento do tipo "sal e pimenta" e níveis de viés elevados).
• Impacto: Esses pixels introduzem ruído branco e, principalmente, ruído vermelho (correlacionado no tempo) nas curvas de luz, degradando a precisão fotométrica e afetando a recuperação dos parâmetros planetários.
• Desafio: A fraction de pixels quentes pode chegar a até 60% em alguns canais, tornando métodos tradicionais de rejeição de outliers (máscaras de pixels estáticas ou dinâmicas) inadequados.

2. Metodologia

Os autores avaliaram seis abordagens de pré-processamento aplicadas às imagens de ciência e calibração (antes da redução padrão de subtração de dark e divisão de flat) utilizando o trânsito do exoplaneta TOI-7149 b (observado nas bandas $g'$, $r'$ e $i'$) como caso de teste.

As abordagens testadas foram:

1. Redução Padrão (st): Subtração de dark e divisão de flat sem pré-processamento especial.
2. Convolução Gaussiana: Aplicação de kernels gaussianos com desvios padrão de $\sigma=1$ (g1) e $\sigma=3$ (g3) pixels.
3. Filtro de Mediana: Aplicação de janelas de mediana de tamanhos $3\times3$(w3),$5\times5$(w5) e$7\times7$ (w7) pixels.

Análise e Modelagem:

• As curvas de luz resultantes foram submetidas a fotometria de abertura diferencial usando o software AstroImageJ (AIJ).
• Os dados foram ajustados simultaneamente em três bandas usando o pacote juliet, incorporando Processos Gaussianos (GPs) para modelar a variabilidade da base e o ruído correlacionado.
• A comparação entre os métodos foi baseada em:
  • Evidência Bayesiana ($\ln Z$) para avaliar a preferência estatística do modelo.
  • Precisão fotométrica (RMS dos resíduos).
  • Ruído correlacionado (RMS em caixas de 10 minutos, $RMS_{10min}$).
  • Análise de curvas de média temporal (time-averaging curves).

3. Principais Contribuições e Resultados

A. Caracterização dos Pixels Quentes

O estudo detalhou o comportamento dos pixels quentes nos detectores sCMOS, identificando quatro tipos de comportamento temporal (A, B, C, D), que variam desde níveis de viés elevados constantes até saltos imprevisíveis ("salt and pepper"). Concluiu-se que a subtração de dark padrão é ineficaz porque os pixels afetados mudam entre os quadros de ciência e os quadros de dark.

B. Desempenho dos Métodos de Redução

• Convolução Gaussiana: O kernel $\sigma=1$ não removeu eficazmente os pixels quentes. O kernel $\sigma=3$ removeu os pixels, mas espalhou o sinal da estrela, reduzindo os picos de contagem em ~13% e criando artefatos que se assemelham a estrelas fracas, contaminando a fotometria.
• Filtros de Mediana:
  • O filtro $3\times3$ (w3) demonstrou ser o método superior. Ele removeu eficazmente os pixels quentes sem criar "estrelas falsas" e com degradação mínima do sinal estelar (redução de ~9% nos picos).
  • O método w3 obteve a maior evidência Bayesiana ($\Delta \ln Z \gtrsim 20$ em relação aos outros métodos) e a menor dispersão de ruído correlacionado ($RMS_{10min}$) em todas as bandas.
  • Filtros maiores ($5\times5$e$7\times7$) foram menos eficazes na mitigação do ruído vermelho e arriscaram incluir múltiplos pixels quentes na janela de mediana, dada a alta densidade desses defeitos.

C. Recomendação Operacional

O estudo sugere que, para minimizar o impacto dos pixels quentes, a contagem de pico da estrela alvo deve ser idealmente superior a ~1300 ADU em exposições de 30s. Quando o sinal-ruído é baixo (próximo ao nível de corrente escura), a aplicação do filtro de mediana $3\times3$ torna-se crítica.

D. Pipeline de Redução (PROFE + AIJ)

Os autores desenvolveram e disponibilizaram um pipeline de redução automatizado que integra:

• PROFE: Módulos Python de código aberto para pré-processamento (aplicação do filtro de mediana $3\times3$), organização de dados e pós-processamento.
• AstroImageJ (AIJ): Utilizado para a calibração padrão (criação de master darks e flats) e fotometria diferencial.
  Este fluxo de trabalho garante a homogeneidade necessária para a caracterização precisa de exoplanetas.

4. Significância e Conclusão

Este trabalho é fundamental para a comunidade de exoplanetas que utiliza detectores sCMOS modernos, pois resolve um problema específico e limitante desses sensores.

• Validação: Demonstra que o OPTICAM, embora projetado para fenômenos transitórios de alta energia, é capaz de produzir curvas de luz de alta precisão para exoplanetas em trânsito quando o método de redução adequado é aplicado.
• Solução Robusta: O método de filtro de mediana $3\times3$ proposto permite recuperar a integridade do sinal astronômico e minimizar o ruído sistemático, superando as limitações das reduções padrão.
• Reprodutibilidade: A disponibilização do código PROFE e da pipeline integrada permite que outros observatórios com instrumentos similares adotem a mesma metodologia, melhorando a qualidade dos dados de séries temporais multibanda.

Em resumo, a paper estabelece um novo padrão de redução de dados para o instrumento OPTICAM, transformando um desafio instrumental (pixels quentes variáveis) em uma solução processável que viabiliza a detecção e caracterização de exoplanetas com alta precisão a partir do solo.