Resumo Técnico: Mitigação de Artefatos de Reamostragem para Espectrômetros IFU do JWST com Modelagem Adaptativa de Trajetória

1. O Problema

Os espectrômetros de Unidade de Campo Integral (IFU) a bordo do Telescópio Espacial James Webb (JWST), especificamente o NIRSpec e o MIRI MRS, operam em um regime de subamostragem da Função de Espalhamento de Ponto (PSF) quase difratada fornecida pela óptica do telescópio.

• Causa: De acordo com o teorema de Nyquist-Shannon, a frequência de amostragem deve ser pelo menos o dobro da componente de frequência mais alta do sinal para evitar aliasing. Como o JWST atinge desempenho próximo ao limite de difração, a PSF é amostrada com menos de dois pixels do detector por FWHM (largura a meia altura).
• Consequência: Ao reamostrar os dados do grid nativo do detector para cubos de dados regulares (processo comum para combinar observações com dithering e criar mapas espectrais), surgem artefatos espectrais oscilatórios de baixa frequência.
• Impacto Científico: Esses artefatos manifestam-se como oscilações sinusoidais nos espectros, cuja frequência depende do comprimento de onda e do ângulo de inclinação da trajetória espectral em relação ao grid de pixels. Eles são mais pronunciados em spaxels (voxels espaciais) individuais próximos a fontes pontuais não resolvidas, dificultando a análise de fontes fracas, a detecção de linhas de emissão finas e a modelagem de campos estelares densos. Soluções anteriores exigiam análises no espaço do pixel nativo (difícil de usar) ou extração de espectros em aberturas grandes (perda de resolução espacial).

2. Metodologia: Modelo de Trajetória Adaptativa (ATM)

Os autores propõem uma técnica geral que utiliza modelos de spline cúbica para interpolar as trajetórias espectrais observadas em um grid de maior resolução antes da retificação do cubo de dados. O método, denominado Adaptive Trace Model (ATM), opera no espaço do detector nativo e é composto pelas seguintes etapas:

2.1. Preprocessamento

• Cálculo da média e do desvio padrão (RMS) da imagem calibrada para correção de viés de fundo (ex: subtração excessiva de corrente escura).
• Criação de máscaras para identificar os pixels associados a cada fatia (slice) do IFU.

2.2. Modelo Linear ($f_{linear}$)

• Uma interpolação linear simples é realizada coluna a coluna (por comprimento de onda) em cada fatia.
• Este modelo serve como base e é suficiente para regiões onde a distribuição de fluxo varia suavemente, garantindo que nenhum pixel de entrada domine o valor reamostrado.

2.3. Modelo de Spline ($f_{spline}$)

• Conceito Chave: A PSF muda lentamente com o comprimento de onda, e fontes pontuais não resolvidas mantêm seu centróide fixo em coordenadas celestes.
• Técnica: Para colunas onde a trajetória espectral cruza as fronteiras dos pixels (criando as oscilações), o algoritmo agrega dados de colunas adjacentes (janela de $\pm 50$ comprimentos de onda). Isso fornece múltiplas amostras da mesma perfil espacial com diferentes "fases" de pixel.
• Ajuste: Um spline cúbico de base é ajustado a esses dados normalizados para reconstruir o perfil 1D real da fonte com alta precisão, superando a limitação de amostragem de um único pixel.
• Aplicação Seletiva: O modelo de spline é aplicado apenas onde o gradiente do perfil é alto (indicando subamostragem crítica) e onde há fluxo significativo. Em regiões de baixa inclinação ou sem fonte, o modelo linear é mantido para eficiência.

2.4. Modelo de Resíduo ($f_{resid}$)

• Correção de Viés: O modelo de spline assume um perfil espacial suave. Para fontes complexas (ex: estrelas embutidas em nebulosas com linhas de emissão estreitas que preenchem o campo), o spline pode suprimir artificialmente essas características.
• Solução: Calcula-se a imagem residual subtraindo o modelo de spline dos dados originais. Esta imagem residual é reamostrada linearmente e adicionada ao modelo final. Isso preserva estruturas não modeladas pelo spline (como linhas de emissão estreitas ou múltiplas fontes próximas).

2.5. Construção do Modelo Combinado

• O resultado final ($f_{interp}$) é a soma ponderada: em regiões de alto gradiente (picos da PSF entre pixels), usa-se $f_{spline} + f_{resid}$; nas demais regiões, usa-se $f_{linear}$.
• O processo é totalmente orientado por dados, não exigindo conhecimento a priori da PSF do JWST.

3. Resultados e Desempenho

3.1. NIRSpec IFU

• Testado com a estrela padrão J1743045.
• Redução de Artefatos: Em cubos padrão, as oscilações nos spaxels mais brilhantes tinham amplitudes de 6-9%. Com o ATM (fator de reamostragem $N=3$), as amplitudes caíram para o nível de ruído ($\sim 1\%$).
• Conservação de Fluxo: A soma dos espectros em aberturas de $0.6 \times 0.6$ arcsec manteve-se consistente com os dados originais dentro de $0.1-0.2\%$.
• Detalhes Espectrais: Linhas de absorção de hidrogênio intrínsecas, antes mascaradas pelo ruído de reamostragem, tornaram-se claramente visíveis.

3.2. MIRI MRS

• O ruído de reamostragem no MIRI é mais complexo devido à interferência com o fringing intrínseco do instrumento.
• O ATM reduziu as amplitudes dos artefatos de $\sim 7-10\%$ para $\sim 1-2\%$ com $N=3$, preservando a conservação de fluxo absoluta ($< 0.3\%$).

3.3. Casos de Uso Científico

• QSO de Alto Redshift (LBQS 0302-0019): Em um caso complexo onde um QSO está embutido em uma galáxia hospedeira, o método eliminou quase totalmente os artefatos, permitindo a detecção clara de linhas de emissão fracas (He I, H$\delta$, H$\gamma$) nos espectros de spaxels individuais, que estavam distorcidos no processamento padrão.
• Pixels Ruins: O método demonstra superioridade na interpolação sobre clusters de pixels ruins ou saturados, superando os métodos de substituição de pixels lineares padrão do pipeline.

3.4. Desempenho Computacional

• Implementado como uma etapa opcional no pipeline de calibração do JWST (Build 12.3).
• Custo: Adiciona cerca de 12 segundos por fatia (slice) que requer modelagem de spline. Para cenas simples, o tempo total é $\sim 90$ segundos por exposição; para cenas complexas (todas as 30 fatias), pode chegar a 6 minutos.
• O custo adicional nas etapas de construção do cubo (CUBE BUILD) é gerenciável (aumento de tempo de processamento de $\sim 50$s para $\sim 100$s para um conjunto de 4 exposições).

4. Contribuições Chave e Significância

1. Solução "Turn-key": Oferece um método automatizado que não requer ajuste manual extensivo ou conhecimento prévio da PSF, sendo aplicável a qualquer cena astronômica (fontes pontuais, campos densos, nebulosas).
2. Prevenção vs. Correção: Diferente de métodos anteriores que tentam remover artefatos após a reamostragem (usando modelagem sinusoidal ou Fourier no cubo final), o ATM previne a criação dos artefatos ao reconstruir o perfil espectral no grid nativo de alta resolução.
3. Flexibilidade: A inclusão do modelo de resíduo permite lidar com desvios do perfil suave (como linhas de emissão estreitas), algo que modelos de PSF puros falhariam.
4. Impacto Científico: Permite a extração de espectros de spaxels individuais com alta fidelidade, facilitando a análise cinemática, mapeamento de linhas de emissão e estudo de fontes fracas em campos densos, que antes eram inviáveis devido ao ruído de reamostragem.
5. Implementação no Pipeline: A técnica já foi integrada ao pipeline oficial do JWST, tornando-se acessível a todos os usuários de dados sem a necessidade de scripts externos complexos.

Conclusão

O método de Modelagem Adaptativa de Trajetória (ATM) representa um avanço significativo no processamento de dados do JWST. Ao utilizar a redundância espectral e espacial para reconstruir perfis de alta resolução antes da retificação, o método elimina sistematicamente os artefatos de subamostragem, maximizando o potencial científico dos dados do NIRSpec e MIRI MRS para uma vasta gama de objetos astronômicos.