Joint Multiband Photometry with crowdsource

1. Declaração do Problema

Grandes levantamentos infravermelhos de área ampla, como o Wide-field Infrared Survey Explorer (WISE), enfrentam desafios significativos em campos densos devido à sobreposição de fontes (blending), fundos espacialmente variáveis e grandes escalas de pixel (2,75″/pixel). Pipelines fotométricos existentes (por exemplo, DAOPHOT, DOLPHOT) e o pipeline crowdsource original geralmente processam bandas de imagem independentemente. Esse ajuste independente leva a:

• Posições de Fonte Inconsistentes: As fontes são detectadas em coordenadas ligeiramente diferentes em bandas distintas.
• Inconsistências de Fluxo: Cores derivadas e distribuições de energia espectral (SEDs) sofrem erros devido ao desalinhamento.
• Sensibilidade Reduzida: Fontes fracas detectáveis em uma banda mais profunda podem ser perdidas em uma banda mais ruidosa se a lista de fontes não for compartilhada.
• Viés: Em ajustes de banda única, o fluxo de fontes fracas pode ser absorvido pelo modelo de fundo do céu, levando a fluxos subestimados e cores enviesadas.

O artigo aborda a necessidade de um framework unificado que imponha consistência entre bandas, aproveitando ao mesmo tempo a eficiência computacional do pipeline crowdsource.

2. Metodologia

Os autores apresentam uma extensão multibanda ao pipeline crowdsource, que utiliza grandes pacotes de álgebra linear esparsa para ajustar fontes sobrepostas. A inovação central é um modelo simultâneo e autoconsistente através de múltiplas bandas de imagem.

Componentes Algorítmicos Chave:

• Detecção Conjunta (Imagens de Significância):

  • Em vez de detectar fontes em cada banda separadamente, o algoritmo constrói uma imagem de significância conjunta ($S_{joint}$).
  • Isso combina numeradores de filtros correspondentes e variâncias de todas as bandas, ponderados pela SED de fonte assumida.
  • $S_{joint} = N_{joint} / \sqrt{V_{joint}}$, onde $N_{joint}$ e $V_{joint}$ são somas ponderadas das contribuições individuais de cada banda.
  • Isso permite a detecção de fontes fracas que são marginais em bandas individuais, mas significativas quando combinadas, melhorando particularmente a profundidade em bandas mais ruidosas.

• Framework Unificado de Mínimos Quadrados Lineares:

  • O ajuste fotométrico é formulado como um sistema linear $y \approx Ax$.
  • Vetor de Dados ($y$): Valores de pixel empilhados de todas as bandas.
  • Vetor de Parâmetros ($x$): Contém parâmetros de centróide compartilhados (posições) para todas as fontes em todas as bandas, mas fluxos específicos de banda e parâmetros de céu.
  • Matriz de Design ($A$): Uma matriz de estrutura em blocos onde as colunas de centróide são compartilhadas entre as bandas, enquanto as colunas de fluxo e céu permanecem específicas de cada banda.
  • Solver: O sistema é resolvido iterativamente usando o solver esparsos LSQR.

• Processo Iterativo:

  1. Estimativa do Céu: Subtração suave do fundo.
  2. Detecção de Fontes: Picos identificados na imagem de significância conjunta.
  3. Ajuste Linear: Solução simultânea para posições compartilhadas e fluxos específicos de banda.
  4. Refinamento: Atualizações iterativas de posições e modelos de PSF.

3. Contribuições Principais

• Generalização Algorítmica: Estendeu com sucesso o pipeline crowdsource de ajuste de banda única para multibanda sem sacrificar a eficiência computacional.
• Restrição de Posição Compartilhada: Impôs um único conjunto autoconsistente de posições de fonte em todas as bandas, eliminando a dispersão posicional entre filtros.
• Estratégia de Detecção Ótima: Desenvolveu um método estatisticamente consistente para detecção conjunta de fontes que se adapta a diferentes PSFs e propriedades de ruído de cada banda.
• Implementação: O código é implementado em Python e está publicamente disponível, construindo sobre a infraestrutura existente do crowdsource.

4. Resultados e Validação

O método foi testado em lajes coadicionadas unWISE no campo COSMOS (densidade esparsa a moderada) e em um campo de Boleto Galáctico (alta densidade), comparando as bandas WISE W1 (3,4 $\mu$m) e W2 (4,6 $\mu$m) com ajustes de banda única e dados de referência profundos do Spitzer/IRAC.

• Consistência de Fluxo e Redução de Viés:

  • Os fluxos W2 multibanda são sistematicamente mais brilhantes que os fluxos W2 de banda única na extremidade fraca.
  • Isso corrige um viés onde ajustes de banda única absorvem a luz de fontes fracas no modelo de céu. O ajuste multibanda atribui corretamente essa luz às fontes, melhorando a fotometria de fontes fracas em ~5% em 17 mag.
  • A estabilidade de cor ($W1-W2$) é significativamente melhorada, com fontes agrupando-se mais próximas ao locus da sequência principal física.

• Estabilidade Astrométrica:

  • O ajuste conjunto produz um único centróide por fonte, eliminando a dispersão posicional de banda para banda observada em ajustes independentes.

• Recuperação de Fontes (Completude):

  • O catálogo multibanda recuperou ~10.000 fontes adicionais em comparação com o catálogo de banda única W1.
  • A correspondência cruzada com dados do Spitzer revelou que ~80% das novas detecções multibanda (que não tinham contrapartes de banda única) são objetos astrofísicos reais.
  • Ganho de Profundidade: O método melhorou a magnitude limite na banda W2 mais ruidosa em ~1 magnitude em comparação com o ajuste de banda única, mantendo alta completude em W1.

• Confiabilidade (Pureza):

  • O ajuste multibanda manteve alta confiabilidade (pureza) mesmo em limites mais fracos, suprimindo efetivamente detecções espúrias que frequentemente afligem buscas profundas de banda única.

5. Significado

Este trabalho fornece uma base robusta para futuros catálogos multibanda de campos densos. Ao impor consistência posicional e aproveitar informações correlacionadas entre bandas, o algoritmo:

• Permite redshifts fotométricos mais precisos e classificação de fontes.
• Melhora as medições de movimento próprio ao fornecer astrometria consistente através de épocas e bandas.
• Maximiza o retorno científico de dados de levantamentos existentes (como WISE/NEOWISE) ao empurrar os limites de detecção mais profundamente sem exigir novas observações.
• Oferece um framework flexível que pode ser estendido à astronomia de domínio temporal (dados multi-época) e pesos de fonte variáveis para objetivos científicos específicos (por exemplo, quasares de alto redshift).

Os autores planejam aplicar este pipeline às coadicionações multibanda de profundidade total de toda a missão WISE para criar o catálogo de fontes infravermelhas mais profundo possível até a data.