Gaia, ESA's astrometric mission launched in 2013 and currently still operational, aims to perform a mapping of the entire sky by calculating absolute positions, proper motions and parallaxes of at least one billion stars, with precision of the order of ten of microarcsec. The Gaia data processing is organized and conducted by the Data Processing and Analysis Consortium (DPAC). The actual processing of the Gaia data takes place at six data-processing centres (DPCs) in Europe, one of which is the DPC in Turin which deals with the processing of astrometric data, instrument monitoring and calibration. The thesis's goal is to optimize the model proposed for the reconstruction of Gaia's two-dimensional image profile, the Point Spread Function, evaluating at which degree of reliability it is able to reconstruct the profile. I carried out several test campaigns, testing the model as a function of different ranges of reference wavelengths, the field of view and the position of the sources on the focal plane. Furthermore, the different response of the model in the case of a daily or cyclic calibration was studied considering data collected over time periods of one or more days respectively. The model will then be applied to the images to calculate the flux and centroid using a centering algorithm. I implement a python program that creates, orthogonalizes and normalizes the basic functions used for the model, calculates the reconstructed profile and the choice parameters used to quantify the goodness of the reconstruction. I calculated the χ ̅_G^2 to represent the astrometric goodness. It is used as an index of the systematic error that occurs on the estimation of the position of the star using the model proposed to reduce the single observations in the centering process. I used the photometric residue as an index of the error that occurs on the flux using the reconstructed profile instead of the real one during the centering process and, therefore, assess the photometric goodness. I used the processing code implemented at the DPCT for extracting the number of observations necessary for the analysis and reconstruction of the image whose profile is to be calibrated. I analyzed about 770 different profiles, one for each type of calibration (daily and cyclical) and the variations of the choice parameters as a function of the position of the profiles on the focal plane and as a function of the reference wavelengths in the interval (536.3, 580.5, 605.9, 641.4, 709.3, 749.8, 816.3). In the case of a daily calibration, the model shows an optimal response for the reference wavelength 641.4 nm, the central one in the Gaia observation interval. In the other cases the model is often not applicable due to the too low numbers of observations. A change in the number of basis functions was needed, when applicable. Otherwise, for cyclic calibration, the model responds well for all wavelengths range with the exception of 536.3 nm and 580.5 nm, for which the number of observations is still too low. The model reconstructs well the instrument response variations over the focal plane, appropriately highlighting the electro-optical characteristics and proving to be a reliable tool for monitoring and calibrating image quality.
Gaia, missione astrometrica dell'ESA lanciata nel 2013 e attualmente ancora operativa, ha lo scopo di eseguire una mappatura di tutto il cielo calcolando posizioni, moti propri e parallassi assolute di almeno un miliardo di stelle, con precisione dell'ordine della decina di microarcosecondi. L'elaborazione e l'analisi dati sono di competenza del Data Processing and Analysis Consortium (DPAC), che si avvale di sei centri di processamento (DPC) dislocati in Europa, di cui uno e' il DPC di Torino che si occupa dell'elaborazione dei dati astrometrici, del monitoraggio e della calibrazione dello strumento. L'obiettivo del mio lavoro di Tesi e' ottimizzare il modello proposto per la ricostruzione del profilo di immagine bidimensionale di Gaia, la Point Spread Function, valutando con quale grado di affidabilita' esso riesca a ricostruire il profilo. Ho eseguito diversi test, provando il modello in funzione di diversi intervalli di lunghezze d'onda di riferimento, del campo di vista e della posizione delle sorgenti sul piano focale. Inoltre, ho studiato la differente risposta del modello nel caso di una calibrazione giornaliera o di una ciclica, considerando dati raccolti su periodi di tempo di uno o più giorni rispettivamente. Il modello da me ottimizzato verra' quindi applicato alle immagini acquisite da Gaia per calcolare il flusso e il centroide mediante un algoritmo. Ho sviluppato un programma in Python che crea, ortogonalizza e normalizza le funzioni di base utilizzate per il modello, calcola il profilo ricostruito e i parametri di scelta utilizzati per quantificare la bonta' della ricostruzione. Per rappresentare la bonta' astrometrica ho calcolato la discrepanza quadratica pesata, utilizzata come indice dell'errore sistematico che si compie sulla stima della posizione della stella utilizzando il modello proposto per ridurre le singole osservazioni nel processo di centraggio. La bonta' fotometrica e' stata valutata in base al residuo, utilizzato come indice dell'errore che si compie sul flusso utilizzando il profilo ricostruito al posto di quello reale durante il processo di centraggio. Per estrarre il numero di osservazioni necessario per l'analisi e la ricostruzione dell'immagine di cui calibrare il profilo, ho utilizzato parte del codice di processamento implementato al DPCT. Ho analizzato circa 770 classi di profili per ciascun tipo di calibrazione (giornaliera e ciclica) e le variazioni dei parametri di scelta in funzione della posizione dei profili sul piano focale e in funzione delle lunghezze d'onda di riferimento considerate (536.3, 580.5, 605.9, 641.4, 709.3, 749.8, 816.3) nm. Nel caso di una calibrazione giornaliera il modello risponde in modo ottimale per la lunghezza d'onda di riferimento di 641.4 nm, centrale nell'intervallo di osservazione di Gaia, mentre negli altri casi il modello e' risultato spesso non applicabile a causa del numero troppo basso di osservazioni richiedendo una variazione del numero di termini dove applicabile. Nel caso di una calibrazione ciclica, per cui si hanno più osservazioni, il modello risponde bene per tutti gli intervalli di lunghezze d'onda ad eccezione della 536.3 nm e della 580.5 nm per cui il numero di osservazioni è ancora troppo basso. Il modello si adatta bene alle variazioni di risposta sul piano focale, evidenziando in modo opportuno le caratteristiche elettro-ottiche e mostrandosi quindi strumento affidabile per il monitoraggio e la calibrazione della qualità dell'immagine.
Sviluppo e test di una modellizzazione 2D della Point Spread Function di Gaia per la calibrazione e la mitigazione degli errori astrometrici e fotometrici
PAGNANELLI, ALICE
2019/2020
Abstract
Gaia, missione astrometrica dell'ESA lanciata nel 2013 e attualmente ancora operativa, ha lo scopo di eseguire una mappatura di tutto il cielo calcolando posizioni, moti propri e parallassi assolute di almeno un miliardo di stelle, con precisione dell'ordine della decina di microarcosecondi. L'elaborazione e l'analisi dati sono di competenza del Data Processing and Analysis Consortium (DPAC), che si avvale di sei centri di processamento (DPC) dislocati in Europa, di cui uno e' il DPC di Torino che si occupa dell'elaborazione dei dati astrometrici, del monitoraggio e della calibrazione dello strumento. L'obiettivo del mio lavoro di Tesi e' ottimizzare il modello proposto per la ricostruzione del profilo di immagine bidimensionale di Gaia, la Point Spread Function, valutando con quale grado di affidabilita' esso riesca a ricostruire il profilo. Ho eseguito diversi test, provando il modello in funzione di diversi intervalli di lunghezze d'onda di riferimento, del campo di vista e della posizione delle sorgenti sul piano focale. Inoltre, ho studiato la differente risposta del modello nel caso di una calibrazione giornaliera o di una ciclica, considerando dati raccolti su periodi di tempo di uno o più giorni rispettivamente. Il modello da me ottimizzato verra' quindi applicato alle immagini acquisite da Gaia per calcolare il flusso e il centroide mediante un algoritmo. Ho sviluppato un programma in Python che crea, ortogonalizza e normalizza le funzioni di base utilizzate per il modello, calcola il profilo ricostruito e i parametri di scelta utilizzati per quantificare la bonta' della ricostruzione. Per rappresentare la bonta' astrometrica ho calcolato la discrepanza quadratica pesata, utilizzata come indice dell'errore sistematico che si compie sulla stima della posizione della stella utilizzando il modello proposto per ridurre le singole osservazioni nel processo di centraggio. La bonta' fotometrica e' stata valutata in base al residuo, utilizzato come indice dell'errore che si compie sul flusso utilizzando il profilo ricostruito al posto di quello reale durante il processo di centraggio. Per estrarre il numero di osservazioni necessario per l'analisi e la ricostruzione dell'immagine di cui calibrare il profilo, ho utilizzato parte del codice di processamento implementato al DPCT. Ho analizzato circa 770 classi di profili per ciascun tipo di calibrazione (giornaliera e ciclica) e le variazioni dei parametri di scelta in funzione della posizione dei profili sul piano focale e in funzione delle lunghezze d'onda di riferimento considerate (536.3, 580.5, 605.9, 641.4, 709.3, 749.8, 816.3) nm. Nel caso di una calibrazione giornaliera il modello risponde in modo ottimale per la lunghezza d'onda di riferimento di 641.4 nm, centrale nell'intervallo di osservazione di Gaia, mentre negli altri casi il modello e' risultato spesso non applicabile a causa del numero troppo basso di osservazioni richiedendo una variazione del numero di termini dove applicabile. Nel caso di una calibrazione ciclica, per cui si hanno più osservazioni, il modello risponde bene per tutti gli intervalli di lunghezze d'onda ad eccezione della 536.3 nm e della 580.5 nm per cui il numero di osservazioni è ancora troppo basso. Il modello si adatta bene alle variazioni di risposta sul piano focale, evidenziando in modo opportuno le caratteristiche elettro-ottiche e mostrandosi quindi strumento affidabile per il monitoraggio e la calibrazione della qualità dell'immagine.| File | Dimensione | Formato | |
|---|---|---|---|
|
783310_tesi_alice_pagnanelli.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
48.92 MB
Formato
Adobe PDF
|
48.92 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/153080