Rambler's Top100Astronet    
  по текстам   по ключевым словам   в глоссарии   по сайтам   перевод   по каталогу
 

На первую страницу Эволюция соотношения Талли-Фишера
<< 4. Выборка объектов | Оглавление | 6. Моделирование и аппроксимация >>

Разделы



5. Обработка данных

5.1. Введение

В этой главе я расскажу достаточно детально об обработке данных со спектрографа VIMOS. Основные причины, почему этот процесс должен быть описан столь детально:

Рис. 13. Необработанное изображение со спектрографа VIMOS

5.2. Структура наблюдений на VLT телескопах ESO

Для того, чтобы полностью правильно понять процедуру обработки данных со спектрографа VIMOS, необходимо сначала понять общую модель построения/организации наблюдений на телескопах VLT, а также некоторые компоненты специфичные именно для прибора VIMOS. В принципе, работа на VLT телескопах как и везде состоит из калибровочных наблюдений, научных экспозиций и подготовительных наблюдений. Для того, чтобы описать эти различные типы наблюдений вводится специальная иерархическая модель наблюдений. Самый нижний уровень этой иерархии - это собственно индивидуальное наблюдение (калибровочное, научное или подготовительное). Следующий уровень - это темплейт(template). Каждый темплейт - это набор наблюдений или калибровок одного и того же типа. Так например, если подряд снимается набор bias'ов для того, чтобы быть объединенным в один master-bias, то эта группа изображений будет получаться в рамках выполнения прибором темплейта bias'ов. Или также, например, набор картинок одного поля полученных со смещениями (для дриззлинга, усреднения, удаления дефектов и т.д.) также будет в некотором наблюдательном темплейте. И наконец последний уровень иерархии изображений - это наблюдательный блок (OB). Наблюдательный блок представляет собой набор темплейтов, обычно состоящий из одного подготовительного (acquisition) темплейта, и одного или нескольких калибровочных и/или наблюдательных темплейтов. По существу, наблюдательный блок - это атомарный элемент наблюдений, который должен быть полностью выполнен для успешного наблюдения. Например, наблюдательный блок MOS наблюдения должен быть обязательно начат с одного предварительного (acquisition) кадра для правильного наведения и размещения гидировочных звезд в соответствующие дырки на маске, а также должен быть предварен или закончен такими калибровками, как плоские поля, калибровками шкалы длин волн и т.д.

Таким образом, в процессе подготовки наблюдений заявитель обычно готовит список темплейтов, которые составляют те составные блоки, из которых состоит успешное наблюдение.

Обычно все темплейты спектрографа VIMOS описываются в соответствии со следующей схемой:
VIMOS_режим_тип_описание
Поле режим принимает одно из значений "ifu", "mos" и "img" для режима интегральной спектроскопии поля, мульти-объектной спектроскопии и режима прямых снимков соответственно. Поле тип может принимать одно из значений: "acq", "obs", "cal" для предварительных(acquisition) снимков, научных снимков и калибровок соответственно. Так образуются темплейты вида VIMOS_mos_cal_ScreenFlat, VIMOS_mos_cal_Arc, VIMOS_mos_obs_Offset для соответственно подкупольных плоских полей, калибровок длин волн и наблюдений научных объектов со сдвигами для усреднения.


5.3. Устройство спектрографа VIMOS и его математическая модель

Прежде чем описывать сам процесс обработки, необходимо сначала кратко описать устройство спектрографа и его математическую модель. Дело в том, что, во многом, процесс обработки сводится к определению параметров математической модели инструмента. Итак, оптический путь света для VIMOS'а в режиме мульти-щелевой спектроскопии следующий: после попадания в телескоп и прохода через его оптические системы свет направляется в фокус Нэсмита, где спектрограф VIMOS и расположен. Уже внутри спектрографа пучок от телескопа разделяется на 4 отдельных одинаковых пучка, после чего каждый пучок идет в свой квадрант инструмента. После этого пучки проходят через набор линз, корректирующих аберрации VLT телескопа, а также кривизну поля. Затем свет проходит сквозь MOS маски, расположенные в фокальной плоскости телескопа. Каждая MOS маска - это диск, сделанный из инвара с набором вырезанных на нем лазером щелей. В силу того, что блок масок расположен в фокальной плоскости инструмента, положение щелей на маске напрямую определяется положением объектов на небе, и, грубо говоря, является просто проекцией объектов с неба на маску в некотором масштабе. После маски пучки от различных щелей проходят сквозь фильтр, коллиматор и гризму. И после этого дифрагированный свет уже проходит через камеру и попадает на ПЗС матрицу (2k4k)(см. рис. 3.1). Нужно сказать, что после прохождения через маску и гризму изображения дифрагированных пучков представляют собой набор полосок. И из этих полосок формируется изображение (на рис. 5.1 такие полоски идут вертикально (границы таких полосок видны по смену наклона ярких линий(неба)).

Рис. 14. Упрощенная модель инструмента (VLT + VIMOS).

Рис. 15. Вид спектров от нескольких щелей на ПЗС матрице (иллюстрация к описанию моделей VIMOS'а)

Выше был описан ход света в инструменте и телескопе, однако это сложный ход света может быть сведен к комбинации нескольких простых последовательных преобразований. Основные компоненты математической модели инструмента следующие:
  1. Модель преобразования маска - ПЗС (модель оптических искажений)(optical distortion model). Эта модель описывает отображение маски на детектор для фиксированной длины волны. По сути говоря, она показывает куда на матрицу проектируются изображения щелей. В основном, эта модель зависит от оптических свойств камеры и в меньшей степени гризмы (потому модель и называется моделью оптических искажений). Эта модель описывается следующими полиномиальными зависимостями:

    (5.1)

    где X, Y - это координаты на ПЗС матрице (в пикселах), а x, y - это линейные координаты на маске (в миллиметрах).
  2. Следующая модель описывает спектральные свойства камеры - это модель спектральной кривизны(Spectral curvature model). Как уже упоминалось выше, спектр одной щели дает на ПЗС матрице изображение в виде полоски. В реальности, в силу разного рода дисторсий и искажений у этой полоски естественно не прямые, а кривые границы (см. рис. 5.3). И модель спектральной кривизны как раз и описывает поведение этих кривых на матрице. Поведение этой кривой, полученной от одной точки маски, называется локальной моделью спектральной кривизны. Она описывается опять же полиномиальной моделью.

    (5.2)

    (см. рис. 5.3) Это выражение записано для спектра одной точки маски, но реально для разных точек маски эти кривые будут себя вести по-разному. Поэтому в зависимости 5.2 коэффициенты зависят от координат на маске:

    (5.3)

  3. Дисперсионное соотношение, в нашем случае это - модель, которая определяет длину волны каждой точки спектра. Так как спектры вытянуты в вертикальном направлении, локальное дисперсионное соотношение может быть описано следующим образом:

    (5.4)

    В реальности коэффициенты зависят от положения щели на маске, поэтому тоже раскладываются по полиномам от координат на маске:

    (5.5)

    И в таком случае уравнение 5.4 называется глобальным дисперсионным соотношением.

Все указанные выше модели являются отдельными моделями, описывающими поведение инструмента, и для того, чтобы правильно и полностью обработать эти данные, все эти модели должны быть определены. Обобщая и объединяя все описанные выше модели, можно написать общую формулу отображения координат маски на ПЗС матрицу для фиксированной длины волны.

, где OPT() - модель оптических искажений, СRV() - модель спектральной кривизны, а IDS() - дисперсионное соотношение.

5.4. Основные этапы обработки данных со спектрографа VIMOS

Вкратце, основные стадии обработки такие: А сейчас расскажем более подробно о каждом этапе обработки данных.

5.4.1. Bias

Процесс получения master bias'ов является более или менее стандартным - для его получения берется группа bias'ов как правило из одного темплейта. Master-bias получается либо обыкновенным либо медианным усреднением этих индивидуальных изображений.

5.4.2. Плоское поле

Основная цель плоского поля для наблюдений VIMOS - это исправление за высокочастотные неоднородности чувствительности по матрице (а не для компенсации глобальной спектральной чувствительности инструмента). Для их создания в оптическую схему инструмента вносится лампа с непрерывным спектром. Важно, что она вносится в пучок инструмента до прохождения им маски. Таким образом свет от лампы проходит и через маски и через фильтры и гризмы. Естественно комбинация маска + фильтр + гризма должна быть той же самой, что в научном наблюдении, потому что тогда на каждую точку матрицы будет падать свет той же длины волны, что в наблюдениях. Как понятно из сказанного выше, в итоге, индивидуальные плоские поля выглядят как набор полосок разной интенсивности с градиентом яркости вдоль дисперсии(в силу градиента чувствительности ПЗС + спектра лампы) (пример плоского поля показан на рис. 5.4).

Рис. 16. Кадр подкупольного плоского поля VIMOS'a

Итак, для того, чтобы получить карту высокочастотных вариаций чувствительности, нужно очевидно удалить глобальные тренды интенсивностей. Для этого сначала экстрагируются полоски от отдельных щелей (для того, чтобы проследить эти полоски используются модели (спектральной кривизны и оптических искажений), зашитые по умолчанию в заголовках FITS файлов5.1). После этого у каждой полоски (соответствующей разным щелям) убирается глобальный тренд (делением на сильно сглаженную полоску), и полученная полоска вставляется обратно в кадр, на то место откуда она была вырезана. Это и дает среднее плоское поле (исправляющее за неоднородность чувствительности). На этом этапе также генерируется суммарное плоское поле (которое потом будет использовано для получения модели спектральной кривизны), которое представляет собой сумму индивидуальных плоских полей (и выглядит естественно так же (рис. 5.4). В конце стоит сделать также важное замечание о том, как получать плоское поле. Важно, чтобы оно получалось в той же самой конфигурации, что и сами наблюдения (желательно в том же положении телескопа, не вставляя и не вынимая маску), так как иначе возможны смещения положения изображений щелей, дисторсий, что приводит к несоответствию плоского поля и реальных данных.

5.4.3. Калибровка шкалы длин волн и определение дисторсий

Определение дисперсионного соотношения - это достаточно обычный в спектроскопии этап обработки, но в случае с VIMOS'ом, он имеет свои особенности (связанные в первую очередь с определением модели оптических искажений (см. раздел 5.3). Как обычно, калибровка шкал волн основана на получении спектра лампы с линейчатым спектром (He+Ne+Ar лампы в случае с VIMOS'ом). Основные процедуры в этом разделе следующие:

  1. Создание среднего изображения спектра HeNeAr лампы из индивидуальных кадров с использованием обычного или медианного усреднения.
  2. Определение модели оптического искажения из среднего изображения спектра HeNeAr. Как было сказано выше (секция 5.3), модель оптического искажения - это модель определяющая то, куда на ПЗС матрице будут проектироваться щели маски для фиксированной длины волны (для простоты изложения положим 6500). Для этого используется следующий алгоритм. Во-первых, для того, чтобы найти приблизительное положение мест проекции щелей маски используются модели зашитые по умолчанию в FITS файлы. После этого создается модельный 2D спектр HeNeAr около длины волны 6500 (используя каталоги линий лампы), и данный 2D спектр 2D-кросс-коррелируется с куском спектра, экстрагированным около найденных в первом приближении положений щелей (см. рис. 5.5). В результате этой кросс-корреляции находится место на ПЗС куда проектируется свет от щели на длине волны 6500. Двумерная кросс-корреляция нужна, потому что необходимо уточнить место проекции щелей не только по оси Y(), но и по оси Х. После того как найдено, куда проектируется свет от каждой щели на данной длине волны, можно аппроксимировать эти результаты глобальной полиномиальной моделью отображения координат маски на ПЗС (см. формулу 5.1).

    Рис. 17. Схема определения модели оптических искажений

  3. Определение модели спектральной кривизны по суммарному плоскому полю. Как уже говорилось эта модель описывает кривизны границ спектров от каждой щели. Соответственно для того, чтобы определить эту модель, необходимо отследить эти границы. А это достаточно просто, учитывая, что спектры от разных щелей имеют разные интенсивности(рис. 5.4)(так устроена лампа). Таким образом алгоритм поиска границ отслеживает границы по резкому градиенту. После этого границы спектра для каждой щели аппроксимируются полиномами (cм. формулу 5.2 и рис. 5.3) - таким образом получаются локальные модели спектральной кривизны. А после этого при одновременной аппроксимации этих моделей (учитывая координаты щелей на маске) получается глобальная модель спектральной кривизны (формулы 5.3).
  4. Определение дисперсионного соотношения - это последний этап. Здесь нам известно куда на матрицу на длине волны 6500 проектируется щель. Соответственно каждый пиксель проекции щели дает начало одному одномерному спектру (одной полоске) (следующей модели спектральной кривизны (ф-ла 5.2)). Таким образом, для каждой щели мы получаем набор одномерных спектров. И для каждого такого спектра (стандартными методами) определяется дисперсионное соотношение, после чего все эти соотношения аппроксимируются полиномами для получения локального дисперсионного соотношения (для каждой щели)(ф-ла 5.4), и наконец локальные дисперсионные соотношения аппроксимируются для получения глобального дисперсионного соотношения (ф-ла 5.5).

В конце этого этапа обработки создается специальный FITS файл с т.н. таблицей экстракции, содержащей коэффициенты всех определенных моделей. Она называется таблицей экстракции, так как ее достаточно для того, чтобы полностью извлекать спектры для каждой щели.

5.4.4. Обработка научных кадров

После обработки bias'ов, плоских полей и спектров HeNeAr лампы и получения параметров моделей описывающих инструмент обработка уже достаточно прямолинейна и состоит из нескольких этапов - сначала из изображения вычитаются bias'ы, оно нормируется на плоское поле. После этого важный этап обработки - это уточнение всех математических моделей инструмента по положениям линий неба( так как изменения конфигурации телескопа и прибора могут привести к сдвигам всех моделей относительно их состояния во время калибровок). Следующий этап - это детектирование объектов и вычитание спектра неба. Вычитание неба из наших научных картинок - это не тривиальная задача. Дело в том, что на маске щели наклонены различным образом(см. рис. 5.1) и, к тому же, в силу дисторсий камеры, на матрице наклон линий на спектре одной щели не остается постоянным, а меняется и они даже искривляются. Поэтому для того, чтобы их вычитать необходимо использовать все имеющиеся модели описывающие дисторсии и т.д. Следующий этап - это выпрямление спектра. Как мы знаем, в силу различных положений и наклонов щелей на маске, каждая полоска спектра на ПЗС матрице лежит в своей собственной системе координат со своим нуль-пунктом по длине волны, дисперсионной кривой. Также оси длина волны-пространственное направление не ортогональны. Поэтому для выпрямления и экстракции спектра используются глобальное дисперсионное соотношения и модель оптических искажений. Они описывают покрытие ПЗС системой координат длина волны-пространственное направление и это покрытие используется для интерполяции в прямоугольную сетку длина волны-пространственная координата. В принципе следующий этап - это одномерная экстракция спектров от индивидуальных объектов, но в силу того, что в нашей задаче большинство объектов протяженные, а нас интересовали именно протяженные детали их спектров, этот этап обработки не проводился.

5.5. Каскад редукции и управление данными

Как уже было указано, данные, приходящие с VLT телескопов, являются очень хорошо структурированными и содержат всю необходимую мета-информацию о наблюдениях. Этот факт, на самом деле, позволяет очень эффективно организовывать процедуру автоматической обработки, основанную на значениях флагов, ключевых слов, ключей, записанных внутри FITS файлов.

Так, вся процедура автоматической обработки основана на двух основных принципах: каскад обработки и правила соответствия VIMOS'а.

Рис. 18. Основные ключевые слова из FITS заголовков, определяющие правила классификации данных

Таким образом, каскад редукции и правила классификации VIMOS'а - это основа автоматической редукции данных VIMOS'а. Основная идея, которая здесь представляется как одна из существенных частей данного диплома - это организация автоматической системы редукции системы редукции основанной на базе данных. Итакm в самом начале из всех имеющихся сырых изображений и таблиц извлекаются мета-данные и эти мета-данные укладываются в базу данных. После этого эта база данных служит основным источником информации для выполнения каждого этапа редукции. Дополнительно, создается другая база данных, содержащая продукты и метаданные продуктов, созданных в результате редукции. В такой постановке, каждый этап обработки из каскада редукции - это набор запросов к базе данных, выбирающих данные определенного типа, сделанные в определенные моменты во времени, снятые в определенном фильтре, с определенной маской и т.д.

Так, например, процесс определения дисперсионнных соотношений в организованной системе обработки устроен следующим образом:

Используя описанную выше идеологию, автором был написан пакет на языке Perl с интерфейсом работы с базой данных PostgreSQL и системой обработки ESO для выполнения полностью автоматической редукции. Этот пакет позволил эффективно справиться с имевшимися у нас в наличии 1000 сырых изображений.

5.6. Основные проблемы с данными и с их обработкой

5.7. Определение красных смещений

В качестве последнего этапа обработки, необходимо кратко описать процесс определения красных смещений галактик. После экстракции объектов и щелей с изображений, последней процедурой перед моделированием и аппроксимацией было определение красных смещений. Вообще говоря, задача по определению красных смещений галактик на основании спектров с низким соотношением сигнал-шум достаточно сложна (и включает в себя SED фиттинг, кросскорреляции и проч.), но в нашем случае задача упрощалась, в связи с тем, что интересующие нас галактики - это галактики со звездообразованием, с эмиссионными линиями, и для всех наших галактик нам были известны фотометрические красные смещения из проекта COMBO-17. Поэтому нами был применен простой метод кросскорреляции, когда спектры галактик кросскоррелировались с чисто-эмиссионными темплейт спектрами, похожими на спектры эмиссионных галактик [Kinney et al. 1996]. И такой простой метод вполне хорошо сработал на наших объектах. Также на этапе определения красных смещений нами была выполнена важная и интересная проверка: проверка точностей фотометрических красных смещений. На рисунке 5.10 показано сравнение красных смещений COMBO-17 и наших спектроскопических красных смещений.

Рис. 22. Сравнение фотометрических красных смещений COMBO-17 и спектроскопических красных смещений со спектрографа VIMOS (показаны только галактики с наблюдаемыми кривыми вращения). Линии на графике - плавающее среднее и границы.

Как видно из этого графика, заявленная в [Wolf et al. 2003] точность в 0.03-0.05, приблизительно соответствует действительности. Правда, видно что на красном смещении 0.7, значительная часть этой ошибки систематическая. Возможно, что данный результат впоследствии приведет к изменениям каталога красных смещений, так как наши данные явно показывают необходимость перекалибровки красных смещений COMBO-17 (во всяком случае на галактиках нашей выборки).

<< 4. Выборка объектов | Оглавление | 6. Моделирование и аппроксимация >>

Публикации с ключевыми словами: зависимость Талли-Фишера - галактики
Публикации со словами: зависимость Талли-Фишера - галактики
См. также:
Все публикации на ту же тему >>

Оценка: 3.1 [голосов: 103]
 
О рейтинге
Версия для печати Распечатать

Астрометрия - Астрономические инструменты - Астрономическое образование - Астрофизика - История астрономии - Космонавтика, исследование космоса - Любительская астрономия - Планеты и Солнечная система - Солнце


Астронет | Научная сеть | ГАИШ МГУ | Поиск по МГУ | О проекте | Авторам

Комментарии, вопросы? Пишите: info@astronet.ru или сюда

Rambler's Top100 Яндекс цитирования