Pipeline utilizzata

La pipeline di riduzione utilizzata in questo elaborato `e stata affinata a pi`u riprese in maniera da ottenere, come risultato finale, un cubo di immagini dove le singole componenti stellari siano il pi`u possibile discernibili tra di loro e dall’emissione non risolta del fondo.

Questa condizione `e fondamentale per i passaggi successivi, quali la determinazione fotome- trica delle stelle presenti (Capitolo 5) e l’estrazione di uno spettro di qualit`a dagli spaxel selezionati (Capitolo 6). L’esigenza, infatti, `e quella di ottenere una misura della velocit`a radiale che sia attribuibile con precisione ad una singola stella, e non sia il risultato di uno spettro contaminato dalla luce proveniente da altre componenti stellari.

Come linea guida del processo di riduzione, `e stata utilizzata la pipeline indicata dal SIN- FONI Pipeline User Manual sul campo HRE, dopodich´e basandosi sui problemi riscontrati e su lavori simili `e stata ottenuta la procedura di riduzione finale. Come ultimo passaggio, questa procedura `e stata tradotta, nella procedura fortran Xsinfo, per poi essere utilizzata in maniera automatica su tutti i campi successivi.

Come descritto nel paragrafo 4.3.1, il software EsoRex richiede in input per ogni diversa re- cipe un file ASCII contenente combinazioni di dati raw e di output generati dai vari passaggi di riduzione, questo `e detto set-of-frames (SOF).

La difficolt`a iniziale nella costruzione di una procedura di riduzione efficace consiste proprio nell’editare correttamente i SOF, inserendo i dati raw ritenuti pi`u opportuni in base al tempo di integrazione e in base al tipo di target scientifico che vogliamo ridurre.

4.3. Riduzione dati 33

E’ possibile riassumere i passaggi principali adottati dalle varie recipes di EsoRex come segue: • Recipe detlin: identifica i pixel con una risposta non lineare alla radiazione incidente e genera una mappa con contenuta questa informazione. Ci`o viene fatto utilizzando dei Lynearity Flat Fields, ottenuti illuminando il detector con diversi tempi di esposizione (1, 9, 18, 27, 36 e 45 sec) e adottando il filtro utilizzato per le immagini scientifiche. • Recipe mdark : genera un Master Dark utilizzando set di Dark Frames acquisiti con

tempi di esposizione di 2 sec e di 30 sec. Questa recipe fornisce inoltre una mappa dei pixel “caldi”, cio`e con un eccesso di conteggi.

• Recipe mflat : Questa procedura corregge per le disomogeneit`a nella sensibilit`a tra i diversi pixel del detector attraverso l’uso dei Flat Fields Standard. La recipe calcola un Master Flat mediando il set di Flat Field. Come ulteriori prodotti, la task genera la mappa dei pixel che non hanno una risposta adeguata all’illuminazione omogenea del detector e utilizza le mappe generate precedentemente per ottenerne una comprendente tutti i pixel problematici (MASTER BP MAP).

• Recipe distortion: corregge le distorsioni dell’immagine proiettata sul detector dovute alle ottiche e calcola la distanza tra le slices. Utilizza un gran numero Fiber Frames, Flat Field Frames e Arc Lamp Frames assieme al catalogo con le righe della lampada e altri parametri dello strumento, per calcolarsi due importanti tabelle: la prima contenente i coefficienti polinomiali di distorsione da applicare all’immagine e la seconda con le distanze delle slices, calcolate rispetto al bordo della prima.

• Recipe wavecal : determina la soluzione di dispersione per ogni slitlet per passare da uno spettro in pixel ad uno calibrato in lunghezza d’onda. Per farlo, le righe di emissione trovate in ogni colonna degli Arc Lamp Frames vengono confrontate con le posizioni note del catalogo. Per ogni colonna dell’immagine sono dunque computati i coefficienti di un polinomio che rappresenta la trasformazione per passare da pixel a lunghezza d’onda e vengono usati per generare la mappa delle lunghezze d’onda (WAVE MAP). Si noti che questo passaggio porter`a, a correzione applicata, alla generazione di uno spostamento errato verso il rosso dello spettro finale, di una quantit`a che considereremo in approssimazione la stessa a tutte le lunghezze d’onda. Si genera quindi un OFFSET per tutti gli spettri contenuti nel cubo (paragrafo 6.8).

Un’altra caratteristica importante di questa recipe `e che utilizza gli output precedenti e le nuove informazioni sulla calibrazione in lunghezza d’onda per ottenere con maggiore accuratezza la posizione delle slitlets, che servir`a nel passaggio successivo per ricostruire il cubo di immagine.

• Recipe jitter : applica tutte le correzioni calcolate al target scientifico (o in generale all’oggetto che vogliamo ridurre) creando il data-cube finale. Per ogni frame scientifico (in totale ne abbiamo 6 per ogni campo) la recipe prende l’osservazione del cielo pi`u vicina temporalmente e gliela sottrae. Vengono poi applicate le correzioni per le di- storsioni geometriche, per i Flat, Dark e infine per i bad pixel, per eliminare gli effetti introdotti dallo strumento. E’ da notare che in questo passaggio pu`o essere aggiunta, in modo opzionale, la correzione per la rifrazione atmosferica utilizzando il file sta- tico ATM REF CORR. Nel nostro caso questa correzione `e stata applicata soltanto

34 Dataset e riduzione dati

nei campi ad alta risoluzione poich´e negli altri l’effetto `e trascurabile. La procedura termina con un ricampionamento dei dati in modo da costruire un cubo calibrato in lunghezza d’onda, in cui ogni piano X Y rappresenta un’immagine monocromatica del FOV osservato.

Dato che il jitter costruisce un cubo per ogni acquisizione del target scientifico, il prodotto finale della pipeline consiste in sei diversi cubi di immagine per ogni campo del mosaico, dove l’informazione spaziale `e contenuta negli assi X e Y e quella spettrale nell’asse Z.