[논문 리뷰] Exploring the Variable Sky with LINEAR. I. Photometric Recalibration with SDSS

Branimir Sesar, J. Stuart외 4명|arXiv (Cornell University)|2011. 09. 23.

Stellar, planetary, and galactic studies참고 문헌 34인용 수 66

한 줄 요약

이 논문은 SDSS를 기준으로 하여 LINEAR 소행성 탐사 데이터의 광도 재보정을 제시하며, 밝은 천체에서는 0.03 mag의 정밀도를 달성하고 r ∼18에서 0.2 mag의 정밀도를 확보한다. 재보정된 데이터셋은 2,500만 개 이상의 항성에 대해 평균 200회 이상의 관측을 제공하여, RR Lyr형 및 일식 쌍성과 같은 주기적 변수를 포함한 변수 천체에 대한 깊이 있는 시간 도메인 연구를 가능하게 하며, 이는 이전의 NSVS와 같은 조사들보다 동적 범위를 3 등급 더 넓히는 데 기여한다.

ABSTRACT

We describe photometric recalibration of data obtained by the asteroid survey LINEAR. Although LINEAR was designed for astrometric discovery of moving objects, the dataset described here contains over 5 billion photometric measurements for about 25 million objects, mostly stars. We use SDSS data from the overlapping ~10,000 deg^2 of sky to recalibrate LINEAR photometry, and achieve errors of 0.03 mag for sources not limited by photon statistics, with errors of 0.2 mag at r~18. With its 200 observations per object on average, LINEAR data provide time domain information for the brightest 4 magnitudes of SDSS survey. At the same time, LINEAR extends the deepest similar wide-area variability survey, the Northern Sky Variability Survey, by 3 mag. We briefly discuss the properties of about 7,000 visually confirmed periodic variables, dominated by roughly equal fractions of RR Lyrae stars and eclipsing binary stars, and analyze their distribution in optical and infra-red color-color diagrams. The LINEAR dataset is publicly available from the SkyDOT website (http://skydot.lanl.gov).

연구 동기 및 목표

• 원래 천체 운동학적 목적을 위해 설계된 LINEAR 조사의 정밀 광도 보정을 위해 SDSS를 기준 기준으로 활용하는 것.
• NSVS 및 ASAS와 같은 기존 데이터셋을 초월하여 광역 변량 조사의 깊이와 관측 빈도를 향상시키는 것.
• 변수 항성과 일시적 현상 연구를 위한 공개 가능하고 고주기, 다중 에포크 광도 데이터셋을 제공하는 것.
• 재보정된 데이터를 활용하여 광학 및 적외선 색-색 도표에서 주기적 변수의 분포를 특성화하는 것.
• 자동화된 변수 항성 탐지에 기여하기 위해 확인된 주기적 변수 7,000개의 시각적 분류 샘플을 제공하는 것.

제안 방법

• 약 10,000 deg²에 걸쳐 겹치는 SDSS 데이터를 활용하여 공통 항성을 광도 기준으로 사용하여 LINEAR 광도를 재보정한다.
• 비광학적 조건과 LINEAR 데이터의 장치적 편향을 교정하기 위해 통계적 프레임워크를 적용한다.
• LINEAR와 SDSS 간의 일치 항성 쌍을 기반으로 한 영점 오프셋 및 색에 따라 변하는 보정을 통해 magnitude를 보정한다.
• 변동성 특성화 및 허위 신호 식별을 위해 시간 시리즈 통계량(중앙값 magnitude, RMS, 카이제곱, 왜도, 첨도)을 계산한다.
• LINEAR 객체를 SDSS 및 2MASS 카탈로그와 교차 매칭하여 다중 대역 광도 분석을 가능하게 한다.
• 자동화된 탐지 방법의 보정 및 검증을 위해 약 7,000개의 주기적 변수 광도 곡선의 시각적 분류를 수행한다.

실험 결과

연구 질문

• RQ1 SDSS를 기준으로 하여 LINEAR 데이터를 재보정한 후 달성 가능한 광도 정밀도는 무엇인가?
• RQ2 LINEAR 데이터셋은 NSVS 및 ASAS와 같은 기존 광역 변량 조사와 비교해 깊이와 관측 빈도 측면에서 어떻게 다른가?
• RQ3 특히 RR Lyr형 및 일식 쌍성과 같은 주기적 변수들이 광학 및 적외선 색-색 도표에서 어떻게 분포되어 있는가?
• RQ4 비정규 분포 오차와 장치적 잡음이 고주기 조사에서 허위 변동성 탐지에 얼마나 기여하는가?
• RQ5 광도 곡선의 시각적 분류가 자동화된 변수 항성 탐지 파이프라인의 신뢰도를 얼마나 향상시킬 수 있는가?

주요 결과

• 광도 재보정을 통해 광학적 통계에 제한되지 않는 천체에서는 0.03 mag의 정밀도를 달성하였고, r ∼18에서는 0.2 mag의 정밀도를 확보하였다.
• LINEAR는 평균적으로 각 객체당 약 200회의 관측을 제공하여, SDSS 조사에서 가장 밝은 4등급의 천체에 대한 시간 도메인 연구를 가능하게 하였다.
• 이 데이터셋은 Northern Sky Variability Survey (NSVS)의 깊이를 3등급 초월하여 r ∼18까지 도달한다.
• 색-색 도표에서 주기적 변수의 분포는 RR Lyr형과 일식 쌍성의 비율이 거의 동일한 이중성 분포를 보이며 지배된다.
• 밝은 LINEAR 천체의 자유도당 카이제곱 분포는 약 1에 중심을 두고 있지만, 긴 尾도(χ² > 3)를 보이며, 이는 비정규 분포 오차로 인한 허위 변동성 탐지의 상당한 비율이 있음을 시사한다.
• 약 7,000개의 주기적 변수의 시각적 분류 결과는 향후 자동화된 변수 항성 탐지 알고리즘의 고정밀 학습 세트를 제공한다.