[논문 리뷰] Projected Near-Earth Object Discovery Performance Of The Large Synoptic Survey Telescope

Steven R. Chesley, Peter Vereš|arXiv (Cornell University)|2017. 04. 25.

Gamma-ray bursts and supernovae참고 문헌 4인용 수 7

한 줄 요약

이 연구는 대규모 순시 시선 망원경(Large Synoptic Survey Telescope, LSST)이 기준 10년 동안 약 60%의 근지구체(Near-Earth objects, NEOs)를 탐지할 것으로 예측한다. 이는 절대 등급 H < 22—즉, 140m 이상의 천체—를 포함하며, 최악의 링킹 효율성 상황에서는 완전도가 55%로 떨어진다. 이전 및 향후 설문조사 기여를 포함하여 LSST는 기본 설문조사 종료 시점에 H < 22인 잠재적으로 위험한 소행성(Potentially Hazardous Asteroids, PHAs)에 대해 80±5%의 완전도를 달성할 것으로 예측된다. 이는 가짜 탐지 및 하루에 두 번의 관측만 허용하는 설계 제약에도 불구하고 성립한다.

ABSTRACT

Executive Summary This report describes the methodology and results of an assessment study of the performance of the Large Synoptic Survey Telescope (LSST) in its planned efforts to detect and catalog near-Earth objects (NEOs). LSST is a major, joint effort of the US National Science Foundation and the Department of Energy, with significant support from private donors. The project has a number of key science goals, and among them is the objective of cataloging the solar system, including NEOs. LSST is designed for rapid, wide-field, faint surveying of the night sky, and thus has an 8.4m primary mirror, with 3.2 Gigapixels covering a 9.5 deg² field of view. The system is projected to reach a faint limit of V ≃ 25 in a 30-second exposure visit to a given field and perform nearly 2.5 million visits in its 10-year survey. The baseline LSST survey approach is designed to make two visits to a given field in a given night, leading to two possible NEO detections per night. These nightly pairs must be linked across nights to derive orbits of moving objects. However, the presence of false detections in the data stream leads to the possibility of high rates of false tracklets, and the ensuing risk that the resulting orbit catalog may be contaminated by false orbits. NEO surveys to date have successfully eliminated this risk by making 3–5 visits per night to obtain confirming detections so that the single-night string of detections has a high reliability. The traditional approach is robust, at the expense of reduced sky coverage and a diminished discovery rate. The baseline LSST approach, in contrast, is potentially fragile to large numbers of false detections, but maximizes the survey performance. One of our key objectives was to investigate this fragility by conducting high-fidelity linkage tests on a full-density simulated LSST detection stream. We also sought to quantify the overall performance of LSST as an NEO discovery system, under the hypothesis that the NEO detections arising from the baseline LSST survey observing cadence can be successfully linked. We used the latest instantiation of the LSST baseline survey and the most current NEO population model to derive the fraction of NEOs detected and cataloged by LSST from among the source population. As a part of this we developed a high-fidelity detection model that accurately represented the LSST focal plane and implemented a smooth degradation in detection efficiency near the limiting magnitude, rather than the usual step function. The study carefully modeled losses from trailed detections associated with fast moving objects, and we investigated other minor effects, such as telescope vignetting, and asteroid colors and light curves. For the linking tests, we included all major sources of detections for a single selected observing cycle (full moon to full moon), leading to 66 million detections, of which 77% were false detections, 23% were main-belt asteroids, and only 0.14% were NEOs. Using only a single 8-core workstation we were able to successfully link 94% of potential NEO discoveries in the detection stream. We are confident that with appropriately-sized computation resources, some algorithmic improvements and careful tuning of the linking algorithms the linking efficiency can be significantly improved. In this simulation, 96% of objects in the NEO catalog were correctly linked. Of the 4% that involved erroneous linkages, almost all comprised detections of two distinct main-belt asteroids. This situation, known as “main-belt confusion” is fundamental to the NEO search problem and is readily resolved as the main-belt asteroid catalog becomes filled in over time. Despite the 77% rate of false detections, less than 0.1% of derived NEOs in this simulation included false detections. From these results, within the study hypotheses, we conclude that the two visits-per-night observation cadence can be successful in cataloging NEOs. This conclusion does assume a certain rate of false positives, but is unlikely to be sensitive to increases by factors of a few in the false detection rate, given the significant computational resources allocated by LSST for the problem. Our simulations revealed that in 10 years LSST would catalog ∼ 60% of NEOs with absolute magnitude H &lt; 22, which is a proxy for 140m and larger objects. This results neglects linking losses and the contribution of any other NEO surveys. Including our worst-case linking efficiency we reach a overall performance assessment of 55% completeness of NEOs with H &lt; 22. We estimate that survey mis-modeling could account for systematic errors of up to 5%. We find that restricting the evaluation metric to so-called Potentially Hazardous Asteroids (PHAs) increases the completeness by 3–4%, and that including the benefits of past and expected future NEO survey activity increases completeness at the end of the baseline LSST survey by 15-20%. Assembling these results leads to a projection that by the end of the baseline LSST survey the NEO catalog will be 80±5% complete for PHAs with H &lt; 22. As described in detail in the report, these results are largely consistent with other results obtained independently; indeed the small 1–2% variation among independent estimates of NEO completeness is remarkable and reassuring. The results above require pairs of observations in three distinct nights over no more than 12 days. A maximum linking interval of 20 days, for which high linking efficiency has not been demonstrated, leads to a 2–3% improvement in completeness. We also tested a special-purpose LSST cadence designed to enhance the NEO discovery rate, but our results show little improvement over the baseline for a ten-year survey. Surveying longer does provide an increase in completeness, by roughly 2% per year for a lone LSST and 1% per year when including contributions from other surveys. Thus, in our judgement, the H &lt; 22 PHA catalog can be expected to approach ∼ 85% completeness, but not 90%, after 12 years of LSST operation.

연구 동기 및 목표

• LSST의 기본 하루 두 번의 관측 설계에 따라 근지구체(NEOs) 탐지 및 카탈로그화 성능을 평가하기 위해.
• 가짜 탐지 및 트랙렛 연결 비효율성의 영향을 고려하여 NEO 카탈로그 완전도에 미치는 영향을 정량화하기 위해.
• 과거 및 향후 설문조사 기여를 포함하여 H < 22인 천체에 대한 전체적인 카탈로그 완전도를 추정하기 위해.
• 설문조사 모델링의 부정확성에서 기인하는 체계적 오차를 평가하기 위해.
• 일반적인 NEO 집단에 비해 잠재적으로 위험한 소행성(PHAs)에 대한 완전도를 평가하기 위해.

제안 방법

• 실제 조건을 반영한 고정밀 링킹 테스트를 수행하여, LSST 탐지 스트림의 전체 밀도 시뮬레이션에서 트랙렛 연결 성능을 평가하였다.
• 하루에 한 필드당 두 번의 관측만 허용하는 LSST 설문조사 설계를 모델링하여, 탐지 기회를 제한하고 가짜 트랙렛 위험을 증가시켰다.
• 실제 노이즈 및 배경 수준을 반영하여 움직이는 천체의 탐지 및 연결을 시뮬레이션하여 연결 효율성을 추정하였다.
• 10년간의 기본 LSST 설문조사 기간 동안의 NEO 발견률을 예측하기 위해 몬테카를로 시뮬레이션을 사용하였다.
• 링킹 손실과 설문조사 모델링 오류를 보정하기 위해 통계적 보정을 적용하였으며, 체계적 오차를 최대 ±5%까지 추정하였다.
• 기존 및 향후 예상되는 NEO 설문조사 기여를 통합하여 전체 완전도 추정치를 보정하였다.

실험 결과

연구 질문

• RQ1 성공적인 트랙렛 연결을 전제로 할 때, LSST는 10년 기준 설문조사 기간 동안 H < 22인 근지구체(NEOs)의 몇 퍼센트를 탐지할 수 있는가?
• RQ2 가짜 탐지 및 링킹 비효율성은 LSST의 하루 두 번 관측 설계 하에서 NEO 카탈로그의 완전도에 어떤 영향을 미치는가?
• RQ3 H < 22인 잠재적으로 위험한 소행성(PHAs)에 대한 예상 완전도는 얼마이며, 일반적인 H < 22 NEO 집단과 비교해 볼 때 어떻게 다른가?
• RQ4 과거 및 향후 NEO 설문조사 기여는 LSST의 전체 NEO 카탈로그 완전도에 얼마나 기여하는가?
• RQ5 설문조사 모델링의 부정확성에서 기인할 수 있는 체계적 오차는 무엇이며, 그 크기는 어느 정도일 수 있는가?

주요 결과

• 성공적인 트랙렛 연결을 전제로 할 경우, LSST는 10년 기준 설문조사 기간 동안 절대 등급 H < 22인 근지구체(NEOs)의 약 60%를 카탈로그에 포함시킬 것으로 예측된다.
• 최악의 링킹 효율성 상황에서는 H < 22인 NEOs에 대한 완전도가 55%로 떨어지며, 이는 잘못된 궤도 오염의 심각한 위험을 시사한다.
• 과거 및 향후 예상되는 NEO 설문조사 활동의 기여로 설문조사 종료 시점에 전체 완전도가 15–20% 향상된다.
• H < 22인 잠재적으로 위험한 소행성(PHAs)에 대한 완전도는 일반적인 H < 22 NEO 집단보다 약 3–4% 높게 추정된다.
• 설문조사 모델링 오류로 인한 체계적 오차는 완전도 추정치의 최대 5%까지 기여할 수 있다.
• 기본 LSST 설문조사 종료 시점에, H < 22인 PHAs에 대한 NEO 카탈로그는 LSST 성능과 외부 설문조사 기여를 종합하여 80±5% 완전도에 도달할 것으로 예측된다.