[论文解读] Joint Survey Processing of LSST, Euclid and WFIRST: Enabling a broad array of astrophysics and cosmology through pixel level combinations of datasets

Ranga‐Ram Chary, Gabriel Brammer+24 more|arXiv (Cornell University)|Oct 3, 2019

Astronomy and Astrophysical Research被引用 4

一句话总结

本文提出联合勘测处理（JSP），将LSST、Euclid和WFIRST的像素级数据相结合，融合高分辨率空间图像与深度地面光学数据，以减少源混淆和天体测量错位等系统误差。该方法可实现更高精度的测光星表，显著提升对宇宙学参数的约束，并推动从暗能量到星系演化的多样化天体物理学研究。

ABSTRACT

Joint survey processing (JSP) is the pixel level combination of LSST, Euclid, and WFIRST datasets. By combining the high spatial resolution of the space-based datasets with deep, seeing-limited, ground-based images in the optical bands, systematics like source confusion and astrometric mismatch can be addressed to derive the highest precision optical/infrared photometric catalogs. This white paper highlights the scientific motivation, computational and algorithmic needs to build joint pixel level processing capabilities, which the individual projects by themselves will not be able to support. Through this white paper, we request that the Astro2020 decadal committee recognize the JSP effort as a multi-agency project with the natural outcome being a collaborative effort among groups which are normally supported by a single agency. JSP will allow the U.S. (and international) astronomical community to manipulate the flagship data sets and undertake innovative science investigations ranging from solar system object characterization, exoplanet detections, nearby galaxy rotation rates and dark matter properties, to epoch of reionization studies. It will also result in the ultimate constraints on cosmological parameters and the nature of dark energy, with far smaller uncertainties and a better handle on systematics than by any one survey alone.

研究动机与目标

• 通过结合高分辨率空间图像与深度地面光学数据，解决单一勘测数据的局限性。
• 减少影响测光精度的系统性误差，如源混淆和天体测量错位。
• 为即将开展的旗舰勘测项目，创建可能的最精确光学/红外测光星表。
• 支持超越单一勘测能力的广泛天体物理与宇宙学研究。
• 倡导将JSP作为多机构协作项目，以确保长期支持与数据处理工作的整合。

提出的方法

• 对LSST、Euclid和WFIRST数据集执行像素级联合叠加，以对齐并整合不同空间分辨率和观测条件下的图像。
• 利用Euclid和WFIRST的高角分辨率，解析重叠源，提升LSST在衍射受限条件下的源去混淆能力。
• 利用空间勘测的天体测量解，校正地面星表中的位置错位。
• 在所有三个勘测中应用测光定标技术，确保光学与近红外波段的通量测量一致。
• 开发能够处理海量数据量及跨勘测复杂数据模型交互的计算处理流程。
• 通过统一的天体物理参考框架和共享的源检测与测光算法，整合多勘测数据。

实验结果

研究问题

• RQ1 如何通过LSST、Euclid和WFIRST数据的像素级组合，减少源混淆和天体测量错位等系统误差？
• RQ2 结合高分辨率空间图像与深度地面光学数据，能在测光精度和源保真度方面实现何种提升？
• RQ3 联合处理在多大程度上能增强对宇宙学参数的约束，特别是暗能量状态方程与暗物质性质？
• RQ4 实现多勘测数据集可扩展、协作式处理所需的计算与算法基础设施是什么？
• RQ5 统一的数据处理框架如何支持太阳系天体、系外行星、星系动力学以及再电离时期等多样化科学探索？

主要发现

• 联合勘测处理显著降低了与单一勘测相比的系统误差，实现了测光星表的优化。
• 高分辨率空间数据与深度地面数据的结合，改善了密集场中的源去混淆，降低了混淆噪声。
• 勘测间的天体测量对齐提升了源位置的准确性，并增强了不同波段间的测光一致性。
• 该方法可对宇宙学参数（包括暗能量状态方程与物质功率谱）施加更严格的约束，不确定性低于任一单一勘测。
• 联合处理支持新型科学应用，如对邻近星系旋转曲线的详细表征，以及在再电离时期更有效地探测高红移星系。
• 该方法需要协调一致的多机构基础设施，以管理数据体量、计算负载及各任务间算法的集成。