Introducción a la Astronomía de Rayos X

Guía 06: Análisis de datos de Chandra

Introducción

A lo largo de esta guía veremos cómo realizar búsquedas, descargar y procesar observaciones de las cámaras ACIS y HRC del satélite Chandra, y cómo obtener los productos científicos a partir de las listas de eventos reprocesadas.

Alternativas para la búsqueda de observaciones

Existen muchas maneras de obtener observaciones de rayos X a través de la red. Damos aquí dos opciones básicas. La primera hace uso de la base de datos de altas energías HEASARC, mientras que la segunda corresponde a la base de datos de Chandra.

HEASARC → Browse →
   ingresar nombre de fuente o coordenadas y elegir misiones de rayos-X:

    https://heasarc.gsfc.nasa.gov/cgi-bin/W3Browse/w3browse.pl

Base de datos de Chandra (CDA)

    https://cxc.cfa.harvard.edu/cda/

    Vista rápida (quick picture)         https://cda.harvard.edu/pop/

    Webchaser                                https://cda.harvard.edu/chaser/

Datos de Chandra

La estructura y empaquetamiento de los datos son similares a los de XMM-Newton, aunque con algunas diferencias. A lo largo de esta guía veremos cómo reprocesar los datos crudos para obtener listas de eventos filtradas y datos de valor científico como imágenes, curvas de luz y espectros.

Crear un directorio específico donde descargar los datos de las observaciones:

        Ejemplo:        > mkdir ~/ALGO/FUENTE/

Depositar allí los datos ODF descargados de HEASARC:

        Ejemplo:         Descomprimir > tar -xvf ObsID_6732.tar

Una vez descomprimidos, podemos pasar a reprocesar las listas de eventos con la nueva base de datos de calibración (CALDB), usando el script chandra_repro de CIAO. Para ello será necesario tener inicializados los ambientes de HEASOFT (heainit) y CIAO (ciaoinit)

Pararse en el directorio de trabajo:

> cd ~/ALGO/FUENTE/OBSID

Ejecutar ls y comprobar la existencia de los directorios primary y secondary:

> ls

Lanzar HEASOFT y CIAO para comenzar a trabajar con los datos de Chandra:

> heainit

> ciaoinit

Ejecutar la tarea para reprocesar la observación:

> chandra_repro

La salida será un nuevo directorio llamado repro/ donde estarán almacenadas las listas de eventos reprocesadas. A partir de las listas de eventos, procederemos ahora a extraer imágenes, curvas de luz y espectros.

• IMÁGENES

La lista de eventos de nivel dos generada en el directorio repro/, puede usarse para obtener imágenes usando ds9. Para los datos de Chandra, en general, se recomienda utilizar una escala logarítmica y un agrupamiento de 2 o 4 fotones como máximo. La lista de eventos puede ser cargada en un marco RGB y seleccionar los fotones a través de la columna energy (en eV) para generar imágenes de falso color.

Para obtener imágenes como proyecciones de la misma lista de eventos a través de tareas específicas de CIAO, puede utilizarse dmcopy que es el equivalente a evselect de SAS.

Usando el parámetro [IMAGE] generamos una imagen, en este caso, con un agrupamiento de 4x4:

> dmcopy "acis_repro_evt2.fits[events][bin x=::4,y=::4][IMAGE]" acis_repro_img.fits

En cambio, en este caso, generamos una lista de eventos filtrada en el rango de 0.5 a 7 keV:

> dmcopy "acis_repro_evt2.fits[energy=500:7000]" acis_repro_evt2_500_7000.fits opt=all

Ayuda/Guía: https://cxc.harvard.edu/ciao/threads/dm_intro/

• DETECCIÓN DE FUENTES

Para detectar fuentes, podemos utilizar la tarea wavdetect:

> wavdetect my_input.fits source_list.fits source_cell.fits \
image.fits bkg.fits expfile=none psffile=mypsfmap.fits

donde my_input.fits es una imagen Chandra, mypsfmap.fits es generado usando, primero:

> mkpsfmap my_input.fits mypsfmap.fits energy=1.49 ecf=0.393

los productos finales incluyen una lista de fuentes source_list.fits, una imagen del mapa de celdas source_cell.fits y de fuentes image.fits y una imagen del fondo normalizado bkg.fits.

Ayuda/Guía: https://cxc.harvard.edu/ciao/ahelp/wavdetect.html

• CURVAS DE LUZ

Para extraer una curva de luz, debemos indicar a CIAO las regiones correspondientes a la fuente y al fondo a utilizar. Para ello, en lugar de introducirlas en una expresión (recordar evselect), podemos utilizar archivos de regiones en formato CIAO generados directamente por ds9.  

Cargando en ds9 la lista de eventos reprocesada:

> ds9 acis_repro_evt2.fits &

Generamos una región para la fuente (por ejemplo, un círculo) y la salvamos en formato CIAO, bajo el nombre src.reg. Repetimos lo mismo para el fondo, salvándolo bajo el nombre bkg.reg.

Con las regiones definidas y guardadas, procedemos a extraer la curva de luz usando dmextract, para, por ejemplo, obtener una curva de luz agrupada cada 100 segundos en el archivo src_lc.fits:

> punlearn dmextract

> pset dmextract infile="acis_repro_evt2.fits[sky=region(src.reg)][bin time=::100]"

> pset dmextract outfile="src_lc.fits"

> pset dmextract bkg="acis_repro_evt2.fits[sky=region(bkg.reg)]"

> pset dmextract opt="ltc1"

> dmextract

Ayuda/Guía: https://cxc.harvard.edu/ciao/ahelp/dmextract.html

• BÚSQUEDA DE VARIABILIDAD
  

La tarea glvary implementa el algoritmo de Gregory-Loredo para la búsqueda de variabilidad en una curva de luz. La tarea genera dos archivos de salida: una tabla con los resultados del estadístico P y una curva de luz que incluye los niveles de confianza a 3-σ, correspondiente al valor óptimo de agrupamiento para la detección de variabilidad. En el caso que el estadístico P < 0.5, la fuente es considerada como no variable, mientras que valores de P > 0.9 corresponden a fuentes variables.

Veamos un ejemplo de búsqueda de variabilidad en la región dada por el archivo src.reg que corresponde a una fuente ubicada en el CCD 3 (ccd_id=3).

> dither_region infile=pcad_asol1.fits region="region(src.reg)"  \

                outfile=fracarea.fits

> glvary infile="acis_evt2.fits[sky=region(src.reg),ccd_id=3]" \

         effile="fracarea.fits[cols time,dtf=fracarea]" \

         outfile=gl_prob.fits lcfile=lc_prob.fits

Ayuda/Guía: https://cxc.harvard.edu/ciao/ahelp/glvary.html

• ESPECTROS
  

Para extraer espectros de una región incluida en el archivo src.reg (en formato CIAO), considerando un fondo incluido en el archivo bkg.reg, puede utilizarse la tarea specextract:

> punlearn specextract

> pset specextract infile="acisf00459_repro_evt2.fits[sky=region(src.reg)]"

> pset specextract outroot=spec

> pset specextract binspec=16

> pset specextract bkgfile="acisf00459_repro_evt2.fits[sky=region(bkg.reg)]"

> pset specextract weight=no correctpsf=yes
> specextract

El parámetro weight=no es utilizado para calcular el área efectiva correspondiente a una fuente puntual, acompañado por el parámetro correctpsf=yes . En caso de tratarse de una fuente extendida, se utilizan los valores por defecto: weight=yes y correctpsf=no. El parámetro binspec corresponde al agrupamiento mínimo de fotones por cada canal, mientras que outroot es el prefijo de salida de todos los archivos que se generan (espectros, matrices y grupo que, en este caso, se denominará: spec_grp.pi, y será el archivo que cargaremos en XSPEC para ajustar el espectro de la fuente).

Ayuda/Guía: https://cxc.harvard.edu/ciao/ahelp/specextract.html