11.3 Analyse des données
11.3.2 Analyse des cartes
Production des cartes
La production des cartes est une étape très importante de l’analyse des données de Planck-HFI. Elle comprend plusieurs étapes :
– la production des données par ring à partir des TOIs, de manière à ce qu’elles se projettent ensuite parfaitement sur les pixels des cartes
– l’étalonnage en température à partir du dipôle cosmologique mesuré par WMAP, du dipôle orbital4 ou de la galaxie5
– la correction de la ligne de base de chaque ring – la projection sur les cartes
Dans le contexte de cette étude nous étudions des simulations contenant un signal composé seulement du rayonnement fossile et des rayons cosmiques ; de plus nous l’utilisons dans un but de comparaison de cartes entre elles plus que pour observer les cartes par elles mêmes.
Par conséquent l’étape de correction de la ligne de base de chaque ring est inutile (aucun des effets faisant varier la ligne de base n’est présent, elle reste égale à la température moyenne du rayonnement fossile) et l’étape d’étalonnage en température peut être limité à la conversion des watts en kelvins par un facteur constant.
Cette dernière étape est effectuée préalablement dans un programme créé indépendamment à cet effet. La projection des données sur les cartes est effectuée par le programme quickmap, développé par la collabo-ration pour une projection simple et rapide des données sur les cartes.
La figure 11.17 montre la carte de la simulation sans glitches pour le détecteur 04_217_1. C’est la carte qui nous servira de référence dans cette section.
Figure 11.17 – Carte de référence : simulation sans glitches pour le détecteur 04_217_1. Cette carte est différente de la carte 11.3 car la conversion des watts en kelvins par un facteur multiplicatif constant est approximative. Elle est suffisante pour comparer les cartes entre elles mais ne permet pas de retrouver préci-sément les valeurs de la carte d’origine en kelvin. L’échelle de couleur représente l’amplitude en microkelvin.
4. Le dipôle orbital est l’anisotropie dipolaire créée par le mouvement du Satellite autour du Soleil, on l’utilise pour l’éta-lonnage en température des cartes pour les fréquences 100, 143, 217 et 353 GHz.
chée".
Figure 11.18 – Cartes des simulations contenant des glitches pour le détecteur 04_217_1. En haut sans nettoyage des glitches, en bas avec nettoyage des glitches. L’échelle de couleur représente l’amplitude en microkelvin.
149
Estimation des fausses détections
Le principe de la détection des glitches est basé sur l’identification des points dépassant un seuil. Par conséquent il existe un pourcentage de fausse détections statistiques, correspondant à la détection des points extrêmes du signal, dont on ne peut pas s’affranchir. La détection itérative et l’ajustement des glitches par des patrons réduisent le nombre de fausses détections et permettent de détecter les glitches jusqu’à une amplitude de 3 écarts-type du bruit.
On mesure le taux de fausses détections de glitches en comptant le pourcentage de données marquées par le module despike dans une simulation ne contenant pas de glitches. Il vaut respectivement 0, 77%, 0, 64% et 0, 62% pour les détecteurs 04_217_1, 30_143_2a et 31_143_2b (à comparer aux taux de 17, 5%, 19, 5% et 7, 1% de données invalides marqués lors du nettoyage des glitches).
On estime l’effet des fausses détections de glitches en utilisant une simulation sans glitches : on compare les cartes représentant le nombre de données par pixel avec et sans marquage des faux glitches détectés. En effet cet effet se limite au marquage de points valides et donc à la réduction du nombre de points projetés sur la carte, de même que l’effet du marquage des données étudié ci dessus.
Contrairement aux prévisions les fausses détections de glitches font apparaître des trous dans la carte (un très faible nombre de trous). Ils constituent 0, 0023% des pixels de la carte (avec une définition correspondant à nside = 2048).
La figure 11.19 montre la différence entre ces deux cartes pour le détecteur 04_217_1 avec deux échelle de couleur différentes (entre 0 et 15% et entre 0 et 5%).
On constate qu’il existe deux principales différence visible entre les deux cartes.
D’une part les rings "problématiques" de la simulation font apparaître une grande différence (de l’ordre de 10 à 15%) entre les cartes, localisée sur ces rings.
D’autre part, l’effet attendu des fausse détections : une réduction faible (de l’ordre de quelques pourcent) du nombre de d’échantillon projeté sur la carte. La différence entre le nombre d’échantillon projeté sur les pixel de chacune des cartes suit la redondance. Les pixels qui contiennent le plus d’échantillons sont les moins affectés car l’effet est plus moyenné.
On obtient des résultats similaires avec les autres bolomètres. Etude de l’effet du marquage des données
Dans cette section on estime l’effet du nombre de données marquées sur les cartes, indépendamment du fait que les données marquées sont des glitches ou un autre effet.
On compare la carte du nombre d’échantillon par pixel de la simulation de référence sans glitches à celle d’une simulation dans laquelle on marque 17, 5% des données, réparties d’après le UnvalidData_Flag du bolomètre 04_217_1 (et dans les deux cas on ne projette pas les données de pointage instable).
La figure 11.20 montre les histogrammes du nombre d’échantillon par pixel de la carte de référence : sans marquage de données (en bleu), avec marquage de 17, 5% de données réparties uniformément (en orange) et avec marquage de 17, 5% de données réparties selon le UnvalidData_Flag (en rouge).
On voit un décalage entre l’histogramme sans marquage de données et les autres histogrammes. Comme attendu on voit moins de pixels contenant un grand nombre d’échantillons et plus de pixels contenant un faible nombre d’échantillons. Le nombre moyen de points par pixel décroît de 63 à 54. D’autre part on voit que les deux histogrammes avec marquages des données ont des moyennes et des écart-types très proches. La différence réside seulement dans la répartition différente sur la carte des échantillons marqués. L’effet du marquage des glitches par "paquets" d’échantillons est trop faible pour être visible car une large majorité des glitches correspond à un faible nombre de points marqué (le nombre de glitches total est très largement dominé par les petits glitches de type herbe à cause de la distribution en loi de puissance de cette population). La figure 11.21 montre la différence entre les deux cartes avec et sans marquage des échantillons corres-pondant au UnvalidData_Flag, avec deux échelle de couleur différentes (entre 0 et 100% et entre 0 et 40%) De même que pour les fausses détections de glitches, le seul effet du marquage des données est de réduire le nombre de données projetées sur la carte, mais ici le nombre d’échantillons concernés est plus important. De même que précédemment on voit apparaître des trous dans la carte. Ils représentent 0, 038% des pixels de la carte, soit 15 fois plus que pour les fausses détections (avec une définition correspondant à nside = 2048). On constate également que les rings problématiques apparaissent clairement : il peuvent faire apparaître une différence du nombre d’échantillons par pixel supérieure à 70%.
Figure 11.19 – Différence entre les cartes du nombre d’échantillon par pixel des simulations sans glitches avec et sans marquage des glitches pour le détecteur 04_217_1. La même carte de différence est représentée avec deux échelles de couleurs différentes. L’échelle de couleur représente la différence du nombre d’échantillons, en pourcentage.
l’ordre de 20 à 30% entre les deux cartes qui suit la redondance des données.
Estimation des résidus après nettoyage des données
Pour les mêmes raisons qu’on observe des fausses détections de glitches, on ne peut pas détecter l’intégra-lité des petits glitches présents dans les données. De plus nous avons vu qu’il existe également des glitches de grande amplitude qui ne sont que partiellement marqués et qui laissent dans les données un signal parasite d’amplitude non négligeable.
On estime l’effet de ces résidus en comparant la carte obtenue après nettoyage des glitches à la carte obtenue en projetant la simulation de référence.
La figure 11.22 montre la différence entre la carte de référence et la carte dans laquelle les glitches sont nettoyés, respectivement pour les bolomètres 04_217_1, 30_143_2a et 31_143_2b de haut en bas.
151
Figure 11.20 – Histogrammes du nombre d’échantillon par pixel de la carte de référence : sans marquage de données (en bleu), avec marquage de 17, 5% de données réparties uniformément (en orange) et avec marquage de 17, 5% de données réparties selon le UnvalidData_Flag (en rouge), pour le détecteur 04_217_. Abscisse : nombre de pixels. Ordonnée nombre d’échantillons par pixel.
On observe les effets cumulés du marquage des données, des fausses détections et des erreurs de nettoyage des glitches. Les résidus sont visibles sur les cartes avec une échelle de couleur correspondant à un intervalle de température du même ordre que les fluctuations du rayonnement fossile.
Les résidus sont dominés par l’effet des rings problématiques.