3.2 Le syst`eme d’analyse en temps r´eel
4.1.5 Caract´erisations
Dans cette partie sont pr´esent´ees les statistiques sur la caract´erisation manuelle des objets
variables. Comme nous l’avons d´ej`a vu, cette caract´erisation s’effectue par le biais d’un formulaire
en ligne permettant `a un membre de la collaboration de d´efinir la nature des objets parmi une
dizaine de choix impos´es. L’utilisateur peut choisir de valider un objet s’il consid`ere qu’il s’agit
78 CHAPITRE 4. ANALYSE DES DONN ´EES DU RTAS
Fig. 4.6 – Une fois la recherche accomplie, une page apparaˆıt avec les r´esultats de la recherche,
offrant la possibilit´e de t´el´echarger diff´erentes donn´ees correspondant `a l’objet trouv´e.
bien d’une variation de magnitude d’origine astrophysique, ou bien de le rejeter dans le cas
contraire. Les r´esultats sur les caract´erisations permettent de juger l’aptitude du RTAS `a s´eparer
les fausses d´etections des vrais objets variables. Ces r´esultats ´etant sensiblement similaires d’une
4.1. STATISTIQUES 79
Fig.4.7 –Exemple d’utilisation du formulaire de recherche pour un candidat afterglow du RTAS.
L’objet est pr´esent sur les trois images de gauche, qui correspondent `a une comparaison triple,
mais est absent des autres images du mˆeme champ `a droite, o`u il est remplac´e par un ast´ero¨ıde
dans la seconde image. Ce candidat s’av`ere en fait ˆetre un objet trans-neptunien, du fait de son
l´eger d´eplacement dans les trois images de gauche (voir la valeur ”distance”, qui correspond `a la
distance entre la position de l’objet et celle donn´ee en entr´ee du formulaire). Dans ce cas-l`a, une
v´erification a ´et´e effectu´ee avec le Minor Planet Checker, dans lequel on retrouve bien l’objet `a
la position attendue.
p´eriode d’observation `a l’autre, tout du moins en proportion, j’ai choisi ici de ne pr´esenter que
ceux du run 05AQ01 (voir tableau 4.4).
Les 103 images acquises durant le run 05AQ01 atteignent la profondeur deg
′= 23,3.
Pour-tant, ce sont celles qui contiennent le plus petit nombre d’objets par degr´e carr´e, environ 29 450.
Le traitement de ces images par le RTAS a men´e `a 24 comparaisons triples et 28 comparaisons
doubles. Parmi l’int´egralit´e des comparaisons, celles de 05AQ01 sont celles qui contiennent un
des plus grand nombres d’objets d´etect´es variables par million d’objets communs. On peut donc
consid´erer cette p´eriode d’observation comme la moins performante du point de vue du
traite-ment. Ceci est majoritairement dˆu `a la qualit´e bien moindre de l’image seule du doublet par
rapport aux images du triplet.
Il apparaˆıt de ces statistiques sur la caract´erisation qu’une grande partie des objets d´etect´es
variables par le RTAS ne sont pas r´eellement variables, mais d´ecoulent de probl`emes dans le
processus de d´etection. Environ 90% des objets ont ´et´e rejet´es par les membres de la collaboration
comme fausses d´etections. Parmi celles-ci, on trouve beaucoup de probl`emes dˆus au seeing. Si
on s’attarde sur les magnitudes de compl´etude obtenues au cours des diff´erents traitements,
on remarque que celles des comparaisons doubles sont tr`es nettement inf´erieures `a celles des
catalogues et des comparaisons triples, avec une valeur de g
′= 22,6. On peut donc en conclure
que les images seules des doublets sont de moins bonne qualit´e que les images acquises durant la
mˆeme nuit, et ceci `a cause de conditions climatiques d´efavorables. Comme je l’ai expliqu´e dans
la section 3.2.2, ceci entraˆıne des variations de magnitude difficilement corrigeables de mani`ere
80 CHAPITRE 4. ANALYSE DES DONN ´EES DU RTAS
Tab. 4.4 –Statistiques sur la caract´erisation des objets variables du run 05AQ01
Triple Pourcentage Double Pourcentage
Sans commentaire 1 0,41 0 0
Rayons cosmiques 10 4,13 31 9,48
D´efaut CCD 42 17,36 100 30,58
Bord du CCD 2 0,83 9 2,75
Probl`eme de Seeing 113 46,69 129 39,45
Objet Contamin´e 55 22,73 9 2,75
Objet Faible 0 0 5 1,53
Autre 0 0 0 0
Galaxie 2 0,83 5 1,53
Etoile Variable 17 7,03 39 11,93
TNO 0 0 0 0
Candidat 0 0 0 0
Rejet´e 222 91,7 283 86,54
Valid´e 19 7,8 44 13,46
globale, et donc un nombre de fausses d´etections grandement accru.
Une autre partie, non n´egligeable, des fausses d´etections provient des d´efauts CCD, ou plutˆot
d’objets travers´es par ou `a cˆot´e de d´efauts CCD. Ces d´efauts au sein de la mosa¨ıque provoquent
des variations de magnitude importantes, puisque chaque point comptabilis´e pour un objet est
consid´er´e comme un point n’ayant re¸cu aucun photon. Les objets touch´es par les d´efauts CCD
sont des objets ´etendus, puisque nous retirons des objets variables tout ceux dont le centre
est plus proche que 10 pixels d’un d´efaut. Les comparaisons doubles sont plus touch´ees par ce
type de fausses d´etections, car, les images ´etant souvent d´ecal´ees de quelques pixels, les objets
proches de d´efauts CCD sont plus facilement ´elimin´es dans les comparaisons triples, puisque
nous retirons des objets variables les objets touch´es par un d´efaut sur au moins une des images.
On peut enfin noter un nombre important de fausses d´etections dues `a des objets contamin´es
dans les comparaisons triples. La magnitude de ces objets est fauss´ee par la pr´esence d’un astre
proche plus brillant qu’eux. Il sont plus facilement class´es comme objets variables dans les
comparaisons triples, la tol´erance sur la diff´erence de magnitude ´etant moindre.
Les objets variables valid´es repr´esentent environ 8% pour les comparaisons triples et 13%
pour les comparaisons doubles. La majorit´e d’entre eux est des ´etoiles variables. Aucun objet
n’a ´et´e class´e comme TNO durant cette p´eriode d’observation
1; n´eanmoins, il faudrait regarder
les r´esultats de la d´etection automatique d’ast´ero¨ıdes pour ˆetre certain qu’aucun d’entre eux
n’´etait dans les images. De mˆeme, aucun objet variable n’a ´et´e suffisamment int´eressant pour
ˆetre class´e en tant que candidat. Pour les runs trait´es en temps r´eel, nous obtenons en g´en´eral
un ou deux candidat s´erieux, que nous tentons de discriminer en recherchant sa pr´esence dans
les images du mˆeme champ acquises durant des p´eriodes d’observation diff´erentes, un mois ou
un an auparavant.
Ces statistiques sur la caract´erisation des objets montrent tr`es clairement notre point de
1. Un TNO peut ˆetre d´etect´e comme objet ayant disparu ou ´etant apparu par le RTAS si son mouvement entre les images de la comparaison triple n’est pas suffisant pour le classer comme objet seul.