A CCRÉTION - ÉJECTION DANS LES MICROQUASARS À TROUS NOIRS
5.2 Observations et méthodes d’analyse temporelle .1Courbes de lumière.1Courbes de lumière
Les courbes de lumière sont extraites à partir des fichiers Standard 2 de la base de don-nées d’archives de RXTE. Les fichiers Standard 2 sont des fichiers présents dans toutes les observations et ont une résolution temporelle de 16 secondes (voir AnnexeA.2.2pour une description des différents types de fichiers de données RXTE). J’ai utilisé trois bandes d’éner-gies différentes afin de sonder les différents milieux du système : une bande molle entre 3–6 keV permettant de suivre l’évolution du taux de comptage du disque, une bande plus dure entre 6–20 keV permettant de suivre celle de la couronne, et enfin une bande totale entre 3–20 keV.
Les courbes de lumière obtenues sont représentées sur la Figure 5.4. Le panneau du haut représente la courbe de lumière dans la bande d’énergie totale où nous pouvons suivre l’évolution à long terme de la source et distinguer les quatre éruptions mentionnées dans la Section5.1.1. En regardant maintenant le panneau du bas où j’ai séparé les composantes du disque (en rouge) et de la couronne (en bleu), nous pouvons observer le comportement des différents milieux de notre système. Les éruptions commencent par une augmentation de la luminosité totale, la transition depuis l’état dur jusqu’à l’état mou se produit ensuite lorsque le taux de comptage de la bande 6–20 keV chute brutalement et que le taux de comptage entre 3–6 keV continue d’augmenter. Une fois que la luminosité maximale est atteinte, le taux de comptage du disque diminue progressivement jusqu’à ce que la source retourne dans un état de quiescence.
5.2.2 Spectres de puissance Choix de la résolution temporelle
Les fichiers Standard 2 sont très pratiques lorsque nous voulons extraire des courbes de lumière à basse résolution temporelle pour suivre l’évolution globale d’une source. Cepen-dant pour cette étude, nous voulons sonder la présence d’éventuels QPOs tout au long des éruptions. Nous avons vu dans la Section2.3.1que la résolution temporelle de notre courbe
0 250 500 750 1000 1250 1500 Countrate (c/s) 3-20 keV 52000 52500 53000 53500 54000 54500 55000 55500 Time (MJD) 0 200 400 600 800 1000 1200 Countrate (c/s) 3-6 keV 6-20 keV
Figure 5.4 –Courbes de lumières à long terme de GX 339–4. Panneau du haut : courbes de lumière dans la bande d’énergie 3–20 keV. Panneau du bas : courbes de lumière dans les bandes d’énergies 3–6 keV (en rouge) et 6–20 keV (en bleu).
de lumière est directement reliée à la fréquence de Nyquist de notre signal, qui est la fré-quence maximale jusqu’à laquelle s’étend notre spectre de puissance. Pour une résolution temporelle de 16 s par exemple, la fréquence de Nyquist est 1/(2×16) =0.03125 Hz, ce qui est bien trop faible étant donné que nous voulons observer des variations jusqu’à au moins 10 Hz. Il faut donc utiliser des fichiers avec une meilleure résolution temporelle.
J’ai donc utilisé les modes de données GoodXenon (Xe), Event (E) et Binned (B). Ces modes sont préparés à bord du satellite (afin de limiter les télémesures) et choisis a priori par les observateurs. Le problème est qu’ils possèdent des résolutions temporelles et spec-trales différentes, et couvrent également différents domaines spectraux. En conséquence, j’ai choisi une résolution temporelle de 2−10s pour les courbes de lumières extraites à partir des fichiers Xe et E, et une résolution temporelle de 2−7s pour les courbes de lumières extraites à partir des fichiers B, 2−7s étant la résolution temporelle minimum de ces fichiers. Les fichiers de type B contiennent des canaux en énergie entre 2–15 keV complémentaires à certains fi-chiers de type E dont les canaux correspondent aux énergies 15–117 keV. Cela signifie que pour pouvoir extraire la courbe de lumière sur la bande totale 3–20 keV, il faut additionner les courbes de lumière extraites des fichiers B dans la bande 3–15 keV avec celles extraites des fichiers E complémentaires dans la bande 15–20 keV.
Au final, nous aurons donc deux types de spectres de puissance : ceux qui s’étendront jusqu’aux fréquences 1/(2×2−10) =512 Hz (issus des courbes de lumières Xe et E), et ceux qui s’étendront jusqu’à 1/(2×2−7) = 64 Hz (issus des fichiers B+E). Dans les deux cas, la fréquence est suffisante pour pouvoir détecter des LFQPOs, nous verrons cependant dans la Section5.2.3que le bruit blanc (Section2.3.1) sera traité de deux manières différentes lors des ajustements de ces spectres de puissance.
J’extrais donc mes courbes de lumière avec les résolutions temporelles adéquates dans la bande d’énergie 3–6 keV, 6–20 keV et 3–20 keV en suivant la procédure standard d’analyse des données de RXTE/PCA, décrite en AnnexeA.2.2. Une fois cela fait, il ne reste plus qu’à en extraire les spectres de puissance dans chaque bande d’énergie grâce à l’outilPOWSPEC (Section4.3.1).
Extraction avecPOWSPEC
Comme je l’ai décrit dans la Section4.3.1,POWSPECa besoin que l’utilisateur lui précise certains choix de paramètres. Pour notre étude, je choisis de conserver la résolution tempo-relle de mes courbes de lumière. Étant donné que je souhaite au moins descendre jusqu’aux fréquences < 0.1 Hz. Avec une résolution temporelle de 2−10s, je choisis 32768 intervalles, soit une résolution en fréquence de 0.03125 Hz. Cela permet d’avoir une résolution fréquen-tielle suffisamment précise et un niveau de bruit acceptable. Souhaitant garder le même nombre d’intervalles pour les spectres de puissance extraits des courbes de lumière Xe, E et B, la résolution fréquentielle des spectres de puissance extraits à partir des courbes de lu-mière B+E sera de∼0.004 Hz. Les différences entre les deux types de spectres de puissance résident sur la fréquence maximale (512 Hz pour Xe/E et 64 Hz pour B+E) et la résolution (∼0.3 Hz pour Xe/E et 0.004 Hz pour B+E).
Une fois que les spectres de puissance sont correctement extraits, je convertis les fichiers sortants en format lisible par XSPEC afin de pouvoir l’utiliser pour ajuster mes spectres et mettre au point une méthode de détection automatique des QPOs.
5.2.3 Méthode de détection des QPOs
Habituellement, nous utilisonsXSPEC afin de modéliser les spectres de puissance. Cet outil fonctionne très bien, mais la tâche devient vite fastidieuse lorsqu’il s’agit d’ajuster plu-sieurs centaines de spectres.
La méthode de détection de QPOs que j’ai mise au point permet d’ajuster automatique-ment une liste donnée de spectres de puissance. En lui fournissant certains critères, le code est capable de détecter la présence d’un QPO et d’en extraire ses propriétés : fréquence, lar-geur et puissance. Le code est écrit en python et fait appelle à la librairie Pyxspec3permettant d’utiliser l’outilXSPECvia le langage python. Le logigramme de la procédure est illustré sur la Figure5.5.
Modélisation du bruit blanc
Étant donné que j’ai extrait les spectres de puissance de toute la base de données dis-ponible, certaines observations possèdent très peu de variabilité, et donc le spectre de puis-sance correspondant est un spectre plat de moyenne 2. La première étape de ma procédure consiste à ajuster le spectre avec une constante égale à 2 afin d’identifier les spectres de bruit blanc et de ne pas les sélectionner. La procédure évalue le χ2
redde cet ajustement et considère que pour χ2red<1.2, le spectre ne présente que du bruit blanc, puis passe au spectre suivant. L’adoption de cette valeur est un choix empirique basé sur de nombreux tests que j’ai effec-tués. En effet, en choisissant une valeur de χ2
redplus faible, certains spectres complètement dominés par le bruit blanc sont sélectionnés par la procédure.
En revanche, χ2red > 1.2 signifie que le spectre ne peut pas être uniquement ajusté par le bruit blanc et qu’il faut ajouter un bruit à basse fréquence et/ou un QPO. Dans ce cas là, avant d’ajouter une quelconque lorentzienne, la procédure modélise ce bruit blanc :
– pour les spectres Xe et E s’étendant jusqu’à 512 Hz : la procédure sélectionne les fré-quences 80–512 Hz afin d’enlever la présence du bruit à basse fréquence et/ou d’un éventuel QPO et ajuste cette partie du spectre avec une loi de puissance. Laisser la normalisation de la loi de puissance varier au lieu de la fixer à 2 permet d’estimer la valeur du bruit blanc exact modifié par le temps mort dû à de très forts taux de comptage (Varniere & Rodriguez,2018).
M od éli sa tio n d u br uit b lan c