Les images brutes doivent être traitées avant d’être utilisées à des fins scientifiques puisqu’elles ne contiennent pas que le signal de l’objet étudié. Elles sont aussi affectées par les imperfections des instruments utilisés ainsi que par ce qui se trouve sur la ligne de visée. Les étapes de la réduction – faites avec les logiciels IRAF2, ORBS (Martin 2015) ou IDL3selon le cas pour les données longue-fente et les données SpIOMM – sont reprises une à une dans les paragraphes suivants.
2. Image Reduction and Analysis Facility (http://iraf.noao.edu/). 3. Interactive Data Language (http://www.exelisvis.com/).
2.3.1 Spectrographe longue-fente Niveau de base électronique
Pour commencer, on doit soustraire le niveau de base électronique du CCD des données. Sur chaque image, il y a une section qui n’est pas exposée à la lumière et dont le signal est uniquement dû au biais (cette section est indiquée dans l’entête du fichier des images). Pour éliminer ce signal, on utilise la tâche colbias4 qui calcule un signal moyen dans chaque ligne de la région du biais, ajuste une fonction sur ce signal moyen (selon l’axe des colonnes) et soustrait cette fonction à toutes les lignes de l’image. La fonction utilisée est un polynôme d’ordre 3. La routine colbias peut être utilisée en mode interactif ce qui permet de vérifier l’ajustement manuellement. Dans le cas d’un objet très brillant, une étoile destinée à la calibration en flux par exemple, il arrive que le signal de l’objet ait débordé sur la section réservée à l’estimation du biais de lecture. Il faut donc s’assurer de sélectionner seulement les colonnes qui n’ont pas été affectées par ce phénomène. Pour déterminer la section à utiliser, il suffit d’inspecter les images à l’aide de la tâche implot ou du logiciel DS95. Une fois le biais de lecture soustrait, on coupe les images avec la routine imcopy afin de ne garder que la région pertinente pour l’objet observé.
Biais
Pendant la mission d’observation, une dizaine d’images ont été prises avec un temps d’expo- sition nul afin d’étudier la fluctuation du niveau de base électronique du CCD. Pour éliminer ce signal, on commence par faire la moyenne des images de biais avec la tâche imcombine. Le biais moyen est ensuite soustrait de toutes les images (galaxies, étoiles, plages uniformes, etc.) à l’aide de la tâche imarith.
Plage uniforme
La plage uniforme sert à tenir compte de la réponse pixel à pixel du détecteur. En effet, chaque pixel réagit différemment lorsqu’il est exposé à la lumière à cause des d’impuretés des matériaux, par exemple. Pour évaluer cet effet, on a observé un écran uniformément éclairé pendant quelques secondes. La sensibilité du CCD dans la partie « bleue » et la partie « rouge » de l’image est très différente et en fonction de la température de la lampe, il a donc fallu utiliser des temps de pose différents pour obtenir un signal raisonnable dans le bleu (tout en saturant le côté rouge en 10 secondes) ou dans le rouge (2 secondes pour éviter sa saturation). Pour créer une l’image finale de la plage uniforme, j’ai combiné la première moitié de la plage uniforme bleue avec la seconde moitié de la plage uniforme rouge après leur normalisation. J’ai utilisé la tâche response pour normaliser les plages uniformes. Notons que c’est la forme globale du
4. Toutes les étapes de réduction de données en ce qui concerne les données longue-fente ont été faites avec les routines du logiciel IRAF.
flat qui a été ajusté et non pas les imperfections (voir Fig. 2.2 et 2.3). Cette tâche fait une moyenne de toutes les lignes, l’ajuste à l’aide d’une fonction (« spline3 » à l’ordre 12 dans mon cas) et divise toutes les lignes par cette fonction, ce qui effectue la normalisation de l’image. C’est seulement après ces opérations qu’on peut combiner les sections bleue et rouge pour obtenir une seule plage uniforme normalisée à l’aide de la tâche imcopy.
La plage uniforme comportait des structures inhabituelles dans la portion rouge : de grandes ondulations amples superposées à des petites, plus serrées. Ce phénomène est dû à des effets d’interférence de couche mince dans le détecteur aux longueurs d’onde de la partie « rouge ». Ces franges s’additionnent à la réponse du détecteur à la lumière, qui a l’apparence d’un corps noir, et se retrouvent aussi sur les images de la galaxie. Ce problème était présent en 2006 et en 2011. La correction a été effectuée de la même façon dans les deux cas. Pour remédier à ce problème, il a fallu dévier de la procédure habituelle d’ajustement de la partie rouge et utiliser une fonction qui imite un corps noir sous les franges d’interférence en ajoutant des points avec un poids important pour forcer la fonction à prendre la forme désirée (voir Fig. 2.2). Il est normal que des structures restent dans l’image de la plage uniforme normalisée et c’est même souhaitable, car elles vont justement éliminer ces mêmes structures qu’on peut voir dans les spectres de la galaxie.
Figure 2.2 – Ajustement de la plage uniforme. Une ligne de la plage uniforme est présentée (en noir) avec la fonction ajustée (en rouge). Cette plage uniforme a été prise avec le CCD EEV42-80 en 2006 pour des fins de démonstrations, mais les structures étaient aussi présentes en 2011 avec le CCD STA0520Ab.
La Figure2.3est une image de plage uniforme normalisée obtenue avec le CCD STA0520Ab. Ce dernier présente beaucoup plus de taches et il faut s’assurer que les diverses signatures du gaz et des étoiles (raies d’émission et d’absorption) ne sont pas affectées par ces défauts. Bien qu’on divise ces images par la plage uniforme normalisée, on ne peut pas supposer que cela corrige parfaitement les images pour les défauts. La position de chaque tache sur les spectres
Figure 2.3 – Plage uniforme normalisée
a été notée. Le Tableau2.3liste la position des taches les plus importantes en fonction de leur longueur d’onde, après avoir subi la calibration spectrale expliquée au paragraphe suivant et en tenant compte de l’alignement spatial des différentes images ainsi que du décalage vers le rouge de la galaxie. Les raies qui vont servir à calculer les différents paramètres du gaz et des populations sont explicitées dans le Tableau2.5. Finalement, aucune raie n’est affectée par les taches sur le CCD STA0520Ab.
Tableau 2.3 – Domaines de longueur d’onde affectés par des taches sur le CCD STA0520Ab
5570 - 5599 Å 5837 - 5855 Å 6028 - 6044 Å 5611 - 5635 Å 5985 - 6005 Å 6073 - 6287 Å
Calibration en longueur d’onde
Avant de calibrer en longueur d’onde, il est préférable de tourner les images afin d’aligner le mieux possible l’axe de dispersion avec les lignes du CCD. Cette étape facilitera la calibration en longueur d’onde, la soustraction des raies du ciel et l’écrasement en deux dimensions des spectres des différentes régions de la galaxie. Pour déterminer l’angle de rotation, j’ai calculé la différence entre la hauteur du centre de la galaxie (c’est-à-dire la ligne correspondant au pic central de cette région) au début et à la fin de l’image et j’ai fait le rapport entre cette mesure et la longueur de l’image (qui correspond au nombre de colonnes).
La calibration en longueur d’onde est ensuite faite ligne par ligne et non pas sur l’ensemble des lignes de chaque région de la galaxie que l’on veut étudier. Ainsi, s’il y a courbure des images selon l’axe spatial, la calibration en longueur d’onde corrige la distorsion en replaçant chaque pixel d’une ligne à la bonne position sur l’axe spectral. L’écrasement en deux dimensions des lignes d’une région n’ajoute pas de dispersion en longueur d’onde, c’est-à-dire que cette étape n’affectera pas la résolution spectrale effective.
Il y a deux façons de procéder pour la calibration en longueur d’onde : avec les raies du ciel ou avec un spectre de lampe CuAr. L’avantage d’utiliser les raies du ciel est que leur distribution est uniforme à travers le spectre, ce qui n’est pas tout à fait le cas pour la lampe CuAr, où il y a peu de raies dans la partie bleue du spectre. J’ai toutefois utilisé les deux méthodes.
Pour les galaxies, j’ai adopté la méthode de calibration avec les raies du ciel puisque le temps d’exposition était assez long pour obtenir suffisamment de signal dans ces raies. Pour les étoiles, le temps d’exposition était trop court et le niveau de ciel, trop faible pour utiliser cette méthode. J’ai alors calibré les spectres d’étoiles avec les spectres de lampe CuAr.
La méthode qui consiste à utiliser les raies du ciel offre un autre avantage pour les longues expositions des galaxies du fait que le spectre de calibration est à même le spectre de l’objet. En effet, la distorsion géométrique est par conséquent mieux prise en compte, puisqu’il y a correspondance parfaite entre les deux spectres. L’identification des raies du ciel a été faite en me basant sur les articles d’Osterbrock & Martel (1992) et d’Osterbrock & Donald (1996) ainsi que sur le site internet de l’Université de Keele6 car ces données ont une résolution semblable à la mienne. J’ai choisi les raies explicitées dans le Tableau 2.4parce qu’elles sont plus fortes et qu’elles couvrent l’entièreté du spectre. J’ai aussi laissé tomber les raies trop larges ou trop irrégulières pour faire une bonne calibration. Pour identifier les raies des spectres de la lampe CuAr, j’ai utilisé le spectre de référence sur le site internet de l’OMM, dans la section « catalogue des lampes ».
Tableau 2.4 – Raies du ciel utilisées pour la calibration en longueur d’onde des spectres de la galaxie
Raies Longueur d’onde Raies Longueur d’onde
rÅs rÅs HgI 3650 7-2 P1(3.5) 6923.220 HgI 3663 8-3 Q1(1.5) 7276.405 HgI 4047 8-3 P1(2.5) 7316.282 HgI 4078 8-3 P1(3.5) 7340.885 HgI 4358 9-4 Q1(1.5) 7750.640 rOIs 5577 9-4 P1(2.5) 7794.112 HgI 5770 9-4 P2(2.5) 7808.467 HgI 5791 9-4 P1(3.5) 7821.503 9-3 R1(1.5) 6235.949 9-4 P2(3.5) 7841.266 9-3 Q1(1.5) 6257.961 5-1 R1(1.5) 7870.730 rOIs 6300 5.1 Q1(1.5) 7913.708 9-3 P1f(4.5) 6329.933 5-1 P1(2.5) 7964.650 rOIs 6363.780 5-1 P2(2.5) 7979.768 7-2 Q1(1.5) 6863.955 5-1 P1(3.5) 7993.332
À ce stade-ci, j’ai vérifié si certaines raies intéressantes des régions de la galaxie se superposent à des raies du ciel (en tenant compte du décalage vers le rouge de la galaxie). Malheureusement, la raie d’oxygène [OI]λ6300 est décalée à 6365 Å et tombe au même endroit que la raie de ciel [OI]λ6363. On remarque que la raie du ciel a déformé la raie provenant de la galaxie lorsqu’on fait un gros plan sur celle-ci. Je ne pourrai donc pas me fier aveuglément aux diagnostics
utilisant cette raie.
Peu importe la méthode, la tâche identify sert à localiser les raies à partir d’un fichier contenant une liste de raies propres au spectre de calibration choisi après qu’on en ait identifié quelques- unes manuellement. Il faut s’assurer que la tâche a repéré les bonnes raies pour l’identification avant d’aller plus loin. La tâche identify donne aussi la fonction de dispersion. Il faut faire l’ajustement à l’ordre le plus bas possible. La tâche reidentify permet de refaire la même procédure de haut en bas de l’image. Cette tâche se servira de la ligne de référence calibrée à l’aide de la routine identify afin de trouver les raies correspondantes à chaque ligne. Il est très important de vérifier les raies trouvées automatiquement avec reidentify et pas uniquement le résidu, car il arrive que la tâche confonde une raie avec un rayon cosmique (ou avec une autre raie si la distorsion est importante) et ce défaut peut mener à un décalage des raies sur les lignes suivantes et donc un décalage en longueur d’onde du haut au bas de l’image (cette dernière remarque s’applique surtout à la calibration avec les raies du ciel, puisque le spectre ne comporte pas que le spectre de calibration). Avec reidentify, j’ai pu obtenir une calibration qui se répète très bien d’une image à l’autre. La calibration en longueur d’onde est une étape cruciale car, lors de l’addition des images, les raies ne doivent pas être décalées les unes par rapport aux autres, sinon cela affectera les diagnostics et surtout les mesures de vitesse et de dispersion des vitesses faites à partir du centroïde et de la largeur des raies.
Si la calibration a été faite à l’aide des raies du ciel, la tâche fitcoor sert à établir la solution de dispersion en longueur d’onde et à corriger les spectres pour la distorsion géométrique. Cette routine ajuste une fonction en x et en y. J’ai utilisé des polynômes de Legendre à l’ordre 4 en x et à l’ordre 2 en y. Il est toujours temps de supprimer des raies si elles semblent erronées. Après cette étape, il ne reste qu’à faire fonctionner la tâche transform, qui sert à appliquer les solutions de dispersion trouvées avec fitcoor sur les images.
Pour les images dont la calibration a été faite avec le spectre de la lampe CuAr, il faut rajouter un mot clé dans l’entête de l’image de l’objet (REFSPEC1) et lui assigner le nom du spectre de CuAr associé. Ceci se fait avec la tâche hedit. Ensuite, il faut faire rouler la tâche dispcor qui va appliquer la solution de dispersion à l’image de l’objet.
Soustraction du ciel
Pour soustraire le ciel, j’utilise la fonction background. Je considère seulement les sections de ciel en évitant les régions de la galaxie et j’ajuste une fonction sur le niveau moyen du ciel colonne par colonne. Il peut être nécessaire d’ajuster les paramètres de rejet si l’image comporte des rayons cosmiques dans les régions sélectionnées du ciel. Il faut rejeter les pixels déviants de façon à ce que la fonction représente bien le niveau moyen du ciel. Il est possible d’effectuer cette vérification de façon interactive avec la routine background. J’ai dû éliminer des points à la main aux endroits les plus critiques afin de bien modéliser le ciel. La routine background ajuste la fonction choisie, en général un polynôme de Legendre à l’ordre 5 dans
mon cas, et soustrait l’ajustement de toute l’image colonne par colonne. L’ordre de la fonction doit rester assez bas pour bien interpoler les régions couvertes par le signal de l’objet, entre les régions de ciel échantillonnées. Cette opération aurait pu être faite après le rejet des rayons cosmiques et la combinaison des images. Ces opérations ont pour effet d’augmenter la rapport signal-sur-bruit (S/B) du fond du ciel, ce qui améliore son ajustement. Cependant, la routine background permet l’élimination des rayons cosmiques lors de la détermination du fond du ciel, ce qui permet tout de même d’effectuer une correction rigoureuse.
Calibration en flux
La calibration en flux consiste à observer une étoile, dite standard, dont le spectre est bien connu en flux absolu, pour ensuite trouver le facteur multiplicatif à chaque longueur d’onde (qu’on appelle fonction de sensibilité) qui tient compte de la correspondance entre le spectre observé (en nombre de comptes) et le spectre attendu (en unités de flux). On peut ensuite appliquer cette solution pour étalonner les spectres de la galaxie en flux, étant donné que les conditions d’observation de l’étoile et de la galaxie étaient semblables.
Pour commencer, il faut « écraser » la trace des étoiles de calibration en une seule dimension spatiale. On utilise la tâche apsum, qui permet d’ajuster une fonction sur la trace de l’étoile (qui souvent n’est pas linéaire), de déterminer la largeur de la trace et ensuite d’additionner les pixels de la trace qui ont une même longueur d’onde afin de former un spectre en deux dimensions. Les spectres de plusieurs étoiles standard ont été calibrés en flux séparément afin de vérifier si les fonctions de sensibilité sont cohérentes entre elles au cours de la nuit et au cours de la période d’observation et aussi pour vérifier la qualité du ciel lors des poses. La tâche standard se charge d’échantillonner le spectre d’une étoile standard et de le comparer à un fichier des caractéristiques théoriques de l’étoile présent dans les bases de données de IRAF. Cette tâche produit un fichier « std » qui contient l’information nécessaire au fonctionnement de la tâche sensfunc. Cette dernière permet d’ajuster une fonction de sensibilité qui tient compte du site de l’observation et de la masse d’air de l’étoile lors de l’observation. Une fois les fonctions de sensibilité vérifiées, je les ai combinées avec la tâche imcombine. La dernière étape consiste à appliquer la fonction de sensibilité sur les images des galaxies avec la tâche calibrate. Ainsi, les images des galaxies sont calibrées en flux ligne par ligne. Il ne faut pas corriger pour l’extinction atmosphérique avec les options de la tâche calibrate, puisque nos spectres d’étoiles standard sont déjà corrigés pour cet effet à travers la fonction de sensibilité. La calibration en flux m’a causé plusieurs maux de tête. En effet, l’allure des fonctions de sensi- bilité varie de façon considérable. Ce problème s’explique par le fait que la qualité du ciel était très variable d’une nuit à l’autre (à cause du passage de nuages et de la Lune, entre autres) et même au cours d’une nuit. Ainsi, les images d’étoiles standard n’étaient pas assez nombreuses à chaque nuit et avaient des temps d’exposition trop courts pour donner une indication fiable des conditions moyennes qui prévalaient lors de l’observation des galaxies. Pour remédier à
ce problème, j’ai fait la médiane de toutes les fonctions de sensibilité des nuits de 2011 et de 2006, par année. Cela m’a permis de trouver une fonction de sensibilité qui tient compte des conditions moyennes d’observation et qui est moins sensible aux conditions particulières lors de l’observation d’une étoile pendant un laps de temps très court. L’incertitude sur le flux associée à cette opération est d’environ 2% pour les spectres de 2006 et de 6% en 2011, si on se fie aux fluctuations maximales des fonctions de sensibilité par rapport à la médiane. Combinaison des images
Pour additionner les images, la tâche qui a donné le meilleur résultat est crrej. Cette tâche propose un algorithme de rejet, qui peut être itératif, basé sur des modèles de bruit et qui propose l’exclusion de pixels en fonction d’un multiple de l’écart-type à déterminer. Il est possible de poser un critère de rejet plus sévère près des pixels ayant été rejetés afin de bien traiter les rayons cosmiques. Pour bien fonctionner, les images se doivent d’être parfaitement superposées autant sur l’axe spatial que sur l’axe de dispersion. Le fait d’aligner les images sur le plan spatial permet aussi d’enlever les pixels chauds s’il y a lieu, qui ne se retrouvent plus superposés. Pour les nuits du 26 et 27 mars 2006, j’ai dû additionner les images à la main après les avoir calibrées en flux individuellement, car le niveau de flux de la raie Hα variait un peu d’une image à l’autre, ce qui causait le rejet de plusieurs pixels intenses dans cette raie qui n’étaient pourtant pas affectés par les rayons cosmiques. La différence de flux est causé par un déplacement de la fente d’image en image, mais l’addition des images contribue à améliorer le rapport S/B.
J’ai utilisé apsum pour écraser les images en deux dimensions en prenant des sections fixes après m’être assuré que les traces étaient les plus droites possible par rapport à l’axe spatial. En effet, certaines régions ont un signal trop faible pour que leur trace soit bien modélisée. Un autre avantage de prendre des sections fixes est d’utiliser la totalité du flux, même si l’intensité de celui-ci sur le plan spatial n’atteint pas un maximum marqué pour certaines régions. Pour mieux voir l’allure de la galaxie, j’ai changé les paramètres « line » et « nsum » pour que « line » corresponde au milieu de l’image (environ 1380 pour mes images) et « nsum » à environ 1000. Ces paramètres qualifient la section que apsum montrera en mode interactif pour choisir les sections à sommer. Les paramètres que j’ai ajustés spécifient donc à la tâche apsum de moyenner les 1000 lignes (ou colonnes) de part et d’autre du centre pour montrer le