Apertur fotometri i IRAF

[mhansenDeltager Nova]

Hej,

Jeg ville kort nævne at jeg netop lige nu har lagt en serie af videoer ind på Youtube hvor jeg forsøger at forklare metoden til at opnå apertur fotometri ved løsning af transformationsligningerne i IRAF. Til dem der måtte være interesserede er adressen.

til den første video i en serie af 7 videoer.

Jeg vil i øvrigt høre om der evt. kunne blive oprettet en liste herinde med tidens spændende objekter samt en liste over gode referencefelter. Jeg bruger selv Stetsons referencefelter, men de dækker begge himmelhalvkugler.

Mvh,
Michael H.

[nightskyDeltager Neutron star]

God video Michael, jeg ser der nu er hele 6 videoer. 🙂

Spørgsmål:
Jeg forstår ikke din brug af flats.
Du vil ikke dividere med den rå flat, men vælger i stedet for at regne en “mod” ? ud før du laver din division. Hvad er dette “mod”?
Du siger desuden at du vil miste en masse data hvis du divider med f.eks. de 25.xxx fordi du får et meget lille tal. Den fanger jeg ikke, det er vel den samme funktion du udfører for at tage hensyn til vignettering og ccd pixel varians. Om man divider, så man får et lille tal eller divider så man er i nærheden af det oprindelige tal, ændrer ikke ved data. Du kan altid regne tilbage til dit udgangspunkt. Eller?

[mhansenDeltager Nova]

Hej Lars,

Du kan tænke det på denne måde. Når du laver fotometri er du interesseret i at tælle fotoner (ADU’er) og ønsket er derfor at få en så præcis repræsentation af af det korrekte antal fotoner detektoren har opfanget. Når du har en flat er du sådan set kun interesseret i at korrigere forskellene imellem de enkelte pixels og dermed ikke korrigere antallet af ADU’er imellem flat og science billede. Ideen med en flat er tage højde for forskelle i intensitet over hele chippen pga. forurening i lysgangen, unøjagtigheder i chippen og lign. uden at reducere dataværdierne betragteligt. Jeg vælger i øvrigt mode, fordi mode repræsenterer den værdi som træder igen flest gange på chippen. Man kunne, i princippet, også bruge middel eller median.

Lad os dermed kigge på en specifik stjerne som i snit har 6000 ADU i intensitet og flatframens mode var 25000, hvor området med denne stjerne har 25002 i ADU.

Hvis jeg blot havde reduceret med flat framen som den var, ville jeg have fået

6000 / 25002 = 0.24 ADU,

altså en betragtelig reduktion i antallet af fotoner som fotometrien skal tælle.

Hvis jeg derimod deler flatframen med mode (25002 / 25000 = 1.00008) og så reducerer, får jeg

5000 / 1.0008 = 5999.5 ADU,

altså så tæt på den oprindelige værdi som jeg startede med men stadig har taget højde for forskellen over chippen.

Håber at det kan forklare ideen bag lidt bedre. Ellers må du bare spørge igen.

Mvh,
Michael H.

[nightskyDeltager Neutron star]

Hej Michael

Kender udmærket til fotometri. Det er ikke flats som sådan, jeg spørger til.

Jeg forstår ikke hvorfor du mener der forskel på 0,24 ADU og 5999,5 ADU – begge beskriver uden datatab akkurat det samme. Jeg går ud fra du får nemhedsskyld har fjernet decimaler.
0.2399808015358771 ADU og 5999.520038396928 er jo en og samme ting. Der er ikke mistet data.
Er det fordi IRAF efterfølgende forventer fotoner tælling?

Mode: kan se den gør meget mere i IRAF. Jeg fatter dog ikke det den sidste sætning.
The midpoint and mode are computed in two passes through the image. In the first pass the standard deviation of the pixels is calculated and used with the binwidth parameter to compute the resolution of the data histogram. The midpoint is estimated by integrating the histogram and computing by interpolation the data value at which exactly half the pixels are below that data value and half are above it. The mode is computed by locating the maximum of the data histogram and fitting the peak by parabolic interpolation.

[mhansenDeltager Nova]

Hej Lars,

Ja, IRAF tæller antallet af fotoner, formodentlig ved at omdanne antallet i ADU til fotoner vha. gain. Jeg er ikke bekendt med den helt præcise mekanisme som DAOPHOT arbejder med.

Jeg prøvede desuden at lave en lille test. Jeg tog et af mine billeder og dividerede det med 20000. og kørte derefter PHOT på det.

Ved det oprindelige billede fik jeg disse værdier:


cal-OVBoo-B-2.fits 914.789 216.241 8 (stjerne) cal-OVBoo-B-2.fits.coo.8 \
914.860 216.220 0.071 -0.021 0.017 0.018 0 NoError \
123.8343 21.77041 10.27711 629 14 0 NoError \
120. 2.336934 B 2017-09-26T04:17:59.00 \
13.00 78573.75 531.178 12795.68 19.930 0.059 (magnitude) 0 NoError


På den dividerede fil fik jeg:


cal-OVBoo-B-2.fits 914.789 216.241 8 (stjerne) cal-OVBoo-B-2.fits.coo.8 \
914.860 216.220 0.071 -0.021 2.404 2.544 103 LowSnr \
0.006191717 0.00108852 5.138554E-4 629 14 0 NoError \
120. 2.336934 B 2017-09-26T04:17:59.00 \
13.00 3.928688 531.178 0.639784 30.683 1.438 (magnitude) 0 NoError

Jeg har tilføjet teksten i paranteser, så du lettere kan se de relevante dele.

Som du kan se kan man konkludere at det gør en forskel at værdierne er reducerede, selvom det er med den samme faktor over hele billedet. I det ene tilfælde får jeg en magnitude på 19.930 +/- 0.059 og i det andet tilfælde 30.683 +/- 1.438, så ikke nok med at magntuden er faldet med 11 magnituder, så er usikkerheden også steget med en faktor 24. Det er temmeligt signifikant.

mvh,
Michael H

[Forfatter]

Indlæg