| Abstract | In the very-high-energy range, both the low flux of cosmic gamma rays and their inability to
penetrate the atmosphere, limit direct observations of cosmic phenomena. Over the past three
decades, the Imaging Atmospheric Cherenkov Technique has become a powerful tool in the veryhigh-energy gamma-ray astronomy. As their name implies, Cherenkov telescopes observe gamma
rays indirectly by capturing short flashes of Cherenkov light produced in the cascade of secondary
particles in the atmosphere. Although an integral part of the detector, the atmosphere is also a
source of systematic uncertainties. The scattering and absorption of Cherenkov light by aerosols
and clouds result in the loss of Cherenkov photons that would otherwise trigger the telescopes,
reducing the Cherenkov light yield and effective area.
To investigate the cloud-related effects on the reconstruction of gamma-ray-induced air showers
observed with the Cherenkov Telescope Array, the next-generation observatory for very-high-energy
gamma-ray astronomy, an extensive database of dedicated Monte Carlo simulations was generated.
The transmission profiles were obtained using the MODerate resolution atmospheric TRANsmission
band model algorithm. The effects of clouds were evaluated by analyzing the simulated data and
calculating the instrument response functions for two different analyses, depending on the Monte
Carlo simulations used to build Random Forest models for classifying the parent particle of the
detected air shower and estimating its energy and direction: the adaptive Monte Carlo simulations
that include clouds and the standard Monte Carlo simulations for clear sky conditions.
The effects of clouds on performance parameters such as energy resolution and energy bias can
be reduced to the level of standard systematic uncertainties for observations in a clean atmosphere
using adaptive Monte Carlo simulations. At the same time, it is important to note that clouds
inevitably increase energy threshold and degrade effective area and differential sensitivity. This
cannot be corrected even by applying adaptive simulations, as it is impossible to reconstruct events
that are not detected. Using standard Monte Carlo simulations in the sample to create Random
Forest models further degrades the performance of the Cherenkov Telescope Array and leads to
significant energy bias and poor energy resolution. In such cases, the effective area and differential
sensitivity are further decreased (by up to 50% compared to adaptive Monte Carlo simulations).
Nevertheless, for La Palma, where most clouds are located at an altitude of more than 8 km above
sea level, their influence on the angular resolution is of minor importance (≲ 10%), as no significant
differences are observed between standard and adaptive Monte Carlo simulations.
The method of adaptive Monte Carlo simulations was also tested on the Crab Nebula data taken
during the joint observations of the LST-1 and MAGIC telescopes in the presence of clouds. The
results show that the method can reconstruct the spectrum of the Crab Nebula with an accuracy
of ≲ 10% above 100 GeV. By precise modeling of the atmospheric conditions and including
them in the simulation chain, systematic uncertainties can be minimized to the level of clear sky
observations. |
| Abstract (croatian) | U području vrlo visokih energija, dva čimbenika ograničavaju izravna opažanja kozmičkih pojava teleskopima na površini Zemlje: niski tok kozmičkog gama-zračenja i nemogućnost prolaska gama-zračenja kroz cijelu atmosferu. Tijekom posljednja tri desetljeća atmosferska Čerenkovljeva tehnika pokazala se kao moćni alat u astronomiji visokoenergijskog gama-zračenja. Kao što samo ime govori, Čerenkovljevi teleskopi opažaju gama-zrake posredno, detektirajući kratke bljeskove Čerenkovljevog zračenja emitiranog u pljuskovima sekundarnih čestica u atmosferi nastalim pri interakciji primarnih gama-zraka i atmosferskih molekula. Kao sastavni dio detektora, atmosfera je također izvor sistematskih pogrešaka. Ekstinkcija Čerenkovljevog zračenja na aerosolima i oblacima vodi gubitku Čerenkovljevih fotona koje bi teleskopi detektirali u uvjetima čiste atmosfere, smanjujući prinos Čerenkovljeve svjetlosti i efektivnu površinu. Kao rezultat toga, rekonstruirana energija i tok gama-zračenja najčešće su podcijenjeni. Kako bi se istražili učinci oblaka na rekonstrukciju pljuskova čestica induciranih gama-zračenjem teleskopima CTA, opservatorija za gama-zračenje vrlo visokih energija sljedeće generacije, generirana je opsežna baza podataka namjenskih Monte Carlo simulacija. Transmisijski
profili u prisustvu oblaka potrebni za Monte Carlo simulacije modelirani su pomoću računalnog paketa MODTRAN. Učinci oblaka evaluirani su analizom simuliranih podataka i računanjem funkcija odziva instrumenta za dvije različite analize, ovisno o Monte Carlo simulacijama korištenim za izradu Random Forest modela (koji se koriste za klasifikaciju primarne cestice koja je inducirala detektirani pljusak sekundarnih čestica te procjenu njezine energije i smjera): prilagođene Monte Carlo simulacije koje uključuju oblake i standardne Monte Carlo simulacije za atmosferu bez oblaka.
Istraživanje je pokazalo da se u prisustvu oblaka broj detektiranih događaja smanjuje, napose u niskoenergijskom dijelu spektra (i do 90% u usporedbi s opažanjima u čistoj atmosferi), što značajno povećava energijski prag (za faktor 2 ovisno o karakteristikama oblaka i zenitnom kutu opažanja). Uporaba prilagođenih Monte Carlo simulacija u uzorku za generiranje Random Forest modela daje energijsku razlučivost usporedivu s onom za čistu atmosferu, što govori da se energija primarne gama-zrake u prisustvu oblaka može rekonstruirati s jednakom (ne)pouzdanošću kao pri visokoj atmosferskoj transparentnosti. Međutim, događaji koji nisu detektirani ne mogu se rekonstruirati niti oporaviti, tako da su efektivna površina, a time i diferencijalna osjetljivost teleskopa, neizbježno narušene čak i kada se koriste prilagođene Monte Carlo simulacije. Opažanja slabijih izvora postaju veći izazov kada se suočavamo s gustom (transmisija ˇ < 75%) i niskom (≤ 9 km nadmorske visine) naoblakom. U takvim uvjetima, diferencijalna osjetljivost je smanjena da na faktor 4 u usporedbi s
onom koja se postiže u uvjetima visoke atmosferske transparentnosti. Uporaba standardnih Monte Carlo simulacija u uzorku za generiranje Random Forest modela degradira odziv CTA te uzrokuje znatno podcjenjivanje energije i smanjenu energijsku razlučivost. U takvim slučajevima dodatno se smanjuju efektivna površina i diferencijalna osjetljivost (čak i za dodatnih 50% u odnosu na slučaj prilagođenih Monte Carlo simulacija). Ipak, za La Palmu gdje se većina oblaka nalazi iznad 8 km nadmorske visine, oblaci nisu od velike važnosti kada je u pitanju kutna razlučivost budući da je utjecaj oblaka na rekonstrukciju smjera ≲ 10%, pri čemu nisu uočene značajne razlike između standardnih i prilagođenih Monte Carlo simulacija.
Možemo se zapitati do koje mjere je sigurno koristiti standardne Monte Carlo simulacije, a da bi se pritom postigle performance Random Forest modela na razini sistematskih pogrešaka pri čistoj atmosferi. Odgovor na ovo pitanje nije jednostavan s obzirom na veliki broj varijabli, ali se može dati uz određena ograničenja. Kako bismo odgovorili na ovo pitanje, procijenili smo kako se mijenja rekonstruirana energija istog detektiranog (simuliranog) događaja u ovisnosti o tome koriste li se standardne ili prilagođene Monte Carlo simulacije za produkciju Random Forest modela. Dobivena razlika u rekonstruiranoj energiji uspoređena je s CTA zahtjevom A-PERF-2050 koji navodi da sistematske pogreške u mjerenju apsolutnog intenziteta Čerenkovljevog zračenja moraju biti manje od 8%. Za niske oblake između 5 km i 7 km iznad razine mora, sistematske pogreške u mjerenju energije uvijek su iznad 8% za oblake s transmisijom nižom od 95%. U slučaju visokih oblaka (≥ 13 km iznad razine mora), standardne Monte Carlo simulacije mogu se sigurno koristiti za energije iznad 150 GeV bez obzira na transmisiju oblaka te na cijelom energijskom rasponu za transmisije ≥ 80%. Ispod navedene energije učinci oblaka obično su jači, a sustavne nesigurnosti rastu iznad 8%. Što su oblaci viši, to se u više slučajeva mogu koristiti standardne Monte Carlo simulacije, naravno u ovisnosti o energiji gama-zrake. Tako se na primjer standardne
simulacije mogu sigurno koristiti samo za energije iznad 1 TeV i 10 TeV za oblake na 11 odnosno
9 km iznad razine mora. Metoda prilagođenih Monte Carlo simulacija testirana je na podacima Maglice Rakovica prikupljenima pri zajedničkim opažanjima teleskopa LST-1 i MAGIC u uvjetima slabe do jake naoblake, pri čemu su popratna LIDAR mjerenja korištena za identifikaciju oblaka i modeliranje atmosferskih profila potrebnih za Monte Carlo simulacije. Različiti parametri, uključujući osnovne parametre koji opisuju sliku u kameri, uspoređeni su između Monte Carlo simulacija i stvarnih podataka potvrđujući dobro slaganje. Također su izračunati osnovni parametri koji karakteriziraju odziv teleskopa. Studija je pokazala da se za opažanja pri niskom zenitu osjetljivost sustavno smanjuje pri energijama do 1 TeV - za faktor 3 na energijskom pragu ili manje pri višim energijama, u usporedbi s osjetljivošću u čistoj atmosferi. Unatoč tim učincima, odziv teleskopa ostaje na prihvatljivoj razini u skladu sa zahtjevima konzorcija CTA ili cak na razini usporedivoj s promatranjima za čistu atmosferu. Prilagođene Monte Carlo simulacije daju realistične spektralne parametre i dobiveni spektar dobro se slaže s referentnim spektrom. Naprotiv, u slučaju kada se standardne Monte Carlo simulacije koriste za generiranje Random Forest modela, spektar je značajno podcijenjen čak i pri najvišim energijama (do ≈ 40%).
Važno je napomenuti da ovakav pristup zahtijeva velike računalne resurse. U najboljem slučaju različite Monte Carlo simulacije moraju se generirati na dnevnoj bazi, a najčešće i na bazi jednog opažačkog ciklusa (u trajanju od 20 minuta). U mnogim slučajevima metode korekcije mogu dati usporedivu izvedbu te bi se trebale koristiti ako za to postoje indikacije. Međutim, prilagođene Monte Carlo simulacije nezaobilazan su alat u slučajevima kada se opažaju varijabilni izvori u uvjetima promjenjive naoblake, na primjer oblaci koji prolaze kroz vidno polje teleskopa čija je varijabilnost kraća od varijabilnosti vremenskih uvjeta. U takvim slučajevima teško je razlikovati učinke oblaka od intrinzične varijabilnosti izvora te se klasičnim metodama korekcije ne može rekonstruirati stvarni spektar. Zbog trajanja simulacija i ograničenih računalnih resursa prilagođene Monte Carlo simulacije nisu zamišljene kao dio standardne analize, već bi se trebale izvoditi na zahtjev korisnika (voditelja opažačke smjene, osobe zadužene za analizu na licu mjesta, tzv. onsite analizu, ili drugih) u slučajevima kada se ocijeni da klasična metoda korekcije podataka nije primjenjiva. U takvom je slučaju jedini nestandardni ulazni parametar za Monte Carlo simulacije odgovarajući atmosferski profil izveden iz, na primjer, LIDAR mjerenja. |
