Após cerca de 10 anos de construção, o Observatório Vera Rubin (VRO) está programado para ver sua primeira luz em janeiro de 2025. Assim que estiver instalado e funcionando, ele começará seu Legacy Survey of Space and Time (LSST), um esforço de uma década para fotografar todo o céu visível a cada poucas noites. Ele estudará energia escura e matéria escura, mapeará a Via Láctea e detectará eventos astronômicos transitórios e pequenos objetos do Sistema Solar, como Near Earth Objects (NEOs).
Uma nova pesquisa mostra que o LSST detectará cerca de 130 NEOs por noite no primeiro ano de observações.
NEOs são pequenos corpos do Sistema Solar, geralmente asteroides, que orbitam o Sol e chegam a 1,3 unidades astronômicas do Sol. Quando um NEO cruza a órbita da Terra em algum ponto, ele é considerado um objeto potencialmente perigoso (PHO). A NASA está atualmente catalogando NEOs e, embora tenham feito progresso, ainda há muitos outros para encontrar.
De acordo com uma nova pesquisa, o próximo LSST detectará cerca de 130 NEOs por noite. A pesquisa é “Impacto esperado do LSST do Observatório Rubin no acompanhamento do NEO,” e ainda está em revisão por pares, mas disponível no site de pré-impressão arxiv.org. O autor principal é Tom Wagg, um aluno de doutorado no Instituto DiRAC e no Departamento de Astronomia da Universidade de Washington em Seattle.
“Simulamos e analisamos a contribuição do Rubin Observatory Legacy Survey of Space e
Time (LSST) para a taxa de descoberta de candidatos a Near Earth Object (NEO)”, escrevem os autores. Eles também analisaram as taxas de envio para a NEO Confirmation Page (NEOCP) e como isso afetará o sistema mundial de observação de acompanhamento para NEOs.
O problema com os NEOs é que eles não necessariamente permanecem NEOs. Um subconjunto deles — cerca de um quinto — passa tão perto da Terra que até mesmo uma pequena perturbação pode enviá-los em um caminho de intersecção com a órbita da Terra. Essas são fontes de colisões potencialmente catastróficas. Um outro subconjunto desses são chamados de Asteroides Potencialmente Perigosos (PHAs), e eles são massivos o suficiente para atravessar a atmosfera da Terra e atingir a superfície do planeta. Para ser considerado um PHA, um objeto tem que ter cerca de 140 metros de diâmetro.
O Minor Planet Center mantém um banco de dados de NEOs, e mais estão sendo adicionados constantemente. Novas detecções são registradas na página de confirmação de NEO (NEOCP), mas, a princípio, são apenas candidatos. Observações de acompanhamento exigem recursos para determinar com precisão a órbita e o tamanho de um candidato.
Se o LSST contribuir com mais 130 detecções de NEO por dia, o que é oito vezes a taxa de detecção atual, a pesquisa criará uma quantidade enorme de trabalho de acompanhamento. De acordo com um algoritmo de computador padrão chamado digest2 que os avalia, os NEOs são considerados candidatos apenas se atenderem a certos critérios, e isso só pode ser determinado por observações de acompanhamento com outros telescópios.
Mas com tantas outras detecções no horizonte, pode haver problemas.
“O objetivo deste artigo é quantificar o impacto de Rubin na comunidade de acompanhamento do NEO e considerar possíveis estratégias para mitigar esse impacto”, escrevem os autores.
A maioria dos NEOs que o LSST encontrar será encontrada usando um método chamado “tracklet linking”. Tracklet linking é “uma técnica computacional onde pelo menos três pares de observações (“tracklets”) observadas ao longo de um período de 15 noites são identificadas como pertencentes ao mesmo objeto”, explicam os autores. O problema é que o tracklet linking pode levar tempo e tem um custo. “… o objeto não é identificado como interessante até que o terceiro tracklet seja imageado – na melhor das hipóteses, duas noites após a primeira observação ou, na pior das hipóteses, quase duas semanas depois”, escrevem os autores. Isso significa que o sistema pode perder objetos interessantes ou perigosos até que seja tarde demais para observá-los para confirmação.
Com outros telescópios, há uma maneira de contornar isso. Eles podem capturar várias imagens consecutivas de tracklets para criar detecções mais robustas que podem ser imediatamente acompanhadas. No entanto, o VRO não pode fazer isso porque o LSST é uma pesquisa automatizada.
O que ele pode fazer é capturar por acaso três ou mais rastros em seções menores do céu onde seus campos de observação se sobreporão. “Tais rastros podem ser imediatamente identificados e, assumindo que atendam aos resumo2 critérios de pontuação, submetidos ao Minor Planet Centre e incluídos no NEOCP”, escrevem os autores. Por causa da escala, os autores dizem que esse processo poderia ser automatizado e não exigiria nenhuma verificação humana.
Os pesquisadores simularam detecções de LSST para testar sua ideia e ver se isso poderia reduzir a carga de trabalho de observação de acompanhamento. “Apresentamos um algoritmo para prever se o LSST irá posteriormente redetectar um objeto
dada uma única noite de observações (tornando desnecessário o acompanhamento da comunidade)”, eles explicam. Eles queriam determinar o quão eficaz seria na redução do número de objetos que requerem observações de acompanhamento.
Eles começaram simulando quase 3.600 dias do LSST, consistindo em quase um bilhão de observações.
A partir de seus dados, eles selecionaram observações que correspondiam a tracklets. Tracklets únicos não determinam uma órbita, mas podem restringir órbitas potenciais quando comparadas a órbitas conhecidas do Sistema Solar. resumo2 O algoritmo funciona comparando tracklets observados a um catálogo simulado de objetos do Sistema Solar para estimar a probabilidade de um objeto ser um NEO. Ele pega todos os dados e estima as órbitas possíveis dos objetos.
Neste ponto, o número de candidatos NEOs ainda é esmagador. A população candidata não é uma amostra de alta pureza e ainda contém não NEOs como asteroides do cinturão principal.
A maior parte da impureza é causada por asteroides do cinturão principal, e conforme eles fossem reconhecidos, a pureza aumentaria. As simulações mostram que a pureza aumentaria continuamente, e depois de cerca de cinco meses, ela se estabilizaria. Algo semelhante acontece com as taxas de submissão. Depois de cerca de 150 noites, a taxa de submissão atinge um estado estável de cerca de 95 por noite.
O LSST repetidamente faz imagens do céu em campos sobrepostos. Os pesquisadores pensaram que se pudessem determinar quais rastros seriam reobservados pelo LSST enquanto ele realiza seu trabalho, eles poderiam reduzir a carga de observação de acompanhamento.
“Se pudéssemos prever quais objetos serão seguidos pelo próprio LSST, isso reduziria a carga no sistema de acompanhamento e permitiria que a comunidade se concentrasse naqueles que realmente exigem acompanhamento externo para serem designados”, explicam os autores. Os pesquisadores desenvolveram um algoritmo para calcular o conjunto de intervalos e velocidades radiais de um único tracklet observado.
“Agora examinamos o efeito da aplicação do algoritmo de probabilidade de detecção LSST para reduzir a carga no NEOCP”, escrevem os autores. A imagem a seguir ilustra isso.
No geral, o algoritmo previu o resultado correto 68% das vezes. Além disso, cerca de 64 dos objetos enviados ao NEOCP por noite exigiriam acompanhamento externo, mas apenas cerca de 8,3%, ou cerca de cinco, desses objetos seriam NEOs. O algoritmo melhoraria a precisão apenas minimamente, mas reduziria a carga de trabalho de acompanhamento por um fator de dois.
Os pesquisadores dizem que outros ajustes no algoritmo podem melhorá-lo e tornar as detecções do LSST NEO mais robustas sem a necessidade de tantas observações de acompanhamento exigentes.
Em sua conclusão, os autores escrevem: “As contribuições do LSST aumentarão a taxa de submissão noturna do NEOCP
por um fator de cerca de 8 ao longo do primeiro ano para uma média de 129 objetos por noite.” No entanto, a fração que será confirmada é baixa, cerca de 8,3%, mas aumentará ao longo do tempo.
Espera-se que o LSST gere 200 petabytes de dados não compactados durante sua execução de dez anos, o que é cerca de 200 milhões de gigabytes. Este estudo mostra que gerenciar a quantidade de dados que o LSST irá gerar requer novos métodos.
Pode parecer uma preocupação distante, mas entender a ameaça à Terra representada pelos NEOs é essencial. Enquanto esforços estão sendo feitos para entender como podemos proteger o planeta deles, catalogá-los todos é importante.
