成像切伦科夫簇射分布奇异模板（STOICS）：一种用于甚高能γ射线观测的本底估计方法

《Astroparticle Physics》：Singular Templates of Imaging Cherenkov Shower distribution (STOICS): A background estimation method for very-high-energy γ-ray observations

　　

针对扩展γ射线源的成像大气切伦科夫望远镜（Imaging Atmospheric Cherenkov Telescope，IACT）数据分析面临这样一个问题：视场（field of view）无法提供足够的区域用于本底估计。当源的角尺度超过视场，或占据视场中的显著部分时，为了开展IACT分析并更好地理解系统不确定性，就必须采用独立的本底估计方法。所提出的新方法利用奇异值分解（Singular Value Decomposition，SVD）提取OFF runs中宇宙线事件分布的低维表示，并使用ON runs中的类宇宙线事件（cosmic-ray-like events）来估计类γ事件（γ-like events）的本底。基于VERITAS档案数据的验证表明，该新方法能够在广泛的观测条件下为观测提供可靠的本底建模。

本文发表于《Astroparticle Physics》，提出了成像切伦科夫簇射分布奇异模板（STOICS）方法，旨在解决成像大气切伦科夫望远镜（Imaging Atmospheric Cherenkov Telescope，IACT）对大角尺度甚高能γ射线源进行分析时的本底估计难题。研究背景在于，脉冲星风云（PWN，pulsar wind nebula）、超新星遗迹（SNR，supernova remnant）及TeV halo等扩展源是研究粒子加速与传播机制的重要天体。此类源的形态学结构复杂，且角尺度可接近甚至超过现有IACT设备3.5°–5.0°的视场范围。传统本底方法通常依赖视场内源外区域进行归一化，但对于占据大部分视场的扩展源而言，可用的无源控制区不足，导致本底接受度函数与归一化因子的估计不稳健，从而限制了扩展源形态与能谱研究的可靠性。因此，有必要发展一种不依赖视场内充足源外区域的新型本底估计策略。

研究人员围绕这一问题，构建了一种基于奇异值分解（SVD）的本底建模框架。该方法的核心思想是：在无γ射线源的OFF观测中学习类宇宙线事件与γ样本区剩余本底事件之间的相关结构，再将这种相关结构迁移至ON观测中，利用ON观测内未通过γ/强子分离切割的类宇宙线事件，预测通过切割后的γ样本区中的剩余宇宙线本底。研究表明，在较宽松的OFF runs匹配条件下，STOICS可在不同仰角、方位角、夜天光背景（NSB，night-sky background）等观测条件中稳定工作，并能对点源、银道面源以及大尺度扩展源提供可靠的能量依赖本底模型。该研究的重要意义在于，它为IACT扩展源分析提供了一个不依赖传统源外归一化区域的替代方案，并为未来切伦科夫望远镜阵列天文台（CTAO，Cherenkov Telescope Array Observatory）在大视场、复杂背景和超大尺度源分析中的本底处理提供了可推广路径。

在技术方法上，研究人员首先采用经典Hillas参数体系，以平均约化尺度长度MSCL与平均约化尺度宽度MSCW进行γ/强子分离，将事件划分为γ样本区（signal region，SR）和7个类宇宙线控制区（CR regions）。随后基于VERITAS档案中的无γ源观测，按仰角、方位角余弦、夜天光亮度及与目标源角距离等条件筛选匹配的OFF runs，并按能段和相机坐标系（X，Y）将事件分布离散化为模板矩阵。研究人员对该矩阵施行SVD分解，以若干主导奇异向量构建低维本底基，并通过像素化泊松似然拟合ON数据中CR区域计数，反演γ样本区本底。样本来源主要为VERITAS公开与档案观测数据，包括河外点源、银道面点源及已发表的大尺度扩展源数据。

研究结果部分显示，论文首先在“γ-强子分离变量”中系统回顾了IACT事件形态差异的物理基础。γ射线簇射主要由电磁相互作用主导，成像呈窄椭圆形；宇宙线簇射因强子相互作用及横向动量分量更强，图像更不规则。研究人员使用MSCL与MSCW表征图像相对模拟γ簇射的偏离，并将通过切割的事件定义为γ-like events，未通过切割的事件定义为CR-like events。这一部分为后续将CR区作为控制样本、SR区作为待预测区域奠定了方法学基础。

在“传统本底方法回顾”部分，研究人员总结了Ring Background、Reflected Region Background、Field-of-View Background及Template Background等常用方法的共性，即依赖视场内与源区角距离分离的控制区来归一化本底接受度。研究指出，这类方法在扩展源接近视场尺度时会因背景统计不足而产生较大归一化不确定性；即使采用独立的ON/OFF观测或历史OFF runs模板，也仍受额外观测时间消耗或观测条件匹配偏差的限制。基于同一次观测中γ-like与CR-like事件受相同观测条件影响这一事实，研究人员提出应挖掘二者间可外推的统计相关性，这直接引出了STOICS方法。

在“STOICS：一种奇异模板本底建模方法”中，研究人员正式给出方法结构。其一，在“宇宙线模板的轮廓与矩阵”小节中，研究人员将不同能段、不同分析区域内的二维相机分布序列化为向量，并将多次匹配OFF runs堆叠为模板矩阵。结果显示，SR与各CR区域在不同能段存在明显相关的背景形态变化，例如低能段中心响应增强、高能段边缘响应增强，这表明可以用低维表示提取共同变化模式。SVD分解后，低阶奇异向量刻画背景的一般形状，高阶但仍显著的奇异向量则刻画与仰角、大气深度、有效面积等相关的细致变化结构。

其二，在“利用奇异向量构建本底模型”小节中，研究人员将ON数据的真实本底近似表示为若干奇异向量的线性组合，并通过逐像素泊松似然在CR区域内求解系数，而对SR保持盲分析。得到相机坐标系中的本底轮廓后，再利用SR与CR中对应像素的权重关系，将CR-like事件重加权映射到天球坐标，得到最终的空间本底模型。该设计继承了模板本底方法在局部系统效应校正方面的优势，同时避免了依赖大面积源外区域进行归一化。

其三，在“模型复杂度：k_c与像素尺寸”小节中，研究人员讨论了模型自由度与空间分辨率的平衡。结果表明，纳入更多奇异向量可明显提升本底精度，尤其对于长曝光数据更为重要；同时，较小的像素尺寸更有利于刻画相机视场内背景接受度的空间变化。对于曝光量大于10⁵ m² × 100 h的数据，研究建议至少采用32个奇异向量，且像素尺寸应小于0.57° × 0.57°，以兼顾统计稳定性与形态重建能力。

在“系统不确定性估计”部分，研究人员进一步回答了奇异向量截断与OFF runs选择所带来的系统误差如何量化的问题。其做法是利用某一CR区中的残差来估计SR中的系统不确定性，建立两者之间的误差映射关系。随着曝光从10 h增加到50 h、135 h，统计涨落逐渐减弱，系统性失配结构随之显现；而增加奇异向量数目后，这些系统残差显著减轻。基于3158 h VERITAS河外无γ源数据的批量分析，研究人员定义了SR与CR积分残差误差度量，证明CR区误差能够较好预测SR区误差。进一步地，论文将该系统不确定性纳入显著性计算，构建更新后的总显著性，从而避免因系统误差而高估探测显著性。

在“实例分析”部分，研究人员从三类源展示了STOICS的适用性。对于河外点源1ES 0229+200与H 1426+428，短曝光下源外区域显著性图呈均匀随机涨落，深曝光下虽可见系统涨落结构，但在引入系统误差修正后，整体显著性分布仍与正态分布一致，说明方法具有稳健性。对1ES 0229+200的分能段分析还显示，背景形态在不同能区变化显著，而STOICS能够正确再现这种能量依赖分布。

对于银道面点源HESS J1943+213与Cas A，尽管其夜天光背景通常高于河外观测，研究人员使用由河外观测构建的奇异模板仍可获得无明显假阳性的背景模型，表明该方法对不同天空区域和背景亮度具有一定泛化能力。

对于大尺度扩展源MGRO J1908+06与MGRO J2019+37，STOICS成功恢复了显著延展的γ射线发射结构。研究结果与VERITAS此前发表结论一致，表明该方法确实能够在缺少常规源外归一化区域的条件下完成扩展源探测与分能段形态分析，这也是本文最关键的应用验证。

在讨论与前景部分，研究人员指出，CTAO作为下一代开放型IACT台站，需要向用户提供接近“science-ready”的数据产品，但残余本底模型由于强子物理与仪器状态复杂，往往是最难先验准确构建的部分。STOICS潜在优势在于：可按单次观测提供预归一化本底模型；可构建完整二维空间本底分布以适应复杂视场；并适用于尺度接近或超过视场的发射结构研究。这些特征对于暗物质间接探测、大尺度银河外流、银河漫射发射及TeV halo等科学目标具有直接价值。

论文结论部分可译为：本文描述了STOICS方法，这是一种面向IACT观测的新型分析技术，适用于源角扩展超过或占据视场显著部分的情形。研究表明，通过使用类宇宙线事件（即未通过γ/强子分离切割的事件）以及对γ射线相机坐标系中空气簇射事件分布进行奇异值分解分析，在对OFF runs采用宽松匹配准则的条件下，该方法能够在广泛观测条件下提供可靠的本底建模。研究人员同时指出，STOICS的一个局限在于：当存在强γ射线源时，信号事件可能泄漏进入CR-like区域，从而导致本底被高估。因此，为保证利用CR-like区域预测γ-like区域本底的前提成立，CR-like区域应尽可能不含γ射线信号，在强源情况下需要放宽γ/强子分离变量的切割条件。总体而言，这一新型本底估计技术专为处理扩展源或源定位信息不足的IACT分析而设计，可支持大角尺度源的可靠能量依赖形态测量，并有望在CTAO时代帮助充分释放宽视场观测能力。