Etape 1: Courbe de transit
Ouverture du fichier csv
Pour chacun des fichiers de données, ouvrir une nouvelle cellule du notebook et adapter le script suivant:
import csv
table = []
with open('TIC323295479-01_20240617_ASTEP-ANTARCTICA_R_measurements.csv', 'r') as file:
reader = csv.reader(file, delimiter=',')
for row in reader:
try:
line_values = []
for val in row:
val = float(val)
line_values.append(val)
except:
line_values = row
table.append(line_values)
# test
table[:3]
"""
[['BJD', 'FLUX', 'ERRFLUX', 'AIRMASS', 'SKY'],
[478.87701, 0.999509, 0.00222, 1.015, 218.0],
[478.87718, 1.003059, 0.002213, 1.015, 219.0]]
"""
Lissage de la courbe
Les données utiles occupent les colonnes 0 (BJD) et 1 (FLUX) de la table. Les valeurs de FLUX (nuage de points en gris) étant très bruitées, il conviendra de réaliser un lissage des points (courbe rouge):
Le programme suivant réalise une moyenne glissante (courbe rouge): pour chaque indice i, on fait une moyenne du FLUX sur une fenêtre de 100 points, centrés sur l’indice i. y[i-50:i+50]
import matplotlib.pyplot as plt
from matplotlib.widgets import Cursor
def moyenne(signal):
s = 0
b = len(signal)
for elem in signal:
s += elem
return s / b
def lissage(L,largeur):
signal_filtre = L.copy()
for i in range(largeur//2,len(L)-largeur//2):
signal = L[i-largeur//2:i+largeur//2]
# signal est le petit tableau de dimension largeur
# dont on fait la moyenne glissante
# puis on stocke dans signal_filtre
signal_filtre[i] = moyenne(signal)
return signal_filtre
x = [] # colonne 0 de la table = BJD
y = [] # colonne 1 de la table = FLUX
for i in range(len(table[1:])-1):
x.append(table[i+1][0])
y.append(table[i+1][1])
fenetre_gli = 100
x_gli = x[fenetre_gli//2:-fenetre_gli//2]
signal_lissage = lissage(y,fenetre_gli)[fenetre_gli//2:-fenetre_gli//2]
# ouverture fenetre graphique qt
%matplotlib qt
# cursor non implémenté en inline sous jupyter notebook
plt.clf()
axes = plt.gca()
plt.scatter(x,y,color='silver',marker='.',label='luminosité')
plt.grid(True,which='both')
plt.legend(loc='best')
plt.title('luminosité transit')
plt.plot(x_gli,signal_lissage,color='red',label='moyenne glissante')
plt.grid(True,which='both')
plt.legend(loc='best')
cursor = Cursor(axes, useblit=True, color='red', linewidth=2)
plt.show()
On peut alors utiliser les fonctions de la fenêtre graphique pour relever les coordonnées à la main des intersections des courbes:
option 1: le transit démarre au point A et termine au point B
option 2: le transit démarre au milieu du segment n°2 et termine au milieu du segment n°4
Avec l'option 2:
| planète | tau (h) | incertitude sur tau | delta | incertitude sur delta |
|---|---|---|---|---|
TOI 270-1 |
7.2 |
à definir | 1-0.991 |
à definir |
Modélisation par segments (en option)
Un autre option pour lire les valeurs des intersections sur la courbe de FLUX est de réaliser une modélisation du nuage de points par segments:
# bornes des 4 parties de courbe
borne_inf_segment1 = 478.9
borne_sup_segment1 = 479.05
borne_inf_segment2 = 479.05
borne_sup_segment2 = 479.18
borne_inf_segment3 = 479.25
borne_sup_segment3 = 479.35
borne_inf_segment4 = 479.35
borne_sup_segment4 = 479.45
def recherche(L,val):
i = 0
while L[i]<val:
i+=1
return i
def fit_func(x,a,b):
return a*x+b
def modelisation_segment(borne_inf,borne_sup,X,Y,fit_func,a,b):
i0 = recherche(X,borne_inf)
i1 = recherche(X,borne_sup)
params, mcov =curve_fit(fit_func,X[i0:i1],Y[i0:i1])
a = params[0]; b=params[1]
for i in range(i0,i1):
Y_fit[i] = fit_func(X[i],a,b)
x_gli = x[fenetre_gli//2:-fenetre_gli//2]
signal_lissage = lissage(y,fenetre_gli)[fenetre_gli//2:-fenetre_gli//2]
Y_fit = signal_lissage.copy()
modelisation_segment(borne_inf_segment1,borne_sup_segment1,x_gli,signal_lissage,fit_func,0,0)
modelisation_segment(borne_inf_segment2,borne_sup_segment2,x_gli,signal_lissage,fit_func,0,0)
modelisation_segment(borne_inf_segment3,borne_sup_segment3,x_gli,signal_lissage,fit_func,0,0)
modelisation_segment(borne_inf_segment4,borne_sup_segment4,x_gli,signal_lissage,fit_func,0,0)
#%%
# Revenir ici pour chaque tracé de Y_fit
plt.clf()
axes = plt.gca()
plt.scatter(x_gli,signal_lissage,color='silver',marker='.',label='luminosité')
plt.grid(True,which='both')
#plt.legend(loc='best')
#plt.title('moyenne glissante')
plt.plot(x_gli,Y_fit,color='red',label='courbe fit')
#plt.grid(True,which='both')
#plt.legend(loc='best')
cursor = Cursor(axes, useblit=True, color='red', linewidth=2)
# cursor non implémenté sous jupyter notebook
plt.show()
