Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
CRIS Current Research Information System
This paper describes the near-infrared processing function (NIR PF) that processes NIR images from the Near-Infrared Spectrometer and Photometer (NISP) instrument on board the Euclid satellite. NIR PF consists of three main components: (i) a common pre-processing stage for both photometric (NIR) and spectroscopic (SIR) data to remove instrumental effects; (ii) astrometric and photometric calibration of NIR data, along with catalogue extraction; and (iii) resampling and stacking. The necessary calibration products are generated using dedicated pipelines that process observations from both the early performance verification (PV) phase in 2023 and the nominal survey operations. After outlining the pipelineś structure and algorithms, we describe its application to Euclid Q1 images. For Q1, we achieved an astrometric accuracy of 5–8 mas, a relative photometric accuracy of 5 mmag, along with an absolute flux calibration limited by the 1% uncertainty of the Hubble Space Telescope (HST) CALSPEC database. We characterised the point spread function (PSF), which we found to be very stable across the focal plane. Finally, we discuss current limitations of NIR PF that will be improved upon for future data releases.
Polenta, G., Frailis, M., Alavi, A., Appleton, P.N., Awad, P., Bonchi, A., et al. (2026). Euclid Quick Data Release (Q1): III. NIR processing and data products. ASTRONOMY & ASTROPHYSICS, 711, 1-24 [10.1051/0004-6361/202554657].
Euclid Quick Data Release (Q1): III. NIR processing and data products
G. Polenta;M. Frailis;A. Alavi;P. N. Appleton;P. Awad;A. Bonchi;R. Bouwens;L. Bramante;D. Busonero;G. Calderone;F. Cogato;S. Conseil;M. Correnti;R. da Silva;I. Das;F. Faustini;Y. Fu;T. Gasparetto;W. Gillard;A. Grazian;S. Hemmati;J. Jacobson;K. Jahnke;B. Kubik;X. Liu;C. Macabiau;E. Medinaceli;P. W. Morris;K. Paterson;M. Radovich;M. Schirmer;A. Shulevski;H. I. Teplitz;B. Venemans;N. Aghanim;B. Altieri;A. Amara;S. Andreon;N. Auricchio;H. Aussel;C. Baccigalupi;M. Baldi;A. Balestra;S. Bardelli;A. Basset;P. Battaglia;A. N. Belikov;R. Bender;A. Biviano;E. Branchini;M. Brescia;J. Brinchmann;A. Caillat;S. Camera;G. Cañas-Herrera;V. Capobianco;C. Carbone;J. Carretero;S. Casas;F. J. Castander;M. Castellano;G. Castignani;S. Cavuoti;K. C. Chambers;A. Cimatti;C. Colodro-Conde;G. Congedo;C. J. Conselice;L. Conversi;Y. Copin;L. Corcione;A. Costille;F. Courbin;H. M. Courtois;A. Da Silva;H. Degaudenzi;G. De Lucia;A. M. Di Giorgio;H. Dole;F. Dubath;C. A. J. Duncan;X. Dupac;S. Dusini;A. Ealet;S. Escoffier;M. Fabricius;M. Farina;R. Farinelli;S. Ferriol;F. Finelli;S. Fotopoulou;N. Fourmanoit;E. Franceschi;M. Fumana;S. Galeotta;K. George;B. Gillis;C. Giocoli;P. Gómez-Alvarez;J. Gracia-Carpio;B. R. Granett;F. Grupp;S. V. H. Haugan;J. Hoar;H. Hoekstra;W. Holmes;I. M. Hook;F. Hormuth;A. Hornstrup;P. Hudelot;M. Jhabvala;E. Keihänen;S. Kermiche;A. Kiessling;K. Kuijken;M. Kümmel;M. Kunz;H. Kurki-Suonio;Q. Le Boulc'h;A. M. C. Le Brun;D. Le Mignant;P. Liebing;S. Ligori;P. B. Lilje;V. Lindholm;I. Lloro;G. Mainetti;D. Maino;E. Maiorano;O. Mansutti;S. Marcin;O. Marggraf;M. Martinelli;N. Martinet;F. Marulli;R. Massey;S. Maurogordato;H. J. McCracken;S. Mei;M. Melchior;Y. Mellier;M. Meneghetti;E. Merlin;G. Meylan;A. Mora;M. Moresco;L. Moscardini;R. Nakajima;C. Neissner;R. C. Nichol;S. -M. Niemi;J. W. Nightingale;C. Padilla;S. Paltani;F. Pasian;K. Pedersen;W. J. Percival;V. Pettorino;S. Pires;M. Poncet;L. A. Popa;L. Pozzetti;G. D. Racca;F. Raison;R. Rebolo;A. Renzi;J. Rhodes;G. Riccio;E. Romelli;M. Roncarelli;E. Rossetti;B. Rusholme;R. Saglia;Z. Sakr;A. G. Sánchez;D. Sapone;B. Sartoris;J. A. Schewtschenko;P. Schneider;M. Scodeggio;A. Secroun;E. Sefusatti;G. Seidel;M. Seiffert;S. Serrano;P. Simon;C. Sirignano;G. Sirri;A. Spurio Mancini;L. Stanco;J. Steinwagner;P. Tallada-Crespí;D. Tavagnacco;A. N. Taylor;I. Tereno;N. Tessore;S. Toft;R. Toledo-Moreo;F. Torradeflot;I. Tutusaus;E. A. Valentijn;L. Valenziano;J. Valiviita;T. Vassallo;G. Verdoes Kleijn;A. Veropalumbo;Y. Wang;J. Weller;A. Zacchei;G. Zamorani;F. M. Zerbi;I. A. Zinchenko;E. Zucca;V. Allevato;M. Ballardini;M. Bolzonella;E. Bozzo;C. Burigana;R. Cabanac;M. Calabrese;A. Cappi;P. Casenove;D. Di Ferdinando;J. A. Escartin Vigo;G. Fabbian;L. Gabarra;J. Martín-Fleitas;S. Matthew;N. Mauri;A. A. Nucita;A. Pezzotta;M. Pöntinen;C. Porciani;I. Risso;V. Scottez;M. Sereno;M. Tenti;M. Viel;M. Wiesmann;Y. Akrami;I. T. Andika;S. Anselmi;M. Archidiacono;F. Atrio-Barandela;C. Benoist;P. Bergamini;D. Bertacca;M. Bethermin;L. Bisigello;A. Blanchard;L. Blot;S. Borgani;A. S. Borlaff;M. L. Brown;S. Bruton;A. Calabro;B. Camacho Quevedo;F. Caro;C. S. Carvalho;T. Castro;Y. Charles;R. Chary;A. R. Cooray;O. Cucciati;S. Davini;F. De Paolis;G. Desprez;A. Díaz-Sánchez;J. J. Diaz;S. Di Domizio;J. M. Diego;P. -A. Duc;A. Enia;Y. Fang;A. M. N. Ferguson;A. G. Ferrari;P. G. Ferreira;A. Finoguenov;A. Fontana;A. Franco;K. Ganga;J. García-Bellido;V. Gautard;E. Gaztanaga;F. Giacomini;F. Gianotti;A. H. Gonzalez;G. Gozaliasl;A. Gregorio;A. Gruppuso;M. Guidi;C. M. Gutierrez;A. Hall;W. G. Hartley;C. Hernández-Monteagudo;H. Hildebrandt;J. Hjorth;J. J. E. Kajava;Y. Kang;V. Kansal;D. Karagiannis;K. Kiiveri;C. C. Kirkpatrick;S. Kruk;V. Le Brun;J. Le Graet;L. Legrand;M. Lembo;F. Lepori;G. Leroy;G. F. Lesci;J. Lesgourgues;L. Leuzzi;T. I. Liaudat;S. J. Liu;A. Loureiro;J. Macias-Perez;G. Maggio;M. Magliocchetti;F. Mannucci;R. Maoli;C. J. A. P. Martins;L. Maurin;C. J. R. McPartland;M. Miluzio;P. Monaco;A. Montoro;C. Moretti;G. Morgante;S. Nadathur;K. Naidoo;P. Natoli;A. Navarro-Alsina;S. Nesseris;L. Nicastro;F. Passalacqua;L. Patrizii;A. Pisani;D. Potter;S. Quai;P. -F. Rocci;G. Rodighiero;S. Sacquegna;M. Sahlén;D. B. Sanders;E. Sarpa;C. Scarlata;A. Schneider;D. Sciotti;E. Sellentin;F. Shankar;L. C. Smith;K. Tanidis;C. Tao;G. Testera;R. Teyssier;S. Tosi;A. Troja;M. Tucci;C. Valieri;A. Venhola;D. Vergani;G. Verza;P. Vielzeuf;N. A. Walton;J. R. Weaver;M. Bella;D. Scott
2026
Abstract
This paper describes the near-infrared processing function (NIR PF) that processes NIR images from the Near-Infrared Spectrometer and Photometer (NISP) instrument on board the Euclid satellite. NIR PF consists of three main components: (i) a common pre-processing stage for both photometric (NIR) and spectroscopic (SIR) data to remove instrumental effects; (ii) astrometric and photometric calibration of NIR data, along with catalogue extraction; and (iii) resampling and stacking. The necessary calibration products are generated using dedicated pipelines that process observations from both the early performance verification (PV) phase in 2023 and the nominal survey operations. After outlining the pipelineś structure and algorithms, we describe its application to Euclid Q1 images. For Q1, we achieved an astrometric accuracy of 5–8 mas, a relative photometric accuracy of 5 mmag, along with an absolute flux calibration limited by the 1% uncertainty of the Hubble Space Telescope (HST) CALSPEC database. We characterised the point spread function (PSF), which we found to be very stable across the focal plane. Finally, we discuss current limitations of NIR PF that will be improved upon for future data releases.
Polenta, G., Frailis, M., Alavi, A., Appleton, P.N., Awad, P., Bonchi, A., et al. (2026). Euclid Quick Data Release (Q1): III. NIR processing and data products. ASTRONOMY & ASTROPHYSICS, 711, 1-24 [10.1051/0004-6361/202554657].
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11585/1078470
Attenzione
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
Citazioni
ND
3
ND
ND
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.