健康的anafast导致大的Cl

Question

我正在使用HEALPy的anafast从普朗克地图中提取Cl，或者是数据地图

1

，或者模拟地图。似乎即使在我使用了它们的强度普通面膜之后

2

，我得到的功率谱大约是他们释放的五倍

3

..。

# extract Cl's
filename = 'path/to/COM_CMB_IQU-commander_2048_R3.00_full.fits'
test_map = read_map(filename)

path = 'path/to/COM_Mask_CMB-common-Mask-Int_2048_R3.00.fits'
mask = hp.read_map(path)
map_masked = hp.ma(test_map)
map_masked.mask = np.logical_not(mask)

test_cls_meas_frommap = anafast(map_masked, lmax=3000)

# load up Planck meas powerspectrum
path = '/path/to/powerspectrum'
T2 = 10**12*2.7255**2  # in muK^2
datalist = {
    'tt': 'COM_PowerSpect_CMB-TT-binned_R3.01.txt',
    'ee': 'COM_PowerSpect_CMB-EE-binned_R3.02.txt',
    'te': 'COM_PowerSpect_CMB-TE-binned_R3.02.txt'
}
targ = os.path.join(path, datalist['tt'])
res = cmb.load_meas(targ)
ll_meas = res[:, 0]
test_cls_meas = res[:, 1]/ll_meas/(ll_meas+1)*2.*np.pi/T2

# output
plt.subplots()
plt.plot(ll_meas, ll_meas*(ll_meas+1.)*test_cls_meas*T2/2./np.pi, '--', alpha=0.6, label='Planck 2018 PS release')
plt.plot(ll, ll*(ll+1.)*test_cls_meas_frommap*T2/2./np.pi, '--', alpha=0.6, label='Planck 2018 PS from Data Map')
plt.xlabel(r'$\ell$')
plt.ylabel(r'$D_\ell$')
#plt.xscale('log')
plt.legend(loc='best')

另一方面，如果我自己使用synfast合成地图，然后使用anafast提取功率谱，我可以验证我是否获得了输入功率谱。我想知道与普朗克方法相比，是否有任何潜在的陷阱可能导致功率谱计算的不匹配？

数据来源：

1

数据映射：(wget -O COM

_

CMB

_

IQU-指挥官

_

2048

_

R3.00

_

完整"pla.esac.esa.int/pla-sl/data-action?MAP.MAP

_

OID=13470")

2

掩码映射：(wget -O COM

_

遮罩

_

CMB-common-Mask-Int

_

2048

_

R3.00.fits“

http://pla.esac.esa.int/pla/aio/product-action?MAP.MAP

_

ID=COM

_

遮罩

_

CMB-common-Mask-Int

_

2048

_

R3.00.fits“

)

3

官方功率谱：(wget -O COM

_

PowerSpect

_

CMB-TT-binned

_

R3.01.txt“

http://pla.esac.esa.int/pla/aio/product-action?COSMOLOGY.FILE

_

ID=COM

_

PowerSpect

_

CMB-TT-binned

_

R3.01.txt“

)

Answer 1

您的计算中有几个问题：

入库的功率谱已经是D

_

哦，你不应该把它乘以ell(ell+1)因子，也不应该乘以T2

当你在切割天空上计算光谱时，你必须除以天空分数。

所以这应该是可行的：

cmb_binned_spectrum = np.loadtxt('COM_PowerSpect_CMB-TT-binned_R3.01.txt')
k2muK = 1e6
plt.plot(cmb_binned_spectrum[:,0], cmb_binned_spectrum[:,1], '--', alpha=1, label='Planck 2018 PS release')
plt.plot(ll, ll*(ll+1.)*test_cls_meas_frommap*k2muK**2/2./np.pi / sky_fraction, '--', alpha=0.6, label='Planck 2018 PS from Data Map')
plt.xlabel(r'$\ell$')
plt.ylabel(r'$D_\ell~[\mu K^2]$')
plt.grid()
plt.legend(loc='best')

我解释了它，并完成了这个笔记本中的所有步骤：

https://zonca.dev/2021/02/compute-planck-spectra-healpy-anafast.html