Untersuchungen zum Tiefsee-Hintergrundrauschen am ANTARES ... · auch das ANTARES-Neutrinoteleskop,...

Untersuchungen zumTiefsee-Hintergrundrauschen am

ANTARES-StandortBachelorarbeit

vorgelegt vonBenedikt Bergmann

Erlangen Centre for Astroparticle PhysicsPhysikalisches Institut 1

Friedrich-Alexander-UniversitätErlangen-Nürnberg

1. Gutachter: Professor Dr. Ulrich Katz2. Gutachter: Priv. Doz. Alexander Kappes

Tag der Abgabe: 15. 07. 2010

Inhaltsverzeichnis

1 ANTARES-Projekt und akustische Neutrinodetektion 3

2 Physikalische Grundlagen und Datennahme 72.1 Unterwasserakustik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.2 Aufnahme der Rauschdaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92.3 Wetterdaten und Wetterstationen . . . . . . . . . . . . . . . . . . . . . . . . . . 102.4 Weiterverarbeitung der Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3 Untersuchen der Korrelation zwischen Rausch- und Wetterdaten 153.1 Verzögerte Reaktion des Rauschniveaus auf den Wind . . . . . . . . . . . . . . . 153.2 Mittelung der Windgeschwindigkeit . . . . . . . . . . . . . . . . . . . . . . . . . 173.3 Schnitte zur Verbesserung der Korrelation . . . . . . . . . . . . . . . . . . . . . 19

3.3.1 Windspitzen und Sprünge des Rauschpegels . . . . . . . . . . . . . . . . 193.3.2 Eigenschaften des ∆RMS-Cuts . . . . . . . . . . . . . . . . . . . . . . . 223.3.3 Test auf Konsistenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243.3.4 Ergebnisse und Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . 27

4 Zusammenfassung 28

A Zusätzliche Abbildungen und Tabellen 29A.1 Eigenschaften des ∆RMS-Cuts . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29A.2 ∆RMS-Cut für Station 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31A.3 Monatliche Variation des Korrelationsfaktors . . . . . . . . . . . . . . . . . . . . 34

2

Kapitel 1

ANTARES-Projekt und akustischeNeutrinodetektion

In der Vergangenheit hat sich der optische Nachweis hochenergetischer (E & 100GeV), kos-mischer Neutrinos nachhaltig etabliert. Hierbei wird ausgenutzt, dass Neutrinos in Reaktionender schwachen Wechselwirkung geladene Sekundärteilchen, wie Myonen, erzeugen, die dann inoptisch transparenten Medien (Wasser, Eis) Cherenkov-Licht abstrahlen. Aus den Myon-Spurenkann die Richtung und Energie der Neutrinos rekonstruiert werden. Auf diesem Prinzip basiertauch das ANTARES-Neutrinoteleskop, das etwa 40 km von Toulon entfernt vor der französi-schen Mittelmeerküste in einer Meerestiefe von 2500m installiert ist. Dieses besteht aus 12vertikalen Strukturen, sogenannten Lines, die mit jeweils 25 optischen Stockwerken (Storeys)bestückt sind. Die Lines sind am Boden verankert und werden mit einer Boje straff gehalten(vgl. Abbildung 1.1). Ein solches Stockwerk besteht aus einer steifen Metallstruktur die mitdrei Photomultipliern, sowie einem Metallzylinder mit Ausleseelektronik bestückt ist, sodassinsgesamt 885 Photomultiplier im Einsatz sind.Weiterhin benötigt man für die Rekonstruktion der Myonen-Spuren genaue Kenntnis über diePosition der sich in der Strömung bewegenden Lines. Zur Positionskalibration des Detektors istein akustisches Ortungssystem installiert.

Ziele der ANTARES-Kollaboration, wie auch der Neutrinoastronomie, ist die Untersuchung desUrsprungs sowie der Beschleunigungsmechanismen der kosmischen Strahlung. Hierbei sind so-wohl Punktquellen, wie Supernovae, Aktive Galaktische Kerne, das Galaktische Zentrum oderGamma Ray Bursts, als auch der diffuse Fluss, der aus der Superposition verschiedener Quel-len oder der Wechselwirkung der kosmischen Strahlung während der Ausbreitung herrührt, vonInteresse. Ein weiteres Ziel ist die Suche nach astrophysikalischen bzw. kosmologischen Phäno-menen, wie der Dunklen Materie oder magnetischer Monopole.Die Methode des optischen Neutrino-Nachweises stößt jedoch zu höheren Energien hin an ihreGrenzen. So wird der sensitive Bereich im Wesentlichen beschränkt durch die erwarteten Neu-trinoflüsse und die realisierbaren Detektorgrößen. Wie aus Abbildung 1.2 hervorgeht nimmtder Fluss der kosmischen Strahlung mit steigender Energie ab, sodass wir ab einer Energie vonetwa 1018 eV in einem Jahr nur noch ein Teilchen pro km2 erwarten. Da die kosmische Strah-lung, wie auch die Neutrinoproduktion im Kosmos, im Wesentlichen auf hadronische Prozessezurückgeführt wird, kann davon ausgegangen werden, dass der Neutrinofluss auf der Erde einähnliches Verhalten zeigt. Folglich benötigt man große Detektorvolumina um eine signifikanteAnzahl hochenergetischer Neutrinos zu messen. Das Problem jetziger Teleskope ist, dass diesenur mit einem hohen finanziellen Aufwand vergrößerbar sind. Verantwortlich hierfür ist die mitλabs ≈ 60m relativ kurze Abschwächlänge des Lichts im Wasser, was zu einer oberen Grenzedes Sensorabstands führt.

3

4 1. ANTARES-Projekt und akustische Neutrinodetektion

Abbildung 1.1: Skizze des Aufbaus des ANTARES-Detektors bestehend aus 12 Lines sowie derInstrumentation Line (IL7); weiterhin ist ein optisches Stockwerk zu sehen

5

Abbildung 1.2: Differentieller Fluss der kosmischen Strahlung, gemessen von verschiedenen Ex-perimenten, gegen die Energie aufgetragen. Auf der Energieachse sind zum Vergleich die momentandurch Teilchenbeschleuniger (LHC am CERN und FNAL Tevatron) erreichbaren Schwerpunktsenergi-en markiert. Weitere Pfeile weisen signifikanten Punkten der Kurve den über die Energie und Winkelintegrierten Fluss zu [1]

Der Nachweis ultrahochrelativistischer Neutrinos (Eν & 1018 eV) erfordert alternative, bzw.komplementäre Nachweismethoden. Ein Ansatz ist die akustische Detektion. Hier wird aus-genutzt, dass bei der Wechselwirkung eines Neutrinos im Wasser (oder Salz bzw. Eis) eineTeilchenkaskade entsteht, von der, wie das thermoakustische Modell ([2] – [4]) beschreibt, einbipolares akustisches Signal mit einer Länge von ca. 10µs (peak-to-peak) ausgeht. Dieses Signalbreitet sich ringförmig radial um die Schauerachse (definiert durch die Neutrinorichtung) aus.Da die Abschwächlänge des Schalls in Wasser mehr als eine Größenordnung länger ist, kann bei

6 1. ANTARES-Projekt und akustische Neutrinodetektion

gleicher Anzahl von Detektoren ein wesentlich größeres Volumen abgedeckt werden. Zudem istdie verwendete Technik einfacher.Allerdings müssen die Neutrinos, um auf diese Weise registriert zu werden, eine Mindestener-gie im Wasser deponieren, da ihr Signal sonst im akustischen Hintergrundrauschen der Tiefseenicht nachweisbar ist. Die Angabe einer solchen Schwellenenergie setzt nun genaue Kenntnis-se des Umgebungsrauschens voraus. Dazu wurden in das ANTARES-Experiment im Rahmendes AMADEUS-Projekts (siehe Abschnitt 2.2) zusätzliche Hydrophone eingebaut, die u.a. dasMeeresrauschen messen sollen und somit eine Aussage über die Realisierbarkeit dieser Nach-weismethode treffen werden.Die vorliegende Arbeit untersucht nun, von welchen Parametern dieses Tiefsee-Hintergrundrauschenabhängt. Das Hauptaugenmerk wird dabei auf die Untersuchung der Korrelation zwischen denWetterverhältnissen über dem Detektorstandort und dem Rauschniveau gelegt.

Kapitel 2

Physikalische Grundlagen undDatennahme

2.1 Unterwasserakustik

Bereits durchgeführte Untersuchungen des Hintergrundrauschens in tiefen Gewässern zeigen,dass das Rauschniveau von diversen Faktoren beeinflusst wird, die sich in verschiedenen Fre-quenzbereichen unterschiedlich stark auswirken (vgl. [5], [6]). Im niederfrequenten Bereich hängtder Rauschpegel hauptsächlich von Oberflächenwelleneffekten in zweiter Ordnung (0 bis 10Hz),seismischer Aktivität (0 bis 100Hz), sowie von anthropogenen Quellen, zum Beispiel durchSchiffsverkehr oder Hafenaktivität (10Hz bis 1 kHz), ab. Das höherfrequente Rauschen ab etwa500Hz ist auf Oberflächenanregungen, wie Luftblasen und Gischt zurückzuführen. Das auf dieOberflächenanregungen zurückführbare Rauschniveau kann durch folgende Gleichung, wie sieKnudsen 1948 vorschlug, parametrisiert werden (siehe [5]):

NLOberfläche =

{NL1 kHz falls f < 1 kHzNL1 kHz − 17 log

(f

1000Hz

)falls f ≥ 1 kHz

(2.1)

Wobei NLOberfläche für das Noise Level, also das Rauschniveau steht, das durch Oberflächenan-regungen erzeugt wird und NL1 kHz eine vom Seegang abhängige Konstante ist (siehe Tabelle2.1). Aus dieser Gleichung geht auch hervor, dass es sich hier um annähernd pinkes Rauschenhandelt. Bei 50 kHz setzt dann thermisches Rauschen als dominanter Effekt ein. Das Verhaltenfür die diversen Frequenzbereiche wird durch die so genannten Wenz-Kurven (siehe Abbildung2.1) zusammengefasst, in denen das durchschnittliche Rauschniveau für verschiedene Seegängeund verschiedene Dichten des Schiffsverkehrs gegen die Frequenz aufgetragen ist.

Für unterschiedliche Stärken des Seegangs ergeben sich verschieden hohe Kurven. Diese Tatsa-che spiegelt die Abhängigkeit des Rauschpegels vom Wetter, besser gesagt vom Wind, wider,da der Seegang ein Maß für die vorherrschende Windgeschwindigkeit ist (siehe Tabelle 2.1).

Es wird zwischen transienten Signalen und dem persistenten Hintergrundrauschen unterschie-den. Das persistente Rauschen ist immer vorhanden, variiert allerdings in seiner Stärke. Tran-siente Signale sind mehr oder weniger lange Signale, die dem persistenten Rauschen überla-gert sind. Diese kommen hauptsächlich von biologischen Quellen, wie Delphinen, Walen oderShrimps, oder sind technischen Ursprungs.Die Beschreibung durch die Wenz-Kurven stellt aber lediglich eine Vereinfachung dar. GenauereUntersuchungen des Rauschens müssen für die verschiedenen Meeresregionen jeweils einzelndurchgeführt werden, da auch noch Effekte, wie Reflexionen an Bodenerhebungen, Dispersion

7

8 2. Physikalische Grundlagen und Datennahme

Abbildung 2.1: Die Wenz-Kurven zeigen das durchschnittliche Rauschniveau für verschiedene See-gänge dB bezogen auf 1µPa gegen die Frequenz in Hz [7].

Seegang Windgeschwindigkeit in NL1 kHz in dBKnoten m/s

0

2.2. Aufnahme der Rauschdaten 9

einfließen und auch die Unterwasserflora, bzw. der vorherrschende Schiffsverkehr jeweils andereBeiträge liefern.In unserem Fall wird das Rauschverhalten am Ort des ANTARES-Projektes untersucht.

2.2 Aufnahme der Rauschdaten

Die Aufnahme der Rauschdaten erfolgt im Rahmen des AMADEUS-Projekts. Dieses bestehtaus sechs akustischen Stockwerken, die mit jeweils sechs Hydrophonen (Unterwassermikropho-nen) bestückt und in das ANTARES-Neutrinoteleskop eingebaut sind. Wie Abbildung 2.2 zeigt,befinden sich drei von ihnen auf der Instrumentation Line 7 (IL07), weitere drei auf der Li-ne 12. Verwendet werden sowohl komerziell produzierte, sowie von der Universität Erlangen-Nürnberg entwickelte Hydrophone. Die Hydrophone messen akustische Signale mittels einesPiezo-Elements, das Druckschwankungen in ein Spannungssignal umwandelt. Dieses Signalwird dann vorverstärkt, digitalisiert und anschließend an Land übertragen. Zwei dieser Un-terwassermikrophone wurden beim Einbau beschädigt, sodass nur 34 von ihnen auch auf dasMeeresrauschen zurückführbare Daten liefern.

Abbildung 2.2: Skizze der in das ANTARES-Projekt eingebauten akustischen Storeys.

Die Daten werden an Land gefiltert und interessante Ereignisse aufgezeichnet. Zusätzlich wer-den jede Stunde 10 s Daten mit einem minimum bias Filter aufgezeichnet. Diese dienen zurEffizienzbestimmung und zu den hier beschriebenen Untergrundstudien. Als Messbereich fürdas Umgebungsrauschen wird das Frequenzintervall von 1 bis 50kHz gewählt, da hier nahezudas gesamte Hintergrundrauschen zu finden ist, wie aus Abbildung 2.3 hervorgeht.

Da die gleichzeitig durchgeführten Rauschmessungen der funktionsfähigen Sensoren untereinan-der sehr gut korreliert sind (Korrelationsfaktor> 0,9), wurden bei allen im Folgenden gemachtenUntersuchungen stellvertretend die Rauschdaten von Sensor 11, einem Sensor auf dem obersten


Abbildung 2.3: Leistungsdichtespektrum zur Veranschaulichung der Wahl des Messbereichs. Dieschwarze Kurve wurde unter Laborbedingungen aufgenommen und sollte das Eigenrauschen der Hydro-phone repräsentieren. Wegen Einkopplungen liegt es für hohe Frequenzbereiche unter dem Eigenrauschender Sensoren im Meer.

Stockwerk der IL07, verwendet. Dafür, dass es sich nicht um eine zufällige Korrelation handelt,spricht die Tatsache, dass die funktionierenden Sensoren mit den untauglichen unkorreliert sind(Korrelationsfaktor < 0,1).

Analysiert werden in dieser Arbeit Rauschdaten aus dem Jahr 2008. Aufgrund eines Defektsim Kabel, das den Detektor mit der Küste verbindet, waren im Juli und August keine Datenverfügbar.

2.3 Wetterdaten und Wetterstationen

Die Wetterdaten wurden vom „National Climatic Data Center“ des „NOAA Satellite and Infor-mation Services“ für die fünf, dem ANTARES-Standort am nähesten gelegenen Wetterstationen(Abbildung 2.4) zur Verfügung gestellt [8].

• Toulon (Station 0);

• Cap Cépet (Station 1);

• Hyères (Station 2);

• auf Porquerolles (Station 3);

• Ile de Levant (Station 4).

Auch hier erhalten wir, mit Ausnahme der Station 3, die nur alle drei Stunden Werte liefert,jede Stunde einen Datensatz mit Informationen über

2.3. Wetterdaten und Wetterstationen 11

Abbildung 2.4: Lage der Wetterstationen und des Antares-Projektes


• die Windgeschwindigkeit in m/s,

• Temperatur in ◦C,

• den Luftdruck in hPa und

• die Windrichtung in Grad, wobei 0◦ bzw. 360◦ für Wind von Norden her kommend steht.

Das Fehlen der Daten einer Station an einem Messzeitpunkt, führt zu einem Eintrag bei -1000,der bei der späteren Analyse herausgefiltert werden kann.Eine Zusammenstellung representativer Wettergrößen der einzelnen Stationen zeigt Tabelle 2.2,wobei die Einträge bei -1000 bereits herausgefiltert wurden.

Station Toulon Cap Cépet Hyères Porquerolles Ile de Levant

Windgeschwindigkeit in m/sMittelwert 4,44 6,32 3,99 6,99 7,26Einträge 5428 5270 5515 937 5059Standardabweichung 3,30 4,20 2,69 5,05 4,95

Temperatur in ◦ CMittelwert 12,4 11,9 12,0 13,6 12,3Einträge 5428 5320 5518 918 5257Standardabweichung 4,67 4,52 5,21 4,65 4,01

Luftdruck in hPaMittelwert 1015 1015 1015 keine Werte 1015Einträge 5428 5318 5431 keine Werte 5256Standardabweichung 9,78 9,82 9,65 keine Werte 10,0

Tabelle 2.2: Vergleich der einzelnen Wetterstationen untereinander

Hierbei fällt auf:

1. Die Wetterstation auf der Insel Porquerolles liefert, wie bereits erwähnt, wesentlich weni-ger – für den Lufdruck gar keine – Werte und

2. für die Temperatur einen Mittelwert, der über denen der anderen Stationen liegt.

3. Die Mittelwerte der Windgeschwindigkeiten der Stationen in Toulon und Hyères sinddeutlich geringer als die, der übrigen Stationen.

Während der zweite Effekt wahrscheinlich das Messintervall und einer daraus resultierendengeringeren Statistik zurückzuführen ist, wird hier auf den dritten Punkt noch etwas näher ein-gegangen und die Daten über die Windrichtung hinzugezogen.

An den Verteilungen (Abbildung 2.5) der gemessenen Windrichtungen ist gut erkennbar, dassder Wind an den Stationen 1, 3 und 4 bevorzugt den Richtungen 70◦ und 290◦ kommt. AuchStation 0 lässt dieses Verhalten erkennen, jedoch ist hier der erste Peak deutlich verbreitert undverglichen mit dem zweiten auch wesentlich niedriger. Gänzlich anders verhält sich die Station2. Hier kommen auch bestimmte Windrichtungen gehäuft vor (10◦, 110◦ und 340◦), allerdingsist nur der Peak bei 340◦ deutlich ausgeprägt.Die Verteilung der Windrichtungen der einzelnen Station stützt obige These, dass Station 0 und

2.3. Wetterdaten und Wetterstationen 13

Abbildung 2.5: Verteilung der gemessenen Windrichtungen für die verschiedenen Stationen


2, also Toulon bzw. Hyères, sich bezüglich des Winds anders verhalten als die übrigen. Dies istvermutlich zurückzuführen auf die geographischen Gegebenheiten der jeweiligen Messstationen.Wie Abbildung 2.4 zeigt, liegen die Stationen 3 und 4 auf Inseln im Mittelmeer und Station1 an der, der offenen See zugewandten, Küste, die beiden abweichenden Stationen 0 und 2 einStück im Land.Da aber die Wetterlage am ANTARES Standort, etwa 30 km von der Küste entfernt, für diefolgenden Untersuchungen relevant sind, wurden sowohl Station 0, als auch Station 2 aufgrundihrer Lage für die Beschreibung der Wetterverhältnisse als ungeeignet eingestuft. Station 3scheidet wegen der Tatsache aus, dass hier zu wenige Daten vorhanden sind. Weiterhin werdenin dieser Arbeit nur die Winddaten für die weiteren Analysen herangezogen.

2.4 Weiterverarbeitung der Daten

Um die Wind- mit den Rauschdaten korrelieren zu können, wird zuerst die Zuordnung derRausch- zu den passenden Wettereinträgen durchgeführt. Das erledigt ein Macro, basierend aufdem Root-Analyse-Framework1. Dabei durchlaufen die minimum bias Daten auch noch zweiFilteralgorithmen, die erstens nichtgaußförmige Signale, die von starken Signalen stammen,und zweitens hochfrequente Signale, zum Beispiel vom akustischen Positionierungssystem desANTARES-Projekts, herausfiltern.Desweiteren verfügt das Programm über eine Funktion, die den Mittelwert der Rausch- und/oderWinddaten über eine individuell einstellbare Anzahl von Einträgen berechnet. Dies geschiehtdurch das „floating average“-Verfahren: Zu einem gegebenen Zeitpunkt i wird der Mittelwertder n vorhergehenden und der n nachfolgenden Einträge (gesamt 2n+ 1) gemittelt2. Sollte einEintrag nicht vorhanden sein, so wird dieser ignoriert. Es kann allerdings vorkommen, dasszwischen zwei Einträgen mehr als eine Stunde liegt, da die Rauschdaten, und somit auch dieihnen zugeordneten Windeinträge, nicht zwingend jede Stunde vorliegen.Die in dieser Arbeit am häufigsten verwendete Funktion des Programms ist die Offset-Funktion.Diese erzeugt künstlich einen Offset auf die Zeitpunkte der Winddaten, sodass diese gegenüberden Rauschdaten um die eingestellte Anzahl an Messzeitpunkten verschoben werden.

1root.cern.ch2n =̂ steps_wind bzw. steps_noise

Kapitel 3

Untersuchen der Korrelation zwischenRausch- und Wetterdaten

In diesem Kapitel wird auf das eigentliche Thema der Arbeit, die Untersuchung der Korrelati-on zwischen den Wetter- und den Rauschdaten, eingegangen. Hierzu werden erst Eigenschaftendieser Korrelation (Abschnitte 3.1 und 3.2) untersucht. Die Untersuchung führt zur Entwick-lung eines Cut-Algorithmus, der den Datensatz bereinigt und dessen Anwendung eine starkeKorrelation zwischen den Rausch- und den Winddaten nachweist (Abschnitt 3.3).Wie bereits in Abschnitt 2.1 erläutert wurde, legen die Wenz-Kurven nahe, dass die Wetter-abhängigkeit hauptsächlich auf den Wind bzw. den dadurch hervorgerufenen Seegang zurück-führen ist, sodass die folgenden Untersuchungen auf die Windabhängigkeit des Rauschniveausbeschränkt werden. Weitere Wetterparameter, sowie zeitliche Abhängigkeiten werden in [9]analysiert.

3.1 Verzögerte Reaktion des Rauschniveaus auf den Wind

Zunächst wird untersucht, ob das gemessene Rauschniveau eine zeitliche Verzögerung gegenüberdem gemessenen Wind aufweist. Für eine retardierte Reaktion würde sprechen, dass

1. die Wetterstationen einen gewissen Abstand zum ANTARES Standort haben, sodass dieLuftströmung (der Wind) sich an den unterschiedlichen Orten zu unterschiedlichen Zeitenetabliert und

2. der Wind Zeit benötigt, um an der Oberfläche Wellen anzuregen.

Um dies zu realisieren wird die Offset-Funktion des oben beschriebenen (siehe Abschnitt 2.4)Programms ausgenutzt. Es werden nun verschiedene Offset-Werte im Bereich -20 bis 20 ein-gestellt und die Korrelationsfaktoren für die Korrelation zwischen Rauschniveau und Windge-schwindigkeit berechnet. Unter der Annahme einer verzögerten Reaktion sollte der Korrelati-onsfaktor bei einem von 0 verschiedenen Offset-Wert maximal sein. In Abbildung 3.1 sind dieKorrelationsfaktoren gegen den Offset für die fünf verschiedenen Wetterstationen aufgetragen.Es zeigt sich:

1. Die Korrelation ist nicht sehr ausgeprägt (Korrelationsfaktoren < 0,5), sodass bis jetztnur von einer schwachen Korrelation ausgegangen werden kann. Dies kann jedoch aufeinen verunreinigten Datensatz zurückgeführt werden (siehe Abschnitt 3.3).

2. Die beste Korrelation liegt allgemein für den Offset-Wert 0 vor, mit Ausnahme der Sta-tionen 0 und 2. Somit ist die aufgestellte Vermutung nicht bestätigt worden und es kann

15

16 3. Untersuchen der Korrelation zwischen Rausch- und Wetterdaten

Abbildung 3.1: Auftragen der Korrelationsfaktoren gegen den Offset (Station 4)

davon ausgegangen werden, dass der Rauschpegel zumindest innerhalb einer Stunde aufWindänderungen reagiert.

Weiterhin sieht man, dass sich die Korrelationswerte für die einzelnen Stationen unterscheiden:

• Die Stationen 1 und 4 lassen bei Offset 0 schwach gepeakte Kurven erkennen, die starkzu den größeren Offsets hin abfallen.

• Station 3 zeigt einen ähnlichen Verlauf, allerdings nicht so glatt mit einigen Ausreißernnach unten bzw. oben. Diese Tatsache ist zurückzuführen auf die geringe Datenmengedieser Station (vgl. Abschnitt 2.3)

• Bei den Stationen 0 und 2 sind keine gepeakten Kurven erkennbar. Hier steigt der Kor-relationsfaktor zunächst an und bleibt im Offset-Bereich zwischen -10 und 5 annäherndkonstant, bis er dann zu höheren Offset-Werten wieder abnimmt. Die maximal erreichtenKorrelationsfaktoren liegen deutlich unter denen der anderen Stationen. Daran zeigt sichwieder, dass diese beiden Stationen die Windverhältnisse am Ort des Geschehens nichtso gut wie die Stationen 1 und 4 repräsentieren (siehe Abschnitt 2.3).

Aufgrund der beiden letztgenannten Sachverhalte werden die folgenden Untersuchungen auf dieStationen 1 und 4 beschränkt.An dieser Stelle sollten noch zwei Beobachtungen gemacht werden.

1. Der Abfall des Korrelationsfaktors zu den betragsmäßig großen Offset-Werten hin ist eindeutliches Indiz dafür, dass die berechnete Korrelation nicht zufällig zustande kommt.

2. Der doch relativ flache Verlauf zwischen den Offset Werten -5 und 5 lässt vermuten, dassdas Rauschen erst zunimmt, wenn die Windstärke über einen längeren Zeitraum konstanthoch ist (siehe hierzu auch Abschnitt 3.2).

3.2. Mittelung der Windgeschwindigkeit 17

3.2 Mittelung der Windgeschwindigkeit

Der letztgenannte Punkt soll im folgenden Abschnitt näher untersucht werden. Hierzu wird die„floating-average“-Funktion des in Abschnitt 2.4 beschrieben Root-macros ausgenutzt, wobei imFolgenden steps_wind mit dem obigen n gleichzusetzen ist. Durch Mittelung der Windmessun-gen wird erreicht, dass Windspitzen herausfallen. Somit kann abgeschätzt werden, über welchenZeitraum die Windgeschwindigkeiten hoch sein sollten um ein Erhöhung des Rauschniveaus zubewirken. Der gesuchte Zeitraum ist der, bei dem sich die größten Korrelationsfaktoren zwi-schen den Rausch- und den Winddaten ergeben. In Abbildung 3.2 sind die Korrelationsfaktorengegen den Offset für verschiedene Werte von steps_wind aufgetragen.Der grundsätzliche Verlauf der Kurven bleibt vergleichbar mit den Kurven ohne die Mittelung.Der Abfall zu den betragsmäßig großen Offset-Werten sowie einen Peak bei einem Offset von 0bleiben erhalten. Es fällt jedoch auf, dass

1. die Kurven mit zunehmenden steps_wind -Wert immer breiter und glatter werden, wasauf die Mittelung zurückzuführen ist,

2. die maximale Korrelation für größere steps_wind -Werte zunächst zunimmt und bei etwasteps_wind=6 ein Maximum erreicht. Die beste Korrelation ergibt sich also für die Mitte-lung über ungefähr 13 Stunden, was vermuten lässt, dass Windspitzen nur einen kleinenBeitrag bei der Erzeugung des Untergrundrauschens leisten, und die Windstärke in etwadiesen Zeitraum konstant hoch sein sollte, um das Rauschniveau zu erhöhen und

3. auch hier eine schwache Korrelation (Korrelationsfaktor < 0,5) vorhanden ist, da weiter-hin von einem unreinen Datensample auszugehen ist.


Abbildung 3.2: Korrelationsfaktoren gegen Offset für verschiedene Mittelungen der Windstärke,oben für Station 1, unten für Station 4

3.3. Schnitte zur Verbesserung der Korrelation 19

3.3 Schnitte zur Verbesserung der Korrelation

3.3.1 Windspitzen und Sprünge des Rauschpegels

Im vorherigen Abschnitt wurde gezeigt, dass die besten Werte für die Korrelationsfaktorendurch Mittelung der Windstärke erreicht, also wenn Windspitzen geglättet werden. Dieser Faktlegt die Annahme nahe, dass der Rauschpegel sich nur langsam mit dem Wind ändert sodassgroße Sprünge zwischen benachbarten Einträgen in den Rauschdaten nicht auf den Wind zu-rückzuführen sind.Um dies zu untersuchen wurde ein neues Macro geschrieben, welches jeweils die Differenz zweierbenachbarter Einträge der Rauschdaten als ∆RMS in Volt ausgibt. Dabei wird die Differenz∆RMSi = RMS-Werti+1 − RMS-Werti gebildet und der berechnete Wert dann an die Stelledes i-ten ∆RMS-Eintrags geschrieben. Der neue Datensatz hat einen Eintrag, den letzten derursprünglichen Daten, weniger.Das beschriebene Verfahren wird analog auf die Winddaten angewandt, sodass wir hier einenDatensatz mit ∆(Windgeschwindigkeit)(in m/s) erhalten.Die folgenden Betrachtungen werden auf Station 1 beschränkt, da Station 4 dasselbe Verhal-ten zeigt (siehe Abschnitt A.2) und dadurch keine neuen Erkenntnisse gewonnen werden. Umdie Konsistenz der gemachten Annahme zu testen, werden in Abbildung 3.3 die berechnetenDifferenzen der Rausch- bzw. Winddaten in einem Streuplot aufgetragen. Diese Daten weisenmit einem Korrelationsfaktor von 0,045 keine Korrelation auf. Das lässt schließen, dass großeSprünge im Rauschniveau zwischen zwei Stunden nicht windbezogen sind.

Abbildung 3.3: Streudiagramm der Wind- gegen die Rauschdifferenzen für die Station 1

Somit lässt sich folgern, dass das RMS-Sample, wie bereits vermutet, nicht rein ist. Der nächsteSchritt ist dieses durch geeignete Schnitte zu bereinigen. Dazu werden die ∆RMS-Werte ein-geschränkt und beobachtet, welche Auswirkungen das auf die Korrelation zwischen der Wind-geschwindigkeit und dem Rauschniveau hat. Zunächst wird die Verteilung der ∆RMS-Werte(Abbildung 3.4) angeschaut. Es ist zu beachten, dass der in der Abbildung angezeigte RMS inWirklichkeit die Standardabweichung ist.


Abbildung 3.4: Histogramm der Verteilung der ∆RMS-Werte

Die meisten Werte finden sich in einem schmalen Bereich (Standardabweichung 1,23mV) umden Mittelwert 0,00V. Große Sprünge des Rauschniveaus im Datensatz sind selten.Desweiteren legt diese Verteilung nahe die großen Abweichungen herauszufiltern. Als Cut-Grenzen wurde eine 2σ-Bereich symmetrisch um die 0 gewählt, also [−1σ; 1σ], und die Korre-lation der Windgeschwindigkeit und des Rauschlevels mit und ohne diesen Schnitt berechnet(Abbildung 3.5).In dieser Abbildung sind auf der linken Seite die Streudiagramme (Rauschniveau gegen Wind-geschwindigkeit) dargestellt und rechts die jeweils zugelassenen Werte der RMS-Differenzen.Es ist deutlich zu erkennen, dass durch den Schnitt alle Punkte herausgeschnitten werden, diebei niedrigen Windgeschwindigkeiten ein großes Rauschen aufweisen und somit die Korrelationverbessert wird. Das untermauert der Vergleich der Korrelationsfaktoren mit und ohne Schnitt.Ohne Schnitt beträgt dieser 0,402. Durch den Schnitt erreichen wir eine Erhöhung auf 0,731,was einer Steigerung um 82% entpricht. Die herausgeschnittenen Werte weisen mit einem Kor-relationsfaktor von 0,0900 auf keinerlei Korrelation hin.Der Schnitt reduziert das Datensample lediglich um 10%. Hier sollte erwähnt werden, dass dieDifferenz der Anzahl der Einträge der Korrelationsplots und der ∆RMS-Verteilungen in derTatsache begründet ist, dass bei den Korrelationsplots nicht gemessene Windgeschwindigkeitenfehlen.


Abbildung 3.5: Verteilungen des Rauschens gegen die Windgeschwindigkeit (links) und Verteilungder jeweils zugelassenen RMS-Differenzen (rechts). Von oben nach unten: Verteilung ohne Schnitt auf∆RMS, mit Schnitt (2σ) und nur herausgeschnittene Werte.


3.3.2 Eigenschaften des ∆RMS-Cuts

Nachdem gezeigt wurde, dass das angelegte Kriterium effizient das Datensample bereinigt, solldieses Verfahren nun genauer untersucht werden.Dazu werden zunächst die Verteilungen der herausgeschnittenen Wind- bwz. Rauschdaten (Ab-bildung 3.6) betrachtet.

Abbildung 3.6: Verteilungen der herausgeschnittenen Wind- bzw. Rauschdaten (2σ-Bereich der∆RMS-Werte)

Hier sollte sich idealerweise eine Gleichverteilung der RMS-Werte ergeben, was bedeuten würde,dass über den gesamten Bereich gleichermaßen geschnitten und keiner bevorzugt wird. Aller-dings ist dieses Verhalten hier nicht gegeben. Das ist darauf zurückzuführen, dass die hohenWerte des Rauschens bzw. Winds wesentlich seltener vorkommen als die niedrigen und somit dieWahrscheinlichkeit zunimmt dass diese herausgeschnitten werden. Allerdings werden die hohenWerte des Rauschens (RMS > 0,003V), die, wie aus Abbildung 3.5 ersichtlich ist, hauptsächlichbei niedrigen Werten des Windes auftreten, also nicht dem Wind zuzuordnen sind, komplettherausgeschnitten.Der Schnitt hat auf die Verteilung der Windgeschwindigkeiten keinen Einfluss, sodass diesedenselben Verlauf zeigt wie ohne Schnitt.Wird das Cut-Kriterium geschwächt und ein Bereich vom 4σ ([−2σ; 2σ]) für die ∆RMS-Wertezugelassen, ergeben sich die im Anhang in Abbildung A.2 gezeigten Korrelationsplots bzw.∆RMS-Verteilungen. Die berechneten Korrelationsfaktoren sind:

• ohne Cut 0,402,

• mit Cut (4σ-Bereich) 0,661 und

• nur für die geschnittenen 0,0313.


Auch hier zeigt sich eine deutliche Verbesserung der Korrelation durch den Cut (um 65%),wobei etwa 4,3% der Werte verworfen werden.Die Verteilung der nicht berücksichtigten Werte (Abbildung A.1) zeigt für die Rauschdateneine annähernde Gleichverteilung, wobei weiterhin alle hohen Rauschwerte (RMS > 0,003V)herausgefiltert werden.In der nachfolgenden Tabelle 3.1 wird nun das Verhalten des vorgestellten Schnitts für verschie-dene zugelassene ∆RMS-Werte untersucht, um herauszufinden welche Einstellung am geeignet-sten ist. Sie enthält die Daten:

• ∆RMS-Bereich in σ: Hier handelt es sich um den zugelassenen ∆RMS-Bereich. Der an-gegebene Wert steht für die Länge des jeweiligen Intervalls, also die 1 für [−0,5σ; 0,5σ]usw.;

• den Korrelationsfaktor für das verwendete Cut-Kriterium;

• Verbesserung der Korrelation (bezogen auf die Korrelation ohne Cut), also

Korrelationsfaktormit Cut −Korrelationsfaktorohne CutKorrelationsfaktorohne Cut

;

• Bruchteil der nicht gefilterten Werte: Die Anzahl der Einträge, die nach dem ∆RMS-Cutnoch vorhanden sind, bezogen auf die Gesamtzahl.

Korrelationsfaktor ohne Cut: 0,402; Gesamtzahl der Einträge: 5573∆RMS-Bereich in σ Korrelationsfaktor Verbesserung der Kor-

relationBruchteil der nicht ge-filterten Werte

1 0,780 0,942 0,7822 0,731 0,820 0,9003 0,699 0,740 0,9354 0,661 0,646 0,9585 0,632 0,575 0,9676 0,609 0,517 0,974

Tabelle 3.1: Übersicht der Eigenschaften für verschiedene Cut-Grenzen.

Zur Veranschaulichung werden diese Werte noch in einem Diagramm aufgetragen (Abbildung3.7).Hieran zeigt sich:

1. Die Korrelation, sowie die Verbesserung der Korrelation, nehmen bei der Vergrößerungdes zugelassenen Bereichs ab.

2. Bereits eine Reduktion der Daten von 3% bewirkt eine Verbesserung der Korrelation ummehr als 50%.

3. Für zugelassene Bereiche größer als [−1σ; 1σ], werden weniger als 10% der Werte heraus-geschnitten.

Es gibt demnach aus dieser Untersuchung kein Kriterium zur Abschätzung des Schnittinter-valls. Verbesserungen der Korrelation gehen einher mit Verlust von Daten, auch wenn dieserrelativ gering ausfällt im Vergleich zur erreichten Erhöhung der Korrelation. Bei den weiterenUntersuchungen wird der Bereich [−1σ; 1σ] verwendet.


Abbildung 3.7: Diagramm zum Verhalten des Cuts für verschiedene zugelassene ∆RMS-Bereiche.

3.3.3 Test auf Konsistenz

Im Folgenden werden die Untersuchungen der Abschnitte 3.1 und 3.2 für die Stationen 1 und4 wiederholt, diesmal unter Verwendung des beschriebenen Cut-Verfahrens.Wie in Abschnitt 3.1 tragen wir also wieder den Korrelationsfaktor gegen den Offset für dieStationen 1 und 4 auf (Abbildung 3.8).

Abbildung 3.8: Auftragen des Korrelationsfaktors gegen den Offset für die Stationen 1 und 4 unterVerwendung des beschriebenen Cuts


Die Kurven weisen den gleichen Verlauf auf, allerdings sind die erreichten Korrelationsfakto-ren wesentlich höher, und der Peak bei Offset 0, sowie der Abfall zu den betragsmäßig großenOffset-Werten ist wesentlich stärker ausgeprägt. Der Verlauf zeigt noch deutlicher, dass keinezeitliche Verzögerung vorliegt, und dass es sich hier aller Wahrscheinlichkeit nach nicht um einezufällige Korrelation handelt.

Jetzt wird noch in Analogie zu Abschnitt 3.2 das Verhalten für verschiedene Mittelungen derWindstärke untersucht (Abbildung 3.9).Auch hier zeigen fast alle Kurven denselben Verlauf wie ohne Cut und die maximale Korrelationwird wieder bei einem steps_wind -Wert von 6 erreicht. Wir erhalten jedoch weitaus höhereWerte für die Korrelationsfaktoren. Auffällig ist das Verhalten der Kurve steps_wind = 2 derStation 1. Diese weicht etwas von der Form der anderen Kurven ab. Sie zeigt einen wesentlichflacheren Verlauf im Bereich um den Offset-Wert 0 und hat keinen Peak. Woran das liegt,konnte von mir nicht herausgefunden werden.


Abbildung 3.9: Auftragen des Korelationsfaktors gegen den Offset für Mittelungen der Windstärke(Station 1)


3.3.4 Ergebnisse und Diskussion

Es wurden im Abschnitt 3.3.2 einige Eigenschaften des Schnittes auf Änderungen im Rauschni-veau untersucht und sich anschließend vergewissert, dass dieser auch mit den davor gemachtenUntersuchungen in Einklang zu bringen ist. Wie sich zeigte konnte das Sample dadurch bereinigtwerden, sodass aus ursprünglich schwach korrelierten Daten eine starke Korrelation ersichtlichwurde.Diese Tatsache bestärkt die in Abschnitt 3.3.1 geäußerte Vermutung, dass die großen Änderun-gen der Rauschdaten zwischen zwei Einträgen nicht auf den Wind zurückzuführen sind. Einweiteres Argument dafür liefert [9], wo festgestellt wird, dass die großen ∆RMS-Werte jedenTag vermehrt zu bestimmten Zeiten vorkommen, was aufgrund der Regelmäßigkeit ein Wet-terphänomen, sowie biologische Quellen, elektrisches Rauschen und von ANTARES-Projektstammende Geräusche, wie eventuell noch vorhandene Kalibrierungssignale oder auf Schwin-gungen der Lines zurückzuführende Erhöhungen, ausschließt.Die wahrscheinlichste Ursache ist also vom Menschen, zum Beispiel durch Schiffsverkehr, odereine höhere Hafenaktivität, verursachtes Rauschen.Um genauere Aussagen hierüber machen zu können sollten noch weitere Untersuchungen ange-stellt werden. So wäre es beispielsweise sinnvoll die zehnsekündigen Samples der Rauschdatennicht nur stündlich, sondern mehrmals in der Stunde aufzunehmen um so die großen Differenzenzu vermeiden, bzw. zu analysieren auf welcher Zeitskala Differenzen auf den Wind zurückzu-führen sind.Weiterhin wäre interessant zu betrachten, wie sich die Korrelation in den verschiedenen Jah-reszeiten bzw. in den einzelnen Monaten verhält. Als Anregung dazu dient die in den Anhanggestellte Tabelle A.2, in der die berechneten Werte der Korrelationsfaktoren für die einzelnenMonate aufgeschlüsselt sind. Deutlich erkennbar ist, dass die Korrelation in den Monaten Maibis Oktober nur schwach ausgeprägt ist. Für den betrachteten Zeitraum sind aufgrund einesDefekts keine Rauschdaten für die Monate Juli und August vorhanden, sodass hier noch Raumfür genauere Analysen bleibt.

Kapitel 4

Zusammenfassung

In der vorliegenden Arbeit wurde die Abhängigkeit des Tiefsee-Hintergrundrauschen von denWetterbedingungen am ANTARES Standort, insbesondere die Korrelation zwischen dem Rausch-niveau und der Windgeschwindigkeit, analysiert. Dazu wurden Wetterdaten von fünf Stationenin der Nähe des Projekts betrachtet. Wie sich herausstellte, sind nur zwei davon geeignet für dieBeschreibung der Wetter- bzw. Windverhältnisse 30 km vor der französischen Mittelmeerküste.

Die Korrelation zwischen dem Rauschen und den Windgeschwindigkeiten ist zunächst schwach,mit Korrelationsfaktoren von etwa 0,4. Weiterführende Betrachtungen legen aber nahe, dassein verunreinigtes Datensample vorliegt und die windbedingte Variation des Rauschniveausnur langsam vonstatten geht. Unter dieser Voraussetzung wurde die Verteilung der Differen-zen zwischen zwei aufeinanderfolgenden Einträgen der Rauschdaten betrachtet und diejenigenEinträge herausgeschnitten, die außerhalb eines 2σ-Bereichs symmetrisch um den Mittelwert 0lagen. Die dadurch erreichten Korrelationsfaktoren weisen mit etwa 0,8 auf eine starke Korrela-tion hin, wobei das Datensample lediglich um 10% reduziert wurde. Somit konnte die vermuteteBeziehung zwischen der Windgeschwindigkeit und dem Tiefsee-Hintergrundrauschen bestätigtwerden, vor allem wenn langsam veränderliche Rauschdaten betrachtet werden.

28

Anhang A

Zusätzliche Abbildungen und Tabellen

A.1 Eigenschaften des ∆RMS-Cuts

Abbildung A.1: Verteilung der herausgeschnittenen Wind- bzw. Rauschdaten (4σ-Cut auf ∆RMS)

29

30 A. Zusätzliche Abbildungen und Tabellen

Abbildung A.2: Verteilungen des Rauschens gegen die Windgeschwindigkeit (links) und der jeweilszugelassenen RMS-Differenzen (rechts). Von oben nach unten: Verteilungen ohne Schnitt (4σ) auf∆RMS, mit Schnitt und nur die herausgeschnittenen Werte.

A.2. ∆RMS-Cut für Station 4 31

A.2 ∆RMS-Cut für Station 4

Da in Abschnitt 3.3 die Untersuchung des Cut-Verhaltens beschränkt wurde auf Station 1, sindhier noch die dazu analogen Diagramme und Tabellen für Station 4 zu finden. Unterschiede zuden Diagrammen für Station 1 sind nicht zu erkennen.

Abbildung A.3: Plot der Wind- gegen die Rauschdifferenzen für die Station 4

Korrelationsfaktor ohne Cut: 0,398; Gesamtzahl der Einträge: 5573∆RMS-Bereich in σ Korrelationsfaktor Verbesserung der Kor-

relationBruchteil der nicht ge-filterten Werte

1 0,747 0,880 0,7822 0,706 0,777 0,9003 0,677 0,704 0,9354 0,638 0,605 0,9585 0,616 0,550 0,9676 0,597 0,502 0,974

Tabelle A.1: Übersicht der Eigenschaften verschiedener Cut-Grenzen (Station 4)


Abbildung A.4: Verteilungen des Rauschens gegen die Windgeschwindigkeit (links) mit und ohneCut ( [1σ; 1σ] ) auf ∆RMS (rechts)

A.2. ∆RMS-Cut für Station 4 33

Abbildung A.5: Verteilung der herausgeschnittenen Wind- bwz. Rauschdaten bei einem ∆RMS-Cutauf [−1σ; 1σ]

Abbildung A.6: Diagramm zum Verhalten des Cuts für verschiedene zugelassene ∆RMS-Bereiche(Station 4)


A.3 Monatliche Variation des Korrelationsfaktors

Die nachfolgende Tabelle A.2 zeigt die Korrelationsfaktoren des Jahres 2008 monatlich aufge-schüsselt für die Stationen 1 und 4. Hierbei wurden wieder alle Daten herausgeschnitten, deren∆RMS-Werte nicht im Bereich [−1σ; 1σ] liegen.

Monat Station 1 Station 4Januar 0,844 0,819Februar 0,633 0,558März 0,727 0,740April 0,721 0,669Mai 0,420 0,397Juni 0,508 0,319Juli keine Rauschdaten verfügbarAugust keine Rauschdaten verfügbarSeptember 0,529 0,381Oktober 0,555 0,553November 0,734 0,757Dezember 0,712 0,715

Tabelle A.2: Korrelationsfaktoren für das Jahr 2008 monatlich aufgeschlüsselt

Literaturverzeichnis

[1] http://www.physics.utah.edu/ whanlon/spectrum.html

[2] G.A. Askariyan, „Hydrodynamic Radiation From the Tracks of Ionizing Particles in StableLiquids“, Sov. J. At. En. 3 (1957), 921 ff.

[3] G.A. Askariyan, B.A. Dolgosheim et al., „Acoustic Detection of High Energy Particle Sho-wers in Water“, Nucl. Instrum. Methods 164 (1979), 267 ff.

[4] J.G. Learned, „Acoustic Radiation by Charged Atomic Particles in Liquids: An Analysis“,Physical Review 19 (1979), 3293 ff.

[5] www.nadn.navy.mil/Users/physics/ejtuchol

[6] Robert J. Urick, „Ambient Noise in the Sea“, Peninsula Publishing, 1986, Seite 1-5

[7] www.dosits.org

[8] http://www.ncdc.noaa.gov/oa/ncdc.html

[9] Jochen Müller, „Untersuchungen zum Tiefsee-Hintergrundrauschen am ANTARES-Standort“, Bachelorarbeit, Erlangen Center for Astroparticle Physics, Erlangen 2010

35

Erklärung

Hiermit bestätige ich, dass ich diese Arbeit selbstständig und nur unter Verwendung der ange-gebenen Hilfsmittel angefertigt habe.

Erlangen, 15.07.2010

Benedikt Bergmann

Untersuchungen zum Tiefsee-Hintergrundrauschen am ANTARES ... · auch das ANTARES-Neutrinoteleskop,...

Documents

Transcript of Untersuchungen zum Tiefsee-Hintergrundrauschen am ANTARES ... · auch das ANTARES-Neutrinoteleskop,...