Gaia Data Release 1 Documentation release 0

Figure 5.14: BP epoch spectra for one of the SPSS sources. The spectra are calibrated for background, di
fferential
dispersion and AL geometric calibration. Colour coding is by observation time.
Figure Figure 5.14 and Figure 5.15 show two examples of epoch (BP) spectra for an SPSS source on the left and
for an emission line source on the right. Here all epoch spectra have been calibrated for background, di
fferential
dispersion and geometry achieving a good alignment of the main features. Clearly no flux and LSF calibration has
been applied and contamination e
ffects (varying with time) are quite evident and still present in the spectra. These
will be taken care in future cycles.
For Gaia DR1, SSC were computed on epoch spectra calibrated for background, di
fferential dispersion and ge-
ometry assuming nominal absolute dispersion. These SSC then gets calibrated within the photometric processing.
The photometric results are therefore not a
ffected by the lack of flux and LSF calibration in these first stages into
the operations.
5.4.3
Standard star selection
Author(s): Dafydd W. Evans
For Gaia DR1, no standard selection was carried out for the photometric processing of the fluxes. This was because
there was no pressing need to reduce the number of transits or sources entering the calibrations and that there were
robust procedures, e.g., sigma clipping, within the calibrations to deal with non-constant sources and outliers.
Additionally, at the bright end, due to the small-scale calibration being very complex, it was necessary to maximize
the number of transits available entering the calibrations by using all sources. In future data releases, it is intended
to use a transit selection procedure to reduce the number of observations used by the calibrations in order to reduce
the memory footprint and speed up the iterations.
241

---

Figure 5.15: BP epoch spectra for one of the SPSS sources. The spectra are calibrated for background, di
fferential
dispersion and AL geometric calibration. Colour coding is by observation time.
5.5
Quality assessment and validation
5.5.1
Verification
Author(s): Dafydd W. Evans
Extensive verification is done on the outputs of the photometric processing. A summary of that analysis is presented
in Evans et al. (2017).
242

---

Part III
Gaia data analysis
243

---

Chapter 6
Variability
6.1
Introduction
Author(s): Laurent Eyer
The coordination e
ffort of the variability processing and analysis is large: the CU7/DPCG group includes about 80
active members spread over 20 institutes mostly in Europe.
CU7 is responsible for the variability analysis of over a billion celestial sources. In particular the definition, design,
development, validation and provision of a software package for the data processing of photometrically variable
objects.
Data Processing Centre Geneva (DPCG) responsibilities cover all issues related to the computational part of the
CU7 analysis. These span: hardware provisioning, including selection, deployment and optimisation of suitable
hardware, choosing and developing software architecture, defining data and scientific workflows as well as opera-
tional activities such as configuration management, data import, time series reconstruction, storage and processing
handling, visualisation and data export.
CU7
/DPCG is also responsible for interaction with other DPCs and CUs, software and programming training for
the CU7 members, scientific software quality control and management of software and data lifecycle.
Figure 6.1 shows the general processing flow of the variability analyses. Details about the specific data treatment
steps are found in Eyer et al. (2017) and will not be repeated here.
The variability content of the Gaia DR1 focusses on a subsample of Cepheids and RR Lyrae stars around the South
ecliptic pole, showcasing the performance of the Gaia photometry with respect to variable objects.
6.2
Properties of the input data
The data include about 28 days of Ecliptic Pole Scanning Law (EPSL), starting from the 25th of July 2014, followed
by a month-long transition to the Nominal Scanning Law (NSL) and then by an additional year of NSL data until
244

---

Figure 6.1:
General CU7 variability processing and analysis diagram. Elements not used or applied in the
Gaia DR1 are drawn in grey. The activities of the di
fferent coordination units (CUs) can be found in Table 1.1.
the 16th of September 2015. The set of 3194 time series and derived parameters of Cepheids and RR Lyrae
stars published in this data release are located near the South ecliptic pole, where the number of Field-of-View
(FoV) transits per source is already similar to the full-sky average at the end of the 5-year mission, thanks to the
dense sampling of sources near the Ecliptic poles (up to 8 times per day) of the initial EPSL phase. The G-band
time series mean magnitude per source covers a range from 11.7 to 20.1, with a standard deviation from 0.03 to
0.90 mag. Full details of such time series are described in section 6 of Eyer et al. (2017).
6.2.1
Input catalogue
Author(s): Lorenzo Rimoldini, Berry Holl, Krzysztof Nienartowicz
The input data consisted of the Gaia data as specified in the following sections, together with information of
crossmatched catalogues used in the creation of classification training sets (Section 6.2.2), as well as validation of
the results (Section 6.5.2).
6.2.1.1
Astrometric data
Only Gaia source positions were used for selection and crossmatch purposes in the variability processing of
Gaia DR1.
6.2.1.2
Photometric data
Photometry was available in the form of per-field-of-view G-band flux time series provided by CU5. Preceding
the Gaia DR1 data processing, classification was performed on a preliminary data set in which the not yet fully
calibrated mean G
BP
− G
RP
‘colour’ was used because it significantly improved the classification, this information
is however not published for the Gaia DR1 data.
245

---