Origin of the gamma-ray emission in AGN jets

201 Pages·2015·16.11 MB·English

Origin of the gamma-ray emission in
AGN jets
—
A multi-wavelength photometry and polarimetry data
analysis of the quasar 3C279
INAUGURAL-DISSERTATION
zur
Erlangung des Doktorgrades
der Mathemathisch-Naturwissenschaftlichen Fakulta¨t
der Universita¨t zu K¨oln
vorgelegt von
Kiehlmann, Sebastian
aus Moers, Deutschland
Ko¨ln 2015
II
Berichterstatter: Prof. Dr. J. A. Zensus
Prof. Dr. A. Eckart
Tag der mu¨ndlichen Pru¨fung: 26. Juni 2015
Abstract
One of the main topics regarding the physics of AGN jets is the origin of the γ-ray
emission. The favoured model explaining the production of high energy radiation
in blazars is inverse Compton scattering. Though numerically and empirically
successfully tested, two major questions remain topics of substantial discussion:
First, where is the seed photon field coming from? Does it originate in the jet itself
(synchrotron self-Compton (SSC)) or in the accretion disc, the dust torus or the
broad line region (external Compton (EC))? And second, where in the jet does the
inverse Compton scattering take place?
This thesis aims to locate the γ-ray emission site in the archetypical blazar
3C279 based on the multi-frequency photometry data provided by the Quasar
Movie Project. This data set includes 140 light curves at more than twenty bands,
providing dense sampling in frequency and time domain over more than two years.
Thesedataallowustoanalysethevariabilityofthelightcurvesandtoperformcross-
correlation analysis over a large range of frequencies. We estimate the variability
power spectra at 26 frequencies. We find similar indices of a power-law spectrum
at sub-mm bands and X-rays on the one hand, and at ultraviolet and γ-rays on
the other hand. Additionally, we find a strong correlation between X-rays and
the 1mm light curve at short variability time scales. We can infer that the X-ray
emission site is located at the mm VLBI core and that X-rays are produced either
by synchrotron self-Compton scattering of mm-wavelength synchrotron photons or
by external Compton scattering of photons originating from the cosmic microwave
background. The correlation between X-rays, γ-rays, and optical bands exhibits
complex behaviour. Time lags between the bands change over time, indicating
probably different emission sites and different physical conditions. But we find
some indication that the γ-ray emission site is located, at least occasionally, at the
mm VLBI core. Thus, it is located beyond the broad line region, where infrared
photons either from the jet itself or from the dust torus may serve as seed photons
for the inverse Compton scattering to GeV energies.
Another major topic of ongoing discussion regards the structure of the magnetic
field in the jets. The observed synchrotron radiation in the spectral regime from
radio to x-rays and the polarization of the radiation are direct evidence for the
existence of magnetic fields in the jets. Furthermore current jet models require
magnetic fields to explain the launching and acceleration of jets. But the structure
of the magnetic field is unknown. Long, smooth continuous variation of the electric
vector position angle (EVPA) and very long baseline interferometry (VLBI) rotation
measure studies indicate helical magnetic field structures. Whereas erratic EVPA
variation indicates a tangled magnetic field structure and shocks traversing a
turbulent medium may temporarily order the tangled magnetic field to produce
smooth EVPA changes.
The combined optical polarimetry data provided by the Quasar Movie Project
yields an unprecedentedly well sampled polarization curve of 3C279 which shows
III
IV
strong variability with rotations of the polarization angle in both directions with
different rotation rates and amplitudes. We introduce various, new methods
to analyse the polarization variability. We test different classes of stochastic
models against the observed data and come to the conclusion that the polarization
variability of 3C279 is following two different processes. During a low brightness
state the polarization is consistent with a stochastic process. During a flaring state
the variability is dominated by a different process. The preferred model is that of
an emission feature on a helical path in a helical magnetic field.
Kurzzusammenfassung
Die Frage nach dem Ursprung der γ-Strahlung ist eines der wesentlichen Themen
auf dem Gebiet der Physik aktiver Galaxienkerne. Inverse Compton-Streuung
ist das bevorzugte Modell, um die Erzeugung von hochenergetischer Strahlung in
Blazaren zu erkl¨aren. Obwohl dieses Modell numerisch und empirisch erfolgreich
getestet ist, bleiben zwei wesentliche Fragen bislang offen: Erstens, woher stammen
die urspru¨nglichen Photonen, die zu h¨oherer Energie gestreut werden? Werden
diese im Jet selbst erzeugt (synchrotron Selbst-Compton (SSC)-Streuung), oder
stammen sie aus einer externen Region (externe Compton (EC)-Streuung) wie der
Akkretionsscheibe, dem Staubtorus oder der Broad Line Region? Zweitens, wo im
Jet findet der Streuprozess statt?
Diese Doktorarbeit versucht das Emissionsgebiet der γ-Strahlung im Blazar
3C279 anhand von photometrischen Daten, beobachtet bei einer Vielzahl von
Frequenzen, zu lokalisieren. Diese Daten werden durch das Quasar Movie Project
zur Verfu¨gung gestellt und beinhalten 140 Lichtkurven beiu¨ber zwanzig Frequenzen.
Damit bietet der Datensatz eine hohe Abtastrate sowohl im Zeit-, wie im Fre-
quenzbereichu¨bereinenZeitraumvonu¨berzweiJahren. DieseDatenermo¨glichenes
die Variabilita¨t der Lichtkurven zu untersuchen und eine Kreuzkorrelationsanalyse
u¨ber einen großen Frequenzbereich durchzufu¨hren. Wir scha¨tzen die spektralen En-
ergiedichte der Lichtkurvenvariation in 26 verschienden Frequenzban¨dern ein. Zum
Einen finden wir eine vergleichbare Verteilung der Energiedichte fu¨r die R¨ontgen-
und die sub-mm-Strahlung, zum Anderen eine vergleichbare Verteilung fu¨r die
ultraviolette und die γ-Strahlung. Zudem zeigt sich eine starke Korrelation zwis-
chen der Kurzzeitvariabilita¨t der Ro¨ntgenstrahlung und der mm-Strahlung. Daraus
schließen wir, dass die Ro¨ntgenstrahlung in der Na¨he des mm-VLBI-Kernes erzeugt
wird, entweder durch Selbst-Compton-Streuung von mm-Synchrotronstrahlung oder
durch externe Compton-Streuung von Photonen der kosmischen Mikrowellenhin-
tergrundstrahlung. Die Korrelation zwischen γ-Strahlung, R¨ontgenstrahlung und
optischerStrahlungzeigteinkomplexesVerhalten. DieVerzo¨gerungenderVariation
zwischen verschiedenen Frequenzbereichen sind zeitlich variable. Dieses Verhal-
ten ist m¨oglicherweise ein Hinweis darauf, dass diese Strahlung an verschiedenen
Stellen, unter unterschiedlichen physikalischen Bedingungen erzeugt wird. Dennoch
finden wir Anzeichen dafu¨r, dass das Emissionsgebiet der γ-Strahlung, zumindest
zeitweilig, mit der Position des mm VLBI Kernes u¨bereinstimmt. Damit liegt das
Emissionsgebiet außerhalb der Broad Line Region. Somit kommen als urspru¨ngliche
Photonen fu¨r die inverse Compton-Streuung zu ho¨herer Energie lediglich Strahlung
im Infrarotbereich in Frage, welche entweder im Jet selbst oder vom Staubtorus
emittiert wird.
Ein weiteres Thema andauernder Diskussion betrifft die Struktur des Magnet-
feldes im Jet. Die beobachtete Synchrotronstrahlung u¨ber das gesamte Spektrum
vom Radiobereich bis hin zur Ro¨ntgenstrahlung und die kennzeichnende Polarisa-
tion dieser Strahlung ist ein direkter Beweis fu¨r die Existenz von Magnetfeldern
V
VI
in Jets. Des Weiteren sind Modelle, die aktuell zur Erkl¨arung des Usprunges und
der Beschleunigung von Jets herangezogen werden, wesentlich auf die Existenz
von Magnetfeldern angewiesen. Dennoch ist die Struktur der Magnetfelder bislang
unbekannt. Lange, kontinuierliche und glatte Verl¨aufe, die die Ver¨anderung des
Polarisationswinkels anzeigen sowie Messungen der Faraday-Rotation auf Basis von
VLBI-Daten deuten auf eine Helixstruktur des Magnetfeldes hin. Die sprunghafte
Variation des Polarisationswinkels wiederum deutet auf ein chaotisches Magnetfeld.
Dieses ungeordnete Magnetfeld kann durch eine Schockfront, die das turbulente
Medium durchl¨auft, kurzweilig komprimiert werden und dadurch geordnet er-
scheinen. Dies kann auch bei einer chaotischen Magnetfeldstruktur zu glatten
Verl¨aufen der Polarisationswinkelver¨anderung fu¨hren.
Die kombinierten Polarisationsdaten im optischen Frequenzbereich, die durch
das Quasar Movie Project bereitgestellt werden, bilden die Polarisationsvariation
von 3C279 mit sehr hoher zeitlicher Abtastrate ab. Diese Daten zeigen eine
hohe Variabilita¨t des Polarisationswinkels. Rotationen in beide Richtungen treten
auf mit variierenden Rotationsgeschwindigkeiten und -amplituden. Wir stellen
verschiedene, neue Methoden vor, um Polarisationsdaten zu analysieren. Wir
testen unterschiedliche Klassen von stochastischen Prozessen gegen die Daten und
schlussfolgern, dass 3C279 zwei verschiedenen Prozessen unterworfen ist, die die
Variation der Polarisation erkl¨aren. Im Zustand geringer Intensit¨at ist die Po-
larisationsvariation konsistent mit einem stochastischem Prozess. Wiederum im
Zustand starker Intensita¨tsausbru¨che kann die Variation nicht durch einen der hier
beschriebenen stochastischen Prozesse beschrieben werden. Das bevorzugte Modell,
welches die Variation in diesem Zustand beschrieben kann, ist das eines Emis-
sionsgebietes, welches sich auf einer spiralf¨ormigen Bahn durch ein spiralf¨ormiges
Magnetfeld bewegt.
Contents
1 Introduction 1
1.1 Active galactic nuclei . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Historical review of AGN observations . . . . . . . . . . . . 1
1.1.2 Unified AGN model and radiation processes . . . . . . . . . 2
1.1.3 AGN classification . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Blazars . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Relativistic effects . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Jet launching, acceleration and collimation . . . . . . . . . . 7
1.2.3 Spectra and emission processes . . . . . . . . . . . . . . . . 7
1.2.4 Polarization . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 The Quasar Movie Project . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 3C 279 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 Photometry data 15
2.1 Data processing methods: . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.1 Cross-calibration . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2 Iterative averaging . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.3 Extinction correction . . . . . . . . . . . . . . . . . . . . . . 19
2.1.4 Flux scale conversion . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Radio, mm and sub-mm data . . . . . . . . . . . . . . . . . . . . . 21
2.3 Infra-red, optical, and ultraviolet data . . . . . . . . . . . . . . . . 21
2.4 X-ray data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5 Gamma-ray data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6 The final multi-wavelength data set . . . . . . . . . . . . . . . . . . 28
3 Multi-wavelength flux variability 31
3.1 3C279 light curves . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Estimation of the light curve probability density functions . . . . . 33
4 Power spectral densities 37
4.1 Estimation of the raw power spectrum . . . . . . . . . . . . . . . . 37
4.1.1 The necessity of a window function . . . . . . . . . . . . . . 38
4.1.2 Red noise leakage and linear de-trending . . . . . . . . . . . 40
4.1.3 Aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.1.4 Splitting and re-sampling the data . . . . . . . . . . . . . . 45
4.2 Light curve simulation . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.2.1 Generating Gaussian noise . . . . . . . . . . . . . . . . . . . 46
4.2.2 Fitting the spectral amplitude . . . . . . . . . . . . . . . . . 48
4.2.3 Matching the light curve variance . . . . . . . . . . . . . . . 49
4.2.4 Generating noise following both the desired Power Spectral
Density (PSD) and Probability Density Function (PDF) . . 49
VII
VIII CONTENTS
4.2.5 Stability of the spectral index . . . . . . . . . . . . . . . . . 50
4.2.6 Re-sampling and re-binning to uneven grid . . . . . . . . . . 51
4.2.7 Error simulation . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.8 Light curve simulation for PSD estimation . . . . . . . . . . 53
4.3 Estimation of the intrinsic power spectrum . . . . . . . . . . . . . . 54
4.3.1 Best model parameter . . . . . . . . . . . . . . . . . . . . . 54
4.3.2 p-value and confidence interval . . . . . . . . . . . . . . . . 55
4.3.3 Reliability test . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.4 B-band and 9mm-band power spectral analysis . . . . . . . . . . . 57
4.5 Multi-wavelength power spectral analysis . . . . . . . . . . . . . . . 62
4.6 Stationarity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.7 Summary of the PSD analysis . . . . . . . . . . . . . . . . . . . . . 67
5 Cross-correlation analysis 71
5.1 Methods of the cross-correlation analysis . . . . . . . . . . . . . . . 71
5.1.1 Estimation of the cross-correlation function . . . . . . . . . 71
5.1.2 Significance of the cross-correlation function . . . . . . . . . 73
5.1.3 Time lag uncertainty . . . . . . . . . . . . . . . . . . . . . . 77
5.2 DCF analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.2.1 Cross-correlation of the radio bands . . . . . . . . . . . . . . 78
5.2.2 Cross-correlation of the ultraviolet, optical, infrared bands . 83
5.2.3 Cross-correlation of best sampled light curves . . . . . . . . 84
5.3 Summary of the correlation analysis . . . . . . . . . . . . . . . . . . 95
6 Polarization 99
6.1 Introduction to polarization and polarimetry . . . . . . . . . . . . . 99
6.2 Polarimetry data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.3 EVPA ambiguity . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.3.1 Reliability of the Electric Vector Position Angle (EVPA)
adjustment . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.4 Optical EVPA variation of 3C279 . . . . . . . . . . . . . . . . . . . 109
6.5 mm and cm EVPA variation of 3C279 . . . . . . . . . . . . . . . . 112
6.6 EVPA variation estimator . . . . . . . . . . . . . . . . . . . . . . . 113
6.6.1 Error bias of the variation estimator . . . . . . . . . . . . . 114
6.6.2 Curvature bias of the variation estimator . . . . . . . . . . . 117
6.7 EVPA rotation identification . . . . . . . . . . . . . . . . . . . . . . 119
6.7.1 Rotation identification algorithm . . . . . . . . . . . . . . . 119
6.7.2 Testing the rotation identification . . . . . . . . . . . . . . . 121
6.8 Polarization properties of 3C 279 . . . . . . . . . . . . . . . . . . . 122
7 Random walk polarization model 129
7.1 Definition of the random walk models . . . . . . . . . . . . . . . . . 129
7.1.1 Randomized time sampling . . . . . . . . . . . . . . . . . . . 129
7.1.2 Simple Q, U random walk process . . . . . . . . . . . . . . . 130
7.1.3 Shock Q, U random walk process, I uniform . . . . . . . . . 131
7.1.4 Shock Q, U random walk process, I decreasing . . . . . . . . 131
7.1.5 Integrated polarization . . . . . . . . . . . . . . . . . . . . . 132
7.1.6 Simulated EVPA errors . . . . . . . . . . . . . . . . . . . . . 132
7.1.7 Prior distribution selection . . . . . . . . . . . . . . . . . . . 133
7.2 Model analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
7.2.1 Dependency on input parameters . . . . . . . . . . . . . . . 135
CONTENTS IX
7.2.2 Dependencies between measured parameters . . . . . . . . . 140
7.2.3 Model comparison . . . . . . . . . . . . . . . . . . . . . . . 141
7.3 Expectation values of the fractional polarization . . . . . . . . . . . 146
7.4 Test random walk polarization models against observations . . . . . 148
7.4.1 Period IIa: parameter distributions . . . . . . . . . . . . . . 148
7.4.2 Period IIa: probability . . . . . . . . . . . . . . . . . . . . . 153
7.4.3 Period IIIc: parameter distributions . . . . . . . . . . . . . . 155
7.4.4 Period IIIc: probability . . . . . . . . . . . . . . . . . . . . . 158
7.5 Distribution of rotation amplitudes . . . . . . . . . . . . . . . . . . 158
7.6 Conclusion: two classes of processes . . . . . . . . . . . . . . . . . . 161
8 Deterministic polarization variation models 163
9 Summary and outlook 167
X CONTENTS