Analyzing the characteristic radio variability of AGNs on up to 40 years of 37 GHz data from the Metsähovi Radio Observatory

Abstract

Active galactic nuclei (AGNs) are exceptionally bright compact sources located at the centers of some galaxies. The supermassive black hole at the center of the AGN drives the variability of the source causing visible changes in the observed light curve over different frequencies. This variability is a common subject of studies.

The amount of data in AGN radio analyses is often limited to relatively short monitoring periods of e.g., 5 years. However, it has been shown that longer monitoring periods are usually needed in order to identify variability timescales from the data. Identifying such characteristic timescales could help in understanding the underlying processes governing AGN variability and they could potentially be linked to physical conditions in the analyzed sources.

The aim of this thesis was to characterize AGN variability timescales from uniquely long radio AGN data from the Metsähovi Radio Observatory 37 GHz monitoring sample and specifically to identify how the results are dependent on the monitoring period length. Especially of interest was to see, if a simple power law is sufficient in characterizing the underlying noise process of AGNs in radio frequencies. The used methods included the periodogram, Lomb-Scargle periodogram, structure function, and discrete correlation function.

The results showed that the monitoring period length has a significant role on the estimated power spectrum of the sources. In many cases, the simple power law seemed inadequate in describing the noise process of the sources for long-term data. In contrast, shorter monitoring segments of 5 years were more often in apparent agreement with the null hypothesis. For many sources, the poor fits in long-term data appeared to be caused by the power spectrum experiencing a flattening of the slope after a characteristic timescale. The results also indicated that for some sources even 30-40 years of monitoring may not be enough to reveal a characteristic timescale.

Aktiiviset galaksiytimet ovat huomattavan kirkkaita kompakteja kohteita joidenkin galaksien keskustoissa. Keskustan supermassiivinen musta aukko toimii moottorina kohteen muuttuvuudelle aiheuttaen näkyviä muutoksia havaitussa valokäyrässä vaihtelevilla taajuuksilla. Tämä muuttuvuus on yleinen tutkimusten kohde.

Aktiivisten galaksiytimien tutkimuksessa käytettävä data on usein rajoittunut suhteellisen lyhyisiin havaintojaksoihin, pituudeltaan esimerkiksi 5 vuotta. On kuitenkin näytetty, että ominaisaikaskaalojen määrittäminen radiotaajuuksilla vaatii usein pidempiä havaintojaksoja. Tällaisten ominaisaikaskaalojen löytäminen auttaisi ymmärtämään aktiivisten galaksiytimien muuttuvuutta sääteleviä prosesseja ja ne voitaisiin mahdollisesti yhdistää analysoitavien kohteiden fysikaalisiin olosuhteisiin.

Tämän työn tavoite oli karakterisoida aktiivisten galaksiytimien aikaskaaloja ainutlaatuisen pitkästä radiodatasta Metsähovin radio-observation 37 GHz:n havainto-otoksesta ja erityisesti identifioida, miten tulokset riippuvat havaintojakson pituudesta. Erityisesti oli kiinnostavaa nähdä, onko yksinkertainen potenssilaki riittävä karakterisoimaan aktiivisten galaksiytimien taustaprosesseja radiotaajuuksilla. Käytettyihin metodeihin kuuluivat periodogrammi, Lomb-Scargle periodogrammi, rakennefunktio, sekä diskreetti korrelaatiofunktio.

Tulokset osoittivat, että havaintojakson pituudella on merkittävä vaikutus kohteiden arvioituihin tehospektreihin. Useassa tapauksessa yksinkertainen potenssilaki ei näyttänyt riittävän kuvaamaan kohteen kohinaprosessia pitkän havaintojakson datassa. Sen sijaan useammalle kohteelle yksinkertainen potenssilaki oli riittävä kuvaamaan 5 vuoden havaintojakson tehospektriä. Potenssilain huono sopivuus pitkän havaintojakson datassa näytti johtuvan tehospektrin kulmakertoimen tasoittumisesta ominaisaikaskaalan jälkeen. Tulokset myös indikoivat, että joillakin kohteilla edes 30-40 vuotta monitorointia ei välttämättä riitä ominaisaikaskaalan havaitsemiseen.