Identification du dioxyde de carbone dans une atmosphère d'exoplanète

Nature volume 614, pages 649–652 (2023)Citer cet article

17 000 accès

20 Citations

121 Altmétrique

Détails des métriques

Le dioxyde de carbone (CO2) est une espèce chimique clé qui se trouve dans un large éventail d'atmosphères planétaires. Dans le contexte des exoplanètes, le CO2 est un indicateur de l'enrichissement en métaux (c'est-à-dire en éléments plus lourds que l'hélium, également appelé « métallicité »)1,2,3, et donc des processus de formation des atmosphères primaires des géantes à gaz chauds4,5,6. C'est aussi l'une des espèces les plus prometteuses à détecter dans les atmosphères secondaires des exoplanètes terrestres7,8,9. Les mesures photométriques précédentes des planètes en transit avec le télescope spatial Spitzer ont donné des indices de la présence de CO2, mais n'ont pas donné de détections définitives en raison du manque d'identification spectroscopique sans ambiguïté10,11,12. Nous présentons ici la détection de CO2 dans l'atmosphère de l'exoplanète géante gazeuse WASP-39b à partir d'observations par spectroscopie de transmission obtenues avec JWST dans le cadre du programme Early Release Science13,14. Les données utilisées dans cette étude couvrent une longueur d'onde de 3,0 à 5,5 micromètres et montrent une importante caractéristique d'absorption du CO2 à 4,3 micromètres (signification de 26 sigma). Le spectre global correspond bien aux modèles unidimensionnels de métallicité solaire dix fois supérieurs qui supposent un équilibre radiatif-convectif-thermochimique et ont une opacité modérée des nuages. Ces modèles prédisent que l'atmosphère devrait contenir de l'eau, du monoxyde de carbone et du sulfure d'hydrogène en plus du CO2, mais peu de méthane. De plus, nous détectons également provisoirement une petite caractéristique d'absorption proche de 4,0 micromètres qui n'est pas reproduite par ces modèles.

WASP-39b est une exoplanète chaude (température d'équilibre planétaire de 1 170 K en supposant un albédo nul et une redistribution complète de la chaleur) en transit qui orbite autour d'une étoile de type G7 avec une période de 4,055 jours15. La planète a approximativement la même masse que Saturne (M = 0,28 MJ, où MJ est la masse de Jupiter) mais est environ 50 % plus grande (rayon R = 1,28 RJ, où RJ est le rayon de Jupiter), probablement en raison du niveau élevé d'irradiation qu'elle reçoit de son étoile hôte16,17,18. Nous avons choisi cette planète pour les observations de spectroscopie de transmission JWST Early Release Science (ERS) parce que les analyses des données spatiales et terrestres existantes ont détecté de grandes caractéristiques spectrales et ont montré qu'il y avait une contamination minimale du signal planétaire de l'activité stellaire10,19,20,21. Les principales caractéristiques spectrales précédemment détectées ont été attribuées avec confiance à l'absorption de sodium, de potassium et de vapeur d'eau10,19,20, tandis que le dioxyde de carbone (CO2) a été suggéré pour expliquer le transit profond à 4,5 µm observé avec Spitzer10.

La métallicité atmosphérique a longtemps été considérée comme un diagnostic de l'accrétion relative de solides et de gaz lors de la formation de planètes géantes gazeuses, qui apportent toutes deux des éléments lourds à l'enveloppe dominée par l'hydrogène et à l'atmosphère visible4,5,6. La métallicité de l'étoile hôte de WASP-39b, qui est un indicateur de l'enrichissement en métal du disque protoplanétaire dans lequel la planète s'est formée, est approximativement solaire15,22,23,24. Par conséquent, la tendance de la masse de la planète à la métallicité atmosphérique observée chez les géantes du système solaire25,26 prédit qu'elle a un rehaussement d'environ dix fois le solaire (comme celui de Saturne ; réf. 27). De plus, les modèles de structure intérieure qui correspondent à la faible densité de WASP-39b prédisent une limite supérieure au 95e centile pour la métallicité atmosphérique de 55 fois solaire, sous l'hypothèse limite que la planète n'a pas de noyau d'éléments lourds et que tous les métaux sont uniformément répartis dans toute l'enveloppe28.

Malgré certaines des détections signal/bruit les plus élevées de caractéristiques spectrales dans son spectre de transmission, la modélisation des données existantes pour WASP-39b a abouti à des estimations de métallicité allant de cinq ordres de grandeur, de 0,003 fois solaire à 300 fois solaire10,29,30,31,32,33. La large plage de valeurs provient de la qualité insuffisante des données pour rompre la dégénérescence entre nuages ​​et métallicité dans les modèles de spectres de transmission34, ainsi que de l'incertitude sur l'interprétation des mesures photométriques du télescope spatial Spitzer à 3,6 µm et 4,5 µm. Ainsi, des données spectroscopiques avec une plus grande précision, des canaux spectraux plus fins et une couverture de longueur d'onde plus large étaient nécessaires pour mieux contraindre la métallicité de cette (et d'autres) atmosphères d'exoplanètes géantes.

La première observation JWST ERS de WASP-39b a été obtenue à l'aide du spectrographe proche infrarouge (NIRSpec)35,36 le 10 juillet 2022, entre 15h24 et 23h37 utc. Nous avons utilisé le mode Bright Object Time Series (BOTS) avec l'ouverture à fente fixe de 1,6″ × 1,6″ et le disperseur PRISM pour capturer des spectres entre 0,5 µm et 5,5 µm. Les données ont été enregistrées en utilisant le sous-réseau SUB512 avec cinq groupes par intégration et le modèle de lecture NRSRAPID, qui a donné des temps d'intégration de 1,38 s. NIRSpec a obtenu un total de 21 500 intégrations sur 8,23 h d'observations centrées sur la durée de transit de 2,8 h de WASP-39b.

Le taux de comptage en mode PRISM varie considérablement sur la bande passante en raison de la distribution d'énergie spectrale de l'étoile et de la dépendance à la longueur d'onde de la dispersion du spectrographe. Par conséquent, les observations ont été conçues pour saturer à des longueurs d'onde plus courtes afin d'obtenir un rapport signal sur bruit suffisant aux longueurs d'onde plus longues dans la bande passante qui n'ont pas été étudiées par spectroscopie auparavant. Les longueurs d'onde entre 0,71 µm et 2,09 µm ont au moins un groupe saturé dans le pixel au centre de la trace spectrale. Nous nous concentrons ici sur l'analyse des données longitudinales de 3,0 µm qui ne sont pas impactées par la saturation pour étudier le spectre chevauchant les précédentes mesures photométriques Spitzer de 3,6 µm et 4,5 µm. Le sous-ensemble des données PRISM décrites ici a un pouvoir de résolution spectral natif (R = λ/Δλ, où λ est la longueur d'onde) de 100 à 350. Pour cette étude, nous avons regroupé les données à des pouvoirs de résolution inférieurs (les valeurs vont de 60 à 200 selon la longueur d'onde et la réduction). Le binning est effectué au niveau de la courbe de lumière avant l'ajustement des profondeurs de transit qui constituent le spectre de transmission. Les analyses des observations de transit JWST/NIRSpec obtenues lors de la mise en service ont montré que des niveaux de regroupement similaires à ceux que nous utilisons ici se traduisent par une systématique minimale37. Une analyse de l'ensemble de données PRISM complet à pleine résolution, y compris la récupération de la partie saturée du spectre, est en cours.

Nous avons réduit les données NIRSpec PRISM pour WASP-39b à l'aide du pipeline d'étalonnage scientifique JWST ainsi que de routines personnalisées pour minimiser le bruit dans les spectres de séries chronologiques (méthodes). Nous avons effectué quatre réductions différentes du spectre de transmission à partir des données non calibrées21,38,39,40. La figure 1 montre les courbes de lumière de transit spectroscopique dérivées de l'une des réductions. Nous confirmons avec notre analyse des données WASP-39b que les observations de transit NIRspec à un pouvoir de résolution de 60 à 200 sont presque exemptes de systématique. Nous avons obtenu des mesures proches du bruit des photons dans les courbes de lumière spectroscopiques après avoir coupé les 10 premières minutes de données et supprimé une tendance linéaire dans le temps avec un taux moyen d'environ 190 ppm h-1 sur la bande passante. Nous avons également obtenu des résultats similaires en ajustant la série temporelle complète avec une rampe exponentielle à tendance descendante (échelle de temps d'environ 100 min) combinée à une fonction quadratique du temps. Le manque de grande systématique dans ces données contraste avec les précédentes observations de spectroscopie de transit avec des télescopes spatiaux ou terrestres41.

a, Courbes de lumière spectroscopiques pour le transit de WASP-39b avec un pouvoir de résolution spectral de 20 et une cadence de temps de 1 min (les données sont regroupées et décalées verticalement à des fins d'affichage uniquement). Un modèle de courbe de lumière exoplanétaire a été ajusté aux données à l'aide d'une loi quadratique d'assombrissement des membres avec une rampe exponentielle et une fonction quadratique du temps supprimée. b, Résidus de la courbe de lumière groupée après soustraction du modèle de transit mis à l'échelle par un facteur de cinq pour montrer la structure. La valeur efficace des résidus est donnée en unités de ppm. Les nombres entre parenthèses sont le rapport de la valeur efficace au bruit limité aux photons prédit.

Données source.

Les spectres de transmission dérivés des différentes réductions, représentés sur la figure 2, présentent un excellent accord. Ils montrent tous une grande caractéristique à 4,3 µm, ainsi qu'une plus petite caractéristique près de 4,0 µm (voir ci-dessous). La modélisation détaillée des données réduites FIREFLy (Fast InfraRed Exoplanet Fitting Lyghtcurve) donne une signification statistique de 26σ pour la grande caractéristique (Méthodes). Nous attribuons cette caractéristique à l'absorption de CO2 sur la base d'une comparaison de la forme de bande résolue avec des modèles théoriques et les spectres de naines brunes42. La figure 2 comprend également les deux mesures photométriques à large bande de Spitzer10, qui sont cohérentes avec les données JWST à mieux que 2σ après intégration du spectre de transmission sur les bandes passantes de Spitzer. Nous constatons également un bon accord (meilleur que 2σ pour toutes les réductions) dans les profondeurs de transit relatives entre les canaux de 3,6 µm et 4,5 µm. La comparaison illustrée à la Fig. 2 démontre à la fois la cohérence des spectres dérivés d'analyses multiples et indépendantes et la fiabilité des mesures Spitzer précédentes.

Les données JWST (petits points colorés) sont comparées aux mesures photométriques à large bande des deux caméras à réseau infrarouge (IRAC) de Spitzer (cercles gris et courbes de sensibilité correspondantes étiquetées IRAC1 et IRAC2). L'axe de droite montre des hauteurs d'échelle équivalentes (750–1 000 km) dans l'atmosphère de WASP-39b ; à des fins de tracé, nous supposons qu'une hauteur d'échelle correspond à 800 km. Les données JWST sont cohérentes avec les points Spitzer (à moins de 2σ) lorsqu'elles sont intégrées sur les larges bandes passantes (indiquées par les lignes horizontales). Les profondeurs de transit relatives entre les canaux de 3,6 µm et de 4,5 µm sont également cohérentes dans 2σ entre les réductions indépendantes des données JWST, la majeure partie de l'écart provenant de la bande passante de 3,6 µm. Les barres d'erreur verticales indiquent les incertitudes 1σ.

Nous avons comparé les données avec une suite de modèles unidimensionnels de structure atmosphérique et de spectre de transmission pour contraindre la composition de l'atmosphère de WASP-39b. Ces modèles supposent un équilibre radiatif-convectif-thermochimique et adoptent un modèle d'abondance solaire à l'échelle. Nous avons calculé les grilles spécifiques à la planète de ces modèles sur une gamme de métallicités atmosphériques, de rapports carbone-oxygène et de propriétés des nuages ​​en utilisant quatre codes différents. Ces grilles de spectres de transmission de modèles auto-cohérents ont ensuite été ajustées aux données réduites par FIREFLy (les résultats d'ajustement sont indépendants de l'ensemble de données que nous utilisons) tout en ajustant également un rayon de référence à 1 bar. Les résultats sont illustrés sur la figure 3; voir Méthodes pour plus de détails.

En haut : une comparaison de la réduction FIREFLy et de ses incertitudes 1σ (étiquetées "Données") au modèle théorique ScCHIMERA le mieux adapté à la résolution des données (courbe bleue ; Méthodes). Les paramètres clés du modèle sont 10 fois la métallicité solaire, un rapport carbone/oxygène de 0,35 et une opacité des nuages ​​de 7 × 10−3 cm2 g−1. L'impact des sources d'opacité attendues de l'équilibre thermochimique sur la bande passante complète est indiqué en supprimant la contribution d'opacité des gaz individuels un à la fois. Comme sur la figure 2, l'axe de droite montre les hauteurs d'échelle équivalentes dans l'atmosphère de WASP-39b. En bas : les sections efficaces d'absorption moléculaire pour chaque gaz dans le modèle le mieux adapté. Le modèle est bien adapté aux données (Χ2/Ndata = 1,3), suggérant que nos hypothèses capturent globalement la physique et la chimie importantes dans l'atmosphère de WASP-39b. Cependant, il existe une caractéristique proche de 4,0 µm qui ne peut pas être reproduite par les modèles utilisés ici. La forte absorption de CO2 (4,1–4,6 µm) et le manque apparent de méthane (3,0–3,5 µm) sont ce qui conduit la solution à un enrichissement atmosphérique élevé en métal, excluant les estimations précédentes de faible métallicité29,30,31. Les autres réductions et modèles donnent des résultats similaires.

Sous des hypothèses similaires, les quatre grilles du modèle sont capables de correspondre aux morphologies spectrales dominantes, à savoir la forte caractéristique de CO2 entre 4,1 µm et 4,6 µm et l'augmentation de la profondeur de transit vers le bleu de 3,6 µm due à la vapeur d'eau (H2O) (une espèce qui avait été détectée précédemment à des longueurs d'onde plus courtes10). Des modulations plus subtiles sur l'ensemble de la bande passante sont potentiellement dues aux contributions des nuages, du monoxyde de carbone (CO) et du sulfure d'hydrogène (H2S), bien que le degré de contribution des deux espèces de gaz soit inconnu dans l'attente d'une étude plus approfondie.

Plusieurs modèles d'atmosphères chaudes de géantes gazeuses prédisent que l'abondance de CO2 évolue quadratiquement avec la métallicité atmosphérique, devenant détectable à 4,3 µm pour les métallicités supérieures à celle du Soleil1,2,3. Le modèle représentatif le mieux ajusté illustré à la Fig. 3 est cohérent avec ce scénario. Il a un enrichissement en métal 10 fois solaire et un rapport carbone/oxygène légèrement sous-solaire (0,35, contre une valeur solaire de 0,55 ; réf. 43). La contribution modérée de l'opacité des nuages ​​prédite par le modèle le mieux adapté est cohérente avec les interprétations d'études antérieures au niveau de la population de planètes ayant des températures et des gravités similaires à celles de WASP-39b44,45. Il est également cohérent avec les prédictions de la microphysique des aérosols et des modèles de circulation globale des planètes géantes chaudes46,47,48.

En plus de la grande caractéristique de CO2, nous identifions également une caractéristique spectrale plus petite proche de 4,0 µm qui ne correspond pas à nos modèles d'équilibre thermochimique (Fig. 3). Cette caractéristique est présente dans les quatre réductions indépendantes et a une signification de 2σ (Méthodes). Une analyse et une modélisation plus poussées des données, y compris la chimie hors d'équilibre, sont nécessaires pour évaluer pleinement la robustesse de cette caractéristique et pour identifier les espèces chimiques qui la provoquent. Des observations JWST ERS supplémentaires de WASP-39b qui utiliseront le réseau G395H sur NIRSpec ont également le potentiel de confirmer la caractéristique de 4,0 µm et de la résoudre plus en détail.

Les ajustements de grille explorés ici favorisent des métallicités plus faibles que les références. 10,21, et des métallicités plus élevées que la réf. 31, même si les données de Spitzer incluses dans leurs études sont cohérentes avec nos données JWST. La plus grande précision et la mesure plus résolue de la fonction CO2 activée par JWST tire les modèles de réfs. 10,21 pour réduire la métallicité et augmenter la nébulosité. Néanmoins, il n'est pas possible d'obtenir un intervalle de confiance robuste sur cette inférence sans des analyses bayésiennes plus rigoureuses, ce qui est laissé à des travaux futurs (Méthodes). La poursuite de la modélisation de WASP-39b sera également aidée par les futures mesures du spectre de transmission de la planète de 0,5 µm à 5,5 µm qui sont également obtenues par ce programme ERS. Le spectre de transmission final aura finalement une résolution spectrale plus élevée que les données présentées ici (plus de quatre fois sur la majeure partie de la bande passante) et sera validé à l'aide de plusieurs instruments JWST.

Nous avons réduit les données JWST NIRSpec PRISM pour WASP-39b en utilisant quatre pipelines distincts pour confirmer que les résultats ne dépendaient pas des spécificités des analyses, comme c'était parfois le cas pour les résultats du télescope spatial Spitzer (par exemple, réf. 49). Les descriptions ci-dessous font référence aux pipelines d'étalonnage et à d'autres logiciels dont le code et les citations apparaissent dans « Disponibilité du code ».

Nous avons utilisé Time Series Helper et Integration Reduction Tool40 (tshirt) pour extraire les courbes lumineuses du spectre. Ce pipeline modifie les étapes du pipeline JWST Calibration pour améliorer la précision de la réduction. tshirt a été utilisé pour analyser avec succès les observations de transit JWST de HAT-P-14b qui ont été obtenues lors de la mise en service avec la caméra infrarouge proche (NIRCam)37. Tout d'abord, nous avons utilisé une image de biais mise à jour du programme de mise en service 1130 observation 29 et exécuté le pipeline d'étalonnage JWST jusqu'à l'étape des pixels de référence. Nous avons ensuite appliqué une correction pour le bruit 1/f (ainsi nommé car la puissance du bruit est inversement proportionnelle à la fréquence du signal, f), qui varie pour les lignes paires et impaires et pour chaque colonne. Nous utilisons des pixels d'arrière-plan pour l'étalonnage car les pixels de référence ne sont pas disponibles dans ce sous-réseau. Nous avons sauté les étapes de saut et de soustraction sombre car elles ajoutaient du bruit aux courbes de lumière. tshirt correspond au profil du spectre avec des splines et rejette les pixels aberrants qui sont à plus de 50σ des ajustements de spline. Nous avons utilisé l'extraction pondérée par la covariance50 avec une corrélation de pixels supposée de 0,08. Pour l'extraction spectrale, nous avons utilisé une région d'arrière-plan d'au moins 7 pixels de chaque côté de la source et une largeur de région d'extraction de 16 pixels. La dispersion dans la courbe de lumière était cohérente avec la limite théorique du photon et du bruit de lecture sur de courtes échelles de temps.

Nous ajustons les courbes de lumière avec une ligne de base polynomiale de second ordre (quadratique), des priors d'assombrissement des membres quadratiques non informatifs et une rampe de démarrage exponentielle avec un écrêtage de 10σ des valeurs aberrantes. Pour commencer, nous ajustons la courbe de lumière blanche avec des priors sur le centre de transit, l'inclinaison et la période à partir de la réf. 22. Nous avons également utilisé le rapport a/R* (où a est le demi-grand axe et R* est le rayon stellaire) de la réf. 22 mais a élargi l'incertitude sur ce paramètre parce que l'a priori imposé a entraîné des résidus significatifs. Ensuite, nous adaptons chaque courbe de lumière spectroscopique individuellement avec les paramètres orbitaux fixés à la valeur des médianes postérieures de la lumière blanche. Nous avons modélisé les courbes de lumière à l'aide du code 'exoplanet'51 et du sampler pymc352. Nous avons évalué les longueurs d'onde à l'aide du pipeline d'étalonnage JWST à la rangée de pixels 16 (Y = 16) à partir de la solution de coordonnées mondiales. Ceci utilise un modèle d'instrument et n'a pas pu être vérifié en raison d'un manque de caractéristiques d'absorption stellaire fortes à la résolution NIRSpec. Toutes les autres réductions ont adopté cet étalonnage en longueur d'onde. Comme le montre la Fig. 1, l'écart type de la courbe de lumière hors transit se rapproche de la limite théorique des photons et du bruit de lecture aux courtes longueurs d'onde, mais est de 20 % à 40 % plus élevé aux longueurs d'onde plus longues, ce qui peut être lié au bruit 1/f non corrigé.

Eureka!39 est un pipeline de réduction et d'analyse de données pour les observations de séries chronologiques avec le JWST ou le télescope spatial Hubble. Sa conception modulaire à plusieurs étages offre flexibilité et facilité de comparaison à n'importe quelle étape, à partir de fichiers FITS non calibrés et résultant en des spectres de transmission ou d'émission précis. Eurêka ! a été utilisé pour analyser avec succès les observations de transit JWST de HAT-P-14b qui ont été obtenues lors de la mise en service avec NIRCam37.

Nous avons commencé le processus de réduction des données en utilisant les fichiers de données brutes non calibrés avec le suffixe "uncal" disponible dans l'archive Mikulski Archive for Space Telescopes (MAST). La première étape de l'Eureka! Le pipeline est principalement un wrapper pour l'étape 1 du pipeline d'étalonnage JWST, qui convertit les groupes en pentes. Pour cet ensemble de données, nous avons sauté l'étape de détection de saut car elle a conduit à ce qu'une grande partie des pixels du détecteur soient incorrectement signalés comme des valeurs aberrantes. Cependant, nous avons recherché et signalé des valeurs aberrantes à plusieurs points au cours des étapes suivantes. Nous avons également mis à jour manuellement la carte des mauvais pixels pour inclure les pixels chauds identifiés sur le détecteur qui n'étaient pas fournis dans la carte de qualité des données STScI du détecteur complet actuelle (juillet 2022). Dans le cadre d'Eureka!, nous avons effectué une soustraction de fond personnalisée au niveau du groupe avant l'ajustement de la rampe de l'étape 1 pour tenir compte du bruit 1/f introduit lors de la lecture du détecteur. Nous avons défini les six lignes supérieures et inférieures du détecteur comme notre région d'arrière-plan et signalé les pixels considérés comme des valeurs aberrantes à> 3σ. Nous avons ensuite soustrait le flux moyen par colonne de pixels et répété cela pour chaque groupe et intégration dans l'observation. Comme pour l'étape 1, la deuxième étape de l'Eureka ! pipeline est un wrapper pour l'étape 2 du pipeline d'étalonnage JWST, qui étalonne la série chronologique bidimensionnelle des pentes ajustées. Ici, nous avons sauté l'étape d'étalonnage du flux, laissant ainsi les données en unités de nombre numérique (DN) par seconde (DN s−1).

Pour l'étape 3, nous avons effectué une soustraction de fond et une extraction optimale du spectre stellaire pour chaque intégration avec Eureka!. Nous n'avons utilisé que les pixels 14 à 495 dans la direction de dispersion du sous-réseau de 512 × 32 pixels, car le débit de NIRSpec est négligeable au-delà de cette plage. Nous avons également masqué les pixels qui ont un indicateur de qualité des données non nul pour éviter tout impact des pixels aberrants sur les spectres extraits ou la soustraction de fond. La position de la source sur le détecteur le long de la dimension de dispersion croisée est localisée en ajustant une gaussienne aux valeurs de pixel additionnées sur toutes les colonnes du détecteur. Pour chaque pixel, nous avons examiné sa variation de flux dans le temps et effectué un test de rejet de 10σ-outlier à double itération. Nous avons ensuite exécuté une deuxième soustraction de fond colonne par colonne, cette fois au niveau de l'intégration, en utilisant des pixels situés à au moins 8 pixels de la position source pour calculer le fond moyen par colonne. L'exécution de cette soustraction de fond supplémentaire a réduit le nombre de valeurs aberrantes dans les courbes de lumière mesurées et a représenté le fond résiduel et/ou le bruit introduit pendant la procédure d'ajustement de la rampe. Comme pour l'étape 1, nous excluons les valeurs aberrantes 3σ de notre région de fond. Nous avons adopté une demi-largeur d'ouverture de 7 pixels pour notre étape d'extraction spectrale optimale, en construisant le profil à partir du cadre médian. A l'issue de cette étape, nous avons obtenu une série temporelle de spectres unidimensionnels.

Pour les étapes restantes, nous avons utilisé plusieurs pipelines (Eureka!39 et ExoTEP53,54,55) pour générer et ajuster les courbes de lumière. Nous avons d'abord généré des courbes de lumière médianes normalisées à la résolution native de l'instrument (c'est-à-dire à partir de chaque colonne de détecteur) à l'aide de nos sorties Stage 3. Nous avons ensuite coupé des valeurs aberrantes supplémentaires dans le temps pour les courbes de lumière blanche et spectroscopique. Pour cette étape, nous avons d'abord rejeté les intégrations qui étaient supérieures à 3σ pour la position de la source dans la direction de dispersion croisée, la largeur de la gaussienne ajustée au profil spatial ou la dérive dans la direction de dispersion. Ensuite, nous avons produit une version filtrée médiane de la courbe de lumière et éliminé les valeurs aberrantes 3σ dans le flux. Nous adaptons conjointement les paramètres des modèles astrophysiques et systématiques aux courbes de lumière spectroscopique blanche et individuelle. Notre modèle de transit astrophysique a utilisé le package batman56 avec des priors uniformes, adaptés aux paramètres astrophysiques suivants : les deux coefficients d'une loi quadratique stellaire d'assombrissement des limbes, le paramètre d'impact, le demi-grand axe, le temps de transit et le rapport planète-rayon étoile (Rp/R*) dans chacun des canaux de longueur d'onde. Bien que les coefficients d'assombrissement des membres et le rapport du rayon planète à étoile aient été ajustés indépendamment dans chaque canal spectroscopique, nous avons utilisé la valeur la mieux adaptée du paramètre d'impact de la planète, du demi-grand axe et du temps de transit à partir d'un ajustement de la courbe de lumière blanche comme valeur fixe dans les ajustements dépendant de la longueur d'onde. Pour le modèle systématique, nous avons supposé une tendance linéaire dans le temps pour chaque canal de longueur d'onde, adaptée à la fois à la pente et à l'ordonnée à l'origine. Enfin, nous ajustons une dispersion en un seul point à chaque courbe de lumière, ce qui illustre le niveau de bruit supplémentaire requis pour que notre modèle conjoint atteigne un chi carré réduit (Χ2) de l'unité. Les résidus de la courbe de lumière blanche ont une moyenne quadratique (rms) de 3 013 ppm, et les courbes de lumière spectroscopique au-dessus de 3 µm ont une moyenne rms de 5 779 ppm. Semblable à la réduction illustrée à la Fig. 1, les deux pipelines atteignent un bruit proche des photons. L'Euréka ! et les spectres de transmission ExoTEP semblent presque identiques ; par conséquent, un seul (Eureka !) est illustré à la Fig. 2.

Nous nous sommes appuyés sur le pipeline développé pour l'analyse de l'étude d'exoplanètes au sol à faible résolution à l'aide de données de spectroscopie de transmission (LRG-BEASTS)21,57,58 pour fournir une réduction indépendante des données. Nous avons commencé avec les sorties du pipeline JWST Calibration Stage 1 avec la correction du pas de saut désactivée. Nous avons créé des masques de mauvais pixels et de rayons cosmiques en identifiant les valeurs aberrantes 5σ dans les médianes courantes fonctionnant le long des rangées de pixels et le long des pixels individuels dans le temps. Avant de tracer les spectres, nous avons interpolé chaque colonne du détecteur sur une grille plus fine, dix fois la résolution spatiale initiale, pour améliorer l'extraction du flux au niveau du sous-pixel. Nous avons utilisé un polynôme du quatrième ordre pour tracer les spectres et une ouverture de quatre pixels de large. Pour supprimer le bruit 1/f, nous adaptons un polynôme linéaire à 21 pixels d'arrière-plan le long de chaque colonne dans la direction de dispersion croisée. Ensuite, pour corriger les décalages dans la direction de la dispersion, nous avons corrélé chaque spectre stellaire avec le premier spectre de l'observation pour tenir compte des très petits décalages de sous-pixels (0,003 à 0,005). Notre courbe de lumière blanche s'étend sur une plage de longueurs d'onde de 0,518 à 5,348 μm après masquage des pixels saturés, et nos 147 courbes de lumière spectroscopiques ont utilisé des bacs de 3 pixels de large sur cette même plage de longueurs d'onde. Nous avons masqué les images 20751–20765 en raison d'un mouvement d'antenne à gain élevé qui a entraîné une augmentation du bruit dans les courbes de lumière.

Nous ajustons nos courbes de lumière avec une combinaison d'un modèle de transit quadratiquement assombri (via batman56) avec un polynôme linéaire dans le temps. Nous avons commencé par ajuster la courbe de lumière blanche pour dériver les paramètres du système : inclinaison, i, temps de mi-transit, TC, le demi-grand axe mis à l'échelle du rayon stellaire, a/R*, et le coefficient linéaire d'assombrissement des limbes, u1. Nous avons placé de larges limites sur les valeurs des paramètres uniquement pour éviter les valeurs non physiques. En pratique, les valeurs des paramètres ne se sont pas approchées des limites. Nous avons fixé la période orbitale de la planète à 4,0552941 jours et l'excentricité à 0 à partir de la réf. 22. Nous avons fixé le coefficient quadratique, u2, à des valeurs théoriques déterminées par ExoTiC-LD59,60 avec des modèles stellaires tridimensionnels61, et ajustés pour u1. Nous avons utilisé un algorithme de Levenberg-Marquardt pour ajuster nos courbes de lumière, avons redimensionné nos incertitudes photométriques pour donner un Χ2 = 1 réduit pour notre modèle le mieux ajusté, puis avons réexécuté les ajustements. Pour les courbes de lumière spectroscopiques, les paramètres du système (i, TC et a/R*) ont été maintenus fixés aux valeurs les mieux adaptées trouvées à partir de la courbe de lumière blanche. Les résidus de la courbe de lumière blanche avaient un rms de 2 761 ppm et les résidus de la courbe de lumière spectroscopique avaient un rms médian de 6 731 ppm. Dans les deux cas, la variance des résidus est mise à l'échelle lors du regroupement comme prévu pour le bruit de Poisson.

Nous avons également réduit les données à l'aide des routines de réduction FIREFly38. Ces routines utilisent le pipeline d'étalonnage JWST avec des modifications personnalisées. Ce pipeline a été utilisé pour analyser avec succès les observations de transit JWST de HAT-P-14b qui ont été obtenues lors de la mise en service avec NIRSpec G39537. Nous avons supprimé le bruit 1/f (voir réf. 36) au niveau du groupe, car le bruit 1/f change d'un groupe à l'autre. Nous avons également sauté l'étape de saut et avons plutôt signalé et supprimé les rayons cosmiques, les mauvais pixels, les pixels chauds et autres valeurs aberrantes en utilisant le filtrage médian des données à la fois dans l'espace et dans le temps, en signalant les pixels à l'aide d'un algorithme de seuil de 5σ-aberration. Les séries temporelles de spectres bidimensionnels ont été alignées à l'aide de la corrélation croisée et de l'interpolation, les spectres de séries temporelles présentant une gigue efficace de 0,005 pixel dans la direction de l'axe x et de 0,0026 pixel dans la direction de l'axe y. Nous avons trouvé une petite rampe inverse dans les courbes de lumière, qui s'est stabilisée après les 2 000 premières expositions, que nous avons écartées. Nous ajustons les courbes de lumière avec le modèle de transit batman56 avec une ligne de base linéaire et un polynôme d'atténuation de la gigue du second ordre de la position du détecteur x et y comme décrit par la réf. 38, qui sont présents dans la spectrophotométrie au niveau de 53 ± 2 ppm dans la direction x et au niveau de 140 ± 3 ppm dans la direction y. Nous avons appliqué une loi quadratique fixe d'assombrissement des membres en utilisant les modèles tridimensionnels61 calculés à l'aide des méthodes de la réf. 62 de ExoTiC-LD59,60. En ajustant la courbe de lumière blanche de 3 μm à 5,5 μm, nous avons permis au demi-grand axe en unités de rayons stellaires a/R*, d'inclinaison i et de temps de transit central T0 de varier librement avec la profondeur de transit et le modèle systématique. Nous avons utilisé la routine d'échantillonnage Monte Carlo de la chaîne de Markov emcee63 pour trouver les paramètres les mieux adaptés et mesurer la distribution a posteriori. Nous constatons que la courbe de lumière blanche de 3 à 5,5 μm a une profondeur de transit de 2,1368 ± 0,0014 % et atteint une diffusion de 808 ppm dans les résidus. Cela se situe à moins de 6 % de la limite de bruit attendue de 758 ppm, telle que calculée par le pipeline d'étalonnage JWST, la dispersion des résidus diminuant à moins de 40 ppm lors du regroupement sans bruit rouge détectable. Nous adaptons chaque courbe de lumière spectroscopique illustrée à la Fig. 1 avec les mêmes modèles astrophysiques et systématiques que la courbe de lumière blanche, à l'exception de la fixation des paramètres du système (a/R*, i et T0). Les résidus de la courbe de lumière spectrale de transmission pour chaque bac sont généralement inférieurs à 5 % de l'erreur de pipeline ou mieux, également sans bruit rouge détectable.

Nous avons comparé les données spectrales de transmission extraites à une suite d'atmosphères de modèles d'équilibre radiatif-convectif-thermochimique autocohérents unidimensionnels (voir, par exemple, les références 64, 65 pour une description générale de ces modèles) décrites ci-dessous. En bref, tous les modèles sont capables d'ajuster les spectres de 3 à 5,5 μm de manière cohérente (avec Χ2/Ndata < 1,4, où Ndata est le nombre de points de données spectraux) avec un enrichissement en métal solaire 10 fois supérieur et une opacité variable des nuages ​​gris pour leur meilleure estimation unique. Les comparaisons des ajustements du modèle de chaque grille sont présentées dans les données étendues de la Fig. 1. Pour des paramètres supplémentaires dans la grille (par exemple, le rapport carbone-oxygène (C/O) et la redistribution de la chaleur), il existe un certain écart entre les meilleures valeurs d'estimation de chaque grille de modèle. Des analyses bayésiennes supplémentaires sont nécessaires pour quantifier rigoureusement les intervalles de confiance sur les propriétés atmosphériques d'intérêt, ce qui dépasse la portée de ce travail. Les travaux futurs se concentreront sur la modélisation qui inclut les effets de la chimie des déséquilibres, la microphysique des aérosols et les effets de la circulation tridimensionnelle. Nous avons supposé les paramètres suivants dans la modélisation : température effective stellaire, Teff = 5 512 K, rayon stellaire = 0,932 R⊙, masse planétaire = 0,281 MJ, rayon planétaire = 1,279 RJ et demi-grand axe orbital planétaire = 0,04828 au.

Ce cadre a été décrit pour la première fois dans les réf. 66, 67, avec les mises à jour, les méthodes et les sources d'opacité les plus récentes décrites dans la réf. 68. Nous calculons la structure atmosphérique convergée (profils de rapport de mélange de gaz à l'équilibre température-pression et thermochimique) sur une grille de métallicité atmosphérique ([M/H], où les crochets indiquent un enrichissement log10 par rapport au solaire43) espacés à des intervalles de 0,25 dex entre 0 et 2,25 (1 à 175 fois solaire) et C/O à des valeurs de 0,20, 0,35, 0,55, 0,70 , 0,75 et 0,80. Nous supposons une redistribution complète de la température entre le jour et la nuit69 car les planètes dans ce régime de température ne sont pas susceptibles de posséder un fort contraste de température entre le jour et la nuit70,71. Nous calculons ensuite les spectres de transmission72,73 à partir de ces structures atmosphériques convergées. Pour faire correspondre les modèles aux données, la routine d'ajustement DYNESTY74 est utilisée pour rechercher le [M/H] et le C/O optimaux (via le voisin le plus proche) tout en ajustant simultanément le rayon planétaire à 1 barre (qui contrôle la profondeur de transit absolue) et une opacité de nuage opaque, grise, uniformément répartie verticalement (κcld). Le modèle optimal résultant de ce processus est [M/H] = +1,0, C/O = 0,35 et log10κcld = −2,15 cm2 g−1. La métallicité et l'opacité des nuages ​​sont principalement déterminées par la force de la caractéristique CO2 de 4,3 µm et le manque d'absorption de méthane (CH4) près de 3,3 µm. Ce résultat est ce qui est montré dans le texte principal (Fig. 3), qui illustre également la contribution relative des principales sources d'opacité (H2O (réfs. 75,76), CO (réfs. 77,78), CO2 (réfs. 79,80), H2S (réfs. 78,81) et CH4 (réfs. 78,82)) à la forme spectrale globale. Données étendues La Fig. 2 montre la structure atmosphérique (profil de température et profils de rapport de mélange de gaz) pour ce modèle le mieux adapté.

Le modèle radiatif-convectif unidimensionnel de base est basé sur l'ancien code 'Extrasolar Giant Planet' décrit dans les réf. 69,80,83 et depuis mis à jour et modernisé dans le cadre PICASO84 décrit dans la réf. 85 (PICASO 3.0). Le modèle PICASO 3.0 utilise des opacités gazeuses créées à partir des références répertoriées dans la réf. 80. La grille des modèles PICASO contient des points de métallicité à 0,1, 0,3, 1, 3, 10, 30, 50 et 100 fois solaires ; C/O à 0,23, 0,46, 0,69 et 0,92 ; et suppose également une redistribution complète de la chaleur jour-nuit. Les nuages ​​sont modélisés à l'aide de l'implémentation Virga86 du cadre Eddysed87, qui nécessite un coefficient de mélange vertical, Kzz (constant avec l'altitude ; log10Kzz = 5, 7, 9 et 11 (unités cgs)) et un paramètre de sédimentation verticalement constant (fsed = 0,6, 1, 3, 6 et 10), avec des propriétés optiques/matérielles pour les nuages ​​supposés exister aux pressions et températures de WASP-39b (Na2S , MnS et MgSiO3). Le paramètre fsed contrôle l'étendue verticale du nuage, et Kzz et fsed contrôlent ensemble la taille moyenne des gouttelettes avec l'altitude dans l'atmosphère. Une recherche de grille Χ2 le long des dimensions décrites est effectuée pour identifier le meilleur ajustement. Dans cette grille, le meilleur ajustement nominal (Χ2/Ndata = 1,34) est une métallicité 10 fois solaire, un C/O subsolaire (0,23), avec un grand nuage de gouttelettes étendu (fsed = 0,6, log10Kzz = 9) qui produit un continuum gris sur ces longueurs d'onde, conformément aux résultats ScCHIMERA ci-dessus.

Le solveur d'équilibre radiatif-convectif-thermochimique ATMO est décrit dans les réf. 88,89,90,91. Ce réseau se compose de modèles de spectres de transmission pour quatre facteurs de redistribution d'énergie jour-nuit différents (0,25, 0,5, 0,75 et 1,0, où 0,5 est "plein" et 1,0 est "côté jour uniquement"), six métallicités (0,1-, 1-, 10-, 50-, 100- et 200 fois solaire), six rapports C/O (0,35, 0,55, 0,70, 0,75, 1,0 et 1,5), deux facteurs de trouble (pas de trouble et diffusion de Rayleigh multi-gaz 10 fois) et quatre facteurs de nuage gris (pas de nuage, 0,5, 1 et 5 fois la force de la diffusion de Rayleigh H2 à 350 nm entre des niveaux de pression de 1 mbar et 50 mbar). Chaque spectre de transmission de modèle à partir de la grille est regroupé à la même résolution que celle des observations pour calculer Χ2, avec un décalage de profondeur de transit (indépendant de la longueur d'onde) comme paramètre libre. Dans cette grille, nous trouvons un spectre de modèle le mieux adapté (Χ2/Ndata = 1,39) résultant d'un facteur de redistribution de 0,75 (légèrement plus chaud qu'une redistribution jour-nuit complète produirait), une métallicité de 10 fois solaire, un rapport C/O super-solaire de 0,7, un facteur de brume de 10 et un facteur de nuage de 5.

Ce modèle provient du code d'atmosphère stellaire PHOENIX92 adapté aux exoplanètes93 avec des mises à jour supplémentaires de modélisation et d'opacité décrites dans les réf. 94,95. La grille du modèle est calculée pour un ensemble de températures d'irradiation (920 K, 1 020 K, 1 120 K et 1 220 K), de métallicités (0,1, 1, 10 et 100 fois solaire) et de C/O (0,3, 0,54, 0,7 et 1,0), et comprend un échantillonnage de nuages ​​gris opaques à des pressions spécifiées au sommet des nuages. Le modèle nominal le mieux adapté (Χ2/Ndata = 1,32) de cette configuration de grille donne une atmosphère de métallicité solaire 10 fois supérieure et de C/O subsolaire (0,3) avec une pression au sommet des nuages ​​de 0,3 mbar.

Nous avons quantifié l'importance de la détection96 du CO2 avec les étapes suivantes. Le modèle de grille le mieux ajusté sans CO2 (c'est-à-dire la courbe noire «sans CO2» illustrée à la Fig. 3) est d'abord soustrait des données, laissant derrière lui une forte caractéristique résiduelle due au CO2 (Données étendues Fig. 3). Le rapport signal/bruit moyen de crête par case spectrale de cette caractéristique résiduelle est d'environ 10σ. Pour utiliser la forme complète de la ligne/bande, nous ajustons ensuite le pic résiduel avec (1) un modèle gaussien à quatre paramètres (centroïde, amplitude, largeur et décalage vertical), représenté par des courbes rouges dans la Fig. La preuve bayésienne entre le modèle gaussien et le modèle constant a ensuite été utilisée pour calculer un facteur de Bayes, B, et la signification de détection correspondante97. Pour la caractéristique résiduelle de CO2, ln(B) est de 340,5, ce qui équivaut à une détection de 26,2σ. De cette analyse, nous concluons que la caractéristique CO2 est détectée de manière robuste.

Lors de l'inspection des Figs. 2 et 3, il semble y avoir une caractéristique proche de 4,0 µm (juste en deçà de la principale caractéristique du CO2). Nous avons répété la même analyse que ci-dessus, mais à la place, nous avons comparé la preuve bayésienne d'un ajustement de modèle gaussien à deux composants (pour tenir compte à la fois de la caractéristique CO2 et de l'absorbeur inconnu) à celle de l'ajustement de modèle gaussien à un composant ci-dessus. Ce faisant, nous trouvons ln(B) = 0,98, ce qui équivaut à une signification 2σ. Restreindre la plage antérieure pour que la deuxième gaussienne soit localisée près de la caractéristique de 4 µm augmente la signification à 2,3 σ. Les analyses futures se concentreront sur la nature de cette caractéristique et une quantification plus rigoureuse via la comparaison de modèles bayésiens imbriqués dans des cadres de récupération atmosphérique (par exemple, réf. 34).

Les données utilisées dans cet article sont associées au programme JWST ERS 1366 (observation n° 4) et sont disponibles dans les archives Mikulski pour les télescopes spatiaux (https://mast.stsci.edu). La version de traitement des données scientifiques (SDP_VER) 2022_2a a généré les données non calibrées que nous avons téléchargées depuis MAST. Nous avons utilisé la version du logiciel d'étalonnage JWST (CAL_VER) 1.5.3 avec les modifications décrites dans le texte. Nous avons utilisé les données de référence d'étalonnage du contexte (CRDS_CTX) 0916, sauf indication contraire dans le texte. Toutes les données et modèles présentés dans cette publication sont disponibles sur https://doi.org/10.5281/zenodo.6959427. Les données sources sont fournies avec ce document.

Les codes utilisés dans cette publication pour extraire, réduire et analyser les données sont les suivants : STScI JWST Calibration pipeline37 (https://github.com/spacetelescope/jwst), tshirt40, Eureka!39 (https://eurekadocs.readthedocs.io/en/latest/), Tiberius21,56,57 et FIREFLy38. De plus, ceux-ci ont utilisé Exoplanet51 (https://docs.exoplanet.codes/en/latest/), Pymc352 (https://docs.pymc.io/en/v3/index.html), ExoTEP53,54,55, Batman56 (http://lkreidberg.github.io/batman/docs/html/index.html), ExoTiC-ISM59 (https://github.com/Exo-TiC /ExoTiC-ISM), ExoTiC-LD60 (https://exotic-ld.readthedocs.io/en/latest/), Emcee63 (https://emcee.readthedocs.io/en/stable/), DYNESTY74 (https://dynesty.readthedocs.io/en/stable/index.html) et chromatic (https://zkbt.github.io/chromatic/), qui utilisent les bibliothèques Python standard sci py98, numpy99, astropy100,101 et matplotlib102. Les modèles atmosphériques utilisés pour ajuster les données sont les suivants : PICASO84 (https://natashabatalha.github.io/picaso/), Virga86 (https://natashabatalha.github.io/virga/), ScCHIMERA68 (https://github.com/mrline/CHIMERA), ATMO88,89,90,91 et PHOENIX94.

Lodders, K. & Fegley, B. Chimie atmosphérique dans les planètes géantes, les naines brunes et les étoiles naines de faible masse. I. Carbone, azote et oxygène. Icare 155, 393–424 (2002).

Article ADS CAS Google Scholar

Zahnle, K., Marley, MS, Freedman, RS, Lodders, K. & Fortney, JJ Photochimie atmosphérique du soufre sur des Jupiters chauds. Astrophyse. J. Lett. 701, L20–L24 (2009).

Article ADS CAS Google Scholar

Moïse, JI et al. Diversité de composition dans les atmosphères de Neptunes chauds, avec application à GJ 436b. Astrophyse. J. 777, 34 (2013).

Article ADS PubMed PubMed Central Google Scholar

Pollack, JB et al. Formation des planètes géantes par accrétion simultanée de solides et de gaz. Icare 124, 62–85 (1996).

Annonces d'article Google Scholar

Fortney, JJ et al. Un cadre pour caractériser les atmosphères des planètes en transit de faible masse et de faible densité. Astrophyse. J.775, 80 (2013).

Annonces d'article Google Scholar

Venturini, J., Alibert, Y. & Benz, W. Formation de planètes avec enrichissement d'enveloppe : nouvelles perspectives sur la diversité planétaire. Astre. Astrophyse. 596, A90 (2016).

Annonces d'article Google Scholar

Kaltenegger, L. & Traub, WA Transits de planètes semblables à la Terre. Astrophyse. J. 698, 519–527 (2009).

Article ADS CAS Google Scholar

Deming, D. et al. Découverte et caractérisation des super Terres en transit à l'aide d'un levé de transit dans tout le ciel et suivi par le télescope spatial James Webb. Publ. Astre. Soc. Pac. 121, 952–967 (2009).

Annonces d'article Google Scholar

Lustig-Yaeger, J., Meadows, VS & Lincowski, AP La détectabilité et la caractérisation des atmosphères de l'exoplanète TRAPPIST-1 avec JWST. Astre. J. 158, 27 (2019).

Article ADS CAS Google Scholar

Wakeford, HR et al. Le spectre de transmission complet du WASP-39b avec une contrainte d'eau précise. Astre. J. 155, 29 (2018).

Annonces d'article Google Scholar

Parle, JJ et al. Les mesures d'abondance de H2O et d'espèces carbonées dans l'atmosphère de WASP-127b confirment sa métallicité supersolaire. Lun. Pas. R.Astron. Soc. 500, 4042–4064 (2021).

Article ADS CAS Google Scholar

Alderson, L. et al. Une analyse complète du spectre de transmission de WASP-17b à partir d'observations spatiales. Lun. Pas. R.Astron. Soc. 512, 4185–4209 (2022).

Stevenson, KB et al. Études sur les exoplanètes en transit et cibles communautaires pour le programme scientifique de diffusion précoce du JWST. Publ. Astre. Soc. Pac. 128, 094401 (2016).

Bean, JL et al. Le programme scientifique de diffusion précoce de la communauté Exoplanet en transit pour JWST. Publ. Astre. Soc. Pac. 130, 114402 (2018).

Annonces d'article Google Scholar

Faedi, F. et al. WASP-39b : une planète de masse Saturne très gonflée en orbite autour d'une étoile tardive de type G. Astre. Astrophyse. 531, A40 (2011).

Article Google Scholar

Laughlin, G., Crismani, M. & Adams, FC Sur les rayons anormaux des planètes extrasolaires en transit. Astrophyse. J. Lett. 729, L7 (2011).

Annonces d'article Google Scholar

Thorngren, DP & Fortney, JJ Analyse bayésienne des anomalies du rayon chaud de Jupiter : preuve de la dissipation ohmique ? Astre. J. 155, 214 (2018).

Annonces d'article Google Scholar

Sarkis, P., Mordasini, C., Henning, T., Marleau, GD & Mollière, P. Preuve de trois mécanismes expliquant l'anomalie du rayon des Jupiters chauds. Astre. Astrophyse. 645, A79 (2021).

Article ADS CAS Google Scholar

Fischer, PD et al. Etude spectrale de transmission HST hot-Jupiter : ciel clair pour Saturn WASP-39b froid. Astrophyse. J. 827, 19 (2016).

Annonces d'article Google Scholar

Nikolov, N. et al. Spectroscopie de transmission comparative VLT FORS2 : détection de Na dans l'atmosphère de WASP-39b depuis le sol. Astrophyse. J. 832, 191 (2016).

Annonces d'article Google Scholar

Kirk, J. et al. LRG-BEASTS : spectroscopie de transmission et analyse de récupération de la planète de masse Saturne hautement gonflée WASP-39b. Astre. J. 158, 144 (2019).

Article ADS CAS Google Scholar

Mancini, L. et al. Le programme GAPS avec HARPS-N au TNG. XVI. Mesure de l'effet Rossiter – McLaughlin des systèmes planétaires en transit HAT-P-3, HAT-P-12, HAT-P-22, WASP-39 et WASP-60. Astre. Astrophyse. 613, A41 (2018).

Article Google Scholar

Biazzo, K. et al. Le programme GAPS avec HARPS-N au TNG. XXXV. Propriétés fondamentales des étoiles hôtes exoplanètes en transit. Astre. Astrophyse. 664, A61 (2022).

Polanski, AS, Crossfield, IJM, Howard, AW, Isaacson, H. & Rice, M. Abondances chimiques pour 25 étoiles hôtes d'exoplanètes JWST avec KeckSpec. Rés. Note. AAS 6, 155 (2022).

Lodders K. & Fegley B. Le compagnon du scientifique planétaire (Oxford Univ. Press, 1998).

Kreidberg, L. et al. Une mesure précise de l'abondance de l'eau pour le Jupiter chaud WASP-43b. Astrophyse. J. Lett. 793, L27 (2014).

Annonces d'article Google Scholar

Atreya, SK et al. L'origine et l'évolution de Saturne : une perspective post-Cassini. Préimpression sur https://arxiv.org/abs/2205.06914 (2022).

Thorngren, D. & Fortney, JJ Connecter l'atmosphère des planètes géantes et la modélisation intérieure : contraintes sur l'enrichissement atmosphérique en métal. Astrophyse. J. Lett. 874, L31 (2019).

Article ADS CAS Google Scholar

Tsiaras, A. et al. Une étude de population d'exoplanètes gazeuses. Astre. J. 155, 156 (2018).

Annonces d'article Google Scholar

Fisher, C. & Heng, K. Analyse de récupération de 38 spectres de transmission WFC3 et résolution de la dégénérescence de normalisation. Lun. Pas. R.Astron. Soc. 481, 4698–4727 (2018).

Article ADS CAS Google Scholar

Pinhas, A., Madhusudhan, N., Gandhi, S. & MacDonald, R. Abondances de H2O et propriétés des nuages ​​dans dix exoplanètes géantes chaudes. Lun. Pas. R.Astron. Soc. 482, 1485-1498 (2019).

Article ADS CAS Google Scholar

Welbanks, L. et al. Tendances de la métallicité de masse dans les exoplanètes en transit à partir des abondances atmosphériques de H2O, Na et K. Astrophys. J. Lett. 887, L20 (2019).

Article ADS CAS Google Scholar

Min, M., Ormel, CW, Chubb, K., Helling, C. & Kawashima, Y. Le cadre ARCiS pour les atmosphères d'exoplanètes. Modélisation de la philosophie et de la récupération. Astre. Astrophyse. 642, A28 (2020).

Article ADS CAS Google Scholar

Benneke, B. & Seager, S. Comment faire la distinction entre les mini-Neptunes nuageuses et les super-Terres dominées par l'eau/volatile. Astrophyse. J. 778, 153 (2013).

Annonces d'article Google Scholar

Jakobsen, P. et al. Le spectrographe proche infrarouge (NIRSpec) sur le télescope spatial James Webb. I. Vue d'ensemble de l'instrument et de ses capacités. Astre. Astrophyse. 661, A80 (2022).

Article CAS Google Scholar

Birkmann, SM et al. Le spectrographe proche infrarouge (NIRSpec) sur le télescope spatial James Webb. IV. Capacités et performances prévues pour la caractérisation des exoplanètes. Astre. Astrophyse. 661, A83 (2022).

Article CAS Google Scholar

Rigby, J. et al. Caractérisation des performances scientifiques du JWST dès la mise en service. Préimpression sur https://arxiv.org/abs/2207.05632 (2022).

Rustamkulov, Z., Sing, DK, Liu, R. & Wang, A. Analyse d'une série temporelle de laboratoire JWST NIRpec : caractérisation de la systématique, récupération de la spectroscopie de transit d'exoplanètes et contrainte d'un plancher de bruit. Astrophyse. J. Lett. 928, L7 (2022).

Annonces d'article Google Scholar

Bell, TJ et al. Eureka! : un pipeline de bout en bout pour les observations de séries chronologiques JWST. J. Open Source Sci. 7, 4503–4508 (2022).

Glidic, K. et al. Caractérisation atmosphérique de Jupiter chaud CoRoT-1 b à l'aide de la Wide Field Camera 3 du télescope spatial Hubble. Astre. J. 164, 19 (2022).

Annonces d'article Google Scholar

Beichman, C. et al. Observations d'exoplanètes en transit avec le télescope spatial James Webb (JWST). Publ. Astre. Soc. Pac. 126, 1134-1173 (2014).

Annonces d'article Google Scholar

Yamamura, I., Tsuji, T. & Tanabé, T. AKARI observations de naines brunes. I. Bandes CO et CO2 dans le spectre proche infrarouge. Astrophyse. J. 722, 682–698 (2010).

Article ADS CAS Google Scholar

Lodders, K., Palme, H. & Gail, H.-P. dans Système solaire: astronomie, astrophysique et cosmologie Vol. 4B (éd. Trümper, JE) 712 (Landolt-Börnstein - Groupe VI 'Astronomie et Astrophysique', Springer, 2009).

Stevenson, KB Quantification et prédiction de la présence de nuages ​​dans les atmosphères d'exoplanètes. Astrophyse. J. Lett. 817, L16 (2016).

Annonces d'article Google Scholar

Fu, G. et al. Analyse statistique de la spectroscopie de transit Hubble/WFC3 des planètes extrasolaires. Astrophyse. J. Lett. 847, L22 (2017).

Annonces d'article Google Scholar

Parmentier, V., Fortney, JJ, Showman, AP, Morley, C. & Marley, MS Transitions dans la composition nuageuse des Jupiters chauds. Astrophyse. J. 828, 22 (2016).

Annonces d'article Google Scholar

Kataria, T. et al. La circulation atmosphérique d'un échantillon de Jupiter à neuf températures: sonder la circulation et la chimie sur un large espace de phase. Astrophyse. J. 821, 9 (2016).

Annonces d'article Google Scholar

Gao, P. et al. Composition des aérosols des exoplanètes géantes chaudes dominées par les silicates et les brumes d'hydrocarbures. Nat. Astre. 4, 951–956 (2020).

Annonces d'article Google Scholar

Himes, MD & Harrington, J. Sur l'atmosphère diurne de WASP-12b. Astrophyse. J. 931, 86 (2022).

Annonces d'article Google Scholar

Schlawin, E. et al. Niveau de bruit JWST. II. Sources d'erreurs systématiques dans les séries chronologiques JWST NIRCam. Astre. J. 161, 115 (2021).

Annonces d'article Google Scholar

Foreman-Mackey, D. et al. exoplanète : inférence probabiliste basée sur le gradient pour les données d'exoplanètes et d'autres séries temporelles astronomiques. J.Logiciel Open Source. 6, 3285 (2021).

Annonces d'article Google Scholar

Salvatier, J., Wiecki, TV & Fonnesbeck, C. PyMC3 : cadre de programmation probabiliste en python. Bibliothèque de codes sources d'astrophysique ascl: 1610.016 (2016).

Benneke, B. et al. Les observations de Spitzer confirment et sauvent la super-Terre K2-18b de la zone habitable pour une caractérisation future. Astrophyse. J. 834, 187 (2017).

Annonces d'article Google Scholar

Benneke, B. et al. Vapeur d'eau et nuages ​​sur l'exoplanète sous-Neptune de la zone habitable K2-18b. Astrophyse. J. Lett. 887, L14 (2019).

Article ADS CAS Google Scholar

Benneke, B. et al. Une exoplanète sous-Neptune avec une atmosphère appauvrie en méthane à faible métallicité et des nuages ​​​​à diffusion Mie. Nat. Astre. 3, 813–821 (2019).

Annonces d'article Google Scholar

Kreidberg, L. batman : calcul du modèle de transit de base en Python. Publ. Astre. Soc. Pac. 127, 1161-1165 (2015).

Annonces d'article Google Scholar

Kirk, J. et al. LRG-BEASTS III : spectre de transmission au sol de la géante gazeuse en orbite autour de la naine froide WASP-80. Lun. Pas. R.Astron. Soc. 474, 876–885 (2018).

Article ADS CAS Google Scholar

Kirk, J. et al. ACCESS et LRG-BEASTS : un nouveau spectre de transmission optique précis du Jupiter WASP-103b ultra-chaud. Astre. J. 162, 34 (2021).

Article ADS CAS Google Scholar

Laginja, I. & Wakeford, H. ExoTiC-ISM : un package Python pour les paramètres de transit d'exoplanètes marginalisés à travers une grille de modèles d'instruments systématiques. J Open Source Software 5, 2281 (2020).

Annonces d'article Google Scholar

Wakeford, HR & Grant, D. Exo-TiC/ExoTiC-LD : version ExoTiC-LD v2.1 Zenodo. Zenodo https://doi.org/10.5281/zenodo.6809899 (2022).

Magic, Z., Chiavassa, A., Collet, R. & Asplund, M. The Stagger-grid : une grille de modèles d'atmosphère stellaire 3D. IV Coefficients d'assombrissement des membres. Astre. Astrophyse. 573, A90 (2015).

Annonces d'article Google Scholar

Sing, DK Coefficients d'assombrissement des membres stellaires pour CoRot et Kepler. Astre. Astrophyse. 510, A21 (2010).

Annonces d'article Google Scholar

Foreman-Mackey, D. et al. emcee v3 : une boîte à outils d'échantillonnage d'ensemble Python pour MCMC affine-invariant. J. Logiciel Open Source. 4, 1864 (2019).

Annonces d'article Google Scholar

Marley, MS & Robinson, TD Du côté cool : modéliser les atmosphères des naines brunes et des planètes géantes. Anne. Le révérend Astron. Astrophyse. 53, 279–323 (2015).

Annonces d'article Google Scholar

Hubeny, I. Atmosphères modèles d'objets de masse sous-stellaire. Lun. Pas. R.Astron. Soc. 469, 841–869 (2017).

Article ADS CAS Google Scholar

Piskorz, D. et al. Détection au sol et dans l'espace du spectre d'émission thermique du Jupiter chaud en transit KELT-2Ab. Astre. J. 156, 133 (2018).

Annonces d'article Google Scholar

Arcangeli, J. et al. H− opacité et dissociation de l'eau dans l'atmosphère diurne de la géante gazeuse très chaude WASP-18b. Astrophyse. J. Lett. 855, L30 (2018).

Annonces d'article Google Scholar

Mansfield, M. et al. Une séquence spectrale unique de Jupiter chaud avec des preuves de diversité de composition. Nat. Astre. 5, 1224-1232 (2021).

Annonces d'article Google Scholar

Fortney, JJ, Marley, MS, Lodders, K., Saumon, D. & Freedman, R. Atmosphères planétaires comparatives : modèles de TrES-1 et HD 209458b. Astrophyse. J. Lett. 627, L69–L72 (2005).

Article ADS CAS Google Scholar

Perez-Becker, D. & Showman, AP Redistribution de la chaleur atmosphérique sur les Jupiter chauds. Astrophyse. J. 776, 134 (2013).

Annonces d'article Google Scholar

Zhang, X. Régimes atmosphériques et tendances sur les exoplanètes et les naines brunes. Rés. Astre. Astrophyse. 20 099 (2020).

Annonces d'article Google Scholar

Mai, C. & Line, MR Exploration des hypothèses de nuages ​​d'exoplanètes dans les spectres de transmission JWST. Astrophyse. J. 883, 144 (2019).

Article ADS CAS Google Scholar

Iyer, AR & Line, MR L'influence de la contamination stellaire sur l'interprétation des spectres de transmission dans le proche infrarouge des mondes sous-neptuniens autour des naines M. Astrophyse. J. 889, 78 (2020).

Article ADS CAS Google Scholar

Speagle, JS DYNESTY : un ensemble d'échantillonnage dynamique imbriqué pour estimer les postérieurs et les preuves bayésiens. Lun. Pas. R.Astron. Soc. 493, 3132–3158 (2020).

Annonces d'article Google Scholar

Polyansky, OL et al. Listes de lignes moléculaires ExoMol XXX : une liste complète de lignes de haute précision pour l'eau. Lun. Pas. R.Astron. Soc. 480, 2597-2608 (2018).

Article ADS CAS Google Scholar

Gharib-Nezhad, E. et al. EXOPLINES : base de données de sections efficaces d'absorption moléculaire pour les atmosphères de naines brunes et d'exoplanètes géantes. Astrophyse. J. Suppl. Ser. 254, 34 (2021).

Article ADS CAS Google Scholar

Li, G. et al. Listes de raies rovibrationnelles pour neuf isotopologues de la molécule de CO dans l'état électronique fondamental X1Σ+. Astrophyse. J. Suppl. Ser. 216, 15 (2015).

Annonces d'article Google Scholar

Grimm, SL et al. Calculateur d'opacité HELIOS-K 2.0 et base de données d'opacité open-source pour les atmosphères exoplanétaires. Astrophyse. J. Suppl. Ser. 253, 30 (2021).

Article ADS CAS Google Scholar

Huang, X., Gamache, RR, Freedman, RS, Schwenke, DW & Lee, TJ Listes de raies infrarouges fiables pour 13 isotopologues du CO2 jusqu'à E′=18 000 cm−1 et 1 500 K, avec paramètres de forme de raie. J.Quant. Spectrosc. Radiat. Transf. 147, 134-144 (2014).

Annonces CAS Google Scholar

Marley, MS et al. Les modèles d'atmosphère et d'évolution des naines brunes de Sonora. I. Description et application du modèle aux atmosphères sans nuages ​​en équilibre chimique pluviométrique. Astrophyse. J. 920, 85 (2021).

Article ADS CAS Google Scholar

Azzam, AAA, Tennyson, J., Yurchenko, SN & Naumenko, OV Listes de lignées moléculaires ExoMol—XVI. Le spectre de rotation-vibration de l'H2S chaud. Lun. Pas. R.Astron. Soc. 460, 4063–4074 (2016).

Article ADS CAS Google Scholar

Hargreaves, RJ et al. Une liste linéaire précise, complète et pratique du méthane pour la base de données HITEMP. Astrophyse. J. Suppl. Ser. 247, 55 (2020).

Article ADS CAS Google Scholar

Marley, MS & McKay, CP Structure thermique de l'atmosphère d'Uranus. Icare 138, 268–286 (1999).

Article ADS CAS PubMed Google Scholar

Batalha, NE, Marley, MS, Lewis, NK et Fortney, JJ Spectroscopie à lumière réfléchie d'exoplanètes avec PICASO. Astrophyse. J. 878, 70 (2019).

Article ADS CAS Google Scholar

Mukherjee, S., Batalha, NE, Fortney, JJ & Marley, MS PICASO 3.0 : un modèle climatique unidimensionnel pour les planètes géantes et les naines brunes. Préimpression sur https://arXiv.org/abs/2208.07836 (2022).

Rooney, CM, Batalha, NE, Gao, P. & Marley, MS Un nouveau modèle de sédimentation pour une plus grande diversité de nuages ​​dans les exoplanètes géantes et les naines brunes. Astrophyse. J. 925, 33 (2022).

Article ADS CAS Google Scholar

Ackerman, AS & Marley, MS Précipitation des nuages ​​de condensation dans les atmosphères substellaires. Astrophyse. J. 556, 872 (2001).

Article ADS CAS Google Scholar

Tremblin, P. et al. Convection doigtée et modèles sans nuages ​​pour les atmosphères froides de naines brunes. Astrophyse. J. 804, L17 (2015).

Annonces d'article Google Scholar

Drummond, B. et al. Les effets de calculs de cinétique chimique cohérents sur les profils pression-température et les spectres d'émission de Jupiters chauds. Astre. Astrophyse. 594, A69 (2016).

Article Google Scholar

Goyal, JM et al. Une bibliothèque de spectres de transmission du modèle ATMO pour les exoplanètes chaudes de Jupiter. Lun. Pas. R.Astron. Soc. 474, 5158-5185 (2018).

Article ADS CAS Google Scholar

Goyal, JM et al. Une bibliothèque d'atmosphères d'exoplanètes simulées auto-cohérentes. Lun. Pas. R.Astron. Soc. 498, 4680–4704 (2020).

Article ADS CAS Google Scholar

Hauschildt, PH, Allard, F. & Baron, E. La grille d'atmosphère du modèle NextGen pour 3000 ≤ Teff ≤ 10 000 K. Astrophys. J. 512, 377 (1999).

Article ADS CAS Google Scholar

Barman, TS, Hauschildt, PH & Allard, F. Planètes irradiées. Astrophyse. J. 556, 885 (2001).

Article ADS CAS Google Scholar

Lothringer, JD & Barman, T. L'algorithme de récupération d'exoplanètes PHOENIX et l'utilisation de l'opacité H− comme sonde dans les Jupiters ultrachauds. Astre. J. 159, 289 (2020).

Article ADS CAS Google Scholar

Lothringer, JD et al. Nouvelle fenêtre sur la formation et la migration des planètes : rapports élémentaires réfractaires à volatils dans les Jupiters ultra-chauds. Astrophyse. J. 914, 12 (2021).

Article ADS CAS Google Scholar

Gregory, PC (éd.) Analyse bayésienne des données logiques pour les sciences physiques : une approche comparative avec le support "Mathematica" (Cambridge Univ. Pres, 2005).

Trotta, R. Bayes dans le ciel : inférence bayésienne et sélection de modèles en cosmologie. Contemp. Phys. 49, 71-104 (2008).

Article ADS CAS Google Scholar

Virtanen, P. et al. SciPy 1.0 : algorithmes fondamentaux pour le calcul scientifique en Python. Nat. Méthodes 17, 261–272 (2020).

Article CAS PubMed PubMed Central Google Scholar

Harris, CR et al. Programmation de tableaux avec NumPy. Nature 585, 357–362 (2020).

Article ADS CAS PubMed PubMed Central Google Scholar

The Astropy Collaboration Astropy : un package communautaire Python pour l'astronomie. Astre. Astrophyse. 558, A33 (2013).

La collaboration Astropy Le projet Astropy : construction d'un projet de science ouverte et statut du package de base v2.0. Astre. J. 156, 123 (2018).

Annonces d'article Google Scholar

Hunter, JD Matplotlib : un environnement graphique 2D. Calcul. Sci. Ing. 9, 90–95 (2007).

Article Google Scholar

Télécharger les références

Ce travail est basé sur des observations faites avec le télescope spatial NASA/ESA/CSA James Webb. Les données ont été obtenues à partir des archives Mikulski pour les télescopes spatiaux du Space Telescope Science Institute, qui est géré par l'Association of Universities for Research in Astronomy, Inc., dans le cadre du contrat NASA NAS 5-03127 pour JWST. Ces observations sont associées au programme JWST-ERS-01366. Le soutien au programme JWST-ERS-01366 a été fourni par la NASA grâce à une subvention du Space Telescope Science Institute, qui est géré par l'Association of Universities for Research in Astronomy, Inc., dans le cadre du contrat NASA NAS 5-03127. Les résultats rapportés ici ont bénéficié pendant la phase de conception de collaborations et/ou d'échanges d'informations au sein du réseau de coordination de la recherche Nexus for Exoplanet System Science (NExSS) de la NASA parrainé par la Direction des missions scientifiques de la NASA. NMB reconnaît le financement des consortiums interdisciplinaires de la NASA pour la recherche en astrobiologie (NNH19ZDA001N-ICAR) sous le numéro de prix 19-ICAR19_2-0041.

Département de physique, Université de Warwick, Coventry, Royaume-Uni

Eva-Maria Ahrer et Peter J. Wheatley

Centre pour les exoplanètes et l'habitabilité, Université de Warwick, Coventry, Royaume-Uni

Eva-Maria Ahrer et Peter J. Wheatley

École de physique, Université de Bristol, Bristol, Royaume-Uni

Lili Alderson, Hannah R. Wakeford et David Grant

Département d'astronomie et d'astrophysique, Université de Californie, Santa Cruz, Santa Cruz, Californie, États-Unis

Natalie M. Batalha, Aarynn L. Carter, Jonathan J. Fortney, Sagnick Mukherjee, Kazumasa Ohno et Nicholas Scarsdale

Centre de recherche Ames de la NASA, Moffett Field, Californie, États-Unis

Natasha E. Batalha

Département d'astronomie et d'astrophysique, Université de Chicago, Chicago, Illinois, États-Unis

Jacob L. Bean et Adina D. Feinstein

Département d'astronomie, Université du Wisconsin-Madison, Madison, WI, États-Unis

Thomas G. Beatty

Institut BAER, Centre de recherche Ames de la NASA, Moffett Field, Californie, États-Unis

Taylor J.Bell

Département de physique et Institut de recherche sur les exoplanètes, Université de Montréal, Montréal, Québec, Canada

Björn Benneke, Caroline Piaulet, Michael Radica, Pierre-Alexis Roy, Jake Taylor & Louis-Philippe Coulombe

Département des sciences astrophysiques et planétaires, Université du Colorado, Boulder, CO, États-Unis

Zachory K. Berta-Thompson, Catriona Anne Murray, Molly Nehring, William C. Waalkes et Patcharapol Wachiraphan

Département de physique et d'astronomie, Université du Kansas, Lawrence, KS, États-Unis

Ian JM Crossfield et Jonathan Brande

Space Telescope Science Institute, Baltimore, MD, États-Unis

Nestor Espinoza, Nikolay K. Nikolov, Leonardo A. Dos Santos & Jeff A. Valenti

Département de physique et d'astronomie, Université Johns Hopkins, Baltimore, MD, États-Unis

David K. Singh, Natalie H. Allen, Guangwei Fu et Lakeisha Ramos-Rosado

École de physique, Trinity College Dublin, Dublin, Irlande

Neale P.Gibson

École des sciences de la Terre et des planètes (SEPS), Institut national d'éducation et de recherche scientifiques (NISER), HBNI, Jatani, Inde

Jayesh M. Goyal

Département d'astronomie, Université du Maryland, College Park, MD, États-Unis

Eliza M.-R. Kempton, Guangwei Fu et Thaddeus D. Komacek

Centre d'Astrophysique | Harvard & Smithsonian, Cambridge, MA, États-Unis

James Kirk, Mercedes Lopez-Morales, Kevin Ortiz Ceballos et Diana Powell

Institut Max Planck d'astronomie, Heidelberg, Allemagne

Laura Kreidberg, Karan Molaverdikhani, Thomas Henning, Luigi Mancini, Thomas Mikal-Evans, Maria E. Steinrueck et Sebastian Zieba

École d'exploration de la Terre et de l'espace, Arizona State University, Tempe, Arizona, États-Unis

Michael R. Line, Luis Welbanks et Evgenya L. Shkolnik

Département de physique, Utah Valley University, Orem, UT, États-Unis

Joshua D. Lothringer

Laboratoire lunaire et planétaire, Université d'Arizona, Tucson, AZ, États-Unis

Sarah E. Moran et Mark S. Marley

Physique atmosphérique, océanique et planétaire, Département de physique, Université d'Oxford, Oxford, Royaume-Uni

Vivien Parmentier, Xianyu Tan & Shang-Min Tsai

Université Côte d’Azur, Observatoire de la Côte d’Azur, CNRS, Laboratoire Lagrange, Nice, France

Vivien Parmentier

Département des sciences de la Terre et des planètes, Université Johns Hopkins, Baltimore, MD, États-Unis

Zafar Rustamkulov et David K. Sing

Steward Observatory, Université d'Arizona, Tucson, AZ, États-Unis

Everett Schlawin et Megan Mansfield

Johns Hopkins APL, Laurel, MD, États-Unis

Kevin B. Stevenson, EM May et Jacob Lustig-Yaeger

Agence spatiale européenne, Space Telescope Science Institute, Baltimore, MD, États-Unis

Stephen M. Birkmann et Sarah Kendrew

Observatoire de Leiden, Université de Leiden, Leiden, Pays-Bas

Nicolas Crouzet, Yamila Miguel & Sébastien Zieba

INAF – Observatoire Astrophysique de Turin, Turin, Italie

Patricio E. Cubillos & Luigi Mancini

Institut de recherche spatiale, Académie autrichienne des sciences, Graz, Autriche

Patricio E. Cubillos

Section d'astrophysique, Jet Propulsion Laboratory, California Institute of Technology, Pasadena, Californie, États-Unis

Mario Damiano, Renyu Hu, Tiffany Kataria & Gaël M. Roudier

Institut d'astronomie Anton Pannekoek, Université d'Amsterdam, Amsterdam, Pays-Bas

Jean-Michel Désert

Laboratoire Terre et Planètes, Carnegie Institution for Science, Washington DC, États-Unis

Peter Gao, Munazza K. Alam, Anjali AA Piette et Johanna K. Teske

Planetary Sciences Group, Department of Physics and Florida Space Institute, University of Central Florida, Orlando, Floride, États-Unis

Joseph Harington

Division des sciences géologiques et planétaires, California Institute of Technology, Pasadena, Californie, États-Unis

Renyu Hu, Heather A. Knutson, Julie Inglis, Jessica J. Spake et Nicole L. Wallack

Université Paris-Saclay, Université Paris Cité, CEA, CNRS, AIM, Gif-sur-Yvette, France

Pierre-Olivier Lagage & A. García Muñoz

Laboratoire d’Astrophysique de Bordeaux, Université de Bordeaux, Pessac, France

Jérémy Leconte

Département d’Astronomie, Université de Genève, Sauverny, Switzerland

Monika Lendl & D. J. M. Petit dit de la Roche

Département d'astronomie et Institut Carl Sagan, Université Cornell, Ithaca, NY, États-Unis

Ryan J. MacDonald, Laura Flagg, Yu-Cian Hong, Nikole K. Lewis et Jake D. Turner

SRON Institut néerlandais de recherche spatiale, Leiden, Pays-Bas

yamila miguel

Observatoire universitaire, Ludwig-Maximilians-University Munich, Munich, Allemagne

Karan Molaverdikhani

Cluster of Excellence Origins, Garching, Allemagne

Karan Molaverdikhani

Institut des sciences spatiales, Boulder, CO, États-Unis

Julianne I. Moïse

Département de physique et d'astronomie, Université Vanderbilt, Nashville, TN, États-Unis

Keivan G. Stassun

Institut indien de technologie, Indore, Inde

Keshav Aggarwal

École des sciences physiques, The Open University, Milton Keynes, Royaume-Uni

Agnibha Banerjee et Joanna K. Barstow

Département de physique, New York University Abu Dhabi, Abu Dhabi, EAU

Jasmina Blécic

École de physique et d'astronomie, Université de Leicester, Leicester, Royaume-Uni

SL Casewell et Michael T. Roman

Département de physique et d'astronomie, University College London, Londres, Royaume-Uni

Quentin Changeat & Ingo P. Waldmann

Centre for Exoplanet Science, Université de St Andrews, St Andrews, Royaume-Uni

KL Chubb

NASA Goddard Space Flight Center, Greenbelt, MD, États-Unis

Knicole D. Columbus et Avi M. Mandell

Département des sciences astrophysiques, Université de Princeton, Princeton, NJ, États-Unis

Tansu Daylan

Institut des sciences planétaires, Tucson, AZ, États-Unis

Miguel de Val Borro

Institut d'astronomie, Département de physique et d'astronomie, KU Leuven, Louvain, Belgique

Lee Decin

Laboratoire de physique atmosphérique et spatiale, Université du Colorado Boulder, Boulder, CO, États-Unis

Kévin France

Département de physique et d'astronomie, Université du Delaware, Newark, DE, États-Unis

John E. Gizis

Département des sciences de la Terre, de l'atmosphère et des planètes, Massachusetts Institute of Technology, Cambridge, MA, États-Unis

Ana Glidden et Benjamin V. Rackham

Kavli Institute for Astrophysics and Space Research, Massachusetts Institute of Technology, Cambridge, MA, États-Unis

Ana Glidden et Benjamin V. Rackham

Observatoire universitaire de Munich, Université Ludwig Maximilian, Munich, Allemagne

Kévin Heng

Institut d'astrophysique, Université de Vienne, Vienne, Autriche

Nicolas Iro

California Institute of Technology, IPAC, Pasadena, Californie, États-Unis

Jessica E. Krick

Centre pour l'espace et l'habitabilité, Université de Berne, Berne, Suisse

Elspeth KH Lee

Département d'Astrophysique, Centre d'Astrobiologie (CAB, CSIC-INTA), Madrid, Espagne

Jorge Lillo-Box

Département de physique, Université de Rome "Tor Vergata", Rome, Italie

Luigi Mancini

Institut d'astrophysique des îles Canaries (IAC), Tenerife, Espagne

Joseph Morello

Département d'Astrophysique, Université de La Laguna (ULL), Tenerife, Espagne

Joseph Morello

INAF- Observatoire astronomique de Palerme, Palerme, Italie

Joseph Morello

Institut d'astronomie, Université de Cambridge, Cambridge, Royaume-Uni

Matthew C. Nixon et Laura K. Rogers

Département d'astronomie, Université du Michigan, Ann Arbor, MI, États-Unis

Emilie Rauscher

Département d'astronomie et Observatoire Van Vleck, Université Wesleyan, Middletown, CT, USA

Seth Redfield

Université Adolfo Ibanez : Penalolen, Santiago, Chili

Michael T.Romain

Groupe d'astrophysique, Université de Keele, Staffordshire, Royaume-Uni

John Southworth

Maison de la Simulation, CEA, CNRS, Université Paris-Sud, UVSQ, Université Paris-Saclay, Gif-sur-Yvette, France

Pascal Tremblin

Département de physique, Brown University, Providence, RI, États-Unis

Gregory S. Tucker

Université de Paris Cité and Université Paris Est Creteil, CNRS, LISA, Paris, France

Olivia Venot

Département des sciences de la Terre et des planètes, Université de Californie, Santa Cruz, Santa Cruz, Californie, États-Unis

Xi Zhang

NMB, JLB et KBS ont assuré la direction et la gestion globales du programme. DKS, EM-RK, HRW, IJMC, JLB, KBS, LK, ML-M., MRL, NMB, VP et ZKB-T. contribué de manière significative à la conception du programme. KBS a généré le plan d'observation avec la contribution de l'équipe. ES, NE et TGB ont apporté leur expertise en matière d'instruments. BB, EM-RK, HRW, IJMC, JLB, LK, ML-M., MRL, NMB et ZKB-T. a dirigé ou co-dirigé des groupes de travail et / ou contribué à d'importants efforts de planification stratégique tels que la conception et la mise en œuvre des défis de données de pré-lancement. ALC, DKS, ES, NE, NPG, TGB et VP ont généré des données simulées pour les tests de pré-lancement des méthodes. ALC, ADF, CP, E.-MA, ES, JK, LA, TJB et ZR ont contribué au développement de pipelines d'analyse de données et/ou ont fourni les produits d'analyse de données utilisés dans cette analyse, réduit les données, modélisé les courbes de lumière et produit le spectre planétaire. JMG, JDL, KO, MRL, NEB, SM et SEM ont généré des grilles de modèles théoriques pour la comparaison avec les données. ALC, DKS, ES, HRW, JK, JJF, JMG, JLB, JDL, KBS, KO, MRL, NEB, NMB, SM, SEM, ZKB-T. et ZR ont contribué de manière significative à la rédaction de ce manuscrit. E.-MA, ES, MRL et ZKB-T. chiffres générés pour ce manuscrit. Plus de 100 des co-auteurs ont participé à la conception de ce programme et ont contribué à la proposition d'observation de l'ERS. Presque tous les co-auteurs ont participé à des groupes de travail de pré-lancement et à des événements du programme. Presque tous les auteurs ont apporté une contribution scientifique et technique au manuscrit.

Correspondance à Natalie M. Batalha.

Les auteurs ne déclarent aucun intérêt concurrent.

Nature remercie Masahiro Ikoma et le(s) autre(s) relecteur(s) anonyme(s) pour leur contribution à la relecture par les pairs de ce travail.

Note de l'éditeur Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Malgré différents équilibres radiatifs-convectifs et solveurs chimiques, traitements des nuages, espacement de grille et approches d'ajustement de grille, les quatre grilles arrivent à la même solution ponctuelle de métallicité solaire 10 fois supérieure. De plus, tous les quatre fournissent un ajustement acceptable aux données, avec le meilleur ajustement Χ2/Ndata < 1,4.

La courbe rouge épaisse (et l'axe x supérieur correspondant) montre le profil de température d'équilibre radiatif-convectif 1D résultant. Les lignes pointillées (et l'axe x inférieur) montrent les profils verticaux de rapport de mélange de gaz sous l'hypothèse d'un équilibre thermochimique. Ces abondances, ainsi que les sections efficaces d'absorption présentées dans le panneau inférieur de la figure 3, sont ce qui contrôle les contributions relatives de chaque opacité gazeuse au spectre de transmission total.

Caractéristiques résiduelles (points de données bleus) après soustraction du meilleur modèle de continuum (courbe de modèle noire "sans CO2" sur la Fig. 3). Un ensemble le mieux adapté d'un modèle gaussien à deux composants à la fois à la fonction CO2 et à la fonction absorbeur inconnue (~ 4 µm) est affiché en rouge.

Ce fichier contient des fichiers permettant de recréer les principales figures du texte. Il comprend : TRANSMISSION_SPECTRA_DATA, contenant les données de chaque réduction ; MODEL_FITS, contenant les spectres de modèles les mieux adaptés de chacune des quatre grilles de modèles décrites dans le manuscrit ainsi que les spectres « supprimer un gaz à la fois » pour recréer le panneau supérieur de la Fig. 3 ; et les données nécessaires pour reproduire les courbes de lumière illustrées à la Fig. 1 sont contenues dans le fichier CSV.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

JWST Transiting Exoplanet Community Early Release Science Team. Identification du dioxyde de carbone dans une atmosphère d'exoplanète. Nature 614, 649–652 (2023). https://doi.org/10.1038/s41586-022-05269-w

Télécharger la citation

Reçu : 04 août 2022

Accepté : 23 août 2022

Publié: 02 septembre 2022

Date d'émission : 23 février 2023

DOI : https://doi.org/10.1038/s41586-022-05269-w

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

Nature (2023)

Nature (2023)

Nature (2023)

Nature (2023)

Nature (2023)

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.