Astronomi

Interpretasi dan pemahaman tentang hubungan untuk pergeseran merah fotometrik dalam bin tertentu

Interpretasi dan pemahaman tentang hubungan untuk pergeseran merah fotometrik dalam bin tertentu

Dalam konteks penyelidikan survei fotometrik (seperti LSST), saya perlu memahami hubungan yang harus saya gunakan untuk tempat sampah fotometrik.

Mengingat $p_{ph}(z_p|z)$ probabilitas untuk mengukur pergeseran merah fotometrik sama dengan $z_p$ mengetahui pergeseran merah yang sebenarnya adalah $z$ dan diberikan $n(z)$ distribusi kerapatan benda, saya memiliki rumus berikut yang memberikan kerapatan $n_i$ galaksi menjadi $i$-th bin dan yang ingin saya pahami:

$$ n_{i}(z)=frac{int_{z_{i}^{-}}^{z_{i}^{+}} mathrm{d} z_{mathrm{p}} ,n(z),p_{mathrm{ph}}(z_{mathrm{p}} | z)}{int_{z_{min}}^{z_{max}} int_{z_{i }^{-}}^{z_{i}^{+}},mathrm{d} z ,mathrm{d} z_{mathrm{p}} ,n(z) ,p_{ mathrm{ph}}(z_{mathrm{p}} | z)} quad(1)$$

dengan $left(z_{i}^{-}, z_{i}^{+}kanan)$ yang merupakan nilai dari kedua sisi (+ dan -) dari pergeseran merah $i$ tempat sampah.

Berikut upaya saya untuk menyederhanakan: dengan teorema Bayes, diperoleh :

$$p_{mathrm{ph}}(z_{mathrm{p}} | z) = p_{mathrm{ph}}(z|z_{mathrm{p}}),dfrac{p_{ mathrm{ph}}(z_{mathrm{p}})}{p_{mathrm{ph}}(z)}quad(2)$$

dan Terlebih lagi, istilah bawah dari $(1)$ memberikan:

$$int_{z_{min}}^{z_{maks}} int_{z_{i}^{-}}^{z_{i}^{+}},mathrm{d} z , mathrm{d} z_{mathrm{p}} ,n(z) ,p_{mathrm{ph}}(z_{mathrm{p}} | z)$$

$$=int_{z_{i}^{-}}^{z_{i}^{+}},n(z),p_{mathrm{ph}}(z_{mathrm{p} }), ext{d}z_{mathrm{p}}quad(3)$$

Jadi, dengan menggabungkan $(2)$ dan $(3)$, kita mendapatkan :

$$ n_{i}(z)=dfrac{n(z),p_{mathrm{ph}}(z_{mathrm{p}})}{int_{z_{i}^{-} }^{z_{i}^{+}},n(z),p_{mathrm{ph}}(z_{mathrm{p}}), ext{d}z_{mathrm{ p}}}quad(4)$$

TAPI dari ini $(4)$ Saya tidak tahu bagaimana menyimpulkan tentang interpretasi kepadatan benda ini ke dalam pergeseran merah bin $i$.

Tentunya ada kesalahan dalam upaya saya untuk menyederhanakan ekspresi $(1$) tapi saya tidak tahu di mana.

Jika seseorang dapat membantu saya untuk memahami lebih baik kehalusan hubungan $(1)$, dari sudut pandang matematika atau fisika, ini akan bagus untuk menjelaskannya.

PEMBARUAN 1:

Secara khusus, saya tidak setuju dengan Persamaan (3) dan (4). Memang, menggunakan teorema Bayes di bagian bawah Persamaan (1) mengarah ke

$$ int_{z_{min}}^{z_{maks}} int_{z_i^-}^{z_i^+} dz dz_p n(z) p_{ph}(z|z_p)frac{p_{ ph}(z_p)}{p_{ph}(z)} $$

Tapi $p_{ph}(z | z_p) dz$ tidak sama dengan $p_{ph}(z)$, jadi Anda tidak dapat menyederhanakan pecahan, seperti yang Anda lakukan pada Persamaan (3)

Tambahan, $dz_p n(z) p_{ph} (z_p | z)$ tidak memiliki alasan untuk konstan, sehingga Anda tidak dapat dengan mudah menghilangkan tanda integrasi, seperti yang Anda lakukan pada Persamaan (4).

Untuk persamaan $(3)$, saya ingin menyederhanakan dengan:

$$int_{z_{min}}^{z_{maks}} int_{z_{i}^{-}}^{z_{i}^{+}},mathrm{d} z , mathrm{d} z_{mathrm{p}} ,n(z) ,p_{mathrm{ph}}(z_{mathrm{p}} | z)= int_{z_{i}^ {-}}^{z_{i}^{+}},n(z),p_{mathrm{ph}}(z_{mathrm{p}}), ext{d}z_{ mathrm{p}}quad(5)$$

karena kita harus memiliki: $$p_{ph}(z) = int_{z_{min}}^{z_{maks}} p_{ph}(z | z_p),dz_pquad(6)$$, bukan?

Dalam komentar di atas, Anda berbicara tentang relasi: $dz_p,p_{ph} (z_p | z)$, bukan persamaan $(6)$ di atas, apakah Anda setuju?

Dari sudut pandang intuitif, saya setuju bahwa rasio antara kepadatan $n_i(z)$ dan kepadatan total $n(z)$ sama dengan rasio antara probabilitas mendapatkan objek pergeseran merah $z_p$ mengetahui pergeseran merah yang sebenarnya $z$ dengan mengintegrasikan lebih dari $z_p$ dan densitas total terintegrasi lebih dari $z_p$ dan $z$.

Tapi begitu kita harus merumuskannya dengan matematika dan probabilitas bersyarat, itu lebih sulit.

Mungkin saya harus mempertimbangkan misalnya hubungan berikut yang setara dengan teorema Bayes tetapi dengan fungsi kerapatan (disebut kerapatan bersyarat):

$$gleft(x | y_{0} ight)=frac{fleft(x, y_{0} ight)}{int fleft(t, y_{0} ight) mathrm{d} t}quad(7)$$

Tapi saya tidak tahu bagaimana menghubungkan persamaan ini $(7)$ dengan persamaan $(1)$.

Maaf jika saya salah paham : komentar Anda akan sangat berharga, itu sebabnya saya ingin mengklarifikasi langkah ini.

PEMBARUAN 2:

1)

Pembilang Persamaan (1) $$ int_{z_i^-}^{z_i^+} dz_p n(z) p_{ph}(z_p | z) $$ hanyalah jumlah sampel dalam $i^{th}$ tempat fotometrik. Memang, pada pergeseran merah tertentu $[z, z+dz]$, Ada $n(z).dz$ sampel. Masing-masing sampel ini memiliki probabilitas $p_{ph}(z_p|z)$ berakhir di $i^{th}$ tempat sampah. Jadi dengan mengintegrasikan lebih $[z_i^-, z_i^+]$, Anda mendapatkan jumlah sampel dengan pergeseran merah yang sebenarnya $z$ dan pergeseran merah fotometrik di tempat sampah itu.

Masalahnya adalah, dalam pembilang persamaan $(1)$ :

$$int_{z_i^-}^{z_i^+} dz_p n(z) p_{ph},(z_p | z)$$

kami mengintegrasikan lebih $z_p$ dan tidak $z$, jadi kami tidak dapat mempertimbangkan jumlah sampel $n(z), ext{d}z$ dan setelah mengatakan bahwa kita menghitung probabilitas untuk berada di $i-th$ tempat sampah untuk dimiliki $n_i(z)$ sampel/nilai kepadatan. Memang, $ ext{dz}$ tidak muncul di pembilang persamaan $(1)$.

Apakah Anda setuju dengan masalah ini untuk saya?

2) Saya memberi Anda sosok yang dapat membantu seseorang untuk memahami makna $persamaan(1)$ :

Anda dapat melihat setiap warna yang sesuai dengan pergeseran merah ke-i yang dipertimbangkan dan dihitung dari $persamaan(1)$. Saya harap ini akan membantu.

Saya ingin membuat hubungan antara apa yang telah saya masukkan ke dalam PERBARUI 1, yaitu kepadatan bersyarat atau mungkin saya lebih suka menyatakan probabilitas bersyarat seperti ini:

$$gleft(x | y_{0} ight)=dfrac{fleft(x, y_{0} ight)}{int fleft(t, y_{0} ight) mathrm{d} t}quad(8)$$

Relasi ini memenuhi syarat "Teorema Bayes" untuk kasus kontinu :

Tetapi jika saya menghapus ekspresi ini $(8)$, Saya mendapat :

$$int,gleft(x | y_{0} ight), ext{d}y_0=int,dfrac{fleft(x, y_{0} ight), ext{d}y_0}{int fleft(t, y_{0} ight) mathrm{d} t}quad eqquad P(X|y_0)quad(9)$$

Cara memunculkan istilah $P(X|y_0)$ dari persamaan $(8)$ ?

PEMBARUAN 3: Benar-benar tidak ada yang menjelaskan problematis yang dikutip di atas dalam my PERBARUI 2 dan upaya saya untuk menyederhanakan persamaan $(1)$ di awal posting saya (dengan koneksi akhirnya dengan probabilitas bersyarat dalam persamaan $(7$ atau $(9)$ ?

Setiap bantuan/komentar/saran dipersilakan


Saya tidak begitu mengerti semua persamaan yang Anda tulis dan saya tidak yakin Anda dapat melakukan penyederhanaan seperti yang Anda sarankan. Secara khusus, saya tidak setuju dengan Persamaan (3) dan (4). Memang, menggunakan teorema Bayes di bagian bawah Persamaan (1) mengarah ke

$$ int_{z_{min}}^{z_{maks}} int_{z_i^-}^{z_i^+} dz dz_p n(z) p_{ph} (z | z_p)frac{p_{ ph}(z_p)}{p_{ph}(z)} $$

Tapi $p_{ph}(z | z_p) dz$ tidak sama dengan $p_{ph}(z)$, jadi Anda tidak dapat menyederhanakan pecahan, seperti yang Anda lakukan pada Persamaan (3)

Tambahan, $dz_p n(z) p_{ph} (z_p | z)$ tidak memiliki alasan untuk konstan, sehingga Anda tidak dapat dengan mudah menghilangkan tanda integrasi, seperti yang Anda lakukan pada Persamaan (4).


Tetapi saya dapat mencoba menjelaskan Persamaan (1) yang membuat Anda bingung.

Pembilang Persamaan (1) $$ int_{z_i^-}^{z_i^+} dz_p n(z) p_{ph} (z_p | z) $$ hanyalah jumlah sampel dalam $i^{th}$ tempat fotometrik. Memang, pada pergeseran merah tertentu $[z, z+dz]$, Ada $n(z).dz$ sampel. Masing-masing sampel ini memiliki probabilitas $p_{ph}(z_p | z)$ berakhir di $i^{th}$ tempat sampah. Jadi dengan mengintegrasikan lebih $[z_i^-, z_i^+]$, Anda mendapatkan jumlah sampel dengan pergeseran merah yang sebenarnya $z$ dan pergeseran merah fotometrik di tempat sampah itu.

penyebutnya $$ int_{z_{min}}^{z_{maks}} int_{z_i^-}^{z_i^+} dz dz_p n(z) p_{ph} (z_p | z) $$ memberikan istilah normalisasi, dengan mengintegrasikan pembilang pada semua pergeseran merah.


Kalibrasi Lengkap dari Survei Relasi Warna-Pergeseran Merah (C3R2): Tinjauan Survei dan Rilis Data

Anda memerlukan eReader atau perangkat lunak yang kompatibel untuk merasakan manfaat format file ePub3.

1 Pusat Pemrosesan dan Analisis Inframerah, Pasadena, CA 91125, AS

2 Laboratorium Propulsi Jet, Institut Teknologi California, Pasadena, CA 91109, AS

3 Institut Teknologi California, Pasadena, CA 91125, AS

4 Pusat Sains Spitzer, Pasadena, CA 91125, AS

5 Institut Kavli untuk Fisika dan Matematika Alam Semesta, Universitas Tokyo, Chiba 277-8582, Jepang

6 Institut de Ciències de lEspai (ICE, IEEC/CSIC), E-08193 Bellaterra (Barcelona), Spanyol

7 Departemen Astronomi, Universitas Jenewa, Ch. dEcogia 16, 1290 Versoix, Swiss

Diterima 2017 Februari 27 2017
Revisi 2017 April 19
Diterima 2017 April 19
Diterbitkan 2017 Mei 31

Klik di sini untuk menutup hamparan ini, atau tekan tombol "Escape" pada keyboard Anda.


1. Perkenalan

Dengan berkembangnya proyek survei fotometrik besar (mis., 2MASS, GALEX, Sloan Digital Sky Survey (SDSS), Pan-STARRS, LSST), kita menghadapi banjir data fotometrik, yang merupakan test bed terbaik untuk berbagai algoritme. Diantaranya, estimasi pergeseran merah fotometrik merupakan isu penting. Penelitian pada aspek ini berfokus pada benda-benda langit, seperti galaksi, quasar, supernova, semburan sinar gamma dan sebagainya. Studi tentang pergeseran merah fotometrik sangat penting untuk struktur alam semesta skala besar, pembentukan dan evolusi galaksi, pengelompokan galaksi, pengukuran jarak dan sebagainya. Ada banyak karya tentang pengukuran pergeseran merah fotometrik dari objek yang jauh termasuk quasar, dan terutama galaksi. Selain itu, sejumlah besar algoritma dan alat untuk estimasi pergeseran merah fotometrik sedang dikembangkan. Algoritme dikelompokkan menjadi dua jenis: pemasangan template dan pembelajaran mesin — misalnya, metode Bayesian (Benítez 2000 Edmondson et al. 2006 Mortlock et al. 2012), hubungan pergeseran warna-merah (Richards et al. 2001 Wu et al. 2004 Bola dkk. 2007), (kNN Ball dkk. 2007 Zhang dkk. 2013), regresi proses Gaussian (Way & Srivastava 2006 Way et al. 2009 Bonfield et al. 2010), regresi proses Gaussian sparse (Almosallam et al. 2016b,a), Jaringan Syaraf Tiruan (ANNs Firth et al. 2003 Zhang et al. 2009 Yèche dkk. 2010 Cavuoti dkk. 2012 Brescia dkk. 2013 Cavuoti dkk. 2017), regresi kernel (Wang dkk. 2007), analisis konektivitas spektral (SCA Freeman dkk. 2009), Hutan Acak (RF ) (Carliles et al. 2010 Schindler et al. 2017), ArborZ (Gerdes et al. 2010), teknik dekonvolusi ekstrim (Bovy et al. 2012), algoritma Directional Neighborhood Fitting (DNF) (De Vicente et al. 2016 ), teknik hybrid (Beck et al. 2016), Self-OrganizingMap (SOM Way & Klose 2012 Carrasco Kind & Brunner 2014), Clustering aided Back propagation Neural network (CuBANz Samui & Samui Pal 2017) dan Support Vector Machine (SVM Jones & Singal 2017 Schindler dkk. 2017).

Untuk meningkatkan akurasi estimasi pergeseran merah fotometrik, para peneliti telah mempertimbangkan pendekatan baru atau menggabungkan beberapa metode. Serigala (2009) digabungkan χ 2 template cocok dan set pelatihan empiris menjadi satu kerangka kerja, menerapkannya pada quasar SDSS Data Release 5 (DR5), dan meningkatkan akurasi estimasi pergeseran merah fotometrik. Laurino dkk. (2011) mengajukan Weak Gated Experts (WGE) untuk menurunkan pergeseran merah fotometrik galaksi dan quasar melalui kombinasi teknik data mining. Goreki dkk. (2014) menyelidiki pendekatan yang berbeda dan menggabungkan metode template-fitting dan metode jaringan saraf untuk pergeseran merah fotometrik galaksi. Han dkk. (2016) terintegrasi kNN dan SVM untuk estimasi pergeseran merah fotometrik quasar. Hoyle (2016) mengusulkan Deep Neural Networks untuk memperkirakan pergeseran merah fotometrik galaksi dengan menggunakan citra galaksi penuh di setiap pita yang diukur. Leistedt & Hogg (2017) menyajikan metode baru untuk menyimpulkan pergeseran merah fotometrik di galaksi dalam dan survei quasar, yang menggabungkan keunggulan metode pembelajaran mesin dan metode pemasangan template dengan membangun distribusi energi spektral template (SED) langsung dari data pelatihan spektroskopi. Serigala dkk. (2017) menyelidiki kinerja pergeseran merah fotometrik dari beberapa metode empiris dan template, dan estimasi densitas kernel (KDE) adalah yang terbaik untuk kasus mereka. Jouvel dkk. (2017) mengeksplorasi berbagai teknik untuk mengurangi fraksi outlier pergeseran merah fotometrik dengan perbandingan antara pemasangan templat, jaringan saraf, dan metode RF. Speagle & Eisenstein (2017a,b) menurunkan pergeseran merah fotometrik menggunakan arketipe fuzzy dan SOM, dan menunjukkan bahwa kekokohan dan fleksibilitas statistik dapat diperoleh dengan menggabungkan metode pemasangan template dan pembelajaran mesin, dan dapat memberikan wawasan yang berguna tentang bagaimana para astronom dapat lebih jauh mengeksploitasi pergeseran warna-merah hubungan. Karena sejumlah besar gambar tersedia, ini dapat diterapkan untuk menggunakan data gambar secara langsung dan menghemat waktu dengan memproses data gambar sebelumnya. D'Isanto & Polsterer (2018) menyelidiki pembelajaran mendalam untuk mendapatkan pergeseran merah fotometrik probabilistik langsung dari data pencitraan multi-band, membuat pra-klasifikasi objek dan ekstraksi fitur menjadi usang.

Meskipun sejumlah besar algoritme telah digunakan dalam aspek ini, algoritme yang berkinerja baik di galaksi mungkin belum tentu berlaku untuk quasar. Karena keakuratan estimasi pergeseran merah fotometrik quasar tidak terlalu memuaskan, masih ada ruang besar untuk perbaikan. Oleh karena itu, kami telah merancang strategi baru untuk memperkirakan pergeseran merah fotometrik quasar. Sampel yang digunakan untuk estimasi pergeseran merah fotometrik dijelaskan dalam Bagian 2. Kemudian, metode yang diadopsi diperkenalkan secara singkat di Bagian 3. Berdasarkan sampel SDSS dan SDSSWISE, skema yang berbeda dari estimasi pergeseran merah fotometrik quasar oleh kNN dan RF digambarkan secara rinci dan dibandingkan di Bagian 4. Diskusi disajikan di Bagian 5. Akhirnya kami merangkum hasil makalah ini di Bagian 6.


1. PERKENALAN

Pergeseran merah fotometrik (foto-z) adalah perkiraan jarak galaksi berdasarkan warna yang diamati (Baum 1962). Metode ini sangat efisien untuk mengumpulkan sampel pergeseran merah besar untuk galaksi redup. Meskipun memiliki akurasi yang lebih rendah daripada pergeseran merah spektroskopi (spektro-z), foto-z memiliki keuntungan dari peningkatan kelengkapan yang signifikan hingga batas fluks yang lebih redup daripada batas spektroskopi. Sampel foto-z dalam, seperti Objek Klasifikasi oleh Observasi Pita Menengah-17 (COMBO-17 Wolf et al. 2003) Survei Warisan Teleskop Kanada–Prancis–Hawaii (CFHTLS Ilbert et al. 2006), Spitzer Survei Wide-field Infrared Extragalactic (SWIRE) (Rowan-Robinson et al. 2008), dan COSMOS (Mobasher et al. 2007), berisi lebih dari 1.000.000 galaksi dan menjadi sangat redup saya

25 dengan jumlah waktu teleskop yang relatif kecil.

Foto-z tipikal dengan akurasi –0,04 (Δz = zszp) banyak digunakan untuk mempelajari evolusi massa dan luminositas bintang galaksi (misalnya, Fontana et al. 2000 Wolf et al. 2003 Gabasch et al. 2004 Caputi et al. 2006 Arnouts et al. 2007), untuk analisis pengelompokan sudut (misalnya , Heinis et al. 2007 McCracken et al. 2007), untuk mempelajari hubungan antara sifat galaksi dan lingkungan (misalnya, Capak et al. 2007), untuk melacak struktur skala besar (Mazure et al. 2007 Scoville et al. 2007) , dan untuk mengidentifikasi cluster pada pergeseran merah yang tinggi (Wang & amp Steinhardt 1998). Foto-z juga diperlukan untuk studi lensa lemah energi gelap dan materi gelap untuk memisahkan galaksi latar depan dan latar belakang dan untuk mengontrol efek sistematis seperti penyelarasan bentuk intrinsik, korelasi bentuk geser, dan efek pengelompokan sumber (Peacock et al. 2006) . Semua aplikasi ini memerlukan kontrol yang ketat dari efek sistematis dalam perkiraan foto-z. Cara yang efisien untuk mengidentifikasi dan menghilangkan sistematika adalah dengan mengkalibrasi foto-z pada sampel spektroskopi. Metode kalibrasi yang paling umum adalah metode jaringan saraf (misalnya, Ball et al. 2004 Collister & amp Lahav 2004), kalibrasi warna–z hubungan (Brodwin et al. 2006 Ilbert et al. 2006), atau rekonstruksi template distribusi energi spektral (SED) (Budavári et al. 2000 Feldmann et al. 2006).

Seperti juga untuk pengukuran spektro-z, akurasi foto-z bergantung pada cakupan spektral dan resolusi. Ini juga terdegradasi untuk sumber dengan rasio signal-to-noise yang rendah (S/N Bolzonella et al. 2000). Istirahat Balmer dan Lyman mengandung banyak informasi foto-z, sehingga akurasi lebih rendah dalam rentang pergeseran merah di mana fitur ini tidak disampel dengan baik oleh kumpulan filter. Ketika akurasi fotometrik menurun, menjadi lebih sulit untuk membatasi posisi fitur-fitur ini, yang mengarah ke akurasi yang lebih rendah. Ini menciptakan ketergantungan ganda akurasi foto-z pada magnitudo dan pergeseran merah yang ditentukan oleh desain survei (waktu pemaparan, pilihan filter, dan akurasi kalibrasi). Untuk alasan ini, setiap sampel foto-z harus diuji secara ekstensif dan dikarakterisasi dengan cara yang sama seperti sampel spektroskopi. Analisis ini diperlukan untuk mengidentifikasi rentang pergeseran merah/besarnya di mana foto-z dapat dipercaya dan digunakan untuk aplikasi ilmiah tertentu.

Makalah ini menyajikan versi baru foto-z untuk Survei Evolusi Kosmik (COSMOS Scoville et al. 2007) dan analisis akurasinya. COSMOS adalah yang terbesar Teleskop Luar Angkasa Hubble (HST) survei yang pernah dilakukan—mencitrakan bidang khatulistiwa 2 derajat 2 hingga kedalaman sayaF814W = 27,8 mag (5σ AB). Bidang COSMOS adalah khatulistiwa untuk memastikan visibilitas oleh semua fasilitas astronomi berbasis darat. Proyek ini mencakup pencitraan multi-panjang gelombang yang luas dari sinar-X ke radio (XMM, Chandra, Penjelajah Evolusi Galaxy (GALEX), Subaru, Teleskop Kanada–Prancis–Hawaii (CFHT), Teleskop Inframerah Inggris (UKIRT), Spitzer, VLA). Data NIR baru berbasis darat (H. J. McCracken et al. 2008, dalam persiapan P. Capak et al. 2008, dalam persiapan), Spitzer-Data IRAC (Sanders et al. 2007), dan data medium/narrowband dari Teleskop Subaru (Taniguchi et al. 2007 S. Sasaki et al. 2008, dalam persiapan Y. Taniguchi et al. 2008, dalam persiapan P. Capak et al. 2008, dalam persiapan) sangat meningkatkan katalog fotometri sebelumnya (Capak et al. 2007). Data baru ini digunakan untuk foto-z yang diturunkan di sini, menghasilkan faktor akurasi 3 lebih tinggi daripada rilis pertama foto-z COSMOS (Mobasher et al. 2007).

Data COSMOS disajikan dalam Bagian 2. Teknik yang digunakan untuk memperkirakan foto-z disajikan dalam Bagian 3. Pada Bagian 4, kami mengukur akurasi foto-z sebagai fungsi dari magnitudo dan pergeseran merah. Di Bagian 5, kami menyediakan distribusi foto-z dari saya + sampel yang dipilih. Foto-z khusus untuk sumber sinar-X yang dipilih, inti galaksi aktif (AGN), dan objek variabel dibahas dalam makalah pendamping (Salvato et al. 2008).

Sepanjang makalah ini, kami menggunakan standar WMAP kosmologi (saya = 0,3,Λ = 0.7) dengan h = 0,7 dan h = H0/100 km s 1 Mpc 1 . Besaran diberikan dalam sistem AB.


3. Elemen Pengamatan yang Mendukung Transformasi Spiral menjadi S0's

Di sini kami menyajikan bukti pengamatan utama yang mendukung hipotesis bahwa Spiral mengubah diri mereka menjadi S0's dalam kelompok.

Gambar 3 menunjukkan fraksi S0/E, S0/Sp, dan E/Sp untuk semua cluster yang diamati sampai dengan z ~ 0.8, berasal dari database WINGS dan EDisCS, serta dari data literatur untuk pergeseran merah menengah (0,1 < z < 0,55) kluster yang dipelajari oleh Fasano et al. (2000) dan Dressler et al. (1997).

Gambar 3. Trend fraksi morfologi (E/Sp, S0/Sp, dan S0/E) dengan pergeseran merah pada berbagai cluster. Sampel bertumpuk WINGS ditampilkan dengan bilah kesalahan 1σ. Garis yang diplot menandai evolusi fraksi morfologi untuk kluster hipotetis yang pada pergeseran merah tinggi memiliki fraksi morfologi rata-rata dari sampel EDisCS. Spiral berubah menjadi S0's dan E's pada tingkat yang berbeda per interval pergeseran merah. Kiri: Garis solid menandai tren yang diperoleh untuk laju transformasi 6,25 Sp → S0's per Gyr dan 0 Sp → E's per Gyr. Garis putus-putus sebagai gantinya adalah untuk laju 9 Sp → S0's per Gyr dan 0 Sp → E's per Gyr. Baik: Plot yang sama, tetapi dengan laju transformasi berikut: 5 Sp → S0's per Gyr dan 1,75 Sp → E's per Gyr untuk garis padat, dan 7 Sp → S0's per Gyr dan 1 Sp → E's per Gyr untuk garis putus-putus.

Dalam analisis komparatif mereka dari fraksi morfologi cluster di redshift rendah dan tinggi Fasano et al. (2000) telah mengklaim adanya kecenderungan umum dalam fraksi morfologi (%E's, %S0's, %Sp's) dan dalam rasio S0/E dan S0/Sp dengan pergeseran merah, dengan jelas menunjukkan bahwa S0 populasi cenderung tumbuh dengan mengorbankan Spiral, sedangkan frekuensi E's tetap hampir konstan.

Pada Gambar 3, cluster WINGS diwakili oleh satu titik tunggal yang menandai nilai rata-rata yang ditemukan untuk sampel cluster bertumpuk kami dan variansnya. Ada beberapa hal yang perlu diperhatikan dalam gambar ini: (1) rasio S0/E (panel bawah) hampir konstan dengan pergeseran merah dengan varians yang signifikan (2) varians dari sampel yang ditumpuk WINGS adalah orde yang sama dari penyebaran diamati di antara cluster di semua pergeseran merah di semua panel (3) rasio S0/Sp (panel tengah) sedikit meningkat pada pergeseran merah yang lebih rendah (z < 0.3). Fraksi ini mengikuti rasio S0/E tetapi dengan dispersi yang lebih kecil hingga z ~ 0,15, di mana puncak kuat diamati untuk dua klaster A389 dan A951 (4) fraksi E/Sp mengikuti tren yang sama dari rasio S0/Sp, tetapi dengan dispersi yang lebih besar di semua pergeseran merah. Sekali lagi puncak diamati di z ~ 0,15 untuk cluster yang sama (5) populasi S0 mendominasi di z ≤ 0.1. Tergantung pada cluster kita dapat memiliki faktor ~ 3 − 4 lebih banyak S0's daripada Spiral (6) pada pergeseran merah sekitar 0,1 dan di bawah jumlah Spiral yang diamati sangat kecil.

Penyebaran yang diamati pada fraksi morfologi dapat dijelaskan mengingat: (a) gugus memiliki struktur yang berbeda dan kurang lebih tervirialisasi/konsentrasi (Oemler, 1974) (b) Galaksi spiral, yang merupakan populasi dominan di lapangan, terus menerus masuk ke dalam kelompok dari filamen jaring kosmik (c) ada kemungkinan kesalahan dalam klasifikasi galaksi.

Kesan umum yang datang dari data ini adalah bahwa efek dari transformasi morfologi menjadi terlihat pada pergeseran merah lebih rendah dari ~ 0.3, di mana peningkatan signifikan dari rasio E/Sp dan S0/Sp diamati. Meskipun tersebar, data tampaknya menunjukkan evolusi dengan pergeseran merah dari fraksi morfologi. Jika kita percaya pada data ini (yaitu, bahwa tidak ada bias sistematis, misalnya, dalam klasifikasi morfologi dan di area yang disurvei 3 ), kita harus menyimpulkan dari Gambar 3 bahwa ada mekanisme aktif yang mengubah Spiral menjadi objek S0 (dan mungkin ke dalam E's). Faktanya, rasio S0/Sp dan E/Sp tampaknya meningkat dengan gradien yang kira-kira sama, meskipun dengan dispersi yang cukup berbeda.

Garis yang ditunjukkan pada Gambar 3 mengikuti evolusi hipotetis dari sebuah cluster yang berisi 26 E's, 15 S0's, dan 68 Spiral pada pergeseran merah 0,9 (nilai-nilai ini mewakili frekuensi rata-rata yang diamati dari tipe morfologis dalam EDisCS). Mereka menandai hasil perhitungan sederhana di mana Spiral ditransformasikan secara instan menjadi S0's dan E's dengan tingkat yang berbeda per interval pergeseran merah. Di panel kiri, garis padat menandai laju transformasi 6,25 Sp → S0 per Gyr dan 0 Sp → E per Gyr, sedangkan garis putus-putus menandai laju 9 Sp → S0 per Gyr dan 0 Sp & #x02192 E per Gyr. Di panel kanan kami memiliki sebaliknya untuk garis padat 5.0 Sp → S0 per Gyr dan 1,75 Sp → E per Gyr, sedangkan untuk garis putus-putus 7 Sp → S0 per Gyr dan 2.5 Sp → E per tahun Tingkat ini dipilih agar sesuai dengan tren umum yang diamati dan untuk menunjukkan bahwa pada prinsipnya kita dapat mengikuti evolusi fraksi morfologis dari setiap cluster sepanjang waktu. Tren yang diamati menunjukkan bahwa evolusi kelas morfologi diperlukan untuk menjelaskan data. Namun perhitungan kami tidak memperhitungkan infall, yaitu fakta bahwa Spiral baru memasuki cluster di seluruh waktu kosmik. Oleh karena itu, tarif yang dihitung di sini harus dianggap sebagai batas bawah.

Perhatikan bahwa jika kita tidak mempertimbangkan transformasi Spiral menjadi E's, kita tidak dapat mereproduksi tren rata-rata fraksi S0/E: baik tingkat rendah (garis padat) dan tinggi (garis putus-putus) dari transformasi Spiral menjadi S0&# x00027s yang dipilih di panel kiri, di mana jumlah E's tetap konstan, tidak dapat sesuai dengan titik WINGS rata-rata yang memberikan fraksi S0/E. Di sisi lain, ketika transformasi menjadi E's benar-benar diperhitungkan (lihat panel kanan), kita dapat mereproduksi tren rata-rata semua fraksi morfologi dan puncak dalam rasio E/Sp dan S0/Sp 4 sebagai serta rasio S0/E yang hampir konstan diamati untuk semua cluster. Dengan kata lain, atau E' baru masuk secara sistematis dalam kelompok atau E' baru harus dibentuk melalui penggabungan besar Spiral.

Gambar 4 menunjukkan log dari tidakS0tidakSp rasio vs. log pergeseran merah z. Kecocokan kuadrat terkecil sangat signifikan dan menunjukkan bahwa data aktual dapat ditafsirkan dalam bentuk evolusi temporal dari fraksi morfologi, dalam arti bahwa galaksi S0 terus bertambah jumlahnya sehubungan dengan Spiral. Mengubah z di usia Semesta dengan pendekatan linier dalam kisaran pergeseran merah 0 − 1, kita melihat bahwa fraksi tidakS0tidakSp meningkat dengan faktor ~ 2 setiap Gyr.

Gambar 4. Log dari tidakS0tidakSp rasio vs. log pergeseran merah z. Garis padat memberikan kecocokan terbaik. Bilah kesalahan Poissonian menandai ketidakpastian 1σ dari jumlah yang diamati.

Kesimpulannya, jika interpretasi kita terhadap Gambar 3, 4 benar, Spiral berubah menjadi S0's dan menjadi E's dengan laju yang sedikit berbeda. Vulcani dkk. (2011), bekerja pada data yang sama untuk kedua survei, sampai pada kesimpulan yang sama dengan analisis fraksi morfologi dan fungsi massa.

Gambar 5 memberi kita petunjuk lain yang mendukung evolusi morfologis. Ini menunjukkan bahwa S0's dan Spiral tidak terdistribusi secara spasial dengan cara yang sama dalam kelompok pada pergeseran merah rendah dan tinggi. Gambar tersebut dengan jelas menunjukkan bahwa dalam kluster WINGS, S0's mendominasi wilayah tengah kluster (DBCGR200 < 0.4), sedangkan Spiral di EDisCS lebih sering dan melimpah di wilayah luar DBCGR200 > 0.4. Fakta ini, yang mengingatkan hubungan morfologi-kepadatan, juga konsisten dengan gagasan bahwa Spiral berubah menjadi S0's selama infall progresif mereka menuju wilayah pusat cluster.

Gambar 5. Plot panel kiri dengan garis hitam perbedaan antara jumlah S0's dan Spiral dalam sampel data WINGS untuk DBCGR200 < 0.4 (panel atas) dan DBCGR200 > 0,4 panel bawah di setiap bin massa galaksi. Panel kanan menunjukkan perbedaan yang sama untuk sampel data EDisCS. Garis merah menandai distribusi yang sama untuk perbedaan antara jumlah S0's dan E's.


Pergeseran merah fotometrik dengan prioritas kecerahan permukaan

Kami menggunakan kecerahan permukaan galaksi sebagai informasi sebelumnya untuk meningkatkan estimasi pergeseran merah fotometrik (foto-z). Kami menerapkan metode foto-z berbasis template untuk data pencitraan dari survei VVDS berbasis darat dan bidang GOODS berbasis ruang angkasa dari HST, dan menggunakan pergeseran merah spektroskopi untuk menguji pergeseran merah fotometrik kami untuk berbagai jenis galaksi dan pergeseran merah. Kami menemukan bahwa kecerahan permukaan sebelumnya menghilangkan sebagian besar outlier dengan mengangkat degenerasi antara jeda Lyman dan 4000-Å. Bias dan hamburan ditingkatkan sekitar faktor 2 dengan prior di setiap nampan pergeseran merah dalam kisaran 0,4 < z < 1,3, baik untuk data tanah maupun luar angkasa. Survei yang sedang berlangsung dan direncanakan dari darat dan luar angkasa akan bermanfaat, asalkan kehati-hatian dilakukan dalam pengukuran ukuran galaksi dan dalam penerapan sebelumnya. Kami membahas persyaratan kualitas gambar dan rasio signal-to-noise yang memungkinkan kecerahan permukaan sebelum berhasil diterapkan.

Jurnal

Pemberitahuan Bulanan Royal Astronomical Society &ndash Oxford University Press

Diterbitkan: 1 Juli 2008

Kata kunci: metode: analisis data galaksi survei: jarak dan pergeseran merah galaksi: fotometri


4. Estimasi dan Pengurangan Komponen Debu Termal

Debu Galaksi menghasilkan kontaminasi yang lebih tinggi, tetapi hal ini tidak berkorelasi dengan posisi cluster, sehingga hanya menghasilkan noise di peta yang ditumpuk. Juga sumber ekstragalaksi yang tidak berkorelasi dengan cluster menghasilkan kebisingan untuk alasan yang sama. Namun, cluster memiliki emisi debu yang penting (Gutiérrez & López-Corredoira 2014, 2017 Planck Collaboration 2016g) dan ini harus dikurangi untuk menguji efek Sunyaev–Zel'dovich. Kesesuaian dengan debu cluster lebih baik daripada memasukkan emisi ini sebagai bagian dari debu Galaksi karena ini memperhitungkan koreksi-K karena pergeseran merah dari fluks yang dipancarkan.

Untuk mengurangi sinyal debu ini, kami mengikuti prosedur ini: dengan fluks Fν untuk ν = 545, 857, dan 2998 GHz untuk citra tumpukan tertentu dari kluster dengan pergeseran merah rata-rata , kami menyesuaikan tiga parameter ( , , ) dari fungsi emisi debu yang diberikan oleh

di mana adalah fungsi emisi benda hitam, adalah emisivitas, dan adalah amplitudo. Kami telah memilih frekuensi 545, 857, dan 2998 GHz (100 μm) karena kontribusi efek Sunyaev–Zel'dovich di sini dapat diabaikan dan kemungkinan komponen kedua dari debu dengan suhu yang lebih tinggi hanya akan memiliki kontribusi yang dapat diabaikan. Kami tidak menggunakan 4997 GHz (60 μm) dari IRA karena ini akan membutuhkan suhu debu kedua untuk dipasang (Xilouris et al. 2012). Meskipun ada beberapa penurunan dalam ruang – dalam mencari yang paling cocok, memungkinkan variasi kedua parameter meningkatkan kecocokan. Ini adalah alasan untuk pilihan itu. Bilah kesalahan parameter diturunkan dengan analisis standar (Avni 1976).

Pada awalnya, kami mengabaikan kontribusi Sunyaev–Zel'dovich pada 545 GHz untuk pertama kalinya. Kemudian, setelah kami memiliki kecocokan Sunyaev–Zel'dovich menurut Bagian 5, kami mengurangi kontribusi Sunyaev–Zel'dovich pada 545 GHz dan kami mengulang penyetelan debu. Pada 857 dan 2998 GHz, kami selalu menganggap efek Sunyaev–Zel'dovich diabaikan. Orang mungkin bertanya-tanya mengapa kita tidak cocok dengan debu dan Sunyaev–Zel'dovich secara bersamaan: jawabannya adalah, dalam kasus seperti itu, kita akan didominasi oleh titik frekuensi tinggi, yang mendapatkan sinyal/noise lebih tinggi, dan efek Sunyaev–Zel'dovich akan lebih cocok. Oleh karena itu, kami melakukan penyesuaian pada frekuensi tinggi untuk debu dan frekuensi rendah untuk Sunyaev–Zel'dovich secara terpisah.

Tabel 4 dan 5 memberikan nilai untuk kecocokan taruhan dan , yang berada dalam nilai normal kecocokan di galaksi lain (Shetty et al. 2009 Galametz et al. 2012). Kami telah mencoba pengurangan debu dengan menumpuk kluster yang terletak di garis lintang Galaksi konstan yang berbeda, menggunakan topeng 1 atau 2 PLANCK, yang masing-masing mencakup 20% dan 40% wilayah kepunahan terendah di langit. Hasilnya tidak memiliki perbedaan yang signifikan. Kami memilih di sini nilai topeng 2 karena mereka memberikan bilah kesalahan yang lebih rendah dan mereka menutupi wilayah langit yang masih sangat konservatif dalam menghindari wilayah kepunahan tinggi. Hal ini juga sesuai dengan analisis debu dalam cluster dengan PLANCK oleh Planck Collaboration (2016g).

4.1. Frekuensi efektif

A minor correction is carried out by recalculating the effective frequencies of each of the filters, rather than taking the nominal value.

For each of the filters, we calculate the frequency averaged on the detected flux convolved with the filter transmission as

where is the transmission function of the filter with nominal frequency ν. Once we have these new frequencies , we set the values of the fluxes as equal to the previously measured Fν and we redo the fit given by Equation (2), obtaining new parameters , , that take into account this correction of frequencies. Those are the values that we use.


Photometric redshift estimation based on data mining with PhotoRApToR

Photometric redshifts (photo-z) are crucial to the scientific exploitation of modern panchromatic digital surveys. In this paper we present PhotoRApToR (Photometric Research Application To Redshift): a Java/C ++ based desktop application capable to solve non-linear regression and multi-variate classification problems, in particular specialized for photo-z estimation. It embeds a machine learning algorithm, namely a multi-layer neural network trained by the Quasi Newton learning rule, and special tools dedicated to pre- and post-processing data. PhotoRApToR has been successfully tested on several scientific cases. The application is available for free download from the DAME Program web site.

Ini adalah pratinjau konten langganan, akses melalui institusi Anda.


Ashby, N. P., Stern, D., Brodwin, M., Griffith, R., Eisenhardt, P., Kozłowski, S., et al. (2009). The spitzer deep, wide-field survey. Astrofia. J 701:428. doi: 10.1088/0004-637X/701/1/428

Assef, R. J., Kochanek, C. S., Brodwin, M., Cool, R., Forman, W., Gonzalez, A. H., et al. (2010). Low-resolution spectral templates for active galactic nuclei and galaxies from 0.03 to 30 μm. Astrofia. J 713, 970�. doi: 10.1088/0004-637X/713/2/970

Autry, R. G., Probst, R. G., Starr, B. M., Abdel-Gawad, K. M., Blakley, R. D., Daly, P. N., et al. (2003). Instrument design and performance for optical/infrared ground-based telescopes. SPIE 4841, 525�. doi: 10.1117/12.460419

Baos, E., Venemans, B. P., Morganson, E., Hodge, J., Decarli, R., Walter, F., et al. (2015). Constraining the radio-loud fraction of quasars at z ˜ 5.5. Astrofia. J 804:118. doi: 10.1088/0004-637X/804/2/118

Becker, R. H., White, R. L., and Helfand, D. J. (1995). The FIRST survey: faint images of the radio sky at twenty centimeters. Astrofia. J 450:559. doi: 10.1086/176166

Bisnovatyi-Kogan, G. S. (2001). Stellar Physics. Vol.1: Fundamental Concepts and Stellar Equilibrium. Astronomy and Astrophysics Library. (Trans.) A. Y. Blinov and M. Romanova. Berlin: Springer.

Bovy, J., Hennawi, J. F., Hogg, D. W., Myers, A. D., Kirkpatrick, J. A., Schlegel, D. F., et al. (2011). Think outside the color box: probabilistic target selection and the SDSS-XDQSO quasar targeting catalog. Astrofia. J 729:141. doi: 10.1088/0004-637X/729/2/141

Brammer, G. B., van Dokkum, P. G., and Coppi, P. (2008). EAZY: a fast, public photometric redshift code. Astrofia. J 686, 1503�. doi: 10.1086/591786

Croom, S. M., Boyle, B. J., Shanks, T., Smith, R. J., Miller, L., Outram, P. J., et al. (2005). Probing the radio loud/quiet AGN dichotomy with quasar clustering. Month. Notices RAS 356, 415�. doi: 10.1111/j.1365-2966.2004.08379.x

Davidson, K., and Netzer, H. (1979). The emission lines of quasars and similar objects. RevModPhys 51, 715�. doi: 10.1103/RevModPhys.51.715

de Vries, W. H., Morganti, R., Röttgering, H. J. A., Vermeulen, R., van Breugel, W., Rengelink, R., et al. (2002). Deep westerbork 1.4 GHz imaging of the bootes field astronot. J 123, 1784�. doi: 10.1086/338906

Donley, J. L., Koekemoer, A. M., Brusa, M., Capak, P., Cardamone, C. N., Civano, F., et al. (2012). A new infrared color criterion for the selection of 0>zϧ AGNs: application to deep fields and implications for JWST surveys. Astrofia. J 748:142.

Fan, X. (1999). Simulation of stellar objects in SDSS color space. astronot. J 117, 2528�. doi: 10.1086/300848

Fan, X., Narayanan, V. K., Lupton, R. H., Strauss, M. A., Knapp, G. R., Becker, R. H., et al. (2001). A survey of zϥ.8 quasars in the sloan digital sky survey. I. Discovery of three new quasars and the spatial density of luminous quasars at z=6. Astrofia. J 122, 2833�. doi: 10.1086/324111

Flaugher, B. (2005). The dark energy survey. IJMPA 20, 3121�. doi: 10.1142/S0217751X05025917

Fukugita, M., Ichikawa, T., Gunn, J. E., Doi, M., Shimasaku, K., and Schneider, D. P. (1996). The sloan digital sky survey photometric system. astronot. J 111:1748. doi: 10.1086/117915

Glikman, E., Gregg, M. D., Lacy, M., Helfand, D. J., Becker, R. H., and White, R. L. (2004). FIRST-2Mass sources below the APM detection threshold: a population of highly reddened quasars. Astrofia. J 607, 60�. doi: 10.1086/383305

Glikman, E., Urrutia, T., Lacy, M., Djorgovski, S. G., Mahabal, A., Myers, A. D., et al. (2012). FIRST-2MASS red quasars: transitional objects emerging from the dust. Astrofia. J 757:51. doi: 10.1088/0004-637X/757/1/51

Glikman, E., Urrutia, T., Lacy, M., Djorgovski, S. G., Urry, M., Croom, S., et al. (2013). Dust reddened quasars in FIRST and UKIDSS: beyond the tip of the iceberg. Astrofia. J 778:127. doi: 10.1088/0004-637X/778/2/127

Hatziminaoglou, E., Mathez, G., and Pelló, R. (2000). Quasar candidate multicolor selection technique: a different approach. astronot. Astrofia. 359, 9�.

Hoaglin, D. C., Mosteller, F., and Tukey, J. W. (edS.). (1983). “Understanding robust and exploratory data analysis,” in Wiley Series in Probability and Mathematical Statistics, (New York, NY: Wiley).

Hook, I. M., McMahon, R. G., Shaver, P. A., and Snellen, I. A. G. (2002). Discovery of radio-loud quasars with redshifts above 4 from the PMN sample. astronot. Astrofia. 391, 509�. doi: 10.1051/0004-6361:20020869

Ilbert, O., Arnouts, S., McCracken, H. J., Bolzonella, M., Bertin, E., Le Fèvre, O., et al. (2006). Accurate photometric redshifts for the CFHT legacy survey calibrated using the VIMOS VLT deep survey. astronot. Astrofia. 457, 841�. doi: 10.1051/0004-6361:20065138

Jannuzi, B. T., and Dey, A. (1999). Photometric redshifts and the detection of high redshift galaxies. ASPCS 191:111.

Kaiser, N., Aussel, H., Burke, B. E., Boesgaard, H., Chambers, K., Chun, M. R., et al. (2002). Pan-STARRS: a large synoptic survey telescope array. Prok. SPIE 4836, 154�. doi: 10.1117/12.457365

Kaiser, N., Burgett, W., Chambers, K., Denneau, L., Heasley, J., Jedicke, R., et al. (2010). The pan-STARRS wide-field optical/NIR imaging survey. Prok. SPIE 7733. doi: 10.1117/12.859188

Kauffmann, G., Heckman, T. M., Tremonti, C., Brinchmann, J., Charlot, S., White, S. D. M., et al. (2003). The host galaxies of active galactic nuclei. Month. Notices RAS 346:1390. doi: 10.1111/j.1365-2966.2003.07154.x

Kenter, A., Murray, S. S., Forman, W. R., Jones, C., Green, P., Kochanek, C. S., et al. (2005). An X-ray survey of the NDWFS bootes field. II. The X-ray source catalog. Astrofia. J. Supl. 161:9. doi: 10.1086/444379

Kimball, A. E., Knapp, G. R., Ivezić, Ž., West, A. A., Bochanski, J. J., Plotkin, R. M., et al. (2009). A sample of candidate radio stars in first and SDSS. Astrofia. J 701, 535�. doi: 10.1088/0004-637X/701/1/535

Kirkpatrick, J., Schlegel, D. J., Ross, N. P., Myers, A. D., Hennawi, J. F., Sheldon, E. S., et al. (2011). A simple likelihood method for quasar target selection. Astrofia. J 743:2. doi: 10.1088/0004-637X/743/2/125

Kochanek, C. S., Eisenstein, D. J., Cool, R. J., Caldwell, N., Assef, R. J., Jannuzi, B. T., et al. (2012). AGES: the AGN and galaxy evolution survey. Astrofia. J. Supl. 200:8. doi: 10.1088/0067-0049/200/1/8

Lacy, M., Petric, A. O., Sajina, A., Canalizo, G., Storrie-Lombardi, L. J., Armus, L., et al. (2007). Optical spectroscopy X-ray detections of a sample of quasars active galactic nuclei selected in the mid-infrared from two spitzer space telescope wide-area surveys. astronot. J 133, 186�. doi: 10.1086/509617

MacLeod, C. L., Brooks, K., Ivezic, Z., Kochanek, C. S., Gibson, R., Meisner, A., et al. (2010a). Quasar selection based on photometric variability. Astrofia. J 728:16. doi: 10.1088/0004-637X/728/1/26

MacLeod, C. L., Ivezić, Ž., Kochanek, C. S., Kozłowski, S., Kelly, B., Bullock, E., et al. (2010b). Modeling the time variability of SDSS stripe 82 quasars as a damped random walk. Astrofia. J 721:1014. doi: 10.1088/0004-637X/721/2/1014

Martin, C., Barlow, T., Barnhart, W., Bianchi, L., Blakkolb, B. K., Bruno, D., et al. (2003). The galaxy evolution explorer. Prok. SPIE 4854, 336�. doi: 10.1117/12.460034

McGreer, I. D., Becker, R. H., Helfand, D. J., and White, R. L. (2006). Discovery of a z = 6.1 radio-loud quasar in the NOAO deep wide field survey. Astrofia. J 652, 157�. doi: 10.1086/507767

McGreer, I. D., Helfand, D. J., and White, R. L. (2009). Radio-selected quasars in the sloan digital sky survey. astronot. J 138, 1925�. doi: 10.1088/0004-6256/138/6/1925

McLure, M. J., and Dunlop, J. S. (2004). The cosmological evolution of quasar black hole masses. Month. Notices RAS 352:1390. doi: 10.1111/j.1365-2966.2004.08034.x

Meier, D. L. (1976a). Have primeval galaxies been detected. Astrofia. J 203, L103–L105. doi: 10.1086/182029

Meier, D. L. (1976b). The optical appearance of model primeval galaxies. Astrofia. J 207, 343� doi: 10.1086/154500

Palanque-Delabrouille, N., Yeche, C. H., Myers, A. D., Petitjean, P., Ross, N. P., Sheldon, E., et al. (2011). Variability selected high-redshift quasars on SDSS Stripe 82. astronot. Astrofia. 530:A122. doi: 10.1051/0004-6361/201016254

Pâris, I., Petitjean, P., Ross, N. P., Myers, A. D., Aubourg, É., Streblyanska, A., et al. (2017). The sloan digital sky survey quasar catalog: twelfth data release. Astrofia. J 597:A79. doi: 10.1051/0004-6361/201527999

Retana-Montenegro, E., and Röttgering, H. J. A. (2017). Probing the radio loud/quiet AGN dichotomy with quasar clustering Astrophysics 600:a197. doi: 10.1051/0004-6361/201526433

Richards, G. T., Fan, X., Newberg, H. J., Strauss, M. A., Vanden Berk, D. E., Schneider, D. P., et al. (2002). Spectroscopic target selection in the sloan digital sky survey: the quasar sample. astronot. J 123:2945. doi: 10.1086/340187

Richards, G. T., Fan, X., Newberg, H. J., Strauss, M. A., Vande Berk, D. E., Schneider1, D. P., et al. (2006). Spectroscopic target selection in the sloan digital sky survey: the quasar sample. astronot. J 131, 2766�. doi: 10.1086/503559

Ross, N. P., Myers, A. D., Sheldon, E. S., Yຌhe, C., Strauss, M. A., Bovy, J., et al. (2012). The SDSS-III baryon oscillation spectroscopic survey: quasar target selection for data release nine. Astrofia. J 199:3. doi: 10.1088/0067-0049/199/1/3

Ross, N. P., Shen, Y., Strauss, M. A., Vanden Berk, D. E., Connolly, A. J., Richards, G. T., et al. (2009). Clustering of low-redshift (z < = 2.2) quasars from the sloan digital sky survey. Astrofia. J 697:1634. doi: 10.1088/0004-637X/697/2/1634

Röttgering, H., Afonso, J., Barthel, P., Batejat, F., Best, P., Bonafede, A., et al. (2011). LOFAR and APERTIF surveys of the radio sky: probing shocks and magnetic fields in galaxy clusters. J. Astrophys. astronot. 32, 557�. doi: 10.1007/s12036-011-9129-x

Salvato, M., Hasinger, G., Ilbert, O., Zamorani, G., Brusa, M., Scoville, N. Z., et al. (2009). Photometric redshift and classification for the XMM-COSMOS sources. Astrofia. J 690, 1250�. doi: 10.1088/0004-637X/690/2/1250

Salvato, M., Ilbert, O., Hasinger, G., Rau, A., Civano, F., Zamorani, G., et al. (2011). Dissecting photometric redshift for active galactic nucleus using XMM- and chandra-COSMOS samples. Astrofia. J 742:61. doi: 10.1088/0004-637X/742/2/61

Sandage, A., Véron, P., and Wyndham, J. D. (1965). Optical identification of new quasi-stellar radio sources. Astrofia. J 142:1307. doi: 10.1086/148415

Schneider, D. P., Richards, G. T., Hall, P. B., Strauss, M. A., Anderson, S. F., Boroson, T. A., et al. (2010). The sloan digital sky survey quasar catalog. V. Seventh data release. astronot. J 139:2360. doi: 10.1088/0004-6256/139/6/2360

Shimwell, T. W., Röttgering, H. J. A., Best, P. N., Williams, W. L., Dijkema, T. J., de Gasperin, F., et al. (2017). The LOFAR two-metre sky survey. I. Survey description and preliminary data release. astronot. Astrofia. 598:A104. doi: 10.1051/0004-6361/201629313

Smolčić, V., Novak, M., Bondi, M., Ciliegi, P., Mooley, K. P., Schinnerer, E., et al. (2017). The VLA-COSMOS 3 GHz large project: continuum data and source catalog release. astronot. Astrofia. 602:A1. doi: 10.1051/0004-6361/201628704

Tyson, J. A. (2002). Large synoptic survey telescope: overview. Prok. SPIE 4836, 10�. doi: 10.1117/12.456772

van Haarlem, M. P., Wise, M. W., Gunst, A. W., Heald, G., McKean, J. P., Hessels, J. W. T., et al. (2013). LOFAR: the LOw-Frequency ARray. astronot. Astrofia. A2:556. doi: 10.1051/0004-6361/201220873

Williams, W., Intema, H. T., and Röttgering, H. J. A. (2013). T-RaMiSu: the two-meter radio mini survey. I. The Boötes field. astronot. Astrofia. 549:A55. doi: 10.1051/0004-6361/201220235

Williams, W., van Weeren, R. J., Röttgering, H. J. A., Best, P., Dijkema, T. J., de Gasperin, F., et al. (2016). LOFAR 150-MHz observations of the Boötes field: catalogue and source counts. Month. Notices RAS 460:2385. doi: 10.1093/mnras/stw1056

Willott, C. J., Philippe, P., Omont, A., Bergeron, J., Delfosse, X., Forveille, T., et al. (2007). Four quasars above redshift 6 discovered by the Canada-France high-z quasar survey. Astrofia. J 134, 2435�. doi: 10.1086/522962

Wright, E. L., Eisenhardt, P. R. M., Mainzer, A. K., Ressler, M. E., Cutri, R. M., Jarrett, T., et al. (2010). The wide-field infrared survey explorer (WISE): mission description and initial on-orbit performance. astronot. J 140, 1868�. doi: 10.1088/0004-6256/140/6/1868

York, D. G., Adelman, J., Anderson, J. E., Scott, F., Annis, J., Bahcall, N. A., et al. (2000). The sloan digital sky survey: technical summary. astronot. J 120, 1579�. doi: 10.1086/301513

Yຌhe, N. P., Petitjean, P., Rich, J., Aubourg, E., Busca, N., Hamilton, J.-C., et al. (2010). Artificial neural networks for quasar selection and photometric redshift determination. Astrofia. J 523:A14. doi: 10.1051/0004-6361/200913508

Zeimann, G. R., White, R. L., Becker, R. H., Hodge, J. A., Stanford, S. A., and Richards, G. T. (2011). Discovery of a radio-selected z ˜ 6 quasar. Astrofia. J 746:57. doi: 10.1088/0004-637X/736/1/57

Keywords: quasars, active galactic nuclei, surveys, radio, extragalactic astronomy, photometry, spectroscopy

Citation: Retana-Montenegro E and Röttgering H (2018) On the Selection of High-z Quasars Using LOFAR Observations. Depan. astronot. Space Sci. 5:5. doi: 10.3389/fspas.2018.00005

Received: 31 July 2017 Accepted: 31 January 2018
Published: 06 March 2018.

Paola Marziani, Osservatorio Astronomico di Padova (INAF), Italy

Andjelka Branislav Kovacevic, University of Belgrade, Serbia
Daniela Bettoni, Osservatorio Astronomico di Padova (INAF), Italy

Copyright © 2018 Retana-Montenegro and Röttgering. Ini adalah artikel akses terbuka yang didistribusikan di bawah ketentuan Lisensi Atribusi Creative Commons (CC BY). The use, distribution or reproduction in other forums is permitted, provided the original author(s) and the copyright owner are credited and that the original publication in this journal is cited, in accordance with accepted academic practice. Penggunaan, distribusi, atau reproduksi tidak diizinkan yang tidak mematuhi ketentuan ini.


A near-infrared and UBVRI photometric analysis of the open cluster IC 361

A detailed optical and infrared photometric analysis of the open star cluster IC 361 is given in the present paper. On studying the radial density profile, radial extent of the cluster is found to be (8.0pm 0.5) arcmin. The basic physical parameters of the cluster such as (E(B-V) = 0.56pm 0.10) mag, (E(V-K)=1.72pm0.12) mag, (hbox =9.10pm 0.05) , and ((m-M)_ <0>= 12.54pm 0.05) mag are obtained using the colour–colour and colour–magnitude diagrams. IC 361 is found to be located at a distance of (3.22pm 0.07) kpc. Using the archival proper motion catalogues, we estimate the mean proper motions of IC 361 as (4.97pm 0.17) mas yr (^<-1>) and (<->,5.80pm 0.18) mas yr (^<-1>) in the direction of RA and Dec, respectively. A uniform distribution of mass between small scale and large scale is confirmed by MF slope of IC 361. However, the mass function slope of cluster region is found to be (-1.06pm 0.09) , which is too low compared to the Salpeter value. Our study is further showing a dynamical relaxation behaviour of the cluster IC 361.

Ini adalah pratinjau konten langganan, akses melalui institusi Anda.


References

B Bellot, H. Hale: University College London, 1826-1926 Univ. of London Press Ltd., 1929.
D.N.B. Dictionary of National Biography.
D.L.U. Description of the London University, 1828 (College Archives).
W
Wood, D.O.: About the Physics Department, University College London
and those who worked therein, 1826-1950 (Typescript, College Archives).
K Ker, W.P.: Editor, Notes and Materials for the History of U. C. L. (College Archives).
P Porter, A.W.: Department of Physics (Typescript, College Archives).
G
Grant, W.: Manuscript dealing with the history of the College in general
and of the Physical Department in particular (College Archives).
H & N Harte, N. & North, J.: The World of University College London 1828-1978 Published by U.C.L.
M & R Massey, Sir Harrie & Robins, M.O.: History of British Space Research Cambridge Univ. Press 1986.
B.B.D.
Bates, Sir David Boyd, Sir Robert & Davis, D.G.: Harrie Stewart Wilson Massey, 1908-1983
Royal Society Biographical Memoir, Volume 30, November 1984.

Other:
College Archives consulted were Annual Reports from 1827 onwards Calendars - London University, 1831, UCL 1853/4 onwards Distribution of Prizes and Certificates of Honour, 1828/9-1851/2.
Manuscripts were Minutes, Council 1825-1907, then Committee 1908 onwards.
Apparatus Book, Natural Philosophy, 1827-30 Apparatus Book, 1862 and a somewhat earlier version thereof List of Physical Apparatus, 1866-73.
Attendance Register, 1881-92.
The Admission of Women to University College London A Centenary Lecture N.B.Harte, UCL 1979.
Department of Physics Research Reports (ed. M.J.B.Duff) 1964/5, 1965/6, 1966/7, 1967/8, 1968/9.
Numerous papers in Scientific Journals, some specified in the text, most not.
Department of Physics Newsletters (ed. D.G.Davis) No. 1-7, June 1970-April 1971.
Report of the ad hoc Committee on the Resources Survey and Headship of the Dept of Physics & Astronomy App. Executive Committee (D) 76/1/2.
Royal Society Obituary Notices:-
George Carey Foster 1835-1919, A.H.Fison.
Hugh Longbourne Callendar 1863-1930, S.W.J.S.
Frederick Thomas Trouton 1863-1922, A.W.Porter.
William Henry Bragg 1862-1942, E.N. da C. Andrade.
Alfred William Porter 1863-1939, A.O.Rankine.
Royal Society Biographical Memoirs:-
Edward Neville da Costa Andrade 1887-1971, A. Cottrell.
Eric Henry Stoneley Burhop 1911-1980, Sir Harrie Massey & D.H.Davis.
Harrie Stewart Wilson Massey 1908-1983, Sir David Bates, Sir Robert Boyd & D.G.Davis.

Other papers:-
Callendar, L.H. 1967: Professor H. L. Callendar, C.B.E., M.A., LL.D., F.R.S. (Life of father).
Phys. Bull., April, 1961, 87-90.
Andrade, E.N. da C. 1966: A physics research student at Heidelberg in the old days.
Physics Education, Vol.1, No.2, 69-78, July 1966.
Burhop, E.H.S. 1968: H.S.W.Massey - a sixtieth birthday tribute. Adv. Atomic Molec. Phys. 4, 1-11.
Bates, D.R. 1985: H.W.S.Massey, life, work, personality and characteristics. In 'Fundamental processes in atomic collision physics' (ed. H. Kleinpoppen) (Proc. NATO Summer School 1984) N.Y. Plenum Press.


Tonton videonya: 9 Mencari berbagai deskriptor untuk persamaan HKSA (Januari 2022).