Xin Qiao

/home

/tools

/obsidian

~/Obsidians/ Golden-Marx2023SatelliteContentHalo

Golden-Marx2023SatelliteContentHalo

Brief #

  • 使用 CLF 和 WL 对比了 redMaPPer cluster catalog 和 Yang catalog，两种算法的已知区别是 red/blue 星系的权重分配
    • CLF 暗端存在斜率差异，但是可以定位为 centering 策略的不同
      • 并且确实存在 red/blue fraction 的差异
    • redMaPPer 给出的 WL 信号更强，并且在区分是否 match 之后两个 catalog 都不存在显著的 WL mass 区别（在低质量端都有 matched cluster 具有更强 WL 信号的趋势）
  • 给 cluster catalog 区分 matched/unmatched 的做法可以参考，总之就是根据 secondary property 对样本做划分然后对比 stacked WL

Intro #

  • cluster cosmology 很严重的一个问题是 projection effect
  • cluster finder 大致可以划分为 red sequence 和 halo-based method
    • red sequence 有潜在的 selection effect 会选择形成时间更早、具有更高 concentration 的 cluster（Zu 2021, 2022）
    • halo-based method 寻找全部星系，然后将总光度作为 halo mass proxy
      • 受到蓝色星系 photo-z error 更大的影响
  • 对两种 method 进行 CLF 和 WL 方面的对比
    • 通过将 sample 分为 matched 和 unmatched 两个子样本可以检验其 scatter 的无偏性质

Data #

  • 用于测量 CLF 的背景星系来自 SDSS DR16，要求 r-band 亮于 21
    • 覆盖 8500 deg2，包括 47m 星系
    • 特殊的处理：没有进行 K-correction
  • redMaPPer 使用 R16 catalog，红移限定在 0.1-0.34 之间，数量为 9226
  • Yang 2021 catalog 基于 Legacy Survey DR9 构建
    • Yang method 最初基于 spec-z data 构建，使用 FoF 方法寻找 over density、计算总光度然后用 AM 为每一个 overdensity 确定一个 halo mass，之后进行成员概率和 AM 的迭代操作
    • 选取质量高于 1e14、红移 0.1-0.34 的 29014 clusters
    • 中心定义为所有成员的光度加权中心
  • 进行同质化的处理
    • 限定重叠的天区、相同的红移，并且对 Yang cluster 进行类似的 richness 计算并且和 redMaPPer 进行 AM
    • 进行额外的 mask：要求 1Mpc/h 内不存在超过 5% 的 BS mask
    • 将两个样本都分为四个 bin，最低 richness bin 对应 20-30 redMaPPer lambda

CLF #

  • 对于每一个 cluster 统计其周围 1Mpc/h 内的星系的 LF，然后构建另外一个 bkg LF 并且减去
    • 因为 Yang method 没有确定一个 BCG 作为中心所以两个样本都将 central galaxy 纳入考虑
  • 从 ELUCID N-body simulation 出发用已知的 CLF（Yang 2008）加入星系，然后对比 2D CLF 和 3D CLF 并且计算 correction factor（fig3）
    • 原因是为了扣除 1Mpc/h 之外的和 cluster 具有物理关联的星系对 CLF 的贡献
  • 从 member catalog 出发也可以构建一个 direct CLF，和之前的 stacked CLF 相比在 faint end 存在不完备性（主要因为对 cluster richness 有跨红移一致性的要求）
    • 对于 0.2-1 Lstar 的星系的成员分配也比较保守（stacked/direct CLF 也存在差异）
  • 两个 catalog 的 CLF 对比结果如下
    • fig5 展示了 CLF amplitude 也就是平均星系数目，redMaPPer catalog 显著更高（可能和概率 cutoff 有关？）
    • fig6 展示了 red/blue 区分之后的 CLF
      • 亮端的 CLF 基本一致，并且由 red galaxy 主导
      • 红色星系 CLF 的暗端：Yang catalog 略有下降，而 redMaPPer CLF 基本是平坦的
      • Yang cluster 具有更强的蓝色星系信号
    • 挑选 Yang catalog 中的 matched cluster 然后用 redMaPPer/Yang center 分别进行 CLF 测量，发现 CLF（尤其是 faint end 斜率）差异是由中心选择导致的，而不是 cluster finder 的选择偏好（fig7）
      • mismatch 的效应主要体现在 Yang method 找到了一些红星系数量很少的 redMaPPer 没有找到的 cluster；类似地 redMaPPer 也找到了一些 Yang method 没有找到的蓝星系很少的 cluster（fig8）
  • 使用 Schechter function 对 CLF 进行拟合，得到的结果是 redMaPPer 具有更陡峭的 $\alpha$（大约是 1.1 vs. 0.9）以及更大的振幅 $\phi_\star$ (tab1)
    • alpha 相关的描述需要区分「平坦/下降」和「陡峭/平坦」之间的区别
    • 和 previous work 没有很大的偏差
    • 从 tab1 来看蓝色和红色星系的 Schechter 参数有非常大的不同，主要是红星系系统性更亮导致的（？）

WL #

  • 目的是检测 redMaPPer selection effect 是否会导致宇宙学推断的 bias
    • 将两个 catalog 都分为 matched/unmatched 两个样本，对比 WL 信号
  • WL data 来自 LS DR8
  • 在每一个 richness bin 内对 WL 进行堆叠，然后拟合 mass, concentration 以及 mis-centering 参数
    • redMaPPer 具有显著更高的 WL signal 或者 WL mass（fig9/10）
  • Yang/redMaPPer 中 match/unmatch 样本的 WL mass 不存在显著的差异，说明 selection 过程不会对宇宙学造成影响
    • 或者 cluster 中「红色/蓝色星系的比例」是一个和 halo mass 关系不大的属性；也许和 concentration 有关？
    • 在 low-richness bin（其实不算很低）内仍然有差异：Yang catalog 中 matched cluster 具有更高的 WL mass；redMaPPer 中 matched cluster 同样具有更高的 mass
  • 从 fig13 来看似乎 Yang richness 给出的对 halo mass 的区分不如 redMaPPer 显著？

Thoughts #

  • red sequence 演化和 concentration 更高是同一个方向
    • 但是 XuHaloAssemblyHistory 的结果是 outer stellar mass 挑出的 sample 相比 optical cluster 具有更高的 concentration
  • 延伸阅读是 Yang 2021 以及 Zu 2021/2022
  • WL stacking 相关的分析中确实应该做类似的 difference set 检验
    • 而且也比较容易，只需要按照一个 secondary property 分组检验即可
    • 可以考虑做 redMaPPer 和其他方式挑出的 cluster 的 difference set 测试
  • matched/unmatched 的对比很有趣
    • matched sample 其实自然地具有更高的 SNR 或者更高的 halo mass，即使在同种方法内部给出的 richness 相同，不一定涉及 red/blue fraction 的区别
    • 也许 red/total 的 method 区别可以体现在 WL 中，也许和 secondary property 有关
back to top