Xin Qiao

/home

/tools

/obsidian

~/Obsidians/ Hikage2018TestingRedMaPPerCentring

Hikage2018TestingRedMaPPerCentring

Brief #

  • 用 local density 和 WL 信号研究了 BM/RM centering 效果，另外还有一个 high-Pcen 控制组作为对照
  • 大致结论是：假定用星系作为 cluster 中心，则 RM center 比 BCG 更适合作为 cluster center

Intro #

  • 中心星系和 satellite 一般具有不同的性质（高光度、大质量、独特的颜色和 stellar population），因为演化路径的不同以及中心星系可以吸积周边的气体、合并 satellite
  • central galaxy 定义为引力势能最低的星系，识别 cG 对于 WL/HOD 等 topic 是重要的
  • 在很大比例的 cluster 中 brightest galaxy 并不是中心星系
    • redMaPPer 同时考虑了 luminosity、redshift 以及 local density 三个因素，并且进行概率性值的 centrality determination
  • this work 对 redMaPPer centering 进行检验，主要方法是 cross correlation 以及 gg lensing

Data #

  • 使用 R16 catalog，从中挑选 brightest 和 redMaPPer center 不同的 cluster 子样本
    • 两种 center 分别称作 BMEM 和 RMCG
    • 要求 BM/RM 都具有可靠的 BOSS spec-z，并且二者红移偏差不太大
    • 子样本尺寸是 743，大约占 10%，平均红移 0.253
    • RM/BM 的平均 Pcen 分别是 75.4% 和 10.3%
  • 另外构建了一个 Pcen > 99% 的控制组/baseline，和以上子样本具有类似的 lambda/redshift 分布

Method #

  • 测量每一个 center 周围的星系密度分布，真实 center 星系周围的分布应该呈现出 peaky shape
    • 其实对应于 local density 的测量
    • 从 SDSS DR8 source catalog 出发，根据 ZEBRA 计算所有 early-type galaxy 的 photo-z
      • 仅统计 cluster redshift 1sigma 范围以内的星系
      • photo-z 具有较大误差，导致一些物理无关的 fore-/background 星系会进入样本，但是不会影响 clustering shape（而是会影响 amplitude）
    • 仅保留 r<21 的星系用于 cross correlation 计算
    • 使用类似 Landy-Szalay 的方式计算 correlation
    • clustering 的误差用 jackknife 估计
  • WL 是另一种 center 检测方法
    • SDSS shape/shear 使用 re-Gaussianization 方法测量，可以避免 PSF 影响
      • 密度是 1.2 arcmin-2
      • 权重包括测量误差（包括 intrinsic shape noise 以及 shape 测量误差）、photo-z error 导致的由 member galaxy 产生的稀释效应（boost factor？）
    • 误差同样用 JK 方式确定

Modeling #

  • 根据 Simet 2017 提供的来自 WL calibration 的 richness-mass 关系将 richness 分布转化为 halo mass function
    • 平均值是 richness 40 对应 14.344 halo mass 并且具有 1.33 幂律指数，scatter 为 0.25（均为 O -> M）
    • NFW profile 被证明可以很好地拟合成员星系的分布
    • c-M 关系采用 Dimer & Kravtsov 2015
  • clustering 和 WL 信号都可以建模为由 centering/mis-centering 两个组分构成
    • mis-centering 的强度可以建模为 Gaussian/NFW 两种方式
    • WL 中有额外的一项用于建模中心星系自身质量对 WL 信号的贡献

Result #

  • 拟合过程要求 high-Pcen 样本的 centering 比例高于 95%，并且 BM 和 RM 二者的 centering 比例之和不高于 1
  • fig2/3 对应 clustering 和 WL 的结果
    • BM 样本存在显著 mis-centering，相比 high-Pcen 和 RM 在中心信号更低
    • RM centering 比例大约是 75% 左右，BM 比例大约是 10% 左右
  • fig4 中的红线是 redMaPPer 报告的 mis-centering 强度

Thoughts #

  • 可以用于指导 centering benchmark，尤其是将小尺度 WL 信号强度作为 benchmark
    • this work 同样使用了全部 WL 信号
  • 从 richness 得到 halo mass 然后再转回 2component WL 拟合有一点 cycle？
  • RM 和 high-Pcen 样本表现类似是正常的，因为都依赖于 redMaPPer Pcen
    • WL 是更有力的证据，而 local density 只能说明「RM 相比 BM 更多地考虑到了 local density」
back to top