Xin Qiao

/home

/tools

/obsidian

~/Obsidians/ Galois2026GalaxyClustersVIDEO

Galois2026GalaxyClustersVIDEO

Brief #

  • 目标类似于为 MOONRISE target 提供一些依据
  • 在 9 deg2 两块天区中用 AMICO 和 WaZP 实施 cluster detection 并且得到了大概 500 个 cluster
  • 科学方面的结论是到 2.3 左右 galaxy cluster 已经形成并且星系已经足够 quench，依据是 red sequence 颜色和 CIGALE 模型相符很好
  • MOONRISE 同样是多目标光谱观测，可以为 0.8 以上的高红移 cluster 中的星系提供光谱的证认

Intro #

  • 高红移 cluster 对于 galaxy/cluster 物理研究比较重要，因为处在星系正在 quenching 的过渡状态
    • 主要的问题是高红移 cluster 观测结果数量/代表性不足
  • this work 对单个面积为 4.5 deg2 的两个天区进行 cluster 探测，红移在 0.1-3 之间，并且重点关注 1.5 以上的高红移 cluster
    • 面向未来的 MOONRISE 项目

Data #

  • 星系目录来自为 MOONRISE 项目准备的 catalog
    • 主要的测光数据来自 VISTA/VIDEO NIR 数据（YJHK）
      • 还包括了 VLT VOICE 巡天的 ugri 数据、HSC 的光学数据等作为辅助
      • H-band 作为主波段，在其他区域进行 forced 测量
    • 仅考虑 H-band magnitude 亮于 24 的星系
  • 使用不同的 stellar population 以及两种 template photo-z 确定每个星系的 photo-z，然后取中位数作为最终的 photo-z
    • 两个天区的 redshift/magnitude 分布是类似的（fig1）
  • spec-z 来自多个项目的 compilation，数量大约是 28k+12k
    • 在红移大于 1.5 和暗于 23 的区域覆盖不足
  • photo-z 相比 spec-z 的校验结果是：bias 小于 0.01，scatter 大约 0.03
    • catastrophic failure 的比例是 5%

Cluster detection (3-5) #

  • mstar（作为红移的函数）使用 z=5 单次爆发的 stellar population 计算
  • AMICO 和 WaZP 的原理介绍可以参考 Bellagamba2018AMICOOptimizedDetection 和 Collaboration2019EuclidPreparationIII
    • WaZP 的不同之处可能是用 wavelet 变换识别不同尺度的结构从而提取 2D peak
  • 最终 cluster catalog 选取被两种 method 共同探测到的 cluster
    • 首先将同一个 density threshold（120/deg2）转化为两种方法的 SNR threshold 以实现 cutoff
    • 两个 catalog 匹配的依据是 cylinder 距离，也就是要求 Delta z 和 R 都不太大
      • Delta z 设定为 photo-z scatter 两倍，radius 设定为 400kpc
  • 最终在两个 filed 中找到的 cluster 数目是 277/250，匹配概率大约是 50%
    • fig7 展示了两个区域的 cluster detection 结果
    • cluster 空间坐标和红移都被定义为两种方法的平均值
  • BCG 确定直接取 400kpc radius 内在 H-band 最亮的星系
  • cluster spec-z（和 cluster redshift 有所区分？）通过两种方法估计：全部可用的 member spec-z 以及 BCG spec-z，发现结果相差不大
  • 在 VLA radio source catalog 周围用 Poisson 方法识别 overdensity，和已有的结果符合很好
  • 和一些外部 cluster catalog（因为天区面积的原因规模都不太大）进行对比，发现结果非常一致

CMD #

  • 仅分析 500kpc 以内、亮度超过阈值的成员星系
  • 颜色选择根据是否跨越 4000A break 随红移动态变化，分别使用 gr, ri, iz, zY, YJ, JH
  • 对每一个 cluster 进行基于 double Gaussian model 的颜色的分离
  • 基于 CIGALE 代码构建了一个 passive evolution 模型模拟星系颜色的变化，星族的假设是 z=10 单次恒星形成，时标是 0.75Gyr
    • 预测的颜色和实际 red sequence 颜色符合很好直到 2.0（fig15），也就是支持 cluster 形成以及 galaxy quenching 很早发生的结论
      • 理论模型的 error 来源于不同的 metallicity

MOONRISE strategy #

  • 包括 wide 和 deep 两个策略，每一个 layer 中针对 SF 和 quiescent galaxy 采用不同的 magnitude limit
  • SF 和 quiescent 的区分使用 UV-VJ color-color plot 来实现（fig16）
  • MOONRISE 相当于在高红移追求类似 DESI 在低红移的覆盖程度

Thoughts #

  • XMM 和 CDFS 两个 field 在 HSC 中也是覆盖的
  • 这里的 photo-z 没有提供 PDF，所以 AMICO 的性能会略有损失？
  • 匹配其实用成员星系更好？因为 input catalog 是一样的
  • 一般在同一项工作中会使用同一套方法论，比如取 median/mean
  • 不会是因为 CIGALE 里面取了很高的 formation redshift 吗？
back to top