Xin Qiao

/home

/tools

/obsidian

~/Obsidians/ Benoist2025FinalWaZPGalaxy

Benoist2025FinalWaZPGalaxy

Brief #

  • 将 WaZP 应用于 DES Y6 5k deg2 data 上得到了 cluster catalog
    • photo-z 来自 DNF
  • 通过和 clumpr/WH24 以及 ACT/SPT 的对比进行 validation，包括红移、richness、recovery、centeirng 等方面
  • cluster catalog 可以在 online supplementary material 找到

Intro #

  • cluster cosmology 的关键问题是 selection function 和 mass calibration
  • this work 和 SPT/ACT 的数据进行了比较

Data #

  • DES Y6 mask 之后覆盖面积大约 4545 deg2（fig1）
    • 观测使用 CTIO 的 Blanco 望远镜上的 DECam 进行
    • 基础的筛选包括 star/galaxy separation、基于颜色的筛选、z-band 亮于 23.4 mag
  • photo-z 采用 DeVicente2016DNFGalaxyPhotometric
    • spec-z 来自 Gschwend 2018 给出的 spec-z compilation，共计包含 592k 星系（fig2）
    • bias/scatter 相比之前有所降低（fig3），归因于 DES Y6 的深度提升以及 spec-z 样本的增加
  • ref band 对比了 i/z 两个 band，发现表现相似但是 z-band 可以达到稍高（0.1）的红移 limit（fig4）
    • 统计范围是 mstar+2 所以需要满足 $m_\mathrm{limit}>m_\star(z)+2$，其中 limiting mag 从 10-sigma map 计算得来
  • 用单个星系的 photo-z error 衡量整个 footprint 内的均匀性（fig5），在非 edge 区域基本保持均匀

WaZP cluster catalog #

  • WaZP 的描述在 paper-1 中更加详细
    • 根据 PDF 将星系分配到多个红移 slice 中，然后用 Gaussian kernel 进行 smoothing、进行 wavelet transformation 得到 map
    • 在 map 中识别 peak
    • 将相邻 slice 中的 peak 进行合并
    • 利用 Castignani2016NewMethodAssign 分配成员概率，然后计算 richness
    • centering 的方式是寻找最亮星系，如果和初始中心距离不超过 150kpc 则将中心确定为 BCG（fig6）
      • 剩余的 cluster 不确定中心？
  • 最终形成了一个包括 416k cluster 的 full sample
    • 在此基础上仅保留红移低于 $z_\mathrm{max}$ 的星系构成一个 cosmology sample
    • 相比 Y1 有很大提升，尤其是消除了 z=0.4 处的 density peak
  • 和已知 spec-z 的对比没有很大偏差：0.4% bias 和 1.8% scatter（fig8）
    • 由于 photo-z 的问题，在高红移存在红移低估
  • 和 Y1 cluster catalog 有很好的相符，包括 recovery、redshift、centering、richness 等方面
  • 和 Clumpr（Yantovski-Barth2024CluMPRGalaxyClusterfinding）以及 WH24（Wen2024Catalog158Milliona）进行了 cross match
    • threshold=5 的 completeness 和 threshold=25 的 purity 都很好

Comparison with SZE #

  • SZ catalog 来自 SPT 和 ACT DR6
    • SPT catalog 来自三个 SPT public catalog
    • SZ catalog size 大约是 1000 clusters 左右
    • footprint 重叠可以参考 fig13
  • 匹配方式是针对每个 SZE cluster 在 1Mpc/h 范围内寻找 WaZP cluster，选取多个中的 richness 最高的作为结果
  • 有 1/3 SZE cluster 具有多个 WaZP counterpart（threshold=5）
    • 可能因为 threshold=5 cluster 中有很多 false positive？
  • 用 SZE center 研究了 centering
    • 大约有 80% 具有较好的 centering（0.05 r500 左右），还包括一个 20% population 具有 0.5-0.9 r500 的较大 mis-centering

Thoughts #

  • 大致的流程和 AMICO 没有太大的区别
  • richness 和 SNR 是否应该分开处理确实值得考虑
  • threshold=5 的 cluster 数量/密度远远超过 CAMIRA（大约 5-10 倍），25 的版本介于 CAMIRA 和 redMaPPer R16 之间
back to top