Xin Qiao

/home

/tools

/obsidian

~/Obsidians/ Sohn2021HectoMAPClusterSurvey

Sohn2021HectoMAPClusterSurvey

Brief #

  • 从 HectoMAP 出发直接用 FoF 搜索 cluster
  • 最后在一个和 Sohn2020VelocityDispersionsBrightest 相同的参数空间中得到了相同的结论：BCG/cluster 的速度弥散之比是随着质量/速度弥散的增长而减小的，解释为 BCG 前期依靠 major merger、后期依靠 minor merger 增长

Intro #

  • cluster 的吸积和质量增长很大一部分发生在红移低于 0.5 的区间
  • optical cluster finder 的开端是 Abell catalog
  • 基于 spec-z 数据的巡天可以提供 cluster 和 BCG 的速度弥散
  • spec-z 数据在 cluster science 中的两种用法：校正 photometric cluster catalog、独立地得到 cluster catalog

Data #

  • HectoMAP 的基本参数：200-250; 42.5-44; 红移中位数 0.31; 数密度是 2000 deg-2
  • 测光数据来源于 SDSS DR16，亮度和颜色分别采用了 Petrosian 以及 model magnitude
  • 光谱数据还引入了 SDSS DR16 的数据作为补充，数量比大约是 110k vs. 26k
    • HectoMAP 的光谱观测持续时间是 2009-2019
  • fig1 展示了 HectoMAP survey completeness，红色（$g-r > 1.0$）星系的完备度高于蓝色星系，前者在 20.5 mag 下完备度是 80%

Cluster identification #

  • FOF 的优势是可以适用于非球形的结构
    • 这里 FOF 需要对视向和投影方向设置两个不同的 linking length
  • 首先需要构建 volume limited sample：限定绝对星等亮于-19.72 以及红移低于 0.35（fig3）
  • 以 redMaPPer cluster 中符合上述条件的子集（数目是 57）作为训练集，fig4 给出了不同 linking length 下对 redMaPPer 的召回结果
    • 选取了radial LL 相对比较小的参数组合
    • 一组 linking length 实际上对应一个特定的 over density，这里大约是 100 倍宇宙平均密度
  • 确定 linking length 之后下一步就是直接运行 FOF，得到了 346 个具有 10 个以上成员星系的 cluster 组成的 catalog
    • 在 75% 的情况下最亮的星系就是中心星系
    • 为每个 cluster 进行后续的具有光谱数据的暗弱星系的补充
  • 将最终 catalog 中的 cluster 根据星系数密度 $\rho_{VL}=0.15$ 的阈值分为高/低密度两个样本（数量是 80/266）
    • fig9 将两个样本和 redMaPPer catalog 进行了匹配：高密度样本中的 cluster 都是比较可靠的，低密度样本中大约有 30% 是不可靠的
    • fig10 和 11 分别是高/低密度的 cluster 的 visual inspection
  • 这里 $R_p-\Delta V$ diagram 中的纵向分布比较弥散就是 finger of god 的表现

Catalog #

  • fig12 展示了所有 cluster 的位置分布
  • 很大的一个问题是 BCG 的确定：很多情况下距离光度重心最近的星系不是最亮的星系，这种情况下采用光度重心方法确定中心
    • fig13 展示了这种选择的理由（这里的 $\Delta r$ 指的是 r-band magnitude diff）：但是比较周围密度应该不是很公平？中心星系肯定比 brightest 星系周围密度更高
  • fig14 想要说明 BCG 和普通成员的性质分布是完全不同的：具体来说 BCG 大部分是红色 quiescent 星系，并且中心速度弥散很高

Connection between BCGs and clusters #

  • 有一个低红移（0.02-0.29）的 cluster catalog 叫作 HeCS-omnibus，这里将其也加入样本中
  • fig15 研究了 BCG 速度弥散和 cluster 的总速度弥散之间的关系，和 Sohn2020VelocityDispersionsBrightest 一样二者比值是随着质量/速度弥散增大而降低的
    • 最终得到了一个拟合关系，并且这个拟合关系是由 HeCS 旧样本主导的
    • this work 的结论和 simulation 中这个比值应当是常数的结论相悖
    • cluster 和 BCG 的速度弥散分别是根据星系的视向速度散布和 BCG 的谱线展宽得到的

Discussion #

  • 引用了 Dolag 以及 Remus 的 simulation work 说明在模拟中一般认为两个速度弥散都和 halo mass 成一个指数为 1/3 的幂律关系，所以二者之比应该是一个常数（值在 0.45-0.5 左右）
  • fig16 试图描绘一个从高红移到低红移的 cluster 和 BCG 共同的演化轨迹
  • 这里将其解释为大质量 BCG 的增长由 minor merger 主导，而小质量 BCG 由 major merger 主导

Thoughts #

  • 用 spec-z 数据直接进行搜索的劣势在于星系数据的覆盖率是远低于测光数据的
  • 最终没有理解视向速度信息如何分解为 Hubble flow 和 peculiar motion，这里的做法应该是完全忽略了 Hubble flow 的部分　　

Supplement #

复习一下 RSD effect: https://aistudio.google.com/prompts/1jf5qUJIEQba8riqShtfe1XwyE8XN8e0e

  • 在低红移处表现为 finger of god，也就是：星系的红移/视向速度分布包括 Hubble flow 以及 peculiar velocity 两方面的影响，如果忽视 peculiar effect 会发现视线方向上星系的分布比投影方向上更加弥散，比如说 z=0.3 处的一个 cluster 可能包含 z=0.29-0.31 的星系，因为星系在视线方向上是有速度的
  • 在高红移处表现为 Kaiser effect，原因是星系运动不是随机运动而是向 cluster 内坠入，导致观测的红移是比实际红移更靠近 cluster 中心的，所以星系的分布看起来是一个压扁的椭球
back to top