Xin Qiao

/home

/tools

/obsidian

~/Obsidians/ Gladders2000NewMethodGalaxy

Gladders2000NewMethodGalaxy

可能是 red sequence 方法的起源

red-sequence 不是 photo-z 的一种吗？

Comment #

  • 对于 red sequence 的更详细描述：稳定、被动演化、给定红移下颜色最红
  • 用星系密度分布示踪 mass 的分布确实是一件 non-trivial 的事情：假定恒定的质光比？
  • 光学数据的 selection effect 可以通过 mock 来获得，但是会存在投影导致的 false positive
  • 在同一红移下，不同的 cluster 中的 red sequence 是无法区分的

Abs #

  • 观测事实：所有的 rich cluster 都包含一个由 early type galaxy 组成的 red sequence
    • 形成于同一时期
    • 处于被动演化状态
    • 比低红移处的正常星系更红
  • 可以用 color cut 消除前景的污染

Intro #

  • 红移 0-1 之间的 cluster 探测是重要的
  • 常见的探测方法包括光学和 X-ray
  • 需要假设 cluster 在观测上的表现，所以一定存在选择效应
    • X-ray 方法的偏差可能来自于 gas-poor 或者气体呈现 compact 分布的 cluster
    • 光学方法的 bias
      • optically dark cluster: 具有足够的 halo mass 但是因为一些原因没有形成星系
      • 还有可能是 fossil groups
    • 椭圆星系的演化是相对简洁的，选择函数比较好计算
      • 可以通过 mock and recover 的方法提取出来
  • false positive 相比 bias 来说更难确定一些
    • 光学方法的 false positive 主要来源于 projection effect
  • 这里提出的方法简称为 CRS
    • 观测事实是大部分 member galaxy 都满足线性的颜色-星等关系（red sequence）
    • 通过位置、颜色、星等空间的 overdensity 来识别 cluster
    • 引入颜色或者说红移的约束几乎消除了投影效应的影响
    • 只要滤光片 pair 可以采样 4000A break，就可以从巡天数据中分离出 red sequence，不需要更多的信息
    • 将 CRS 方法应用于 RCS project

2 CRS method #

  • 一个基本的假定是：星系 overdensity 代表了质量的 overdensity
    • 也就是假定了恒等的质光比
    • 只有 mass distribution 才对宇宙学有用
  • cluster 要做的事情主要是：在二维的图像数据中确定星系的三维分布
  • matched filter 对于真实星系具有较高的灵敏度，而把难度转移到了 model 过程中

Red sequence 适合作为 probe 的原因 #

Gladders2000NewMethodGalaxy_1.png

  • red sequence 是存在的，并且其性质具有普遍性（across clusters）
    • 这些星系似乎形成于很高红移的时期，和 cluster 形成于最早的 over-density 的假设相印证
    • 这些星系是年老、稳定的 cluster marker
  • cluster 中最亮的星系一般都是椭圆星系
  • 高红移的椭圆星系比低红移具有更高的光度
    • 主要是因为被动演化星族的亮度衰减
  • 由于 morphology-density relation，椭圆星系的排列更加 compact
  • 椭圆星系基本是最古老的星系，所以在给定红移下是最红的星系
    • 是因为演化比较久没有 SF 吗？
    • 其他类型或者更低红移的星系的颜色都更蓝，污染主要来源于更高的红移
  • 通过颜色计算出的红移具有很低的 scatter
    • 和多波段 photo-z 方法类似，并且优于 matched filter 方法

CRS 所依赖的 red sequence 的假设至少可以持续到 1.3 红移

3 Observational Constraints #

3.1 ETG 的颜色演化 #

  • 1992 年发现 Coma 和 Virgo 中的 ETG 是不可区分的
    • Coma is rich, massive and luminous 并且以 ETG 为主
  • 后来 LCY00 将结论扩展到了更大的样本，至少在 0.2 红移以下是成立的
  • 这些 red sequence 星系都具有很高的 formation redshift
  • 可能的问题在于：高红移的 cluster 可能在现在具有更高 richness，不能直接对应于低红移相同丰度的 cluster

3.2 ETG 的光度演化 #

主要指的是 ETG fundamental plane 的演化，说明 ETG 的演化本质上是 passive evolution，现在观测到的椭圆星系基本都在 z=2 之前形成

3.3 z>1 的 red sequence 性质 #

由于观测限制目前对于 z>1 的 red sequence 的理解还不足，但是有几个零星的样本，基本都具有 red sequence

高红移的 cluster 普遍是 poor 的，因此 red sequence 的形成早于 cluster assembly，这和 bottom-top hierarchical structure 也一致

4 CRS implementation #

每个星系用四个参数表征：两个参数描述位置，还有星等和颜色（不考虑位置和星等的误差）

4.1 Color slices #

  • 首先要定义一个 red sequence model; 这实际上来源于对 stellar population 的建模
    • 模型细节其实不重要，因为会在之后通过 calibration 进行修正
  • 根据该模型可以将颜色-星等图划分为不同红移的多个区域，这里的宽度考虑了颜色测量的误差以及 red sequence intrinsic error
    • 这里的 slices 需要适当的重叠

Gladders2000NewMethodGalaxy_2.png

4.2 Galaxy subsets #

对于每一个 slice，以 10% 作为 cutoff 给出属于这个红移区间的 subset

Gladders2000NewMethodGalaxy_3.png

4.3 Galaxy weights #

red sequence 的暗端被 field galaxy 主导（如果没有颜色选择，亮端也会被 field galaxy 主导）

可以根据数据本身对 cluster 和 field 的数目比例进行评估，然后估计

4.4 Density #

采用了 fixed-kernel smoothing 计算星系的 surface density

这里 kernel 的选择并不重要

这里从“merging of the individual 2D density maps into a data cube”开始有点不懂了

用 bootstrap 确定 kernel function 的分布

4.5 Identify clusters #

将每个切片的 probability map 堆叠起来，就得到了 data cube，也就是星系的三维分布

最后要为每一个 cluster 估计一个红移，可以直接从 data cube 中得到

5 Test #

CNOC2 是一个中红移 field galaxy survey，对 40k 星系进行成像和光谱的观测，可以作为 CRS 方法的测试

6 Possible refinements #

  • 用最大似然估计替代 slice, smoothing, stacking 步骤
  • 加入形态的信息

7 Conclusion #

  • red sequence 是 cluster 中普遍存在且性质均匀的特征
  • 具体的方法是先根据颜色区分出不同的红移，然后构建二维的平滑密度图，最后合成 data cube，在 cube 中的 over density peak 就是探测到的 cluster
  • CRS 的污染率为 5% 左右，红移的精度在 10% 左右
  • RCS 的结果在另一篇论文中给出
back to top