Rozo2015RedMaPPerIVPhotometric

January 13, 2025

Abs #

利用 SDSS 和 GAMA 的数据，验证了 redMaPPer 对 z=0.1~0.3 的 galaxy membership 的估计（GAMA 是光谱的数据）
发现了三种系统误差
- cluster 的蓝色核心
- 视线方向的其他结构
- “unexpected” photometric noise
修正之后发现 redMaPPer 和光谱数据的一致性在 1% 水平

cluster 对于宇宙学很重要，对于星系演化也很重要
- 一些重要的 topic 包括
  - cluster mass 和中心星系 mass/luminosity 之间的关系
  - cluster mass 和 satellite population 之间的关系
  - cluster baryon budget 和宇宙重子平均密度进行对比
- 这些关系可以和 SAM, simulation 的结果进行对照
以上问题关键的需求是：区分 cluster member 和 fore-/background galaxy
- 旧的 cluster finding 算法倾向于将星系分类，而现代的算法倾向于给出 galaxy 属于 cluster 的概率
- redMaPPer 可以给出成员概率（这里列出的应用包括 SDSS, DES, LSST）
This work 检验了 redMaPPer membership probability 的准确性，重点放在已知 bias 对 redMaPPer 的影响
- redMaPPer 中已知的系统误差包括
  - cluster 中心星系可能是蓝色的
  - 投影效应
- 对比的数据集是 SDSS10 以及 GAMA
- 将 redMaPPer 给出的成员概率和真实的光谱数据进行对比
同时还有新一版的 redMaPPer catalog release

相比 paper 1 的更新在于使用了新的 redMaPPer 算法，以及应用在了新区域 SDSS S82 上
- 275 deg2
- 比 SDSS DR8 深 2 个星等
- 由于红移较高，u-band 数据几乎不可用
~~redMaPPer 似乎是存在红移下限的，对于低红移来说 4000A break 无法到达任一颜色的区间内~~
来自 SDSS DR8 和 S82 的 cluster 数量分别是 7000 和 2000，红移范围是 0.1~~0.3 和 0.1~~0.7
- paper1 中的红移范围是 0.08~0.55

这里指的是用于测试而非 calibration 的光谱数据，包括 SDSS 和 GAMA 两部分
- really?
DR10 包括了旧的光谱以及 BOSS 的新一批光谱
- 可能存在 selection bias，引入第二个光谱数据集 GAMA 可以解决这个问题
- GAMA 的星等限制为 r<19.8，数据包括 290 平方度内的 300k 星系，使用的望远镜是 Anglo-Australian telescope
这里用了 GAMA DR2 的数据，并且要求 quality flag > 3
总体上 spec/photo 两种红移的差值呈现高斯分布，但是有 1% 的样本显示出完全失败的特征

选择一批 membership probability 为 90% 的星系，如果其中有 90% 是真正的 cluster member 的话就说明概率估计合理
- 这个方法似乎不太对劲，如果其中有一些的真实值是 100% 而另外一些是 80% 的话那不是看不出来？总之这里的误差应该更高一些
- 概率就是这样定义的，只不过最后的误差分析可能有一点问题

结果：redMaPPer 计算的概率比真实概率高了 5%

在应用至少 20 个星系的阈值时对每一个星系单独计算，而非仅仅考虑平均深度
- 对于 DES 这种深度变化较大的巡天会有影响
对于光度和距离不再进行 sharp cut 而是使用权重函数，也就是 $\lambda=p_i \theta^L_i \theta_i^R$
- 解决了单个星系恰好位于光度或者半径阈值附近的不稳定现象
- weight 的定义是按照 normal distribution 进行的
  - 对于恰好在阈值附近的星系权重为 1/2
  - 对于远离阈值的星系，分别对应 0/1
可以根据星系数据估算一个 local depth
更新了 mask fraction 对 richness 误差的贡献的计算方法，降低了噪声