• 介绍 mask 的文章，看这个的 motivation 主要是 hack_1011
• gemini https://aistudio.google.com/prompts/1qbduwtZaoWnaHhZ4i4NXdYk6RiPiCtoc

Brief #

• 从 SDSS 中得到的数据仅仅包括 mag 和描述观测质量的信息（seeing、airmass 等）
• sec3 和 sec4 分别描述了得到低/高分辨率的 depth map 的过程
  • 前者用的是拟合，后者用的是从深度学习
  • 前者大约是 190 arcmin2（13.7 arcmin），后者大约是 3 arcmin2 (1.7arcmin)
  • 前者大约每个 pixel 内平均包括 100 个星系
• 进一步的提升可以用 sec5 的方法计算每一个 mag 对应的 completeness，而不是认为全部是 100%
• 没有提到太多和 redMaPPer 有关的内容

Intro #

• depth map 对于光学巡天是很重要的
• 这里的方法基本思想是：星系的 mag error 和自身的 mag 以及巡天的深度是高度相关的

Data #

• 使用 SDSS 的 10000 deg2 的数据，包括 model 和 cmodel 两种 mag
• 没有处理银河系的 attenuation，这部分就应该包含在模型中
• 对于 SDSS，每一个位置对应于一次 primary 观测的一组系统误差参数，包括 PSF FWHM、sky noise、air mass
  • 将这个 map 转化为 nside=2048 的 healpix 格式

3 Measuring survey depth #

• 建立从星等 m、曝光时间、lim mag 到 mag error 的模型
  • lim mag 用于推断 flux err
• how to 里面提到了：只需要提供和这里 sec3 相同形式的 map 作为 redMaPPer input 就可以
• 将整个巡天划分为 nside=256 的表格，根据每一个格子（190arcmin2）中的星系的数据进行 m_lim 和 t_eff 的最佳估计
  • 那为什么在 redMaPPer 中要提供 t_eff 和 m_lim 呢？
• fig2 是最终得到的 survey depth mask，其中可以看到巡天的 cat scratch 结构

4 High definition maps #

• mag lim 是天空中给定点的观测参数（seeing、sky、air mass）的函数，这里用随机森林的机器学习算法建立二者之间的关联，之后可以将前面的低分辨率的 depth map 提升到高分辨率
• 将低分辨率的 mag lim 作为训练集，最终学习到 seeing 和 depth 之间的关系，并将其应用在上面
  • 那为什么 redMaPPer 中又不需要 seeing 这些信息了呢？好像没有找到输入的渠道
• fig5 展示了增加分辨率的效果
• 后续还进行了基于 Monte Carlo 的检验
• 4.5 节介绍了 point source 和 galaxy 的 mag limit 的区别，用点源 limit 得到的 depth 比这里的 reconstruction 方法表现差一些：residual 的平均值大三倍
  • SDSS 可以根据 seeing、sky、airmass 经验地计算出 5sigma limit mag, which is shown in fig8
  • 但是 fig6 的残差也是存在结构的？

5 Completeness test #

• 用 SDSS stripe82 区域以及 CFHT 的观测进行了完备性的测量，然后用一个误差函数进行建模
  • fig9 展示了作为 model 的误差函数和实际 completeness 之间的 consistency
• m50 指的是 completeness 下降到 50% 时候的 magnitude
• 最后对 completeness 曲线的形状随着 mag lim 的变化进行了线性拟合，这样可以根据不同的 mag lim 直接得到 completeness curve，应该可以用来做 volume limit 的事情？　
  • 但是仅适用于 SDSS 吧？

6 Impact for correlation #

• 建立一个模拟的巡天，其中星系均匀分布，然后用四种方法进行随机选点以及 clustering 的计算
• 对于亮星系来说，四种方法表现相似，但是对于暗星系来说使用均匀和 psfmag 的方法都存在严重的 fake signal，而 high definition depth map 得到了最小的信号

Appendix #

• 给出了 SDSS DR8 的 10sigma mag limit

Thoughts #

• 原来 ZP 是用来转换 flux 和 mag 的
• 所以 lim mag 只是提供了一个点，而这里实际上给出了 mag err 作为 mag 的函数的一条曲线（lim mag 以及 i t_eff 是输入值）
• seems 这里的 t_eff 和 mag lim 都不能从 SDSS 中直接得到，前者和 exposure time 有一些区别（effective），后者存在点源和星系的区别
  • 所以 HSC 应该怎样得到 depth map 呢？可以直接从 seeing 之类的条件中推断吗？

Supplement #

• SDSS 的 cat scratch 是因为扫描的模式（固定望远镜，用地球自转来让望远镜自然地扫描天空）造成的，而不是 overlap（这里选择 primary 的方式已经避免了 overlap 的影响）