Xin Qiao

/home

/tools

/obsidian

~/Obsidians/ Rykoff2016RedMaPPerGalaxyClustera

Rykoff2016RedMaPPerGalaxyClustera

主要关注的重点是在 SDSS DR8 上的 re-run 采用了什么新的方式

Brief #

  • 主要是了解 R16 对算法的更改，或者说截止 6.3 版本 redMaPPer 有什么变化，其中比较重要的是
    • local depth map 的生成
    • soft cut
    • 用 BC03 计算出来的 model 进行前期的筛选以及特征 mag 的计算

Abs #

  • 对 redMaPPer 进行了更新
  • 应用于 DES Science Verification (SV) 的 150 平方度的区域，得到 786 个 cluster
  • 还在 SDSS DR8 上 re-run 了一遍，得到了 26311 个 cluster
  • 测光红移误差控制在 0.01 水平
  • 和 SZ 以及 X-ray 的结果进行了比照

1 Intro #

  • cluster 是最大的引力束缚天体，也是宇宙学的独特的 probe
  • redMaPPer 主要利用 red sequence 进行 identification，除 cluster finder 之外还可以给出 phot-z 的测量值
  • 在 redMaPPer paper 1 中红移最高到 0.5，经过了 paper 2~4 的验证
  • paper1、paper4 以及 R16 分别对应 5.2、5.10 和 6.3 版本
    • 目前（2025 0710）的版本号是 8.7
  • DES 数据相比 SDSS 更深，红移极限延伸到了 0.9
  • Sec3 中描述了算法的更新
  • 采用了很奇怪的宇宙学参数：分情况分别等于 0.7/1

2 Data #

Des SV #

Programs#DES

  • DES 在正式开始之前进行了 250 deg2 的测试
    • SV for science verification
  • 和 red magic 使用了相同的 footprint
  • 用 SEx 从 single-epoch 和 coadd 图像中生成目录，之后对目录进行如下修正
    • 屏蔽卫星轨迹
    • 重新计算 zeropoint
    • 根据 2MASS 进行 bright star mask
    • 移除了不同波段中 center 不重合的天体，可能代表各种 artifacts
  • 使用 SEx 的 MAG_AUTO 测量，是一个无奈之举（？）
  • 没有使用 Y band
  • 用 ngmix 进行 star/galaxy 的分离
  • 用 MANGLE 结合观测条件（air mass, FWHM）生成了 depth map
    • Fig1 描述了这种 map
  • 把 footprint 限制在 10sigma 深度大于 22 mag 的区域以内
    • 包括 SPT-E 中的 125/160 deg2，再加上一些 SN field 达到了 148 deg2
      • 考虑 mask 的影响最后实际区域大约是 100 deg2
    • 后续仅包括 10sigma 以上亮度的天体
  • 光谱数据来源于 GAMA, VVDS, SDSS 等多个光谱巡天项目
    • 光谱的数量是 36607，其中只有 2000 个是 red cluster member

SDSS DR8 #

  • DR8 仍然是最新的 SDSS 成像数据
  • 14000 deg2 经过 mask 等处理减小到了大约 10000 deg2
  • 星等来自于 CMODEL MAG，计算颜色则使用 MODEL MAG
  • 光谱数据均来自 SDSS DR10

3 Updates #

在 5.10 的基础上所做的更多的改进：Rozo2015RedMaPPerIVPhotometric#Appendix B

Basic #

  • 有三个 filter 分别对应颜色、位置和光度，其中最重要的是颜色
    • 颜色包括每个 band 上的线性 red sequence model，误差用一个协方差矩阵描述
  • 用三个 filter 可以计算出每一个星系的 $p_\mathrm{mem}$，和权重相乘之后相加就是 cluster richness
    • 两个权重 $\theta_L$ 和 $\theta_R$ 在 paper 4 的 Appendix B 中有介绍，提供了一种 soft cut 以增加 richness 测量的 robustness
    • 最后的 cluster 红移和成员星系是在迭代过程中被共同约束的
  • centering 的概率方法考虑到了中心星系的亮度、红移和周围红星系的密度是否和预期相当
    • 这里将 center 称为 CG 而非 BCG，因为不一定是 brightest 的（大约 15-20%）
      • 但是容易和 globular cluster 混淆

Modifications #

  • 在 paper4 中计算 local depth 方法的基础上又考虑了小尺度噪声的影响
    • paper1 中采用的是全天的恒定深度
    • 具体算法在 Rykoff2015AssessingGalaxyLimiting 中介绍
    • 对应 sec2 中“用 MANGLE 结合观测条件（air mass, FWHM）生成了 depth map”的步骤
  • 修改了 Schechter 函数中的特征 mag 的计算值
    • 之前的特征值是通过 PEGASE. 2 星族被动演化计算出的
      • 比较适用于 SDSS 的低红移区间
    • 假设 BC03 population、假设 SF 全部在 z=3 时发生、太阳金属丰度、Salpeter IMF
      • 使用 EzGal
  • 在最初的红色星系选择中，使用星系相对 BC03 模型的颜色偏差进行筛选，从而得到初始样本
    • paper1 中使用的是双 Gaussian 拟合
    • 之后再用这些红星系进行 Gaussian mixture model 的拟合
  • 为追求 volume limited 进行最大红移的限制
    • 具体来说是设定一个最大红移，保证在这个红移处处于 某个光度阈值 上的星系可以达到 SNR=10
      • 这个光度阈值在这里定义为 0.4/1 $L_\star$
      • 如果要追求 volume limited 的话最好设置为 $0.2\ L_\star$
    • 这里最大红移是随空间变化的，对于一些比较浅的区域也能很好地处理
    • 对于 SDSS 来说最大红移不高于 0.33
    • 在 paper1 中
      • 有关 volume limit 的情况可以参考 fig18 和 fig19
      • 红移超过了 0.33，在 fig18 中可以看到 0.35 之后 comoving density 呈现下降趋势
  • DES 和 SDSS 的一些差异
    • DES 中用 z-band 作为主波段
    • 仅使用 griz 波段
    • 在 SDSS 中仅使用 20% 面积中的数据进行 calibration，而在 DES 中用全部面积上的 spec 样本进行 calibration
  • 使用新的方式生成 random points
    • 添加 random points 类似于 mock 然后重新提取的方法，在 paper1 中就已经使用
    • 这里的方法是随机插入一个星系团，如果红移超出最大红移就重新抽
    • 有一部分内容跳过了，需要理解 paper1 中的 random 方法之后再来看

4 Catalog #

  • 在初始的 lam>5 和红移范围 0.05-0.60 以及 0.15-0.9 的基础上进行了额外的 cuts
    • paper4 里面的红移范围是更严格的，可能是和 spec data 对照的需求
    • 要求 volume limited 的话最大红移要小很多
    • 低红移会因为边界效应产生 bias，这里 cut 的下限是 0.08/0.2
  • 这里给出了 cluster density，想要说明 SDSS/DES cluster catalog 中的大尺度结构是可见的
  • fig4: cluster photo z 和 CG 光谱红移的对比
    • 0.4 附近有很多的 outlier，是 centering 问题导致
  • fig5 是 DES 的结果，效果比 SDSS 好很多
    • 尝试用 50% 的光谱进行训练，仍然得到了比较好的结果
  • fig6: cluster density
    • 对于 SDSS 来说仅有低于 0.33 的红移区间内是 volume limited 的，高于此红移受到 Eddington bias 以及巡天深度太浅的导致的两种相反的影响
  • 小知识：Eddington bias 是指在探测极限能力附近，只有天体亮度被高估的效应会被观测到，低估的效应是观测不到的，导致系统性的对亮度的高估
    • 这里的「极限探测能力」也可以换成「筛选阈值」，在 cluster finder 里面对应于对 high richness cluster 数量的高估

5 star/galaxy Separation & mask #

  • separation 减少了 redMaPPer 的作用区域
    • 在 this work 中使用 ngmix 替代了初始的 separation 分类方法
      • ngmix 也来自于 redmagic paper 中
    • 使用旧的 separation 方法，发现影响并不明显
      • 这是什么对比方法？
  • masking 产生的 hole 会影响 cluster centering，比如 cluster 中心恰好位于 hole 区域
    • 取消 masking，使用旧的 separation，发现结果偏差不大
    • 这里实际上描述了 expanded catalog 是怎么来的
  • 使用限制更少的 expanded 方式是更加合理的（可以减少 centering 问题），将作为未来的 fiducial version

6 X-ray & SZ #

  • S15 介绍了 SZ finder 的结果，并且和 redMaPPer 进行了对比
    • 光学方法的 scatter 是更低的
  • 众所周知，XMM卫星测量的X射线星系团温度与钱德拉(Chandra)卫星的观测结果存在系统性偏差
  • 这里比较了 richness 和 X-ray temperature 的关系，以及 optical/ X-ray center 的 offset

7 Summary #

Comment #

  • redMaPPer 的更新脉络是 paper1-paper4 appendix-R16 (之后可能还有 DES)
    • 现在决定先去看一下 Rozo2015RedMaPPerIVPhotometric
    • 发现内容不多，但是之后有必要对比 paper4 和最近新文章中的双高斯拟合方法
  • 比较重要的改动包括
    • 用光度和距离的权重作 soft cut
    • 计算 local depth 而非全局恒定的 depth
    • 使用 BC03 model，这个 model 是假定了 z=3 处的集中 SF 用 EzGal 计算出来的
      • 计算结果包括特征光度/mag 以及用于初始的红色星系选择的 c-z 关系
  • gemini 说 mangle 是用于定义天球上某个区域的矢量文件格式
  • 突然发现 redMaPPer 的最初文章根本没有看完，还有很多节的 appendix
    • redmagic paper 也比较重要
  • 小知识：BC03 是用 SSP 根据恒星年龄、金属丰度、恒星质量计算观测量的模型，一般用于 SED fitting
    • 这个 model 相当于「合适/正确」的恒星演化理论、IMF、恒星 SED 的一个 compilation

Question #

  • 关于最初红星系的选择：真的存在能够显著区分的红/蓝两个星系的 population 吗？
  • paper1 中用 80% 光谱做检验的过程在哪里被描述？
  • 为什么存在一个红移的下限？
    • 本以为是因为 4000A break 不在任何一个 color 能够覆盖，但是这里的意思是因为低红移 cluster 存在边界效应

To read #

  • paper1
    • appendix
    • 用 random 检查 performance 的方法
      • advantage 里面的第五点
      • 对应于直接跳过的 sec11
    • 用 80% 光谱进行检验的部分
  • redmagic
    • 包括 ngmix 的方法
  • 发现 paper2&3 暂时没有太大细看的必要，但是 paper4 里面的光谱检验的方法可以看一下
back to top