Astronomía

Interpretación y comprensión de la relación para el corrimiento al rojo fotométrico en un contenedor dado

Interpretación y comprensión de la relación para el corrimiento al rojo fotométrico en un contenedor dado


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

En el contexto de la sonda fotométrica de encuestas (como LSST), necesito comprender la relación que tengo que usar para los contenedores fotométricos.

Considerando $ p_ {ph} (z_p | z) $ la probabilidad de medir un corrimiento al rojo fotométrico igual a $ z_p $ sabiendo que el corrimiento al rojo real es $ z $ y dado $ n (z) $ la distribución de densidad de los objetos, tengo la siguiente fórmula que da la densidad $ n_i $ de galaxias en $ i $-th bin y que me gustaría entender:

$$ n_ {i} (z) = frac { int_ {z_ {i} ^ {-}} ^ {z_ {i} ^ {+}} mathrm {d} z _ { mathrm {p}} , n (z) , p _ { mathrm {ph}} (z _ { mathrm {p}} | z)} { int_ {z_ {min}} ^ {z_ {max}} int_ {z_ {i } ^ {-}} ^ {z_ {i} ^ {+}} , mathrm {d} z , mathrm {d} z _ { mathrm {p}} , n (z) , p_ { mathrm {ph}} (z _ { mathrm {p}} | z)} quad (1) $$

con $ left (z_ {i} ^ {-}, z_ {i} ^ {+} right) $ que son los valores de ambos lados (+ y -) del corrimiento al rojo $ i $ compartimiento.

Aquí mi intento de simplificar: con el teorema de Bayes, uno tiene:

$$ p _ { mathrm {ph}} (z _ { mathrm {p}} | z) = p _ { mathrm {ph}} (z | z _ { mathrm {p}}) , dfrac {p_ { mathrm {ph}} (z _ { mathrm {p}})} {p _ { mathrm {ph}} (z)} quad (2) $$

y además, el término inferior de $(1)$ da :

$$ int_ {z_ {min}} ^ {z_ {max}} int_ {z_ {i} ^ {-}} ^ {z_ {i} ^ {+}} , mathrm {d} z , mathrm {d} z _ { mathrm {p}} , n (z) , p _ { mathrm {ph}} (z _ { mathrm {p}} | z) $$

$$ = int_ {z_ {i} ^ {-}} ^ {z_ {i} ^ {+}} , n (z) , p _ { mathrm {ph}} (z _ { mathrm {p} }) , text {d} z _ { mathrm {p}} quad (3) $$

Entonces, al combinar $(2)$ y $(3)$, obtenemos :

$$ n_ {i} (z) = dfrac {n (z) , p _ { mathrm {ph}} (z _ { mathrm {p}})} { int_ {z_ {i} ^ {-} } ^ {z_ {i} ^ {+}} , n (z) , p _ { mathrm {ph}} (z _ { mathrm {p}}) , text {d} z _ { mathrm { p}}} quad (4) $$

PERO de esto $(4)$ No sé cómo concluir sobre la interpretación de esta densidad de objetos en el corrimiento al rojo de bin. $ i $.

Seguramente hay un error en mi intento de simplificar la expresión $(1$) pero no sé dónde.

Si alguien pudiera ayudarme a comprender mejor las sutilezas de la relación $(1)$, desde un punto de vista matemático o físico, sería bueno explicarlo.

ACTUALIZACIÓN 1:

En particular, no estoy de acuerdo con las ecuaciones (3) y (4). De hecho, el uso del teorema de Bayes en el término inferior de la ecuación (1) conduce a

$$ int_ {z_ {min}} ^ {z_ {max}} int_ {z_i ^ -} ^ {z_i ^ +} dz dz_p n (z) p_ {ph} (z | z_p) frac {p_ { ph} (z_p)} {p_ {ph} (z)} $$

Pero $ p_ {ph} (z | z_p) dz $ no es igual a $ p_ {ph} (z) $, por lo que no puede simplificar la fracción, como lo hace en la Ecuación (3)

Además, $ dz_p n (z) p_ {ph} (z_p | z) $ no tiene ninguna razón para ser constante, por lo que no puede eliminar fácilmente el signo de integración, como lo hace en la Ecuación (4).

Para la ecuación $(3)$, Quería simplificar por:

$$ int_ {z_ {min}} ^ {z_ {max}} int_ {z_ {i} ^ {-}} ^ {z_ {i} ^ {+}} , mathrm {d} z , mathrm {d} z _ { mathrm {p}} , n (z) , p _ { mathrm {ph}} (z _ { mathrm {p}} | z) = int_ {z_ {i} ^ {-}} ^ {z_ {i} ^ {+}} , n (z) , p _ { mathrm {ph}} (z _ { mathrm {p}}) , text {d} z_ { mathrm {p}} quad (5) $$

ya que deberíamos tener: $$ p_ {ph} (z) = int_ {z_ {min}} ^ {z_ {max}} p_ {ph} (z | z_p) , dz_p quad (6) $$, ¿no deberíamos?

En el comentario anterior, hablas de la relación: $ dz_p , p_ {ph} (z_p | z) $, no la ecuación $(6)$ arriba, ¿estás de acuerdo?

Desde un punto de vista intuitivo, estoy de acuerdo en que la relación entre densidad $ n_i (z) $ y densidad total $ n (z) $ es igual a la relación entre la probabilidad de obtener objetos de corrimiento al rojo $ z_p $ conociendo el verdadero corrimiento al rojo $ z $ integrando sobre $ z_p $ y la densidad total integrada sobre $ z_p $ y $ z $.

Pero tan pronto como tenemos que formularlo con matemáticas y probabilidades condicionales, es más difícil.

Tal vez debería considerar, por ejemplo, la siguiente relación que es equivalente al teorema de Bayes pero con funciones de densidad (llamada densidad condicional):

$$ g left (x | y_ {0} right) = frac {f left (x, y_ {0} right)} { int f left (t, y_ {0} right) mathrm {d} t} quad (7) $$

Pero no sé cómo conectar esta ecuación $(7)$ con ecuación $(1)$.

Perdón si entendí mal: tu comentario será precioso, por eso quiero aclarar este paso.

ACTUALIZACIÓN 2:

1)

El numerador de la ecuación (1) $$ int_ {z_i ^ -} ^ {z_i ^ +} dz_p n (z) p_ {ph} (z_p | z) $$ es simplemente el número de muestras en el $ i ^ {th} $ contenedor fotométrico. De hecho, en un corrimiento al rojo dado $ [z, z + dz] $, existen $ n (z) .dz $ muestras. Cada una de estas muestras tiene una probabilidad $ p_ {ph} (z_p | z) $ de terminar en el $ i ^ {th} $ compartimiento. Entonces, integrando sobre $ [z_i ^ -, z_i ^ +] $, obtiene el número de muestras con verdadero corrimiento al rojo $ z $ y un corrimiento al rojo fotométrico en ese contenedor.

El problema es que, en el numerador de la ecuación $(1)$ :

$$ int_ {z_i ^ -} ^ {z_i ^ +} dz_p n (z) p_ {ph} , (z_p | z) $$

nos integramos sobre $ z_p $ y no $ z $, por lo que no podemos considerar la cantidad de muestras $ n (z) , text {d} z $ y después de decir que calculamos la probabilidad de estar en $ i-th $ bin para tener $ n_i (z) $ muestras / valor de densidad. En efecto, $ text {dz} $ no aparece en el numerador de la ecuación $(1)$.

¿Estás de acuerdo con este tema por mí?

2) Te proporciono una figura que podría ayudar a alguien a captar el significado de $ eq (1) $ :

Puede ver cada color correspondiente al i-ésimo corrimiento al rojo considerado y calculado a partir del $ eq (1) $. Espero que esto sea de ayuda.

Me gustaría hacer la conexión entre lo que he puesto en mi ACTUALIZACIÓN 1, es decir, la densidad condicional o tal vez debería expresar la probabilidad condicional de esta manera:

$$ g left (x | y_ {0} right) = dfrac {f left (x, y_ {0} right)} { int f left (t, y_ {0} right) mathrm {d} t} quad (8) $$

Esta relación se califica de "teorema de Bayes" para caso continuo:

Pero si integro esta expresión $(8)$, Yo obtengo :

$$ int , g left (x | y_ {0} right) , text {d} y_0 = int , dfrac {f left (x, y_ {0} right) , text {d} y_0} { int f left (t, y_ {0} right) mathrm {d} t} quad neq quad P (X | y_0) quad (9) $$

Cómo hacer aparecer el término $ P (X | y_0) $ de la ecuación $(8)$ ?

ACTUALIZACIÓN 3: Realmente nadie para explicar la problemática citada anteriormente en mi ACTUALIZACIÓN 2 y mi intento de simplificar la ecuación $(1)$ al comienzo de mi publicación (con una eventual conexión con la probabilidad condicional en ecuaciones $(7$ o $(9)$ ?

Cualquier ayuda / comentario / sugerencia es bienvenida


Realmente no entiendo todas las ecuaciones que escribió y no estoy seguro de que pueda realizar la simplificación de la manera que sugiere. En particular, no estoy de acuerdo con las ecuaciones (3) y (4). De hecho, el uso del teorema de Bayes en el término inferior de la ecuación (1) conduce a

$$ int_ {z_ {min}} ^ {z_ {max}} int_ {z_i ^ -} ^ {z_i ^ +} dz dz_p n (z) p_ {ph} (z | z_p) frac {p_ { ph} (z_p)} {p_ {ph} (z)} $$

Pero $ p_ {ph} (z | z_p) dz $ no es igual a $ p_ {ph} (z) $, por lo que no puede simplificar la fracción, como lo hace en la Ecuación (3)

Además, $ dz_p n (z) p_ {ph} (z_p | z) $ no tiene ninguna razón para ser constante, por lo que no puede eliminar fácilmente el signo de integración, como lo hace en la Ecuación (4).


Pero puedo tratar de explicar la Ecuación (1) que le desconcierta.

El numerador de la ecuación (1) $$ int_ {z_i ^ -} ^ {z_i ^ +} dz_p n (z) p_ {ph} (z_p | z) $$ es simplemente el número de muestras en el $ i ^ {th} $ contenedor fotométrico. De hecho, en un corrimiento al rojo dado $ [z, z + dz] $, existen $ n (z) .dz $ muestras. Cada una de estas muestras tiene una probabilidad $ p_ {ph} (z_p | z) $ de terminar en el $ i ^ {th} $ compartimiento. Entonces, integrando sobre $ [z_i ^ -, z_i ^ +] $, obtiene el número de muestras con verdadero corrimiento al rojo $ z $ y un corrimiento al rojo fotométrico en ese contenedor.

El denominador $$ int_ {z_ {min}} ^ {z_ {max}} int_ {z_i ^ -} ^ {z_i ^ +} dz dz_p n (z) p_ {ph} (z_p | z) $$ proporciona un término de normalización, integrando el numerador sobre todos los corrimientos al rojo.


Encuesta sobre la calibración completa de la relación color-desplazamiento al rojo (C3R2): descripción general de la encuesta y publicación de datos 1

Necesita un eReader o software compatible para experimentar los beneficios del formato de archivo ePub3.

1 Centro de análisis y procesamiento de infrarrojos, Pasadena, CA 91125, EE. UU.

2 Laboratorio de propulsión a chorro, Instituto de Tecnología de California, Pasadena, CA 91109, EE. UU.

3 Instituto de Tecnología de California, Pasadena, CA 91125, EE. UU.

4 Spitzer Science Center, Pasadena, CA 91125, EE. UU.

5 Instituto Kavli de Física y Matemáticas del Universo, Universidad de Tokio, Chiba 277-8582, Japón

6 Institut de Ciències de lEspai (ICE, IEEC / CSIC), E-08193 Bellaterra (Barcelona), España

7 Departamento de Astronomía, Universidad de Ginebra, Cap. dEcogia 16, 1290 Versoix, Suiza

Recibido el 27 de febrero de 2017
Revisado el 19 de abril de 2017
Aceptado el 19 de abril de 2017
Publicado el 31 de mayo de 2017

Haga clic aquí para cerrar esta superposición, o presione la tecla "Escape" en su teclado.


1. Introducción

Con el desarrollo de grandes proyectos de levantamientos fotométricos (por ejemplo, 2MASS, GALEX, Sloan Digital Sky Survey (SDSS), Pan-STARRS, LSST), nos enfrentamos a una avalancha de datos fotométricos, que es el mejor banco de pruebas para varios algoritmos. Entre ellos, la estimación fotométrica del corrimiento al rojo es un tema importante. La investigación sobre este aspecto se centra en los objetos celestes, como galaxias, quásares, supernovas, estallidos de rayos gamma, etc. El estudio de los desplazamientos al rojo fotométricos es de gran importancia para la estructura a gran escala del Universo, la formación y evolución de las galaxias, la agrupación de galaxias, la medición de distancias, etc. Hay muchos trabajos sobre la medición fotométrica del corrimiento al rojo de objetos distantes, incluidos los cuásares, y especialmente las galaxias. Además, se están desarrollando una gran cantidad de algoritmos y herramientas sobre la estimación fotométrica del corrimiento al rojo. Los algoritmos se agrupan en dos tipos: ajuste de plantillas y aprendizaje automático; por ejemplo, método bayesiano (Benítez 2000 Edmondson et al. 2006 Mortlock et al. 2012), relación color-desplazamiento al rojo (Richards et al. 2001 Wu et al. 2004). Ball et al.2007), (kNN Ball y col. 2007 Zhang y col. 2013), regresión del proceso gaussiano (Way & amp Srivastava 2006 Way et al.2009 Bonfield et al.2010), regresión del proceso gaussiano disperso (Almosallam et al.2016b, a), redes neuronales artificiales (ANNs Firth et al.2003 Zhang et al. 2009 Yèche et al.2010 Cavuoti et al.2012 Brescia et al.2013 Cavuoti et al.2017), regresión del núcleo (Wang et al.2007), análisis de conectividad espectral (SCA Freeman et al.2009), Bosques aleatorios (RFs ) (Carliles et al.2010 Schindler et al.2017), ArborZ (Gerdes et al.2010), la técnica de deconvolución extrema (Bovy et al.2012), el algoritmo Directional Neighborhood Fitting (DNF) (De Vicente et al.2016 ), una técnica híbrida (Beck et al.2016), Self-OrganizingMap (SOM Way & amp Klose 2012 Carrasco Kind & amp Brunner 2014), Red neuronal de propagación trasera asistida por agrupación (CuBANz Samui & amp Samui Pal 2017) y Support Vector Machine (SVM Jones & amp Singal 2017 Schindler et al.2017).

Para mejorar la precisión de la estimación fotométrica del desplazamiento al rojo, los investigadores han considerado nuevos enfoques o han combinado varios métodos. Wolf (2009) combinado χ 2 ajustes de plantilla y conjuntos de entrenamiento empírico en un solo marco, lo aplicó a los cuásares SDSS Data Release 5 (DR5) y mejoró la precisión de la estimación fotométrica del corrimiento al rojo. Laurino y col. (2011) presentaron a Weak Gated Experts (WGE) para derivar desplazamientos al rojo fotométricos de galaxias y cuásares a través de una combinación de técnicas de minería de datos. Gorecki y col. (2014) investigaron diferentes enfoques y combinaron un método de ajuste de plantillas y un método de red neuronal para desplazamientos al rojo fotométricos de galaxias. Han y col. (2016) integrado kNN y SVM para la estimación fotométrica del corrimiento al rojo de los quásares. Hoyle (2016) propuso Deep Neural Networks para estimar el corrimiento al rojo fotométrico de las galaxias utilizando la imagen completa de la galaxia en cada banda medida. Leistedt & amp Hogg (2017) presentaron un nuevo método para inferir desplazamientos al rojo fotométricos en estudios profundos de galaxias y cuásares, que combina las ventajas de los métodos de aprendizaje automático y los métodos de ajuste de plantillas mediante la construcción de distribuciones de energía espectral de plantillas (SED) directamente a partir de los datos de entrenamiento espectroscópico. Wolf y col. (2017) investigaron el rendimiento del corrimiento al rojo fotométrico de varios métodos empíricos y de plantilla, y la estimación de densidad de kernel (KDE) fue la mejor para su caso. Jouvel y col. (2017) exploraron diferentes técnicas para reducir la fracción de valores atípicos del corrimiento al rojo fotométrico con una comparación entre el ajuste de la plantilla, las redes neuronales y los métodos de RF. Speagle y amp Eisenstein (2017a, b) derivaron desplazamientos al rojo fotométricos utilizando arquetipos difusos y SOM, y demostraron que la solidez estadística y la flexibilidad se pueden obtener combinando métodos de ajuste de plantillas y aprendizaje automático, y pueden proporcionar información útil sobre cómo los astrónomos pueden aprovechar aún más el desplazamiento al rojo de color. relación. Dado que hay una gran cantidad de imágenes disponibles, es aplicable utilizar directamente los datos de la imagen y ahorrar tiempo al preprocesar los datos de la imagen. D'Isanto & amp Polsterer (2018) investigaron el aprendizaje profundo para derivar el corrimiento al rojo fotométrico probabilístico directamente a partir de datos de imágenes multibanda, haciendo que la preclasificación de objetos y la extracción de características sean obsoletas.

Aunque se ha empleado una gran cantidad de algoritmos en este aspecto, los algoritmos que funcionan bien en las galaxias pueden no ser necesariamente aplicables a los cuásares. Debido a que la precisión de la estimación fotométrica del corrimiento al rojo de los cuásares no es demasiado satisfactoria, todavía hay mucho margen de mejora. Por lo tanto, hemos diseñado una nueva estrategia para estimar los desplazamientos al rojo fotométricos de los cuásares. La muestra utilizada para la estimación fotométrica del corrimiento al rojo se describe en la Sección 2. Luego, los métodos adoptados se presentan brevemente en la Sección 3. Con base en las muestras SDSS y SDSSWISE, los diferentes esquemas de estimación fotométrica del corrimiento al rojo de los quásares por kNN y RF se describen en detalle y se comparan en la Sección 4. La discusión se presenta en la Sección 5. Finalmente, resumimos los resultados de este documento en la Sección 6.


1. INTRODUCCIÓN

Los desplazamientos al rojo fotométricos (foto-z) son una estimación de las distancias de las galaxias en función de los colores observados (Baum 1962). Este método es extremadamente eficiente para ensamblar grandes muestras de corrimiento al rojo para galaxias débiles. A pesar de tener una precisión menor que los corrimientos al rojo espectroscópicos (espectro-z), la foto-z tiene la ventaja de una completitud significativamente mejorada hasta un límite de flujo más débil que el límite espectroscópico. Muestras de deep photo-z, como Classifying Object by Medium-Band Observations-17 (COMBO-17 Wolf et al. 2003) Canada – France – Hawaii Telescope Legacy Survey (CFHTLS Ilbert et al. 2006), Spitzer La Encuesta Extragaláctica Infrarroja de Campo Amplio (SWIRE) (Rowan-Robinson et al.2008) y COSMOS (Mobasher et al.2007), contienen más de 1.000.000 de galaxias y son tan débiles como I

25 con una cantidad relativamente pequeña de tiempo de telescopio.

Foto-z típica con una precisión de –0,04 (Δz = zszpag) se utilizan ampliamente para estudiar la evolución de las masas y luminosidades estelares de galaxias (p. ej., Fontana et al. 2000 Wolf et al. 2003 Gabasch et al. 2004 Caputi et al. 2006 Arnouts et al. 2007), para análisis de agrupamiento angular (p. ej. , Heinis et al.2007 McCracken et al.2007), para estudiar la relación entre las propiedades de las galaxias y el medio ambiente (por ejemplo, Capak et al.2007), para rastrear estructuras a gran escala (Mazure et al.2007 Scoville et al.2007) e identificar agrupaciones con alto corrimiento al rojo (Wang & amp Steinhardt 1998). Los foto-z también son necesarios para los estudios de energía oscura y materia oscura con lentes débiles para separar las galaxias de primer plano y de fondo y para controlar los efectos sistemáticos como la alineación de forma intrínseca, la correlación de forma de corte y los efectos de la agrupación de fuentes (Peacock et al. 2006). . Todas estas aplicaciones requieren un control estricto de los efectos sistemáticos en la estimación de foto-z. Una forma eficaz de identificar y eliminar sistemáticas es calibrar photo-z en una muestra espectroscópica. Los métodos de calibración más comunes son los métodos de redes neuronales (por ejemplo, Ball et al. 2004 Collister & amp Lahav 2004), una calibración del color.z relación (Brodwin et al. 2006 Ilbert et al. 2006), o una reconstrucción de las plantillas de distribución de energía espectral (SED) (Budavári et al. 2000 Feldmann et al. 2006).

Como también ocurre con las mediciones de espectro-z, la precisión de la foto-z depende de la cobertura espectral y la resolución. También se degrada para fuentes con una relación señal / ruido baja (S / N Bolzonella et al. 2000). Los cortes de Balmer y Lyman contienen gran parte de la información de la foto-z, por lo que la precisión es menor en los rangos de corrimiento al rojo donde el conjunto de filtros no muestrea bien estas características. A medida que la precisión fotométrica se degrada, se vuelve más difícil restringir las posiciones de estas características, lo que conduce a una menor precisión. Esto crea una doble dependencia de la precisión de la foto-z en la magnitud y el desplazamiento al rojo que se define por el diseño de la encuesta (tiempo de exposición, elección del filtro y precisión de la calibración). Por esta razón, cualquier muestra de foto-z debe probarse y caracterizarse de manera exhaustiva de la misma manera que lo haría una muestra espectroscópica. Este análisis es necesario para identificar los rangos de corrimiento al rojo / magnitud en los que se puede confiar y utilizar la foto-z para una aplicación científica determinada.

Este artículo presenta una nueva versión de la foto-z para Cosmic Evolution Survey (COSMOS Scoville et al. 2007) y un análisis de su precisión. COSMOS es el más grande Telescopio espacial Hubble (HST) encuesta jamás realizada: imágenes de un campo ecuatorial de 2 grados 2 a una profundidad de IF814W = 27,8 mag (5σ AB). El campo COSMOS es ecuatorial para garantizar la visibilidad de todas las instalaciones astronómicas terrestres. Este proyecto incluye amplias imágenes de longitud de onda múltiple desde rayos X a radio (XMM, Chandra, Explorador de Galaxy Evolution (GALEX), Subaru, Telescopio Canadá – Francia – Hawái (CFHT), Telescopio infrarrojo del Reino Unido (UKIRT), Spitzer, VLA). Nuevos datos NIR terrestres (H. J. McCracken et al. 2008, en preparación P. Capak et al. 2008, en preparación), Spitzer-Datos de IRAC (Sanders et al. 2007), y datos de banda media / estrecha del Telescopio Subaru (Taniguchi et al. 2007 S. Sasaki et al. 2008, en preparación Y. Taniguchi et al. 2008, en preparación P. Capak et al. 2008, en preparación) mejoran enormemente el catálogo de fotometría anterior (Capak et al. 2007). Estos nuevos datos se utilizan para la foto-z derivada aquí, lo que arroja un factor 3 de mayor precisión que la primera versión de COSMOS foto-z (Mobasher et al. 2007).

Los datos de COSMOS se presentan en la Sección 2. La técnica utilizada para estimar la foto-z se presenta en la Sección 3. En la Sección 4, cuantificamos la precisión de la foto-z en función de la magnitud y el corrimiento al rojo. En la Sección 5, proporcionamos la distribución foto-z de la I + muestras seleccionadas. Photo-z especializado para fuentes seleccionadas de rayos X, núcleo galáctico activo (AGN) y objetos variables se discuten en un artículo complementario (Salvato et al. 2008).

A lo largo de este documento, utilizamos el estándar WMAP cosmología (Ωmetro = 0,3, ΩΛ = 0,7) con h = 0,7 y h = H0/ 100 km s −1 Mpc −1. Las magnitudes se dan en el sistema AB.


3. Elementos de observación a favor de la transformación de espirales en S0 & # x00027s

A continuación presentamos las principales evidencias observacionales a favor de la hipótesis de que las espirales se transforman en S0 & # x00027s en cúmulos.

La Figura 3 muestra la fracción de S0 / E, S0 / Sp y E / Sp para todos los conglomerados observados hasta z & # x0007E 0.8, proveniente de las bases de datos WINGS y EDisCS, así como de datos de literatura para el corrimiento al rojo intermedio (0.1 & # x0003C z & # x0003C 0,55) agrupaciones estudiadas por Fasano et al. (2000) y Dressler et al. (1997).

Figura 3. Tendencia de las fracciones morfológicas (E / Sp, S0 / Sp y S0 / E) con corrimiento al rojo en varios grupos. La muestra apilada de ALAS se muestra con su barra de error 1 & # x003C3. Las líneas trazadas marcan la evolución de las fracciones morfológicas de un grupo hipotético que a un alto corrimiento al rojo tiene las fracciones morfológicas medias de la muestra de EDisCS. Las espirales se transforman en S0 & # x00027s y E & # x00027s a diferentes velocidades por intervalo de corrimiento al rojo. Izquierda: Las líneas continuas marcan la tendencia obtenida para una tasa de transformación de 6.25 Sp & # x02192 S0 & # x00027s por Gyr y 0 Sp & # x02192 E & # x00027s por Gyr. En cambio, las líneas discontinuas corresponden a una tasa de 9 Sp & # x02192 S0 & # x00027s por Gyr y 0 Sp & # x02192 E & # x00027s por Gyr. Derecha: El mismo gráfico, pero con las siguientes tasas de transformación: 5 Sp & # x02192 S0 & # x00027s por Gyr y 1,75 Sp & # x02192 E & # x00027s por Gyr para las líneas continuas, y 7 Sp & # x02192 S0 & # x00027s por Gyr y 1 Sp & # x02192 E & # x00027s por Gyr para las líneas discontinuas.

En su análisis comparativo de las fracciones morfológicas de los conglomerados con corrimiento al rojo bajo y alto, Fasano et al. (2000) ya afirmaron la existencia de una tendencia general en las fracciones morfológicas (% E & # x00027s,% S0 & # x00027s,% Sp & # x00027s) y en las relaciones S0 / E y S0 / Sp con corrimiento al rojo, sugiriendo claramente que el S0 La población tiende a crecer a expensas de las espirales, mientras que la frecuencia de E & # x00027s permanece casi constante.

En la Figura 3, los grupos de WINGS están representados por un solo punto que marca el valor promedio encontrado para nuestra muestra de grupos apilados y su varianza. Hay varias cosas que vale la pena señalar en esta figura: (1) la relación S0 / E (panel inferior) es casi constante con corrimiento al rojo con una varianza significativa (2) la varianza de la muestra apilada de WINGS es del mismo orden del dispersión observada entre los grupos en todos los corrimientos al rojo en todos los paneles (3) la relación S0 / Sp (panel medio) aumenta ligeramente en los corrimientos al rojo más bajos (z & # x0003C 0,3). Esta fracción sigue la relación S0 / E pero con una dispersión menor hasta z & # x0007E 0.15, donde se observa un pico fuerte para dos grupos A389 y A951 (4), la fracción E / Sp sigue la misma tendencia de la relación S0 / Sp, pero con una mayor dispersión en todos los desplazamientos al rojo. Nuevamente se observa un pico en z & # x0007E 0,15 para los mismos conglomerados (5) la población S0 domina en z & # x02264 0,1. Dependiendo del grupo, podemos tener un factor de & # x0007E 3 & # x02212 4 más S0 & # x00027s que Espirales (6) con un corrimiento al rojo de alrededor de 0.1 y por debajo del número de Espirales observado es muy pequeño.

La dispersión observada en las fracciones morfológicas se puede explicar recordando que: (a) los cúmulos tienen estructuras diferentes y están más o menos virializados / concentrados (Oemler, 1974) (b) Las galaxias espirales, que son la población dominante en el campo, ingresan continuamente en cúmulos de filamentos de la red cósmica (c) existen posibles errores en la clasificación de las galaxias.

La impresión general que surge de estos datos es que los efectos de la transformación morfológica se hacen visibles con un corrimiento al rojo inferior a & # x0007E 0,3, donde se observa un aumento significativo de las relaciones E / Sp y S0 / Sp. A pesar de la propagación, los datos parecen sugerir una evolución con corrimiento al rojo de las fracciones morfológicas. Si confiamos en estos datos (es decir, que no hay sesgos sistemáticos presentes, por ejemplo, en la clasificación morfológica y en el área encuestada 3), debemos concluir de la Figura 3 que existe un mecanismo activo que transforma las Espirales en objetos S0 (y posiblemente en E & # x00027s). De hecho, las relaciones S0 / Sp y E / Sp parecen aumentar con aproximadamente los mismos gradientes, aunque con una dispersión bastante diferente.

Las líneas que se muestran en la Figura 3 siguen la evolución hipotética de un grupo que contiene 26 E & # x00027s, 15 S0 & # x00027s y 68 Espirales con un corrimiento al rojo de 0.9 (estos valores representan las frecuencias promedio observadas de tipos morfológicos en EDisCS). Marcan los resultados de un cálculo simple en el que las espirales se transforman instantáneamente en S0 & # x00027s y E & # x00027s con diferentes tasas por intervalo de corrimiento al rojo. En el panel de la izquierda, las líneas continuas marcan las tasas de transformación de 6.25 Sp & # x02192 S0 por Gyr y 0 Sp & # x02192 E por Gyr, mientras que las líneas discontinuas marcan las tasas de 9 Sp & # x02192 S0 por Gyr y 0 Sp & # x02192 E por Gyr. # x02192 E por Gyr. En el panel derecho tenemos en cambio para las líneas continuas 5.0 Sp & # x02192 S0 por Gyr y 1.75 Sp & # x02192 E por Gyr, mientras que para las líneas discontinuas 7 Sp & # x02192 S0 por Gyr y 2.5 Sp & # x02192 E por Gyr. Estas tasas se eligieron para ajustarse a las tendencias generales observadas y para demostrar que, en principio, podemos seguir la evolución de la fracción morfológica de cualquier grupo a lo largo del tiempo. Las tendencias observadas demuestran que es necesaria una evolución de las clases morfológicas para explicar los datos. Sin embargo, nuestro cálculo no tiene en cuenta la caída, es decir, el hecho de que nuevas Espirales entran en los cúmulos a lo largo del tiempo cósmico. Por lo tanto, las tarifas calculadas aquí deben considerarse límites inferiores.

Tenga en cuenta que si no consideramos la transformación de espirales en E & # x00027s, no podríamos reproducir la tendencia media de la fracción S0 / E: tanto la tasa baja (línea continua) como la alta (línea discontinua) de transformación de espiral en S0 & # x00027s elegidos en el panel de la izquierda, en el que el número de E & # x00027s permanece constante, no pueden ajustarse al punto WINGS medio que da la fracción S0 / E. Por otro lado, cuando se tiene en cuenta correctamente la transformación en E & # x00027s (ver el panel derecho), podemos reproducir tanto la tendencia media de todas las fracciones morfológicas como los picos en las relaciones E / Sp y S0 / Sp 4 como así como la relación S0 / E casi constante observada para todos los conglomerados. En otras palabras, o nuevos E & # x00027s ingresan sistemáticamente en los grupos o nuevos E & # x00027s deben formarse a través de una gran fusión de Espirales.

La figura 4 muestra el registro de norteS0& # x02215norteSp relación frente al logaritmo del corrimiento al rojo z. El ajuste de mínimos cuadrados es muy significativo y demuestra que los datos reales se pueden interpretar en términos de una evolución temporal de la fracción morfológica, en el sentido de que las galaxias S0 aumentan continuamente en número con respecto a las espirales. Transformando z en edad del Universo con una aproximación lineal en el rango de corrimiento al rojo 0 & # x02212 1, vemos que la fracción norteS0& # x02215norteSp aumenta en un factor de & # x0007E 2 cada Gyr.

Figura 4. El registro de la norteS0& # x02215norteSp relación frente al logaritmo del corrimiento al rojo z. La línea continua da el mejor ajuste. Las barras de error de Poisson marcan la incertidumbre 1 & # x003C3 de los recuentos observados.

En conclusión, si nuestra interpretación de las Figuras 3, 4 es correcta, las espirales se transforman en S0 & # x00027s y en E & # x00027s con una velocidad ligeramente diferente. Vulcani y col. (2011b), trabajando con los mismos datos para ambas encuestas, llegaron a la misma conclusión con su análisis de las fracciones morfológicas y funciones de masa.

La figura 5 nos proporciona otra pista a favor de la evolución morfológica. Muestra que S0 & # x00027s y Spirals no están distribuidos espacialmente de la misma manera en grupos con corrimientos al rojo bajos y altos. La figura demuestra claramente que en los grupos WINGS S0 & # x00027s dominan la región central de los grupos (DBCG& # x02215R200 & # x0003C 0.4), mientras que las espirales en EDisCS son más frecuentes y abundantes en las regiones exteriores DBCG& # x02215R200 & # x0003E 0.4. Este hecho, que recuerda la relación morfología-densidad, también es consistente con la idea de que las espirales se transforman en S0 & # x00027s durante su caída progresiva hacia la región central del cúmulo.

Figura 5. Los paneles de la izquierda trazan con una línea negra la diferencia entre el número de S0 & # x00027s y Espirales en la muestra de datos de WINGS para DBCG& # x02215R200 & # x0003C 0.4 (panel superior) y DBCG& # x02215R200 & # x0003E 0.4 panel inferior en cada contenedor de masa de galaxias. Los paneles de la derecha muestran la misma diferencia para la muestra de datos de EDisCS. Las líneas rojas marcan las mismas distribuciones para la diferencia entre el número de S0 & # x00027s y E & # x00027s.


Desplazamientos al rojo fotométricos con brillo superficial a priori

Usamos el brillo de la superficie de las galaxias como información previa para mejorar la estimación fotométrica del corrimiento al rojo (foto-z). Aplicamos nuestro método photo-z basado en plantillas para obtener imágenes de los datos del estudio VVDS terrestre y del campo GOODS basado en el espacio del HST, y utilizamos desplazamientos al rojo espectroscópicos para probar nuestros desplazamientos al rojo fotométricos para diferentes tipos de galaxias y desplazamientos al rojo. Encontramos que el brillo de la superficie anterior elimina una gran fracción de valores atípicos al eliminar la degeneración entre las rupturas de Lyman y 4000- & Aring. El sesgo y la dispersión se mejoran en aproximadamente un factor de 2 con el anterior en cada intervalo de desplazamiento al rojo en el rango de 0,4 & lt z & lt 1,3, tanto para los datos terrestres como espaciales. Se beneficiarán los estudios en curso y planificados desde el suelo y el espacio, siempre que se tenga cuidado en las mediciones del tamaño de las galaxias y en la aplicación de lo anterior. Analizamos los requisitos de calidad de imagen y relación señal / ruido que permiten el brillo de la superficie antes de que se aplique con éxito.

Diario

Avisos mensuales de la Royal Astronomical Society y ndash Oxford University Press

Publicado: 1 de julio de 2008

Palabras clave: métodos: análisis de datos encuestas galaxias: distancias y corrimientos al rojo galaxias: fotometría


4. Estimación y resta del componente de polvo térmico

El polvo galáctico produce una contaminación aún mayor, pero esto no está correlacionado con la posición de los cúmulos, por lo que esto solo produce ruido en los mapas apilados. Además, las fuentes extragalácticas no correlacionadas con el cúmulo producen ruido por las mismas razones. Sin embargo, los conglomerados tienen una importante emisión de polvo (Gutiérrez & amp López-Corredoira 2014, 2017 Planck Collaboration 2016g) y esto debe restarse para examinar el efecto Sunyaev-Zel'dovich. Un ajuste al polvo del racimo es mejor que incluir esta emisión como parte del polvo galáctico porque esto tiene en cuenta la corrección K debido al corrimiento al rojo del flujo emitido.

Para restar la señal de este polvo, seguimos este procedimiento: con el fundente Fν por ν = 545, 857 y 2998 GHz para una imagen apilada dada de grupos con corrimiento al rojo promedio, ajustamos los tres parámetros (,,) de una función de emisión de polvo dada por

donde es la función de emisión del cuerpo negro, es la emisividad y es la amplitud. Hemos elegido las frecuencias 545, 857 y 2998 GHz (100 μm) porque la contribución del efecto Sunyaev-Zel'dovich aquí es insignificante y un posible segundo componente de polvo con una temperatura más alta tendría solo una contribución insignificante. No usamos 4997 GHz (60 μm) de IRAS porque esto necesitaría una segunda temperatura de polvo para ser ajustada (Xilouris et al. 2012). Aunque hay cierta degeneración en el espacio - en la búsqueda del mejor ajuste, permitir la variación de ambos parámetros mejoró el ajuste. Ésta es la razón de esa elección. Las barras de error de los parámetros se derivan del análisis estándar (Avni 1976).

Al principio, descuidamos la contribución de Sunyaev-Zel'dovich a 545 GHz para un primer ataque de polvo. Posteriormente, una vez que tenemos el ajuste Sunyaev-Zel'dovich de acuerdo con la Sección 5, restamos la contribución de Sunyaev-Zel'dovich a 545 GHz y rehacemos el ajuste del polvo. A 857 y 2998 GHz, siempre consideramos que el efecto Sunyaev-Zel'dovich es insignificante. Uno puede preguntarse por qué no encajamos el polvo y Sunyaev – Zel'dovich juntos al mismo tiempo: la respuesta es que, en tal caso, estaríamos dominados por puntos de alta frecuencia, que obtienen mayor señal / ruido, y el efecto Sunyaev-Zel'dovich sería peor. Por lo tanto, hacemos el ajuste a altas frecuencias para polvo y bajas frecuencias para Sunyaev – Zel'dovich por separado.

Las tablas 4 y 5 dan valores para los ajustes de apuestas de y, que están dentro de los valores normales de los ajustes en otras galaxias (Shetty et al. 2009 Galametz et al. 2012). Hemos probado la sustracción de polvo apilando cúmulos que se encuentran en diferentes franjas de latitud galáctica constante, utilizando máscaras 1 o 2 de PLANCK, que cubren, respectivamente, el 20% y el 40% de las regiones de extinción más bajas del cielo, respectivamente. Los resultados no presentan diferencias significativas. Elegimos aquí los valores de la máscara 2 porque proporcionan barras de error más bajas y cubren una región del cielo que todavía es muy conservadora para evitar las regiones de alta extinción. Esto también está de acuerdo con el análisis del polvo en racimos con PLANCK de Planck Collaboration (2016g).

4.1. Frecuencias efectivas

Se realiza una pequeña corrección recalculando las frecuencias efectivas de cada uno de los filtros, en lugar de tomar el valor nominal.

Para cada uno de los filtros, calculamos la frecuencia promediada en el flujo detectado convolucionado con la transmisión del filtro como

donde es la función de transmisión del filtro con frecuencia nominal ν. Una vez que tenemos estas nuevas frecuencias, establecemos los valores de los flujos como iguales a los medidos previamente. Fν y rehacemos el ajuste dado por la Ecuación (2), obteniendo nuevos parámetros, que toman en cuenta esta corrección de frecuencias. Esos son los valores que usamos.


Estimación fotométrica del corrimiento al rojo basada en minería de datos con PhotoRApToR

Los desplazamientos al rojo fotométricos (foto-z) son cruciales para la explotación científica de los levantamientos digitales pancromáticos modernos. In this paper we present PhotoRApToR (Photometric Research Application To Redshift): a Java/C ++ based desktop application capable to solve non-linear regression and multi-variate classification problems, in particular specialized for photo-z estimation. It embeds a machine learning algorithm, namely a multi-layer neural network trained by the Quasi Newton learning rule, and special tools dedicated to pre- and post-processing data. PhotoRApToR has been successfully tested on several scientific cases. The application is available for free download from the DAME Program web site.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución.


Ashby, N. P., Stern, D., Brodwin, M., Griffith, R., Eisenhardt, P., Kozłowski, S., et al. (2009). The spitzer deep, wide-field survey. Astrophys. J. 701:428. doi: 10.1088/0004-637X/701/1/428

Assef, R. J., Kochanek, C. S., Brodwin, M., Cool, R., Forman, W., Gonzalez, A. H., et al. (2010). Low-resolution spectral templates for active galactic nuclei and galaxies from 0.03 to 30 μm. Astrophys. J. 713, 970�. doi: 10.1088/0004-637X/713/2/970

Autry, R. G., Probst, R. G., Starr, B. M., Abdel-Gawad, K. M., Blakley, R. D., Daly, P. N., et al. (2003). Instrument design and performance for optical/infrared ground-based telescopes. SPIE 4841, 525�. doi: 10.1117/12.460419

Baos, E., Venemans, B. P., Morganson, E., Hodge, J., Decarli, R., Walter, F., et al. (2015). Constraining the radio-loud fraction of quasars at z ˜ 5.5. Astrophys. J. 804:118. doi: 10.1088/0004-637X/804/2/118

Becker, R. H., White, R. L., and Helfand, D. J. (1995). The FIRST survey: faint images of the radio sky at twenty centimeters. Astrophys. J. 450:559. doi: 10.1086/176166

Bisnovatyi-Kogan, G. S. (2001). Stellar Physics. Vol.1: Fundamental Concepts and Stellar Equilibrium. Astronomy and Astrophysics Library. (Trans.) A. Y. Blinov and M. Romanova. Berlin: Springer.

Bovy, J., Hennawi, J. F., Hogg, D. W., Myers, A. D., Kirkpatrick, J. A., Schlegel, D. F., et al. (2011). Think outside the color box: probabilistic target selection and the SDSS-XDQSO quasar targeting catalog. Astrophys. J. 729:141. doi: 10.1088/0004-637X/729/2/141

Brammer, G. B., van Dokkum, P. G., and Coppi, P. (2008). EAZY: a fast, public photometric redshift code. Astrophys. J. 686, 1503�. doi: 10.1086/591786

Croom, S. M., Boyle, B. J., Shanks, T., Smith, R. J., Miller, L., Outram, P. J., et al. (2005). Probing the radio loud/quiet AGN dichotomy with quasar clustering. Month. Notices RAS 356, 415�. doi: 10.1111/j.1365-2966.2004.08379.x

Davidson, K., and Netzer, H. (1979). The emission lines of quasars and similar objects. RevModPhys 51, 715�. doi: 10.1103/RevModPhys.51.715

de Vries, W. H., Morganti, R., Röttgering, H. J. A., Vermeulen, R., van Breugel, W., Rengelink, R., et al. (2002). Deep westerbork 1.4 GHz imaging of the bootes field Astron. J. 123, 1784�. doi: 10.1086/338906

Donley, J. L., Koekemoer, A. M., Brusa, M., Capak, P., Cardamone, C. N., Civano, F., et al. (2012). A new infrared color criterion for the selection of 0>zϧ AGNs: application to deep fields and implications for JWST surveys. Astrophys. J. 748:142.

Fan, X. (1999). Simulation of stellar objects in SDSS color space. Astron. J. 117, 2528�. doi: 10.1086/300848

Fan, X., Narayanan, V. K., Lupton, R. H., Strauss, M. A., Knapp, G. R., Becker, R. H., et al. (2001). A survey of zϥ.8 quasars in the sloan digital sky survey. I. Discovery of three new quasars and the spatial density of luminous quasars at z=6. Astrophys. J. 122, 2833�. doi: 10.1086/324111

Flaugher, B. (2005). The dark energy survey. IJMPA 20, 3121�. doi: 10.1142/S0217751X05025917

Fukugita, M., Ichikawa, T., Gunn, J. E., Doi, M., Shimasaku, K., and Schneider, D. P. (1996). The sloan digital sky survey photometric system. Astron. J. 111:1748. doi: 10.1086/117915

Glikman, E., Gregg, M. D., Lacy, M., Helfand, D. J., Becker, R. H., and White, R. L. (2004). FIRST-2Mass sources below the APM detection threshold: a population of highly reddened quasars. Astrophys. J. 607, 60�. doi: 10.1086/383305

Glikman, E., Urrutia, T., Lacy, M., Djorgovski, S. G., Mahabal, A., Myers, A. D., et al. (2012). FIRST-2MASS red quasars: transitional objects emerging from the dust. Astrophys. J. 757:51. doi: 10.1088/0004-637X/757/1/51

Glikman, E., Urrutia, T., Lacy, M., Djorgovski, S. G., Urry, M., Croom, S., et al. (2013). Dust reddened quasars in FIRST and UKIDSS: beyond the tip of the iceberg. Astrophys. J. 778:127. doi: 10.1088/0004-637X/778/2/127

Hatziminaoglou, E., Mathez, G., and Pelló, R. (2000). Quasar candidate multicolor selection technique: a different approach. Astron. Astrophys. 359, 9�.

Hoaglin, D. C., Mosteller, F., and Tukey, J. W. (edS.). (1983). “Understanding robust and exploratory data analysis,” in Wiley Series in Probability and Mathematical Statistics, (New York, NY: Wiley).

Hook, I. M., McMahon, R. G., Shaver, P. A., and Snellen, I. A. G. (2002). Discovery of radio-loud quasars with redshifts above 4 from the PMN sample. Astron. Astrophys. 391, 509�. doi: 10.1051/0004-6361:20020869

Ilbert, O., Arnouts, S., McCracken, H. J., Bolzonella, M., Bertin, E., Le Fèvre, O., et al. (2006). Accurate photometric redshifts for the CFHT legacy survey calibrated using the VIMOS VLT deep survey. Astron. Astrophys. 457, 841�. doi: 10.1051/0004-6361:20065138

Jannuzi, B. T., and Dey, A. (1999). Photometric redshifts and the detection of high redshift galaxies. ASPCS 191:111.

Kaiser, N., Aussel, H., Burke, B. E., Boesgaard, H., Chambers, K., Chun, M. R., et al. (2002). Pan-STARRS: a large synoptic survey telescope array. Proc. SPIE 4836, 154�. doi: 10.1117/12.457365

Kaiser, N., Burgett, W., Chambers, K., Denneau, L., Heasley, J., Jedicke, R., et al. (2010). The pan-STARRS wide-field optical/NIR imaging survey. Proc. SPIE 7733. doi: 10.1117/12.859188

Kauffmann, G., Heckman, T. M., Tremonti, C., Brinchmann, J., Charlot, S., White, S. D. M., et al. (2003). The host galaxies of active galactic nuclei. Month. Notices RAS 346:1390. doi: 10.1111/j.1365-2966.2003.07154.x

Kenter, A., Murray, S. S., Forman, W. R., Jones, C., Green, P., Kochanek, C. S., et al. (2005). An X-ray survey of the NDWFS bootes field. II. The X-ray source catalog. Astrophys. J. Supl. 161:9. doi: 10.1086/444379

Kimball, A. E., Knapp, G. R., Ivezić, Ž., West, A. A., Bochanski, J. J., Plotkin, R. M., et al. (2009). A sample of candidate radio stars in first and SDSS. Astrophys. J. 701, 535�. doi: 10.1088/0004-637X/701/1/535

Kirkpatrick, J., Schlegel, D. J., Ross, N. P., Myers, A. D., Hennawi, J. F., Sheldon, E. S., et al. (2011). A simple likelihood method for quasar target selection. Astrophys. J. 743:2. doi: 10.1088/0004-637X/743/2/125

Kochanek, C. S., Eisenstein, D. J., Cool, R. J., Caldwell, N., Assef, R. J., Jannuzi, B. T., et al. (2012). AGES: the AGN and galaxy evolution survey. Astrophys. J. Supl. 200:8. doi: 10.1088/0067-0049/200/1/8

Lacy, M., Petric, A. O., Sajina, A., Canalizo, G., Storrie-Lombardi, L. J., Armus, L., et al. (2007). Optical spectroscopy X-ray detections of a sample of quasars active galactic nuclei selected in the mid-infrared from two spitzer space telescope wide-area surveys. Astron. J. 133, 186�. doi: 10.1086/509617

MacLeod, C. L., Brooks, K., Ivezic, Z., Kochanek, C. S., Gibson, R., Meisner, A., et al. (2010a). Quasar selection based on photometric variability. Astrophys. J. 728:16. doi: 10.1088/0004-637X/728/1/26

MacLeod, C. L., Ivezić, Ž., Kochanek, C. S., Kozłowski, S., Kelly, B., Bullock, E., et al. (2010b). Modeling the time variability of SDSS stripe 82 quasars as a damped random walk. Astrophys. J. 721:1014. doi: 10.1088/0004-637X/721/2/1014

Martin, C., Barlow, T., Barnhart, W., Bianchi, L., Blakkolb, B. K., Bruno, D., et al. (2003). The galaxy evolution explorer. Proc. SPIE 4854, 336�. doi: 10.1117/12.460034

McGreer, I. D., Becker, R. H., Helfand, D. J., and White, R. L. (2006). Discovery of a z = 6.1 radio-loud quasar in the NOAO deep wide field survey. Astrophys. J. 652, 157�. doi: 10.1086/507767

McGreer, I. D., Helfand, D. J., and White, R. L. (2009). Radio-selected quasars in the sloan digital sky survey. Astron. J. 138, 1925�. doi: 10.1088/0004-6256/138/6/1925

McLure, M. J., and Dunlop, J. S. (2004). The cosmological evolution of quasar black hole masses. Month. Notices RAS 352:1390. doi: 10.1111/j.1365-2966.2004.08034.x

Meier, D. L. (1976a). Have primeval galaxies been detected. Astrophys. J. 203, L103–L105. doi: 10.1086/182029

Meier, D. L. (1976b). The optical appearance of model primeval galaxies. Astrophys. J. 207, 343� doi: 10.1086/154500

Palanque-Delabrouille, N., Yeche, C. H., Myers, A. D., Petitjean, P., Ross, N. P., Sheldon, E., et al. (2011). Variability selected high-redshift quasars on SDSS Stripe 82. Astron. Astrophys. 530:A122. doi: 10.1051/0004-6361/201016254

Pâris, I., Petitjean, P., Ross, N. P., Myers, A. D., Aubourg, É., Streblyanska, A., et al. (2017). The sloan digital sky survey quasar catalog: twelfth data release. Astrophys. J. 597:A79. doi: 10.1051/0004-6361/201527999

Retana-Montenegro, E., and Röttgering, H. J. A. (2017). Probing the radio loud/quiet AGN dichotomy with quasar clustering Astrophysics 600:a197. doi: 10.1051/0004-6361/201526433

Richards, G. T., Fan, X., Newberg, H. J., Strauss, M. A., Vanden Berk, D. E., Schneider, D. P., et al. (2002). Spectroscopic target selection in the sloan digital sky survey: the quasar sample. Astron. J. 123:2945. doi: 10.1086/340187

Richards, G. T., Fan, X., Newberg, H. J., Strauss, M. A., Vande Berk, D. E., Schneider1, D. P., et al. (2006). Spectroscopic target selection in the sloan digital sky survey: the quasar sample. Astron. J. 131, 2766�. doi: 10.1086/503559

Ross, N. P., Myers, A. D., Sheldon, E. S., Yຌhe, C., Strauss, M. A., Bovy, J., et al. (2012). The SDSS-III baryon oscillation spectroscopic survey: quasar target selection for data release nine. Astrophys. J. 199:3. doi: 10.1088/0067-0049/199/1/3

Ross, N. P., Shen, Y., Strauss, M. A., Vanden Berk, D. E., Connolly, A. J., Richards, G. T., et al. (2009). Clustering of low-redshift (z < = 2.2) quasars from the sloan digital sky survey. Astrophys. J. 697:1634. doi: 10.1088/0004-637X/697/2/1634

Röttgering, H., Afonso, J., Barthel, P., Batejat, F., Best, P., Bonafede, A., et al. (2011). LOFAR and APERTIF surveys of the radio sky: probing shocks and magnetic fields in galaxy clusters. J. Astrophys. Astron. 32, 557�. doi: 10.1007/s12036-011-9129-x

Salvato, M., Hasinger, G., Ilbert, O., Zamorani, G., Brusa, M., Scoville, N. Z., et al. (2009). Photometric redshift and classification for the XMM-COSMOS sources. Astrophys. J. 690, 1250�. doi: 10.1088/0004-637X/690/2/1250

Salvato, M., Ilbert, O., Hasinger, G., Rau, A., Civano, F., Zamorani, G., et al. (2011). Dissecting photometric redshift for active galactic nucleus using XMM- and chandra-COSMOS samples. Astrophys. J. 742:61. doi: 10.1088/0004-637X/742/2/61

Sandage, A., Véron, P., and Wyndham, J. D. (1965). Optical identification of new quasi-stellar radio sources. Astrophys. J. 142:1307. doi: 10.1086/148415

Schneider, D. P., Richards, G. T., Hall, P. B., Strauss, M. A., Anderson, S. F., Boroson, T. A., et al. (2010). The sloan digital sky survey quasar catalog. V. Seventh data release. Astron. J. 139:2360. doi: 10.1088/0004-6256/139/6/2360

Shimwell, T. W., Röttgering, H. J. A., Best, P. N., Williams, W. L., Dijkema, T. J., de Gasperin, F., et al. (2017). The LOFAR two-metre sky survey. I. Survey description and preliminary data release. Astron. Astrophys. 598:A104. doi: 10.1051/0004-6361/201629313

Smolčić, V., Novak, M., Bondi, M., Ciliegi, P., Mooley, K. P., Schinnerer, E., et al. (2017). The VLA-COSMOS 3 GHz large project: continuum data and source catalog release. Astron. Astrophys. 602:A1. doi: 10.1051/0004-6361/201628704

Tyson, J. A. (2002). Large synoptic survey telescope: overview. Proc. SPIE 4836, 10�. doi: 10.1117/12.456772

van Haarlem, M. P., Wise, M. W., Gunst, A. W., Heald, G., McKean, J. P., Hessels, J. W. T., et al. (2013). LOFAR: the LOw-Frequency ARray. Astron. Astrophys. A2:556. doi: 10.1051/0004-6361/201220873

Williams, W., Intema, H. T., and Röttgering, H. J. A. (2013). T-RaMiSu: the two-meter radio mini survey. I. The Boötes field. Astron. Astrophys. 549:A55. doi: 10.1051/0004-6361/201220235

Williams, W., van Weeren, R. J., Röttgering, H. J. A., Best, P., Dijkema, T. J., de Gasperin, F., et al. (2016). LOFAR 150-MHz observations of the Boötes field: catalogue and source counts. Month. Notices RAS 460:2385. doi: 10.1093/mnras/stw1056

Willott, C. J., Philippe, P., Omont, A., Bergeron, J., Delfosse, X., Forveille, T., et al. (2007). Four quasars above redshift 6 discovered by the Canada-France high-z quasar survey. Astrophys. J. 134, 2435�. doi: 10.1086/522962

Wright, E. L., Eisenhardt, P. R. M., Mainzer, A. K., Ressler, M. E., Cutri, R. M., Jarrett, T., et al. (2010). The wide-field infrared survey explorer (WISE): mission description and initial on-orbit performance. Astron. J. 140, 1868�. doi: 10.1088/0004-6256/140/6/1868

York, D. G., Adelman, J., Anderson, J. E., Scott, F., Annis, J., Bahcall, N. A., et al. (2000). The sloan digital sky survey: technical summary. Astron. J. 120, 1579�. doi: 10.1086/301513

Yຌhe, N. P., Petitjean, P., Rich, J., Aubourg, E., Busca, N., Hamilton, J.-C., et al. (2010). Artificial neural networks for quasar selection and photometric redshift determination. Astrophys. J. 523:A14. doi: 10.1051/0004-6361/200913508

Zeimann, G. R., White, R. L., Becker, R. H., Hodge, J. A., Stanford, S. A., and Richards, G. T. (2011). Discovery of a radio-selected z ˜ 6 quasar. Astrophys. J. 746:57. doi: 10.1088/0004-637X/736/1/57

Keywords: quasars, active galactic nuclei, surveys, radio, extragalactic astronomy, photometry, spectroscopy

Citation: Retana-Montenegro E and Röttgering H (2018) On the Selection of High-z Quasars Using LOFAR Observations. Front. Astron. Space Sci. 5:5. doi: 10.3389/fspas.2018.00005

Received: 31 July 2017 Accepted: 31 January 2018
Published: 06 March 2018.

Paola Marziani, Osservatorio Astronomico di Padova (INAF), Italy

Andjelka Branislav Kovacevic, University of Belgrade, Serbia
Daniela Bettoni, Osservatorio Astronomico di Padova (INAF), Italy

Copyright © 2018 Retana-Montenegro and Röttgering. This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY). The use, distribution or reproduction in other forums is permitted, provided the original author(s) and the copyright owner are credited and that the original publication in this journal is cited, in accordance with accepted academic practice. No use, distribution or reproduction is permitted which does not comply with these terms.


A near-infrared and UBVRI photometric analysis of the open cluster IC 361

A detailed optical and infrared photometric analysis of the open star cluster IC 361 is given in the present paper. On studying the radial density profile, radial extent of the cluster is found to be (8.0pm 0.5) arcmin. The basic physical parameters of the cluster such as (E(B-V) = 0.56pm 0.10) mag, (E(V-K)=1.72pm0.12) mag, (hbox =9.10pm 0.05) , and ((m-M)_ <0>= 12.54pm 0.05) mag are obtained using the colour–colour and colour–magnitude diagrams. IC 361 is found to be located at a distance of (3.22pm 0.07) kpc. Using the archival proper motion catalogues, we estimate the mean proper motions of IC 361 as (4.97pm 0.17) mas yr (^<-1>) and (<->,5.80pm 0.18) mas yr (^<-1>) in the direction of RA and Dec, respectively. A uniform distribution of mass between small scale and large scale is confirmed by MF slope of IC 361. However, the mass function slope of cluster region is found to be (-1.06pm 0.09) , which is too low compared to the Salpeter value. Our study is further showing a dynamical relaxation behaviour of the cluster IC 361.

Esta es una vista previa del contenido de la suscripción, acceda a través de su institución.


References

B Bellot, H. Hale: University College London, 1826-1926 Univ. of London Press Ltd., 1929.
D.N.B. Dictionary of National Biography.
D.L.U. Description of the London University, 1828 (College Archives).
W
Wood, D.O.: About the Physics Department, University College London
and those who worked therein, 1826-1950 (Typescript, College Archives).
K Ker, W.P.: Editor, Notes and Materials for the History of U. C. L. (College Archives).
PAG Porter, A.W.: Department of Physics (Typescript, College Archives).
GRAMO
Grant, W.: Manuscript dealing with the history of the College in general
and of the Physical Department in particular (College Archives).
H & N Harte, N. & North, J.: The World of University College London 1828-1978 Published by U.C.L.
M & R Massey, Sir Harrie & Robins, M.O.: History of British Space Research Cambridge Univ. Press 1986.
B.B.D.
Bates, Sir David Boyd, Sir Robert & Davis, D.G.: Harrie Stewart Wilson Massey, 1908-1983
Royal Society Biographical Memoir, Volume 30, November 1984.

Other:
College Archives consulted were Annual Reports from 1827 onwards Calendars - London University, 1831, UCL 1853/4 onwards Distribution of Prizes and Certificates of Honour, 1828/9-1851/2.
Manuscripts were Minutes, Council 1825-1907, then Committee 1908 onwards.
Apparatus Book, Natural Philosophy, 1827-30 Apparatus Book, 1862 and a somewhat earlier version thereof List of Physical Apparatus, 1866-73.
Attendance Register, 1881-92.
The Admission of Women to University College London A Centenary Lecture N.B.Harte, UCL 1979.
Department of Physics Research Reports (ed. M.J.B.Duff) 1964/5, 1965/6, 1966/7, 1967/8, 1968/9.
Numerous papers in Scientific Journals, some specified in the text, most not.
Department of Physics Newsletters (ed. D.G.Davis) No. 1-7, June 1970-April 1971.
Report of the ad hoc Committee on the Resources Survey and Headship of the Dept of Physics & Astronomy App. Executive Committee (D) 76/1/2.
Royal Society Obituary Notices:-
George Carey Foster 1835-1919, A.H.Fison.
Hugh Longbourne Callendar 1863-1930, S.W.J.S.
Frederick Thomas Trouton 1863-1922, A.W.Porter.
William Henry Bragg 1862-1942, E.N. da C. Andrade.
Alfred William Porter 1863-1939, A.O.Rankine.
Royal Society Biographical Memoirs:-
Edward Neville da Costa Andrade 1887-1971, A. Cottrell.
Eric Henry Stoneley Burhop 1911-1980, Sir Harrie Massey & D.H.Davis.
Harrie Stewart Wilson Massey 1908-1983, Sir David Bates, Sir Robert Boyd & D.G.Davis.

Other papers:-
Callendar, L.H. 1967: Professor H. L. Callendar, C.B.E., M.A., LL.D., F.R.S. (Life of father).
Phys. Bull., April, 1961, 87-90.
Andrade, E.N. da C. 1966: A physics research student at Heidelberg in the old days.
Physics Education, Vol.1, No.2, 69-78, July 1966.
Burhop, E.H.S. 1968: H.S.W.Massey - a sixtieth birthday tribute. Adv. Atomic Molec. Phys. 4, 1-11.
Bates, D.R. 1985: H.W.S.Massey, life, work, personality and characteristics. In 'Fundamental processes in atomic collision physics' (ed. H. Kleinpoppen) (Proc. NATO Summer School 1984) N.Y. Plenum Press.


Ver el vídeo: Redshift (Julio 2022).


Comentarios:

  1. Balfour

    Permites el error. Escríbeme en PM, hablaremos.

  2. Jeremi

    Lo siento, pero, en mi opinión, se cometen errores. Intentemos discutir esto. Escríbeme en PM, te habla.

  3. Cunningham

    De acuerdo, el notable pensamiento



Escribe un mensaje