Sohn2018HectoMAPClusterSurvey
Brief
#
- 用 HectoMAP 红移巡天的数据对 redMaPPer R16 catalog 进行了分析，对 member galaxy 进行了光谱数据的证认
- 在 Rv diagram 和 red sequence 两个参数空间中对比了真实/虚假成员星系的分布
- 发现 pmem 有高估高概率、低估低概率的趋势，this work 根据光谱给出的真实的成员概率进行了 pmem 和 richness 的修正
Intro
#
- optical cluster finder 可以用 photo-z 消除一部分投影效应的影响，但是很难完全消除
- Rines 2017 通过光谱数据发现 redMaPPer 对高概率星系的成员概率有高估，对低概率星系的成员概率有低估
Data
#
- HectoMAP 巡天覆盖的范围是 200-250 和 42.5-44，红移数据的密度很高（2000 deg-2），红移的中位数是 0.39
- 主要观测目标是红色星系，密度达到 1200 deg-2
- 颜色筛选条件是 $g-r > 1.0$ 和 $r-i > 0.5$，这个条件对于 $z<0.2$ 的红色星系适用
- 星等筛选是 petro r-band mag 亮于 21.3，在这个区间内有 98% 的 completeness (fig1 upper panel)
- 目标选择根据 SDSS DR9 catalog 进行
- 仪器是 MMT/Hectospec，具有 300 根光纤和 1 平方度的视场
- 光谱覆盖 3700-9150A，分辨率是 6.2A（大概 600-1500）
- 通过人工检查判断光谱质量，仅使用高质量光谱
- HSC 的公开图像在当时仅覆盖了 7% 的面积以及 15 个 redMaPPer cluster（引用的是 PDR1 的文章）
- Tab1 对比了多个 cluster catalog 在这个天区的覆盖，数量最多的是 Wen & Han (544)，最少的是 redMaPPer (104)
- 数量对比没有意义，因为 threshold 很难统一
- 用的 redMaPPer catalog 是 R16 版本的
HectoMAP-red clusters
#
- richness 使用了 20 作为下限，一共有 104 个
- fig2 对比了「使用 redMaPPer redshift 以及使用经过校正的 spec-z 下的 redMaPPer cluster 红移分布」和「HectoMAP 所有红色星系的红移分布」
- tab2/3 描述了作为分析起始点的两个数据表格
- tab2 中只有 a 是 redMaPPer 自带的列
- fig3 给出在 HSC 中有覆盖的 15 个 cluster 的图像（排列顺序是红移从低到高），个别系统从图像上来看实际 richness 没有 redMaPPer richness 那样高（比如右上角的 1 个和左下的 2 个）
- HectoMAP 对于大多数 cluster 中成员星系的覆盖率都在 50% 以上，并且对覆盖率和红移/richness 没有明显依赖（fig4）
- 用 R-v diagram 来确定成员（其实就是用光谱红移定视线方向的位置？），具体来说要求投影距离小于 1.5Mpc 以及速度差小于 2000 kms
- 投影距离非常宽松，相当于 richness 高于 700 的 cluster 的 radius
- 这个速度差相当于固定的红移差值 $\Delta z=1 /150$ 而不是相对红移误差
- 用成员星系的 spec-z 平均重新计算 cluster spec-z，和原先红移的比较展示在 fig5 中
- fig6 给出了 15 个 HSC cluster 的 R-v diagram（全部的 Rv diagram 在 appendix 中）
- 灰色区域是 redMaPPer 提供的红移不确定度（但是以 cluster spec-z 为中轴绘制？），蓝色虚线是 redMaPPer 的 cluster redshift
- fig7 中包含了四个因为 projection effect 导致 richness 高估的例子，主要的错漏就是在 y-axis 或者视线方向上
- fig8 中绘制了 15 个 cluster 中的 red sequence
- shaded region 的宽度是 ±0.2 mag，这里假定 slope 是 -0.04 然后用 spec confirmed member 拟合出一条 red sequence
Discussion
#
- redMaPPer 的成员中通过光谱确认的比例大约是 59%（fig9），但是这个比例随着 Pmem 的截断阈值升高而升高（fig10）
- fig11 表明 redMaPPer 对成员概率的估计是过于极端的，存在类似「将 0.2-0.8 的分布拉伸到 0.0-1.0」的偏差
- 修正公式是 $p_\mathrm{mem}’=0.25 + 0.66 p_\mathrm{mem}$
- 从 HeCS 中得到了更加 mild 的关系
- 根据对 p_mem 的修改也进行了相应的对 richness 的修改
- fig12/13 展现了原始 richness (with or without scale factor) 和成员星系数量（upper）、修正后的 richness（bottom）的关系
- 其实直接用不加 scale factor 的 richness 反而表现更好，因为 scale factor 的估计是有很大问题的
- 换句话说这里的「修正」起到的效果类似把 scale factor 给补偿回去，或者 pmem 的高估/低估和使用 scale factor 在某种意义上是同一件事？
- 通过和 X-ray (ROAST) catalog 的比对发现 3 个 X-ray source 在 redMaPPer 中没有被找到（fig14，其中有一个红移 0.03 的 source 不计入）
- 通过 private communication 确认这些 source 存在于 lambda > 5 的 redMaPPer (private) catalog 中
- public catalog 确实只包含了 20 截断的
- 这个图的 color map 可以作为一个 reference，似乎只是把红移测量以散点图的形式放上去就自然产生了 cosmic web/filament 的效果
Thoughts
#
- 也许可以用全套 forward modeling 对实际成员星系和噪声进行同步的建模和参数拟合，可以替代 bkg subtraction（也许也可以解决 projection effect 的问题）
- 对 redMaPPer 进行光谱校验的最近期 paper 是 DESI 给出的：Myles2025SpectroscopicCharacterizationRedMaPPer
- DESI 的覆盖密度相比 HectoMAP 的提升幅度如何？
- 看到一半发现仪器和 Sohn2020VelocityDispersionsBrightest 是同一个（MMT/Hectospec, 6.5m），作者也一样
- 光谱得到的视向速度/红移应该是同一件事吧？可以认为视向速度包括了运动学信息吗？
- 这里的 tab2 和 tab3（以及 HectoMAP DR2 的数据）都可以在 CDS 上找到，可以和 HSC redMaPPer run 的结果进行对照
- 这个 60% 的比例其实是没有太大意义的，因为可能把很低 pmem 的也计入进去了