Sohn2023HectoMAPCompleteRedshift

  • gemini https://aistudio.google.com/prompts/1A3x6IZQnTX6smLAS1nyZgopmhQBvQHCE
  • 介绍 HectoMAP DR2 的 technical paper,可以作为一个 bookmark
  • 基本信息和 Sohn2021HectoMAPClusterSurvey 类似
    • 200-250、42.5-44、红移中位数 0.31、数密度 2000 deg-2
    • Hectospec 包括 300 根光纤,光谱分辨率是 6A,波长覆盖是 3700-9100A,FOV 直径 1deg
    • 对 r-band 亮于 20.5 mag 的对象选择标准是 $g-r>1.0$,对更暗的对象额外加一个 $r-i>0.5$ 的颜色筛选
    • 观测时间是 2009-2019
  • 主要关注 data access

Brief #

  • 从 HectoMAP DR2(为什么是 DR2?)的光谱数据中计算了 spec-z、D4000、恒星质量,这个数据是 available 的
  • 很多地方需要警惕和注意
    • z<0.2 下用颜色筛选不能选出所有的 quiescent 星系
    • HSC 和 SDSS 的 photometry 存在差异:HSC 在亮端更暗、暗端更亮,并且对蓝星系的颜色测量更红

Intro #

  • survey 更关注红色星系:这里用 SHELS 作为对比
  • 主要的科学目标是 quiescent galaxy、cluster、cosmic web
  • 很大的一个优势来自和 HSC-SSP 的重叠
  • 全部数据包括 95k 星系的红移

Data #

  • SDSS DR16 和 HSC-SSP PDR3 的测光数据分别用于 target selection 和对比验证
    • SDSS 数据经过了 extendedness、flag 和星等的筛选,亮度和颜色 mag 分别选择 Petrosian 以及 model magnitude
    • HSC PDR3 对 HectoMAP 在 gri 上是全覆盖的,另外两个波段大约有 80%
  • 光谱数据中 93% 来自 MMT/Hectospec,其余来自 BOSS 以及 NED 数据库 
    • fig1 提供了全部光谱数据的 magnitude 以及红移分布,蓝色和红色分别来自 SDSS 和 BOSS
  • tab1 提供了不同限制条件下的 completeness

Catalog #

  • 从光谱中得到 D4000、stellar mass 以及 k-correction 三个物理量
  • D4000 计算为 4000-4100A 和 3850-3950A 的平均 flux 之比,并且用 D4000>1.5 作为筛选 quiescent galaxy 的标准
    • 对应波段的信噪比大约是 4.5
    • fig2 中可以看出 D4000 的 bimodal 分布,panel b 展示了两个颜色筛选标准叠加的效果:主要筛选出了红色星系
  • stellar mass 的计算依靠 SED fitting,数据使用的是 SDSS ugriz magnitude
    • Le PHARE、BC03 model、Chabrier IMF
    • fig3 展示了 stellar mass 的整体分布:stellar mass 和 D400 之间有正相关关系
  • k-correction 用的是 kcorrect IDL package,结果展示在 fig4 中
  • tab3 包括了全部数据产品,每一个星系除了基本的(SDSS/HSC)测光信息之外还包括来自光谱数据的光谱红移、D4000、恒星质量三列

Completeness #

  • fig5/6 展示了 SDSS/BOSS only 和加入 HectoMAP 之后的 cone diagram 的对比
  • fig7 展示了整体的 completeness,黑色/红色代表一层/两层颜色筛选下的完备度
    • fig8 说明 completeness 没有空间的变化,除了 240-242 区域属于巡天的先导区域数据质量略高以及边缘区域分配的观测时间略少于中间区域
  • fig9 对比了 SHELS/F2 和 HectoMAP 的 CDF
    • D4000 相比测光颜色来说更能说明星系是否是 quiescent galaxy,一部分星系是 D4000 quiescent 但是 g-r 颜色还没有变红的
    • recovery fraction $f_c$ 定义为真正的 quiescent galaxy 和颜色筛选的红色星系的数目对比,在低于 0.2 时比较低,但是对于高红移基本都在 97% 以上
      • 原因可能是对于高红移星系更多观测到的是大质量星系,更可能同时具有两个特征;而在低红移可以看到很多 D4000 已经足够 quiescent 但是颜色还不够红的,所以颜色筛选会漏掉(对 HectoMAP 来说大约 30%)

HSC as reference #

  • fig10 对比了 SDSS 和 HSC cmodel mag 的差异
    • 对明亮星系(r<19)HSC 的 g/r band mag 都更暗,因为 hscPipe deblending 会过度扣除周围的 diffuse light
    • 对暗弱星系 HSC 更亮,因为深度更深可以探测到星系外围区域的光
    • 在 18-21 mag 范围内差异大概在 0.05 mag 量级,可以忽略
  • fig11 对比了 g-r 颜色的差异,对于蓝色星系 HSC 更红,而对红色星系二者颜色测量类似
  • fig12: HectoMAP 以 HSC 为参考下的 completeness 和 SDSS 为参考的没有太大差异,解释为统计的动态平衡(只有 80% SDSS red galaxy 满足 HSC 的标准)

Redshift comparison #

  • fig13 比较 HSC DEmP photo-z 和 HectoMAP spec-z,bias 和 scatter 分别是 0.006 和 0.050
    • 从这里可以看出来 spec-z 在 0.2-0.4 之间有一些集聚,这些星系的 photo-z 估计散落在 0.3-0.6 之间
  • fig14 包含了 photo-z 性能的三个指标,这里实线和散点分别来自 DR2/3

Application #

  • 提到了检验 redMaPPer 以及用 FoF 进行独立搜索的两篇文章
  • 另外的应用包括
    • 追踪 cluster 外围的 infall region、测量 growth rate
    • 借助 HSC 测量 strong/weak lensing:fig15 展示了 8 个 SL system,这些 cluster 位于 HectoMAP FoF cluster catalog 中

Conclusion #

  • 2016 的 DR1 仅发布了其中 8.7deg2 的数据,这里的 DR2 是全部数据
  • 对亮/暗样本(以 r-band 20.5 mag 为界)的完备度分别是 81% 和 72%
  • DESI BGS 的光谱密度大约是 864 deg-2,在这个天区是低于 HectoMAP 的

Thoughts #

  • k-correction 主要目的是计算某个静止波段下的 flux
  • 可以用这里的 spec-z(还有 SDSS DR17)对 DESI 进行补充,光谱数据应该还是越多越好的