[論文レビュー] Assessing Galaxy Limiting Magnitudes in Large Optical Surveys

E. S. Rykoff, Eduardo Rozo+1 more|arXiv (Cornell University)|Sep 2, 2015

Galaxies: Formation, Evolution, Phenomena被引用数 25

ひとこと要約

本論文は、光度誤差を大きさと調査深度の関数としてモデル化することで、大規模な光度調査における空間的に分解能の高い銀河の限界等級を推定するデータ駆動型手法を提示する。SDSS DR8とより深いStripe 82データを用い、観測系の系統誤差（例：見かけの広がり、空の明るさ）に機械学習を適用して高解像度の深度マップを再構築することで、限界付近の銀河検出完全性の正確な推定と、相関関数測定に適したランダムカタログの改善が可能になる。

ABSTRACT

Large scale structure measurements require accurate and precise knowledge of the survey depth --- typically expressed in the form of a limiting magnitude --- as a function of position on the sky. To date, most surveys only compute the point-source limiting magnitude measured within a fixed metric aperture. However, this quantity is ill suited to describe the limiting depth of galaxies, which depends on the detailed interplay of survey systematics with galaxy shapes and sizes. We describe an empirical method for directly estimating the limiting magnitude for large photometric surveys, and apply it to $\sim10,000\,\mathrm{deg}^{2}$ of SDSS DR8 data. Combined with deeper imaging from SDSS Stripe 82 and CFHTLens, we are able to use these depth maps to estimate the location-dependent galaxy detection completeness at any point within the full BOSS DR8 survey region. We show that these maps can be used to construct random points suitable for unbiased estimation of correlation functions for galaxies near the survey limiting magnitude. Finally, we provide limiting magnitude maps for galaxies in SDSS DR8 in HEALPix format with NSIDE=2048.

研究の動機と目的

• 大規模な光度調査における変動する調査深度が銀河検出完全性と相関関数測定に与える影響に対処すること。
• 見かけの広がりや空の明るさなどの系統誤差の空間的変動を考慮した、実験的で実用的な銀河限界等級推定手法の開発。
• 限界付近の銀河の検出完全性を正確にモデル化できるように、高解像度の深度マップの作成。
• これらのマップが、深度が変動する調査における、限界付近での偏りのないランダムカタログ作成にどのように有用であるかを示すこと。
• 現在および将来の光度調査（例：DES や LSST）に一般化可能なフレームワークを提供すること、特にタイリングやチップギャップによる深度変動が顕著な調査に応用可能である。

提案手法

• 銀河カタログからの観測された (m, Δm) ペアを用い、光度誤差 σm を銀河の大きさ m と調査の限界等級 m_lim の関数としてモデル化する。σm = g(m|m_lim) と表記する。
• 空間ピクセルごとに銀河データに誤差モデルを適合させ、m_lim を自由パラメータとして各ピクセルごとに推定することで、粗いスケールの限界等級を求める。
• 詳細な系統誤差マップ（例：空のノイズ、PSFサイズ、露光時間）を変数として用い、m_lim を関数としてモデル化する機械学習（例：回帰）を用いて、高解像度の深度マップを再構築する。
• より深い合成画像（例：SDSS Stripe 82、CFHTLenS）を用いて、局所的な調査深度に応じた銀河検出完全性をキャリブレーションする。
• 深度マップと完全性関数を組み合わせ、ランダムカタログ作成のための空間的に変化する選択関数を構築する。
• BOSS DR8にこの手法を適用し、光度限界付近での相関関数推定が改善されることを示して、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 大規模な光度調査において、変動する深度を持つ場合に、空間的に高い分解能で銀河の限界等級をどのように推定できるか？
• RQ2 見かけの広がりや空の明るさといった系統誤差が、広域調査における光度深度の変動とどの程度相関しているか？
• RQ3 光度誤差モデルを用いて、実際の銀河データから調査ピースの局所的限界等級を推定できるか？
• RQ4 銀河検出完全性は局所的な調査深度にどのように依存するか、そして正確にパラメータ化できるか？
• RQ5 深度マップと完全性関数を用いて、調査限界付近での相関関数測定に適した偏りのないランダムカタログを生成できるか？

主な発見

• 系統誤差マップに機械学習を適用することで、調査内の任意の点について、深度を約2%の精度で再構築できる。
• SDSS DR8における銀河検出完全性は、局所的な限界等級に依存する単純なパラメトリック関数でよく記述できる。
• 深度マップにより、空間的に変化する深度と完全性を考慮したランダムカタログの構築が可能となり、特に調査限界付近での相関関数推定が顕著に改善される。
• この手法は頑健で一般化可能であり、タイリングやチップギャップによる深度変動が顕著な将来的な調査（例：DES や LSST）への直接応用が可能である。
• 特に暗い銀河の対象において、深度が変動する調査では、均一なランダムサンプリングを上回る性能を示す。
• 著者らは、SDSS DR8のためのHEALPix形式（NSIDE=2048）の深度マップを公開しており、宇宙論的解析におけるコミュニティ全体の利用を可能にしている。