[論文レビュー] Galaxy clusters in the CFHTLS. First matched filter candidate catalogue of the Deep fields

L. F. Olsen, Christophe Benoıst+7 more|arXiv (Cornell University)|Sep 29, 2006

Galaxies: Formation, Evolution, Phenomena参考文献 6被引用数 22

ひとこと要約

本論文は、CFHTLSディープフィールドからの最初のマッチドフィルタークラスターキャンディデートカタログを提示する。iバンド画像を用いて3.112平方度の領域に162個の銀河クラスタを検出しており、中央赤方偏移はz=0.6である。この手法は、z≈0.7まででリッチネスクラスR≥1のクラスタに対して約90％の完全性を達成しており、赤方偏移は平均でΔz≈0.1過剰に推定される。これにより、クラスタの進化と高赤方偏移における低リッチネス集団の poorly sampledな状態を、信頼性高く調査できる。

ABSTRACT

We apply a matched-filter cluster detection algorithm to the Canada-France-Hawaii Telescope Legacy Survey (CFHTLS) i-band data for the Deep-1, Deep-2, Deep-3 and Deep-4 fields covering a total of 4square degrees. To test the implemented procedure we carry out simulations for assessing the frequency of noise peaks as well as estimate the recovery efficiency. We estimate that up to z~0.7 the catalogue is essentially complete for clusters of richness class R>~1. The recovered redshifts are in general overestimated by dz=0.1 with a scatter of sigma_dz~0.1, except at redshifts z>~1 where the estimated redshifts are systematically underestimated. The constructed cluster candidate catalogue contains 162 detections over an effective area of 3.112 square degrees corresponding to a density of ~52.1 per square degree. The median estimated redshift of the candidates is z=0.6. The estimated noise frequency is 16.9+-5.4 detections per square degree. From visual inspection we identify systems that show a clear concentration of galaxies with similar colour. These systems have a density of ~20 per square degree.

研究の動機と目的

• CFHTLS調査における深紫外光学画像から、均一で大規模な銀河クラスタ候補カタログを構築すること。
• ノイズと異なるクラスターリッチネスの下で、マッチドフィルタークラスタ検出アルゴリズムの信頼性と完全性を評価すること。
• 検出手法の赤方偏移およびリッチネス回復性能を特徴づけ、宇宙論的応用を可能にすること。
• 誤検出の割合を特定・定量し、視覚的確認済みのクラスターシステムを同定すること。
• X線で選別されたクラスタと比較することで、選別関数バイアスと相補性を評価すること。

提案手法

• CFHTLSディープフィールド（ディープ-1からディープ-4）のiバンド画像にマッチドフィルタークラスタ検出アルゴリズムを適用し、4平方度をカバーする。
• ノイズピーク（誤検出）率と回復効率を、赤方偏移およびリッチネスの関数として推定するため、シミュレーテッドデータを用いる。
• 銀河の色-赤方偏移関係を用いて、クラスタ候補の光度赤方偏移を推定し、系統的オフセットを補正する。
• 空間的凝集性と色の一貫性が明確なシステムを視覚的検査により同定し、偽陽性と真のクラスタを区別する。
• 光学クラスターサンプルとXMM-LSS X線クラスターサンプルを比較し、クロス識別と選別関数の違いを評価する。
• シミュレートされたクラスタ回復率に基づき、リッチネスクラスR≥1の閾値を用いて完全性の限界を定義する。

実験結果

リサーチクエスチョン

• RQ1 マッチドフィルタークラスタ検出手法は、CFHTLSディープフィールドにおいて、異なるリッチネスおよび赤方偏移のクラスタに対してどの程度の完全性を示すか？
• RQ2 検出されたクラスタ候補の光度赤方偏移推定値はどの程度正確か？赤方偏移回復における系統的バイアスは何か？
• RQ3 ノイズフラクチュエーションによる誤検出の割合はどれくらいか？視覚的確認済みシステムと比較するとどうなるか？
• RQ4 重複領域における検出クラスターサンプルの性質は、X線で選別されたサンプルとどのように異なるか？
• RQ5 光学検出手法はどの程度、高赤方偏移（z>0.7）における低リッチネスクラスタを追跡できるか？また、これまの調査と比較するとどうなるか？

主な発見

• カタログには有効面積3.112平方度にわたり162のクラスタ候補が含まれており、密度は1平方度あたり52.1 ± 7.8個に相当する。
• 誤検出率の推定値は1平方度あたり16.9 ± 5.4個であり、凝集性のないシステムの視覚的検査と整合的である。
• リッチネスクラスR≥1のクラスタに対して、z≈0.7までで約90％の完全性を示すが、z≈1.2を過ぎると回復効率が急激に低下する。
• 光度赤方偏移は平均でΔz ≈ 0.1過剰に推定されるが、σΔz ≈ 0.1の散らばりを示し、その後続分析で補正可能である。
• 視覚的確認済みで凝集性のあるシステムは、類似した銀河色を持つが、密度は約1平方度あたり20個にとどまり、信頼性の高い検出のサブセットを示している。
• 光学クラスターサンプルは、以前のマッチドフィルター・カタログと比較して、より高い赤方偏移における貧弱なシステムを追跡でき、クラスタ成長と進化に関する新たな知見を提供している。