[논문 리뷰] Assessing Galaxy Limiting Magnitudes in Large Optical Surveys

E. S. Rykoff, Eduardo Rozo외 1명|arXiv (Cornell University)|2015. 09. 02.

Galaxies: Formation, Evolution, Phenomena인용 수 25

한 줄 요약

이 논문은 광학적 복합 촬영 설문조사에서 공간적으로 해상도가 높은 은하 한계 등급을 추정하기 위한 데이터 기반 방법을 제시한다. 이는 복합 촬영 오차를 등급과 설문조사 깊이의 함수로 모델링함으로써 이루어지며, SDSS DR8와 더 깊은 Stripe 82 데이터를 사용하여 시스템적 오차(예: 분선, 천체배경 밝기 등)에 기반한 기계학습을 적용해 고해상도의 깊이 지ap을 재구성한다. 이를 통해 설문조사 한계 근처에서 은하 탐지 완전성의 정확한 추정과 상관 함수 측정을 위한 개선된 무작위 카탈로그 생성이 가능해진다.

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.

연구 동기 및 목표

• 크고 변동성이 있는 설문조사 깊이로 인해 은하 탐지 완전성과 상관 함수 측정에 영향을 미치는 문제를 해결하기 위해.
• 분선과 천체배경 밝기와 같은 시스템적 오차의 공간적 변동성을 고려한 실용적이고 경험적인 은하 한계 등급 추정 방법을 개발하기 위해.
• 설문조사 한계 근처의 은하에 대한 탐지 완전성 모델링을 정확히 가능하게 하는 고해상도 깊이 지도를 생성하기 위해.
• 이러한 지도가 깊이가 변동하는 설문조사에서 설문조사 한계 근처의 상관 함수 추정을 위한 편향 없는 무작위 카탈로그 생성에 어떻게 유용한지 보여주기 위해.
• 현재와 향후의 설문조사(예: DES, LSST)에 적용 가능한 일반화 가능한 프레임워크를 제공하기 위해.

제안 방법

• 은하 카탈로그에서 관측된 (m, Δm) 쌍을 사용하여 복합 촬영 등급 오차 σm을 은하 등급 m과 설문조사 한계 등급 m_lim의 함수로 모델링한다. σm = g(m|m_lim)으로 표현한다.
• 공간 픽셀 단위로 은하 데이터에 오차 모델을 적합시켜 m_lim를 각 픽셀의 자유 매개변수로 간주함으로써 조각별로 한계 등급을 추정한다.
• 세부 시스템적 오차 지도(예: 천체배경 노이즈, PSF 크기, 노출 시간 등)를 함수로 하여 m_lim를 모델링하기 위해 기계학습(예: 회귀)을 사용하여 고해상도 깊이 지도를 재구성한다.
• 더 깊은 누적 이미징(예: SDSS Stripe 82, CFHTLens)을 사용하여 지역 설문조사 깊이에 따른 은하 탐지 완전성을 함수로 校정한다.
• 깊이 지도와 완전성 함수를 조합하여 무작위 카탈로그 생성을 위한 공간적으로 변화하는 선택 함수를 생성한다.
• BOSS DR8에 이 방법을 적용하여 설문조사 한계 근처에서 상관 함수 추정이 향상됨을 보여줌으로써 방법을 검증한다.

실험 결과

연구 질문

• RQ1 변동성이 있는 깊이를 가진 대규모 복합 촬영 설문조사에서 어떻게 고공간 해상도로 은하 한계 등급을 추정할 수 있는가?
• RQ2 넓은 천체 영역 설문조사에서 분선과 천체배경 밝기와 같은 시스템적 오차가 복합 촬영 깊이의 변동성과 얼마나 관련이 있는가?
• RQ3 실제 은하 데이터로부터 복합 촬영 오차 모델을 사용하여 설문조사 파트의 국지적 한계 등급을 유추할 수 있는가?
• RQ4 은하 탐지 완전성은 국지적 설문조사 깊이에 따라 어떻게 변화하며, 이를 정확하게 매개변수화할 수 있는가?
• RQ5 깊이 지도와 완전성 함수를 사용하여 설문조사 한계 근처의 상관 함수 측정을 위한 편향 없는 무작위 카탈로그를 생성할 수 있는가?

주요 결과

• 시스템적 오차 지도에 기반한 기계학습을 적용하여 설문조사의 어느 지점이라도 약 2% 이내의 정확도로 설문조사 깊이를 재구성할 수 있다.
• SDSS DR8에서의 은하 탐지 완전성은 국지적 한계 등급에 따라 잘 설명되는 단순한 매개변수 함수로 잘 기술된다.
• 깊이 지도를 통해 공간적으로 변화하는 깊이와 완전성을 고려한 무작위 카탈로그를 제작할 수 있었으며, 이는 설문조사 한계 근처에서 상관 함수 추정을 크게 향상시켰다.
• 이 방법은 강건하고 일반화 가능하며, 타일링과 칩 갭으로 인해 깊이 변동이 심한 미래 설문조사(예: DES, LSST)에 직접 적용 가능하다.
• 깊이가 변동하는 설문조사에서 상관 함수 측정에 대해 균일한 무작위 샘플링보다 성능이 뛰어나며, 특히 어두운 은하에 대해 유의미하게 개선된다.
• 저자들은 SDSS DR8에 대해 HEALPix 형식(NSIDE=2048)으로 깊이 지도를 공개하여 천체물리학 분석 분야 전반에서의 활용을 가능하게 하였다.