[论文解读] WISE-2MASS all-sky infrared galaxy catalog for large scale structure

András Kovács, István Szapudi|arXiv (Cornell University)|Dec 31, 2013

Galaxies: Formation, Evolution, Phenomena被引用 1

一句话总结

本文通过结合WISE与2MASS的红外测光数据，利用支持向量机（SVM）和基于颜色的判别准则（尤其是W1−J）构建了一个鲁棒的全天球星系星表。该星表实现了高精度的恒星-星系分离，覆盖21,200平方度的天空区域，恒星污染率为1.2%，完整度达70.1%，适用于精确的大尺度结构与交叉相关研究。

ABSTRACT

We combine photometric information of the WISE and 2MASS all-sky infrared databases, and demonstrate how to produce clean and complete galaxy catalogs for future analyses. Adding 2MASS colors to WISE photometry improves star-galaxy separation efficiency substantially at the expense of loosing a small fraction of the galaxies. We find that 93% of the WISE objects within W1<15.2 mag have a 2MASS match, and that a class of supervised machine learning algorithms, Support Vector Machines (SVM), are efficient classifiers of objects in our multicolor data set. We constructed a training set from the SDSS PhotoObj table with known star-galaxy separation, and determined redshift distribution of our sample from the GAMA spectroscopic survey. Varying the combination of photometric parameters input into our algorithm we show that W1 - J is a simple and effective star-galaxy separator, capable of producing results comparable to the multi-dimensional SVM classification. We present a detailed description of our star-galaxy separation methods, and characterize the robustness of our tools in terms of contamination, completeness, and accuracy. We explore systematics of the full sky WISE-2MASS galaxy map, such as contamination from Moon glow. We show that the homogeneity of the full sky galaxy map is improved by an additional J<16.5 mag flux limit. The all-sky galaxy catalog we present in this paper covers 21,200 sq. degrees with dusty regions masked out, and has an estimated stellar contamination of 1.2% and completeness of 70.1% among 2.4 million galaxies with $z_{med}= 0.14$. WISE-2MASS galaxy maps with well controlled stellar contamination will be useful for spatial statistical analyses, including cross correlations with other cosmological random fields, such as the Cosmic Microwave Background. The same techniques also yield a statistically controlled sample of stars as well.

研究动机与目标

• 利用来自WISE和2MASS的多波段红外测光数据，创建一个完整且干净的全天球星系星表。
• 通过结合WISE和2MASS的测光颜色，提升恒星-星系分离效率，减少恒星污染。
• 开发并验证一种基于机器学习的分类方法（SVM），以在异质红外数据中实现可靠的源类型识别。
• 表征最终星系星表在宇宙学应用中的鲁棒性、完整度和污染水平。
• 支持空间统计分析，包括与宇宙微波背景等其他宇宙学场的交叉相关研究。

提出的方法

• 整合WISE和2MASS的全天球测光数据，构建多色数据集，用于星系与恒星的分类。
• 采用监督式机器学习方法，使用在已知恒星-星系分类的SDSS PhotoObj数据上训练的支持向量机（SVM）。
• 评估多种测光参数组合的性能，识别出W1−J作为高效且简单的恒星-星系分离指标。
• 应用J<16.5等视星等的通量限制，以提升全天球星系图的均匀性并减少系统误差。
• 利用GAMA光谱红移调查的红移分布验证污染率与完整度。
• 对尘埃遮蔽区域进行掩蔽，以提升数据质量，并确保全天范围内可靠源检测。

实验结果

研究问题

• RQ1 与仅使用WISE相比，结合WISE与2MASS测光数据在提升恒星-星系分离效果方面有多显著？
• RQ2 像W1−J这样的简单颜色判据能否实现与多维SVM分类相当的恒星-星系分离性能？
• RQ3 在不同天区，最终全天球星系星表的恒星污染率与完整度水平如何？
• RQ4 诸如月光辉光等系统误差如何影响全天球星系图的均匀性与可靠性？
• RQ5 应用J<16.5等视星等的通量限制在多大程度上提升了星表的均匀性与科学实用性？

主要发现

• 93%的WISE源在W1<15.2等视星等条件下具有2MASS对应体，支持有效交叉匹配以提升分类性能。
• 仅使用W1−J颜色指数即可实现与多维SVM分类相当的恒星-星系分离性能。
• 最终的全天球星系星表覆盖21,200平方度，恒星污染率为1.2%，在240万个星系中完整度达70.1%。
• 星系样本的中值红移为z_med = 0.14，表明其为低至中等红移星系的代表性样本。
• 应用J<16.5等视星等的通量限制显著提升了全天球星系图的均匀性，减少了系统误差。
• 该星表适用于空间统计分析，包括与宇宙微波背景等宇宙学场的交叉相关研究。