[论文解读] A self-consistent public catalogue of voids and superclusters in the SDSS Data Release 7 galaxy surveys

S. Nadathur, Shaun Hotchkiss|arXiv (Cornell University)|Oct 10, 2013

Galaxies: Formation, Evolution, Phenomena被引用 2

一句话总结

本文提出了一套自洽的、公开可获取的宇宙空洞与超星系团目录，基于SDSS数据发布7（DR7）星系巡天，采用改进的分水岭变换算法，修正了先前基于ZOBOV目录的缺陷，包括将高密度区域误识别为空洞的问题。新方法正确处理了巡天边界、掩膜及径向选择函数，从而实现了大尺度结构的可靠宇宙学分析。

ABSTRACT

The study of the interesting cosmological properties of voids in the Universe depends on the efficient and robust identification of such voids in galaxy redshift surveys. Recently, Sutter et al. (2012) have published a public catalogue of voids in the Sloan Digital Sky Survey Data Release 7 main galaxy and luminous red galaxy samples, using the void-finding algorithm ZOBOV, which is based on the watershed transform. We examine the properties of this catalogue and show that it suffers from several problems and inconsistencies, including the identification of some extremely overdense regions as voids. As a result, cosmological results obtained using this catalogue need to be reconsidered. We provide instead an alternative, self-consistent, public catalogue of voids in the same galaxy data, obtained from using an improved version of the same watershed transform algorithm. We provide a more robust method of dealing with survey boundaries and masks, as well as with a radially varying selection function, which means that our method can be applied to any other survey. We discuss some basic properties of the voids thus discovered, and describe how further information may be obtained from the catalogue. In addition, we apply an inversion of the algorithm to the same data to obtain a corresponding catalogue of large-scale overdense structures, or superclusters. Our catalogues are available for public download at this http URL.

研究动机与目标

• 识别并修正先前发布的基于ZOBOV的空洞目录中的系统性误差，该目录错误地将高密度区域识别为空洞。
• 开发一种更鲁棒的空洞探测算法，能够正确处理星系红移巡天中的巡天边界、掩膜及径向变化的选择函数。
• 为SDSS DR7主星系样本与明亮红星系样本生成一份公开可获取的、自洽的空洞及其对应超星系团目录。
• 通过提供一种适用于具有类似观测复杂性的任何星系巡天的方法，实现对大尺度结构的可靠宇宙学研究。

提出的方法

• 将改进后的ZOBOV分水岭变换算法应用于SDSS DR7星系巡天数据，以识别三维星系分布中的空洞。
• 该方法对巡天边界和几何掩膜进行了精细化处理，防止在巡天边缘产生人为空洞。
• 显式建模并校正了径向选择函数，确保在不同巡天深度和完整度下均能准确检测空洞。
• 将算法反向应用，以在相同数据集中识别大尺度高密度结构（即超星系团），从而生成互补的目录。
• 整个流程设计为模块化且可迁移，可适用于具有类似观测特征的其他星系红移巡天。
• 最终生成的空洞与超星系团目录已公开发布，供社区使用及进一步宇宙学分析。

实验结果

研究问题

• RQ1 为何原始的SDSS DR7中基于ZOBOV的空洞目录会错误地将高密度区域识别为空洞？
• RQ2 如何改进空洞探测算法，以正确处理星系红移巡天中的巡天边界与掩膜？
• RQ3 径向变化的选择函数对空洞检测有何影响？应如何正确校正？
• RQ4 能否将同一算法反向应用，以可靠地识别同一数据中的大尺度高密度结构（即超星系团）？
• RQ5 新空洞与超星系团目录在一致性与宇宙学实用性方面，与原始目录相比有何差异？

主要发现

• 原始的基于ZOBOV的空洞目录存在系统性误差，包括将高度高密度区域误识别为空洞，这使得基于该目录的宇宙学结果无效。
• 改进后的算法通过正确建模巡天几何、掩膜及选择函数，成功避免了对高密度区域的误分类。
• 新空洞目录具有自洽性且公开可获取，为SDSS DR7巡天中宇宙空洞的可靠统计分析提供了基础。
• 反向算法生成了对应且一致的超星系团目录，使低密度与高密度大尺度结构可联合研究。
• 该方法具有通用性，可应用于任何具有类似观测复杂性的星系红移巡天，显著提升其广泛适用性。
• 新目录为未来大尺度结构的宇宙学研究（包括空洞统计与空洞-星系偏置）提供了坚实基础。