[论文解读] 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 25

一句话总结

本文提出一种数据驱动方法，通过建模星等与观测深度相关的光度误差，估算大规模测光巡天中空间分辨的星系极限星等。利用SDSS DR8和更深的Stripe 82数据，通过机器学习方法对系统性因素（如视宁度、天空亮度）进行建模，重建高分辨率深度图，从而实现对星系检测完整性的精确估计，并改进巡天极限附近相关函数测量的随机星表生成。

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.

研究动机与目标

• 解决大规模测光巡天中观测深度变化带来的挑战，该挑战影响星系检测的完整性与相关函数测量。
• 开发一种实用的、基于经验的方法，估算星系极限星等，同时考虑视宁度和天空亮度等系统性因素的空间变化。
• 生成高分辨率深度图，以实现对巡天极限附近星系检测完整性的精确建模。
• 展示这些深度图在生成无偏随机星表方面的实用性，以用于深度变化巡天中相关函数的估计。
• 提供一种可推广的框架，适用于当前及未来的测光巡天（如DES和LSST），这些巡天中深度变化显著。

提出的方法

• 通过SDSS DR8和Stripe 82等数据中观测到的(m, Δm)配对，建立光度误差σm关于星等m和巡天极限星等m_lim的函数关系σm = g(m|m_lim)。
• 通过将误差模型拟合到空间像素中的星系数据，将m_lim作为每个像素的自由参数，估算粗粒度的极限星等。
• 利用机器学习（如回归）方法，将m_lim建模为详细系统性因素图（如天空噪声、PSF大小、曝光时间）的函数，重建高分辨率深度图。
• 利用更深度的叠加图像（如SDSS Stripe 82、CFHTLenS）校准星系检测完整性与局部巡深的关系。
• 结合深度图与完整性函数，生成用于随机星表生成的空间可变选择函数。
• 通过将该方法应用于BOSS DR8验证其有效性，证明其在光度极限附近显著提升了相关函数的估计精度。

实验结果

研究问题

• RQ1 在深度变化的大型测光巡天中，如何以高空间分辨率估算星系极限星等？
• RQ2 视宁度和天空亮度等系统性因素在大视场巡天中与光度深度变化的相关程度如何？
• RQ3 能否利用光度误差模型，从真实星系数据中推断出巡天区域的局部极限星等？
• RQ4 星系检测完整性如何随局部巡深变化？能否被准确参数化？
• RQ5 能否利用深度图与完整性函数生成无偏随机星表，以用于巡天极限附近的关联函数测量？

主要发现

• 该方法通过将机器学习应用于系统性因素图，可将巡天任意位置的深度重建精度控制在约2%以内。
• SDSS DR8中的星系检测完整性可用一个依赖于局部极限星等的简单参数函数良好描述。
• 深度图使得能够构建考虑空间变化深度与完整性的随机星表，显著提升了在巡天极限附近的关联函数估计精度。
• 该方法具有鲁棒性和可推广性，可直接应用于未来深度变化显著的巡天（如DES和LSST），这些巡天因拼接和探测器间隙导致深度变化明显。
• 在深度变化的巡天中，该方法在相关函数测量中优于均匀随机采样，尤其对暗弱星系效果更显著。
• 作者发布了SDSS DR8的深度图（HEALPix格式，NSIDE=2048），可供宇宙学分析领域广泛使用。