[论文解读] Clustering-based redshift estimation: method and application to data

Brice Ménard, Ryan Scranton+5 more|arXiv (Cornell University)|Mar 19, 2013

Galaxies: Formation, Evolution, Phenomena被引用 24

一句话总结

本文提出一种基于数据驱动的聚类方法，通过将任意数据集与红移测量准确的参考样本进行交叉相关，以估计红红移分布。结果表明，利用所有尺度上的聚类——尤其是小尺度相关性——可获得稳健的红移估计结果。在SDSS、WISE和FIRST巡天中的应用显示，该方法在不同参考样本下结果一致，且能检测出多峰分布。

ABSTRACT

We present a data-driven method to infer the redshift distribution of an arbitrary dataset based on spatial cross-correlation with a reference population and we apply it to various datasets across the electromagnetic spectrum to show its potential and limitations. Our approach advocates the use of clustering measurements on all available scales, in contrast to previous works focusing only on linear scales. We also show how its accuracy can be enhanced by optimally sampling a dataset within its photometric space rather than applying the estimator globally. We show that the ultimate goal of this technique is to characterize the mapping between the space of photometric observables and redshift space as this characterization then allows us to infer the clustering-redshift p.d.f. of a single galaxy. We apply this technique to estimate the redshift distributions of luminous red galaxies and emission line galaxies from the SDSS, infrared sources from WISE and radio sources from FIRST. We show that consistent redshift distributions are found using both quasars and absorber systems as reference populations. This technique brings valuable information on the third dimension of astronomical datasets. It is widely applicable to a large range of extra-galactic surveys.

研究动机与目标

• 开发一种实用的、数据驱动的方法，用于估计红移分布，而无需依赖光谱红移。
• 通过利用空间聚类模式，克服光谱红移方法的局限性，如退化问题和模板不准确性。
• 证明基于聚类的红移推断在不同数据集和波段下具有可行性与准确性。
• 表明在光度空间内局部应用可提升精度，优于全局估计。
• 确立最终目标是表征光度观测量与红移空间之间的映射关系。

提出的方法

• 利用未知数据集与已知红移的参考样本之间的空间交叉相关，推断红移分布。
• 使用所有尺度上的聚类测量——包括线性和非线性尺度——而非仅关注大尺度线性相关。
• 在目标数据集的光度空间内应用最优采样策略，以提高估计器的准确性。
• 采用统计框架，将聚类-红移概率密度函数（p.d.f.）作为每个星系的关键输出。
• 结合自相关与交叉相关函数，稳健地约束红移分布。
• 使用SDSS、WISE和FIRST的真实数据验证该方法，并通过类星体和吸收体系统作为独立参考进行交叉检验。

实验结果

研究问题

• RQ1 能否通过与参考样本的聚类交叉相关，可靠地估计任意数据集的红移分布？
• RQ2 基于聚类的红移估计精度在不同红移区间和数据类型下如何变化？
• RQ3 与仅使用大尺度聚类相比，小尺度聚类测量在多大程度上提升了方法的鲁棒性？
• RQ4 该方法是否能检测出光谱红移方法失效时的多峰或宽广红移分布？
• RQ5 在光度空间内局部估计如何提升聚类-红移技术的性能？

主要发现

• 当应用于定义良好的红红移区间时，该方法对 z < 1 的颜色选星系的红移不确定性可达到 δz ∼0.01。
• 使用类星体和吸收体系统作为参考样本，均得到一致的红移分布结果，验证了该方法的鲁棒性。
• 对于多峰分布（如ELGs和FIRST源），该方法能可靠识别红移区间而非完整的p.d.f.，成功检测到 z ∼1 和 z ∼2.5 的星系群。
• 小尺度聚类测量受系统误差影响较小，相比仅使用大尺度的方法，显著提升了估计器的准确性。
• 在光度子空间内局部应用估计器可显著提升性能，尤其适用于异质数据集。
• 该技术可检测到某些红移区间内源的缺失，有助于识别高红移巡天中可能的误匹配污染。