[论文解读] COSMOS morphological classification with ZEST (the Zurich Estimator of Structural Types) and the evolution since z=1 of the Luminosity Function of early-, disk-, and irregular galaxies

Claudia Scarlata, C. M. Carollo+27 more|arXiv (Cornell University)|Nov 20, 2006

Data Visualization and Analytics被引用 5

一句话总结

该论文提出ZEST，一种基于机器学习的形态分类系统，利用非参数诊断（不对称性、集中度、基尼系数、M20、椭圆率）和Sersic拟合，将56,000个COSMOS星系分类为早型、盘状和不规则类型。通过主成分分析（PCA）减少冗余，ZEST实现了稳健的自动化分类，并揭示在z~0.7时，早型星系的光度函数存在约2倍的短缺，而不规则星系则存在约3倍的过剩，支持以约0.95 mag的纯光度演化为特征的“下垂”演化情景。

ABSTRACT

(ABRIDGED) Motivated by the desire to reliably and automatically classify structure of thousands of COSMOS galaxies, we present ZEST, the Zurich Estimator of Structural Types. To classify galaxy structure, ZEST uses: (i) Five non-parametric diagnostics: asymmetry, concentration, Gini coefficient, 2nd-order moment of the brightest 20% of galaxy pixels, and ellipticity; and (ii) The exponent n of single--Sersic fits to the 2D surface brightness distributions. To fully exploit the wealth of information while reducing the redundancy present in these diagnostics, ZEST performs a principal component (PC) Analysis. We use a sample of ~56,000 I<24 COSMOS galaxies to show that the first three PCs fully describe the key aspects of the galaxy structure, i.e., to calibrate a three-dimensional classification grid of axis PC_1, PC_2, and PC_3. We demonstrate the robustness of the ZEST grid on the z=0 sample of Frei et al. (1996). The ZEST classification breaks most of the degeneracy between different galaxy populations that affects morphological classifications based on only some of the diagnostics included in ZEST. As a first application, we present the evolution since z~1 of the Luminosity Functions of COSMOS galaxies of early, disk and irregular galaxies and, for disk galaxies, of different bulge-to-disk ratios. Overall, we find that the LF up to a redshift z=1 is consistent with a pure-luminosity evolution (of about 0.95 magnitudes at z \~0.7). We highlight however two trends, that are in general agreement with a down-sizing scenario for galaxy formation: (1.) A deficit of a factor of about two at z~0.7 of MB>-20.5 structurally--classified early--type galaxies; and (2.) An excess of a factor of about three, at a similar redshift, of irregular galaxies.

研究动机与目标

• 开发一种自动化、稳健且可扩展的方法，对COSMOS巡天中的56,000个星系进行形态分类。
• 通过主成分分析（PCA）减少结构诊断（不对称性、集中度、基尼系数、M20、椭圆率、Sersic指数）之间的冗余。
• 校准一个三维ZEST分类网格（PC1、PC2、PC3），在不造成显著信息损失的前提下捕捉关键结构属性。
• 将ZEST分类应用于测量从z=1到z=0的早型、盘状和不规则星系光度函数（LF）的演化。
• 检验观测到的LF演化是否与纯光度演化一致，或是否表明星系形成中的“下垂”演化。

提出的方法

• ZEST结合了五种非参数结构诊断：不对称性（A）、集中度（C）、基尼系数（G）、最亮20%像素的二阶矩（M20）和椭圆率（ε）。
• ZEST整合了来自二维表面亮度轮廓拟合的Sersic指数（n），以捕捉结构类型信息。
• 对组合诊断应用主成分分析（PCA），提取解释大部分方差并定义ZEST分类网格的三个主要成分（PC1、PC2、PC3）。
• 通过z=0的Frei等（1996）样本验证ZEST网格，确保其稳健性并保持与既定形态分类的一致性。
• 在红移区间（0.2 < z ≤ 1）内，使用AB星等极限（IAB ≤ 24）测量早型、盘状和不规则星系的光度函数（LFs）。
• 通过k校正和Schechter函数拟合对校正后结果进行比较，量化演化趋势。

实验结果

研究问题

• RQ1 像ZEST这样的多诊断、基于PCA的方法能否减少星系形态分类中的退化问题，并实现对大规模星系样本的稳健自动化分类？
• RQ2 从z=1到z=0，早型、盘状和不规则星系的光度函数如何演化？这种演化是否与纯光度演化一致？
• RQ3 观测到的星系结构类型演化是否支持星系形成与演化中的“下垂”情景？
• RQ4 Gini、M20和集中度等结构诊断与形态类型的相关程度如何？PCA在分离其贡献方面起到什么作用？
• RQ5 光度红移和k校正的不确定性对深巡天中演化光度函数测量的影响有多大？

主要发现

• ZEST诊断的前三个主成分（PC1、PC2、PC3）以最小的信息损失完全描述了COSMOS星系的结构多样性，从而实现稳定的三维分类网格。
• ZEST通过成功分类z=0的Frei等（1996）样本展现出稳健性，证实其与既定形态类型的一致性。
• 从z~0.7到z=0，所有星系类型的光度函数亮端演化约0.95个星等，与纯光度演化一致。
• 在z~0.7时，早型星系在M_B > -20.5星等范围内存在约两倍的短缺，表明大质量早型星系群体在减少。
• 在z~0.7时，不规则星系相对于本地预期存在约三倍的过剩，表明高红移时恒星形成或结构演化增强。
• ZEST分类与LF分析的结合支持“下垂”演化情景，即大质量早型星系形成更早，且演化速度比盘状和不规则系统更快。