[论文解读] Galaxy and Mass Assembly (GAMA): maximum likelihood determination of the luminosity function and its evolution
本文提出一种改进的联合逐步最大似然法(JSWML),用于在GAMA-II巡天中同时测量r波段星系光度函数(LF)及其演化,校正径向密度变化以及光度/密度演化。研究发现,蓝星系表现出更强的光度演化(衰减约0.5 mag)和更高的光度密度演化,且光度演化与密度演化参数之间存在显著的退化关系。
We describe modifications to the joint stepwise maximum likelihood method of Cole (2011) in order to simultaneously fit the GAMA-II galaxy luminosity function (LF), corrected for radial density variations, and its evolution with redshift. The whole sample is reasonably well-fit with luminosity (Qe) and density (Pe) evolution parameters Qe, Pe = 1.0, 1.0 but with significant degeneracies characterized by Qe = 1.4 - 0.4Pe. Blue galaxies exhibit larger luminosity density evolution than red galaxies, as expected. We present the evolution-corrected r-band LF for the whole sample and for blue and red sub-samples, using both Petrosian and Sersic magnitudes. Petrosian magnitudes miss a substantial fraction of the flux of de Vaucouleurs profile galaxies: the Sersic LF is substantially higher than the Petrosian LF at the bright end.
研究动机与目标
- 开发一种在存在径向密度变化和宇宙演化背景下的星系光度函数(LF)测量稳健方法。
- 在红移基线为z ≈ 0.35的GAMA-II巡天中,校正光度和星数密度演化。
- 比较蓝星系与红星系群体在光度和密度变化方面的演化差异。
- 利用模拟数据与本地SDSS数据对比,评估方法的可靠性。
- 使用Petrosian和Sérsic星等提供演化校正后的LF,突出标准测光中通量损失的问题。
提出的方法
- 将Cole(2011)的联合逐步最大似然法(JSWML)改进,以包含径向密度校正和演化建模。
- 使用密度校正后的Vmax值,以考虑巡天体积中的径向过密现象。
- 在红移分箱中同时拟合非参数化LF估计值与演化参数(Qe表示光度演化,Pe表示密度演化)。
- 将该方法应用于具有光谱红移(nQ ≥ 3)的GAMA-II数据,以及Petrosian/Sérsic星等。
- 利用模拟数据测试方法性能,并验证对真实LF及演化参数的恢复能力。
- 将结果与本地SDSS数据对比,以评估准确性和一致性。
实验结果
研究问题
- RQ1在存在显著径向密度变化和宇宙演化的流量受限巡天中,如何准确测量星系光度函数?
- RQ2在GAMA-II巡天中,光度演化与星数密度演化对观测到的LF的相对贡献是什么?
- RQ3蓝星系与红星系群体的演化参数有何差异?
- RQ4与Sérsic星等相比,Petrosian星等在多大程度上低估了光度函数?
- RQ5尽管存在Qe与Pe之间的退化关系,该方法是否能可靠地恢复真实LF及演化参数?
主要发现
- 整体星系群体在r波段表现出约0.5 mag的光度衰减,且自z ≈ 0.5以来共动星数密度下降约1.6倍。
- 蓝星系的光度演化显著强于红星系,光度密度演化差异达到约5σ水平。
- 与Petrosian星等相比,Sérsic星等得到的光度函数在明亮端显著更高,这是由于后者遗漏了部分通量。
- 光度函数无法用Schechter函数良好描述,尤其对红星系而言,其在暗端和亮端均存在多余计数。
- 光度演化(Qe)与密度演化(Pe)之间存在退化关系,关系式为Qe ≈ 1.4 - 0.4Pe,限制了对单个参数的精确约束。
- 该方法成功以高精度恢复了演化校正后的LF,经模拟验证及与SDSS数据对比得到确认。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。