[论文解读] Quasar Classification Using Color and Variability

Christina Peters, Gordon T. Richards+7 more|arXiv (Cornell University)|Aug 17, 2015

Galaxies: Formation, Evolution, Phenomena参考文献 1被引用 27

一句话总结

本文提出了一种结合SDSS Stripe 82的光学颜色与多 epoch 变异性特征的贝叶斯类星体选择方法，以高完整性（97%）和高效率（97%）识别类星体候选体。通过整合测光颜色、变异性结构函数及光谱训练数据，该方法表现出优越性能，尤其在颜色方法失效的高红移类星体（2.7 < z < 3.5）区域表现突出。

ABSTRACT

We conduct a pilot investigation to determine the optimal combination of color and variability information to identify quasars in current and future multi-epoch optical surveys. We use a Bayesian quasar selection algorithm (Richards et al. 2004) to identify 35,820 type 1 quasar candidates in a 239 square degree field of the Sloan Digital Sky Survey (SDSS) Stripe 82, using a combination of optical photometry and variability. Color analysis is performed on 5-band single- and multi-epoch SDSS optical photometry to a depth of r ~22.4. From these data, variability parameters are calculated by fitting the structure function of each object in each band with a power law model using 10 to &gt;100 observations over timescales from ~1 day to ~8 years. Selection was based on a training sample of 13,221 spectroscopically-confirmed type-1 quasars, largely from the SDSS. Using variability alone, colors alone, and combining variability and colors we achieve 91%, 93%, and 97% quasar completeness and 98%, 98%, and 97% efficiency respectively, with particular improvement in the selection of quasars at 2.7

研究动机与目标

• 开发一种稳健的测光类星体选择方法，结合光学颜色与多 epoch 变异性，适用于大规模巡天。
• 解决仅依赖颜色选择的局限性，特别是针对高红移类星体（2.7 < z < 3.5）区域，该区域类星体与恒星具有相似的颜色特征。
• 在无需完全依赖光谱后续观测的前提下，提升深度广域巡天中类星体探测的效率与完整性。
• 生成一个纯度足够高且可统计修正不完整性的类星体星表，以支持光度函数研究。
• 通过验证颜色、变异性与天体测量在类星体选择中的集成，为未来LSST等巡天项目构建可扩展的框架。

提出的方法

• 使用基于Richards等人（2004）提出的贝叶斯类星体选择算法，基于SDSS中13,221个光谱确认的I型类星体进行训练。
• 分析5波段单次与多次观测的SDSS测光数据（r ~ 22.4），以推导光学颜色与变异性参数。
• 通过在约1天至约8年的 timescales 上对结构函数进行幂律拟合来计算变异性，每个天体拥有10至超过100次观测。
• 将颜色与变异性特征整合进联合似然模型，计算类星体概率，并采用红移相关的先验分布。
• 引入天体测量参数与多波段数据（VHS, WISE）以提升红移估计精度与污染控制能力。
• 应用颜色裁剪（公式10–12），并利用SDSS、JHK与天体测量数据的光谱红移概率密度函数（PDF）来优化类星体概率与红移估计。

实验结果

研究问题

• RQ1 光学颜色与多 epoch 变异性结合在提升类星体分类性能方面，相较于仅使用颜色的方法效果如何？
• RQ2 该贝叶斯选择方法在高红移区域（2.7 < z < 3.5）的类星体识别性能如何，该区域颜色方法已失效？
• RQ3 仅使用变异性或与颜色结合使用时，能在多大程度上减少误报并提升选择效率？
• RQ4 引入天体测量与多波段测光（JHK, WISE）如何改善红移估计与类星体概率校准？
• RQ5 所生成的测光类星体星表是否足以支持科学分析（如光度函数估计），而无需光谱确认？

主要发现

• 颜色与变异性联合使用可实现97%的类星体完整性与97%的效率，优于仅使用颜色（93%完整性，98%效率）与仅使用变异性（91%完整性，98%效率）的方法。
• 该方法显著提升了在2.7 < z < 3.5红移区间内类星体的探测能力，该区间内类星体与恒星的光学颜色几乎无法区分。
• 在22,867个未确认的类星体候选体中，95.7%的星体比i ~ 19.9更暗，即处于SDSS Stripe 82中光谱后续观测的极限之下，表明该方法成功识别出大量此前被遗漏的候选体。
• 在原本完整的区域中，i > 19.9的类星体候选体数量增加了5.7%，凸显了该方法在恢复高红移或低光度类星体方面的优势。
• 所获得的类星体样本具有足够的纯度与可统计修正的不完整性，可生成与光谱结果相当的光度函数。
• 基于SDSS、JHK与天体测量数据推导出的红移概率密度函数（PDF）显示精度显著提升，99%的天体在其中的g-i颜色与对应天体测量红移下的类星体平均值相差在3σ以内。