[论文解读] The LOFAR Two-metre Sky Survey (LoTSS) III. First Data Release: optical/IR identifications and value-added catalogue

W. L. Williams, M. J. Hardcastle+39 more|Open Research Online (The Open University)|Nov 19, 2018

Gamma-ray bursts and supernovae参考文献 3被引用 52

一句话总结

本文提出 LoTSS 的首个数据发布增值目录（data release value-added catalogue），详细描述光学/红外识别以及使用似然比和视觉分类的交叉匹配方法，将无线电源与 Pan-STARRS/WISE 的 counterparts 关联。

ABSTRACT

The LOFAR Two-metre Sky Survey (LoTSS) is an ongoing sensitive, high-resolution 120-168 MHz survey of the Northern sky with diverse and ambitious science goals. Many of the scientific objectives of LoTSS rely upon, or are enhanced by, the association or separation of the sometimes incorrectly catalogued radio components into distinct radio sources, and the identification and characterisation of the optical counterparts to these sources. Here we present the source associations and optical and/or IR identifications for sources in the first data release, which are made using a combination of statistical techniques and visual association and identification. We document in detail the colour- and magnitude-dependent likelihood ratio method used for statistical identification as well as the Zooniverse project, called LOFAR Galaxy Zoo, used for the visual classification. We describe the process used to select which of these two different methods is most appropriate for each LoTSS source. The final LoTSS-DR1-IDs value-added catalogue presented contains 318,520 radio sources, of which 231,716 (73%) have optical and/or IR identifications in Pan-STARRS and WISE. The value-added catalogue is available online at https://lofar-surveys.org/, as part of this data release.

研究动机与目标

• 识别 LoTSS 无线电源的光学/红外对应源，以便进行光度/光谱红shift 估计。
• 正确区分与之相关的无线电分量与错误分类或混合分量。
• 开发并应用一个稳健的交叉匹配工作流，将统计的 LR 技术与人工视觉分类相结合。
• 生成一个增值目录（LoTSS-DR1-IDs），为大样本无线电源提供已识别的对应源。

提出的方法

• 使用包含大小（m）和颜色（c）在内的似然比（LR）方法，将 LoTSS 来源与组合的 Pan-STARRS–AllWISE 目录进行交叉匹配。
• 将 f(r) 建模为偏移分布，考虑无线电位置不确定性（主/次轴）和天体测量误差；与 n(m) 与 q(m) 或 n(m,c) 与 q(m,c) 结合以计算 LR。
• 迭代估计 q(m,c) 和 Q0，以考虑宿主星系识别中的聚簇与颜色偏差。
• 应用决策树选择适合 LR 匹配的源（≤30 角秒），对复杂、较大源使用 LOFAR Galaxy Zoo（LGZ）视觉分类。
• 采用 LR 阈值以平衡辨识的完整性与可靠性（评估 L_thr、C 与 R）。
• 通过将 Pan-STARRS i 波段和 WISE W1 数据结合，进行颜色-和星等依赖的 LR 分析，以实现稳健的识别。

实验结果

研究问题

• RQ1 有多少个 LoTSS-DR1 来源可以用 LR 方法相比视觉分类更可靠地识别出光学/红外对应源？
• RQ2 LoTSS-DR1 射电源中有多少比例具有 Pan-STARRS/WISE 对应源，它们的颜色/星等特征是什么？
• RQ3 如何使用统计和视觉方法来对复杂、扩展的射电源进行最佳关联或分解为真实分量？
• RQ4 在为 LoTSS-DR1 选择阈值时，基于 LR 的识别的完整性与可靠性分别达到何种水平？
• RQ5 LoTSS-DR1 的识别如何促进随后的光度红shift 与 rest-frame 颜色分析（DR1-III）？

主要发现

• 最终的 LoTSS-DR1-IDs 增值目录包含 318,520 个射电源。
• 其中 231,716（73%）具有在 Pan-STARRS 和 WISE 的光学和/或红外识别。
• 增值目录作为 LoTSS-DR1 数据发布的一部分在线提供。
• 对小于 30 arcsec 的射电源应用 LR 匹配，使用 Pan-STARRS i-band 和 WISE W1 数据的颜色/星等 LR 方法。
• 对较大/复杂的源，使用 LOFAR Galaxy Zoo 视觉分类（LGZ）流程，因为 LR 匹配在此情形下不可靠。
• 综合 Pan-STARRS–WISE 目录以及 LoTSS-DR1 对应源，能够实现光度红shift 估计（DR1-III），并支持未来的 WEAVE-LOFAR 光谱学。