一种测光红移估计方法的协同途径：在 KiDS 数据上的应用
天体物理仪器与方法
2016-12-13 v1
摘要
测光红移（photo-z）在星系巡天中对于处理从引力透镜和暗物质分布到星系演化等多种课题至关重要。千度巡天（Kilo Degree Survey，KiDS），即欧洲南方天文台在 VLT 巡天望远镜（VST）上开展的公开巡天，提供了前所未有的机会，可利用一个具有卓越光学波段图像质量和深度的大型星系数据集。我们使用一个包含约 25,000 个已测得光谱红移星系的 KiDS 子集，通过以下方法推导了测光红移：i）三种基于监督式机器学习的不同经验方法，ii）贝叶斯测光红移模型（BPZ），以及 iii）经典 SED 模板拟合程序（Le Phare）。我们证实，在光谱模板充分采样的测光参数空间区域内，机器学习方法能提供更好的红移估计，具有更低的离散度和更小的离群值比例。然而，SED 拟合技术能提供关于星系光谱类型的有用信息，这些信息可有效用于约束系统误差并更好地表征潜在的灾难性离群值。随后，这种分类被用于专门化回归机器学习模型的训练，从而证明一种将 SED 拟合与机器学习结合在单一协同框架内的混合方法，可有效用于提高测光红移估计的精度。
引用
@article{arxiv.1612.02173,
title = {A cooperative approach among methods for photometric redshifts estimation: an application to KiDS data},
author = {Stefano Cavuoti and Crescenzo Tortora and Massimo Brescia and Giuseppe Longo and Mario Radovich and Nicola R. Napolitano and Valeria Amaro and Civita Vellucci and Francesco La Barbera and Fedor Getman and Aniello Grado},
journal= {arXiv preprint arXiv:1612.02173},
year = {2016}
}
备注
Accepted by MNRAS, 17 pages, 11 figures