星系多尺度金属丰度变化的地统计学分析——III. 空间分辨率与数据质量限制

地统计学方法是理解星系金属丰度分布空间结构的有力工具，并能够构建精确的二维金属丰度分布预测模型。然而，迄今为止，这些方法仅应用于极高空间分辨率的金属丰度图，因此尚不确定它们是否适用于较低质量的数据。在本研究中，我们将地统计学技术应用于三个本地星系的高分辨率光谱图，这些图被卷积到八种不同的空间分辨率，范围从每像素约40 pc到约1 kpc。我们在所有分辨率下对数据拟合了一个地统计学模型，并发现对于肉眼可见小尺度结构的金属丰度图（每个有效半径Re内具有大于约10个分辨率单元），所有参数，包括金属丰度相关尺度，都可以被准确恢复。在所有测试的分辨率下，我们发现这种地统计学模型的点金属丰度预测优于圆形对称的金属丰度梯度模型。我们还探讨了对数据点数量的依赖性，并发现N > 约100个空间分辨的金属丰度值足以训练一个地统计学模型，该模型能产生比径向梯度模型更准确的金属丰度预测。最后，我们通过使用在Hii区域上积分的金属丰度重复我们的分析，研究了单个Hii区域更小的光谱像素可能带来的不利影响。我们看到，基于光谱像素的测量如预期那样具有更多噪声，但无论使用光谱像素还是积分区域，底层的空间金属丰度分布都可以被恢复。