一种改进测光红移重构的新方法及其在大型综合巡天望远镜上的应用

在未来十年，LSST 将成为天文学界的重要设施。然而，在不使用光谱学的情况下准确确定观测星系的红移是一项重大挑战。高分辨率且不确定性明确的红移重构是许多科学目标所必需的，包括对重子声学振荡的研究。我们研究了不同的方法，以确定 LSST 六波段测光所能达到的精度。我们基于 GOODS 巡天的光度函数，通过模拟 LSST 预期的视星等分布，构建了一个真实的模拟星系目录。为了重构测光红移 (photo-z's)，我们考虑了模板拟合方法和神经网络方法。这两种技术的 photo-z 重构均在真实的 CFHTLS 数据和模拟目录上进行了测试。我们描述了一种改进 photo-z 重构的新方法，该方法通过似然比统计检验有效剔除了灾难性离群值。该检验使用了拟合参数与颜色的后验概率函数。我们表明，对于在至少 5 个波段中 $S/N>5$ 的星系，在基于似然比检验或视星等进行选择后，测光红移精度将满足严格的 LSST 要求，直至红移 $\sim2.5$。与后者相比，前者的优势在于在相似的 photo-z 性能下能多保留约 35% 的星系。此外还描述了使用神经网络算法的 photo-z 重构。另外，我们利用 CFHTLS 光度-光谱目录概述了结合神经网络与模板拟合方法的可能性。我们得出结论，如果使用贝叶斯先验概率和校准样本，LSST 将能够准确估计 photo-z's。