利用 Py2DJPAS 探索 J-PAS 巡天的空间分辨能力

我们提出 Py2DJPAS，这是一个基于 Python 的工具，用于自动化分析 \textbf{miniJPAS} 巡天中空间分辨的星系。miniJPAS 是 J-PAS 巡天的 1~deg$^2$ 先导项目，使用相同的滤光片系统、望远镜和 Pathfinder 相机。Py2DJPAS 简化了整个工作流程：下载科学图像和星表、进行 PSF 均匀化、掩模处理、孔径定义、SED 拟合，以及通过人工神经网络估计光学发射线等值宽度。我们在一批已分辨的 miniJPAS 星系样本上验证了 Py2DJPAS，恢复的所有波段星等与星表一致（使用 SExtractor 精度约为 $\sim 10$~\%）。局部背景估计改善了暗弱星系和孔径的结果。PSF 均匀化实现了内部孔径的一致多波段测光，使得能够生成无伪影的伪光谱。环形孔径的 SED 拟合产生的残差 $<10$~\%，对于 $S/N>5$ 的区域没有显著的依赖于波长的偏差。我们通过分析红移 $z = 0.078$ 处星系 2470-10239 的空间分辨性质，并将其与 1 个半光半径（HLR）内的 MaNGA 数据进行比较，展示了 J-PAS 类似 IFU 的能力。我们发现测光与光谱测量以及恒星质量面密度轮廓之间具有极好的一致性。我们的分析延伸至 4 HLR（S/N~$\sim$~5），表明 J-PAS 能够探测星系外围，从而能够在大的星系中心距离处研究演化过程。