PHANGS-HST：邻近星系中星团识别的新方法

我们提出一种创新且广泛适用的方法，用于星团的探测与分类，该方法为PHANGS-HST Treasury Program开发，后者是一项针对38个旋涡星系的$NUV$至$I$波段成像观测计划。我们的流水线首先为恒星与候选星团生成统一的主体源列表，以实现对所有恒星形成产物的自洽清查。为区分候选星团与恒星，我们引入多重集中度指数（Multiple Concentration Index, MCI）参数，并测量内部与外部MCI，以比单一标准集中度指数（CI）更细致地探查形态。我们改进了候选星团选取，联合基于由合成星团族群与现有星团星表推导出的MCI预期来制定准则，从而产生模型与半经验选取区域（分别对应）。选取纯度（经人工分类确认的星团相对于候选者）在半经验选取区域中对中等光度源较高（达70%），整体则略低（区域外或更暗）。候选者数量随光度降低而急剧上升，但流水线集成的机器学习（ML）分类避免了由此引发的问题。我们将PHANGS-HST方法相较于LEGUS的性能在四个两巡天共有的星系样本上量化比较，发现总体一致，有50–75%经人工验证的星团同时出现在两星表中，但也存在可归因于各项目所采用具体选择的细微差异。PHANGS-HST经ML分类的1类或2类星表比人工分类样本暗约1星等、恒星质量低约2倍、数量多2–5倍。