基于 DES Y3 BAO 样本的光谱红移目录 Pz Cats

多年来，光度红移估计（photo-z）通过各种方法不断进步。本研究评估了四种不同的 photo-z 估计器——ANNz2、BPZ、ENF 和 DNF——并以 Dark Energy Survey Y3 BAO 样本为基准。与大多数研究不同，我们探索了基于红移概率分布函数（PDF）选择最优星系的方法，既可降低噪声，也可识别接近高斯分布的星系。我们将 25,760 颗星系从四个光谱星系 survey 中与 photo-z 样本进行交叉匹配，以了解红移偏差及其 68 百分位 $\sigma_{68}$。所有估计器中最低的 $\sigma$ 值出现在 $0.79<z_p<0.85$ 的范围内。在四种估计器中，DMF 表现出最大偏差，而 ENF、ANNz2 和 BPZ 在 0.7 到 0.9 的红移范围外显示精度下降。为选取具有最小偏差的星系，ANNz2 在所有标准下表现最可靠。PDF 选择显著改善了颜色表征，凸显了在magnitude空间中的选择作用。尽管 ANNz2 实现了卓越的精度，但 ENF 在挑选高斯 PDF 时效果不佳，导致用于大尺度结构（LSS）评估的星系数量不足。尽管存在光滑的 PDF，但仍出现灾难性红移误差。尽管 DNF 的精度最差，但其提供的星系数量足以用于宇宙学应用。对次峰值小于主峰高度 30% 的星系进行子抽样（称为 Small Peaks），显示 ANNz2 在此方面表现突出。所产出的目录已发布于 ZENODO repository 作为 Pz Cats。