模拟 LSST 图像中恢复的 Ia 类超新星率

Legacy Survey of Space and Time (LSST) 将通过检测数百万瞬变事件来彻底改变时域天文学。在特别是 z~1.2 范围内，预计其 Ia 类超新星 (SNIa) 的数量将比现有样本增加一个数量级。这一高数量的事件将显著降低对 SNIa 属性和率分析的统计不确定性。然而，必须仍然评估其他所有不确定性来源对测量的影响。对于宇宙学和星演化研究而言，理解和减少此类不确定性将至关重要，因为测量 SNIa 率可对不同 SNIa 前体星的演化情景施加约束。我们使用来自 DESC 数据挑战 2 (DC2) 和 LSST 数据预览 0 (DP0) 的模拟数据，在宽快深区域的 15 平方度区域上测量 SNIa 率。我们选取在差分图像上检测到的 SN 候选样本，关联其宿主星系，并检索其光度红移 (z-phot)。然后，我们测试不同的光度曲线分类方法，带和不带红移先验。我们讨论了根据所选取的宿主星系和红移估计方法，测得的 SN 候选样本红移分布如何变化。我们通过考虑 z-phot 不确定性、宿主星系关联以及分类对 SN 候选样本红移分布的影响来测量 SNIa 率。我们发现相对于模拟样本，SNIa 的平均丢失率为 17%。其中 10% 的偏差源于 z-phot 不确定性本身（这也会影响用于先验的分类），因此是主要的不确定性来源。我们讨论了如何减少 SNIa 率测量误差的可能方法，包括与其他观测的协同作用，这些观测可能有助于利用该率来区分不同的前体星模型。