通过逐次贝叶斯边缘化消除星系盘分辨恒星质量图中的偏差

星系的恒星质量通常通过将恒星族群合成模型拟合到星系测光或光谱数据来获取。最先进的方法能够分辨星系内部的空间结构，以评估总恒星质量。与未分辨研究相比，分辨方法平均而言得出更高的星系恒星质量比例。在本工作中，我们改进了现有方法，以减轻与导出的质量分辨空间分布相关的偏差。该偏差表现为明显的丝状质量分布，以及质量结构与旋臂附近尘埃带之间的空间重合。改进后的方法基于迭代贝叶斯边缘化，通过一种我们命名为贝叶斯逐次先验（BSP）的新算法实现。我们将 BSP 应用于 M 51 以及来自俄亥俄州立大学亮旋涡星系巡天的90个旋涡星系试点样本。通过定量比较两种方法，我们发现未分辨研究遗漏的平均恒星质量比例仅为先前认为的一半。与先前方法相比，BSP 输出的质量图与近红外图像具有更好的相似性。