WISE-2MASS 全天红外星系 catalogs 的星 - 星系分离策略

我们结合了 WISE 和 2MASS 全天红外数据库的光度信息，并展示了如何为未来分析生成纯净且完整的星系 catalogs。将 2MASS 颜色添加到 WISE 光度测量中，显著提高了星 - 星系分离效率，尽管代价是损失了一小部分星系。我们发现 93% 的 W1<15.2 mag 范围内的 WISE 天体具有 2MASS 匹配，且一类监督机器学习算法——支持向量机（SVM）——是我们多色数据集中高效的天体分类器。我们利用具有已知星 - 星系分离信息的 SDSS PhotoObj 表构建了训练集，并根据 GAMA 光谱巡天确定了样本的红移分布。通过改变输入算法的光度参数组合，我们表明 W1 - J 是一种简单有效的星 - 星系分离器，其产生的结果可与多维 SVM 分类相媲美。我们详细描述了星 - 星系分离方法，并从污染率、完整性和准确性方面表征了工具的鲁棒性。我们探讨了全天 WISE-2MASS 星系图的系统误差，例如来自月光的污染。我们表明，通过额外的 J<16.5 mag 流量限制，全天星系图的均匀性得到了改善。本文提出的全天星系 catalogs 覆盖了 21,200 平方度（已掩蔽尘埃区域），在 240 万个星系中（中值红移 $z_{med}= 0.14$），估计恒星污染率为 1.2%，完整性为 70.1%。具有可控恒星污染的 WISE-2MASS 星系图将有助于空间统计分析，包括与其他宇宙学随机场（如宇宙微波背景）的互相关。相同的技术也可产生统计上受控的恒星样本。