面向边缘天文数据中非参数形态学的稳健测定：借助宇宙学流体动力学模拟消解不确定性

诸如不对称度和集中度等定量形态学，长期以来被用作在大样本中评估星系星光分布的有效手段。将此类定量指标应用于其他数据产品，可提供一种能够捕捉一系列星系性质（如恒星质量或恒星形成率图）二维分布的工具。在本工作中，我们利用Illustris和IllustrisTNG模拟中的星系，评估集中度与不对称度指标对星系恒星质量分布的适用性。具体而言，我们检验在施加测量不确定度和点扩散函数（PSF）后，能否恢复集中度与不对称度的内禀值（直接由模拟恒星质量粒子图测得）。我们发现随机噪声对不对称度具有不可忽略的系统性影响，该影响随信噪比反比缩放，尤其在信噪比小于100时显著。我们评估了在极低信噪比下校正噪声对不对称度贡献的不同方法，而先前研究因系统误差未能探索该区域。我们给出了针对噪声与分辨率的代数校正，以恢复内禀形态参数。使用Illustris作为对比数据集，我们评估了这些拟合在存在不同物理模型时的稳健性，并确认这些校正方法可应用于其他数据集。最后，我们给出了不同校正方法在不同信噪比与分辨率区间不确定度的估计。