The impact from survey depth and resolution on the morphological classification of galaxies
Notice bibliographique
Résumé
We consistently analyse for the first time the impact of survey depth and spatial resolution on the most used morphological parameters for classifying galaxies through non-parametric methods: Abraham and Conselice–Bershady concentration indices, Gini, M20 moment of light, asymmetry, and smoothness. Three different non-local data sets are used, Advanced Large Homogeneous Area Medium Band Redshift Astronomical (ALHAMBRA) and Subaru/XMM-Newton Deep Survey (SXDS, examples of deep ground-based surveys), and Cosmos Evolution Survey (COSMOS, deep space-based survey). We used a sample of 3000 local, visually classified galaxies, measuring their morphological parameters at their real redshifts (z ∼ 0). Then we simulated them to match the redshift and magnitude distributions of galaxies in the non-local surveys. The comparisons of the two sets allow us to put constraints on the use of each parameter for morphological classification and evaluate the effectiveness of the commonly used morphological diagnostic diagrams. All analysed parameters suffer from biases related to spatial resolution and depth, the impact of the former being much stronger. When including asymmetry and smoothness in classification diagrams, the noise effects must be taken into account carefully, especially for ground-based surveys. M20 is significantly affected, changing both the shape and range of its distribution at all brightness levels. We suggest that diagnostic diagrams based on 2–3 parameters should be avoided when classifying galaxies in ground-based surveys, independently of their brightness; for COSMOS they should be avoided for galaxies fainter than F814 = 23.0. These results can be applied directly to surveys similar to ALHAMBRA, SXDS and COSMOS, and also can serve as an upper/lower limit for shallower/deeper ones.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».