WHERE DO WET, DRY, AND MIXED GALAXY MERGERS OCCUR? A STUDY OF THE ENVIRONMENTS OF CLOSE GALAXY PAIRS IN THE DEEP2 GALAXY REDSHIFT SURVEY
Notice bibliographique
Résumé
We study the environments of wet, dry, and mixed galaxy mergers at 0.75 < z < 1.2 using close pairs in the DEEP2 Galaxy Redshift Survey. We find that the typical environment of dry and mixed merger candidates is denser than that of wet mergers, mostly due to the color–density relation. While the galaxy companion rate ( N c ) is observed to increase with overdensity, using N -body simulations, we find that the fraction of pairs that will eventually merge decreases with the local density, predominantly because interlopers are more common in dense environments. After taking into account the merger probability of pairs as a function of local density, we find only marginal environment dependence of the galaxy merger rate for wet mergers. On the other hand, the dry and mixed merger rates increase rapidly with local density due to the increased population of red galaxies in dense environments, implying that the dry and mixed mergers are most effective in overdense regions. We also find that the environment distribution of K+A galaxies is similar to that of wet mergers alone and of wet+mixed mergers, suggesting a possible connection between K+A galaxies and wet and/or wet+mixed mergers. Based on our results, we therefore expect that the properties, including structures and masses, of red-sequence galaxies should be different between those in underdense regions and those in overdense regions since the dry mergers are significantly more important in dense environments. We conclude that, as early as z ∼ 1, high-density regions are the preferred environment in which dry mergers occur, and that present-day red-sequence galaxies in overdense environments have, on average, undergone 1.2 ± 0.3 dry mergers since this time, accounting for (38 ± 10)% of their mass accretion in the last 8 billion years. The main uncertainty in this finding is the conversion from the pair fraction to the galaxy merger rate, which is possibly as large as a factor of 2. Our findings suggest that dry mergers are crucial in the mass assembly of massive red galaxies in dense environments, such as brightest cluster galaxies in galaxy groups and clusters.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».