Herschel reveals a Tdust-unbiased selection of z~ 2 ultraluminous infrared galaxies
Notice bibliographique
Résumé
Using Herschel Photodetector Array Camera (PACS) and Spectral and Photometric Imaging Receiver (SPIRE) observations of Lockman Hole-North and Great Observatories Origins Deep Survey-North (GOODS-N) as part of the Herschel Multi-tiered Extragalactic Survey (HerMES) project, we explore the far-infrared (IR) properties of a sample of mid-IR-selected starburst-dominated ultraluminous infrared galaxies (ULIRGs) at z~ 2. The selection of the sample is based on the detection of the stellar bump that appears in the spectral energy distribution of star-forming galaxies at 1.6 μm. We derive robust estimates of infrared luminosities (LIR) and dust temperatures (Td) of the population and find that while the luminosities in our sample span less than an order of magnitude (12.24 ≤ log(LIR/L·) ≤ 12.94), they cover a wide range of dust temperatures (25 ≤Td≤ 62 K). Galaxies in our sample range from those that are as cold as high-z submillimetre galaxies (SMGs) to those that are as warm as optically faint radio galaxies (OFRGs) and local ULIRGs. Nevertheless, our sample has median Td= 42.3 K, filling the gap between SMGs and OFRGs, bridging the two populations. We demonstrate that a significant fraction of our sample would be missed from ground-based (sub)mm surveys (850-1200 μm), showing that the latter introduce a bias towards the detection of colder sources. We conclude that Herschel observations confirm the existence of high-z ULIRGs warmer than SMGs, show that the mid-IR selection of high-z ULIRGs is not Td dependent, reveal a large dispersion in Td of high-z ULIRGs and provide the means to characterize the bulk of the ULIRG population, free from selection biases introduced by ground-based (sub)mm surveys. © 2010 The Authors. Journal compilation © 2010 RAS.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».