An Automated Method for the Detection and Extraction of H<scp>i</scp>Self‐Absorption in High‐Resolution 21 Centimeter Line Surveys
Notice bibliographique
Résumé
We describe algorithms that detect 21 cm line H I self-absorption (HISA) in large data sets and extract it for analysis. Our search method identifies HISA as spatially and spectrally confined dark H I features that appear as negative residuals after removing larger scale emission components with a modified CLEAN algorithm. Adjacent HISA volume-pixels (voxels) are grouped into features in ( l , b , v ) space, and the H I brightness of voxels outside the three-dimensional feature boundaries is smoothly interpolated to estimate the absorption amplitude and the unabsorbed H I emission brightness. The reliability and completeness of our HISA detection scheme have been tested extensively with model data. We detect most features over a wide range of sizes, line widths, amplitudes, and background levels, with poor detection only where the absorption brightness temperature amplitude is weak, the absorption scale approaches that of the correlated noise, or the background level is too faint for HISA to be distinguished reliably from emission gaps. False detection rates are very low in all parts of the parameter space except at sizes and amplitudes approaching those of noise fluctuations. Absorption measurement biases introduced by the method are generally small and appear to arise from cases of incomplete HISA detection. This paper is the third in a series examining HISA at high angular resolution. A companion paper (Paper II) uses our HISA search and extraction method to investigate the cold atomic gas distribution in the Canadian Galactic Plane Survey.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 ».