The WIRCam Deep Survey
Notice bibliographique
Résumé
We present a new near-infrared imaging survey in the four CFHTLS deep fields: the WIRCam Deep Survey or “WIRDS”. WIRDS comprises extremely deep, high quality (FWHM ~ 0.6″) J, H, and Ks imaging covering a total effective area of 2.1 deg2 and reaching AB 50% completeness limits of ≈ 24.5. We combine our images with the CFHTLS to create a unique eight-band ugrizJHKS photometric catalogues in the four CFHTLS deep fields; these four separate fields allow us to make a robust estimate of the effect of cosmic variance for all our measurements. We use these catalogues in combination with ≈ 9800 spectroscopic redshifts to estimate precise photometric redshifts (σΔz/(1 + z) ≲ 0.03 at i < 25), galaxy types, star-formation rates and stellar masses for a unique sample of ≈ 1.8 million galaxies. Our JHKs number counts are consistent with previous studies. We apply the “BzK” selection to our gzK filter set and find that the star forming BzK selection successfully selects 76% of star-forming galaxies in the redshift range 1.4 < z < 2.5 in our photometric catalogue, based on our photometric redshift measurement. Similarly the passive BzK selection returns 52% of the passive 1.4 < z < 2.5 population identified in the photometric catalogue. We present the mass functions of the total galaxy population as a function of redshift up to z = 2 and present fits using double Schechter functions. A mass-dependent evolution of the mass function is seen with the numbers of galaxies with masses of M ≲ 1010.75 still evolving at z ≲ 1, but galaxies of higher mass reaching their present day numbers by z ~ 0.8−1. This is consistent with the present picture of downsizing in galaxy evolution. We compare our results with the predictions of the GALFORM semi-analytical galaxy formation model and find that the simulations provide a relatively successful fit to the observed mass functions at intermediate masses (i.e. 10 ≲ log (M/M⊙) ≲ 11). However, as is common with semi-analytical predictions of the mass function, the GALFORM results under-predict the mass function at low masses (i.e. log (M/M⊙) ≲ 10), whilst the fit as a whole degrades beyondredshifts of z ~ 1.2. All photometric catalogues and images are made publicly available from TERAPIX and CADC.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».