Photometric calibration of the Supernova Legacy Survey fields
Notice bibliographique
Résumé
<i>Aims. <i/>We present the photometric calibration of the Supernova Legacy Survey (SNLS) fields. The SNLS aims at measuring the distances to SNe Ia at () using MegaCam, the 1 deg<sup>2<sup/> imager on the Canada-France-Hawaii Telescope (CFHT). The uncertainty affecting the photometric calibration of the survey dominates the systematic uncertainty of the key measurement of the survey, namely the dark energy equation of state. The photometric calibration of the SNLS requires obtaining a uniform response across the imager, calibrating the science field stars in each survey band (SDSS-like <i>ugriz<i/> bands) with respect to standards with known flux in the same bands, and binding the calibration to the <i>UBVRI<i/> Landolt standards used to calibrate the nearby SNe from the literature necessary to produce cosmological constraints.<i>Methods. <i/>The spatial non-uniformities of the imager photometric response are mapped using dithered observations of dense stellar fields. Photometric zero-points against Landolt standards are obtained. The linearity of the instrument is studied.<i>Results. <i/>We show that the imager filters and photometric response are not uniform and publish correction maps. We present models of the effective passbands of the instrument as a function of the position on the focal plane. We define a natural magnitude system for MegaCam. We show that the systematics affecting the magnitude-to-flux relations can be reduced if we use the spectrophotometric standard star BD +17 4708 instead of Vega as a fundamental flux standard. We publish <i>ugriz<i/> catalogs of tertiary standards for all the SNLS fields.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».