Dust temperature and CO → H<sub>2</sub>conversion factor variations in the SFR-<i>M</i><sub>∗</sub>plane
Notice bibliographique
Résumé
Deep Herschel PACS/SPIRE imaging and 12CO(2−1) line luminosities from the IRAM Plateau de Bure Interferometer are combined for a sample of 17 galaxies at z > 1 from the GOODS-N field. The sample includes galaxies both on and above the main sequence (MS) traced by star-forming galaxies in the SFR-M∗ plane. The far-infrared data are used to derive dust masses, Mdust, following the Draine & Li (2007, ApJ, 657, 810) models. Combined with an empirical prescription for the dependence of the gas-to-dust ratio on metallicity (δGDR(μ0)), the CO luminosities and Mdust values are used to derive for each galaxy the CO-to-H2 conversion factor, αCO. Like in the local Universe, the value of αCO is a factor of ~5 smaller in starbursts compared to normal star-forming galaxies (SFGs). We additionally uncover a relation between αCO and dust temperature (Tdust; αCO decreasing with increasing Tdust) as obtained from modified blackbody fits to the far-infrared data. While the absolute normalization of the αCO(Tdust) relation is uncertain, the global trend is robust against possible systematic biases in the determination of Mdust, δGDR(μ0) or metallicity. Although we cannot formally distinguish between a step and a smooth evolution of αCO with the dust temperature, we can unambiguously conclude that in galaxies of near-solar metallicity, a critical value of Tdust = 30 K can be used to determine whether the appropriate αCO is closer to the “starburst” value (1.0 M⊙ (K km s-1 pc2)-1, when Tdust > 30 K) or closer to the Galactic value (4.35 M⊙ (K km s-1 pc2)-1, when Tdust < 30 K). This indicator has the great advantage of being less subjective than visual morphological classifications of mergers/SFGs, which can be difficult at high z because of the clumpy nature of SFGs. Using Tdust to select the appropriate αCO is also more indicative of ISM conditions than a fixed LIR criterion. In the absence of far-infrared data, the offset of a galaxy from the star formation main sequence (i.e., Δlog (SSFR)MS = log [SSFR(galaxy)/SSFRMS(M∗,z)]) can be used to identify galaxies requiring the use of an αCO conversion factor lower than the Galactic value (i.e., when Δlog (SSFR)MS ≳ 0.3 dex).
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 | 0,001 |
| 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 ».