Local SDSS galaxies in the Herschel Stripe 82 survey: a critical assessment of optically derived star formation rates
Notice bibliographique
Résumé
We study a set of 3319 galaxies in the redshift interval 0.04 < z < 0.15 with far-infrared (FIR) coverage from the Herschel Stripe 82 survey (HerS), and emission-line measurements, redshifts, stellar masses and star formation rates (SFRs) from the Sloan Digital Sky Survey (SDSS) (DR7) MPA/JHU data base. About 40 per cent of the sample are detected in the Herschel/SPIRE 250 μm band. Total infrared (TIR) luminosities derived from HerS and Wide-field Infrared Survey Explorer (WISE) photometry allow us to compare infrared and optical estimates of SFR with unprecedented statistics for diverse classes of galaxies. We find excellent agreement between TIR-derived and emission line-based SFRs for H ii galaxies. Other classes, such as active galaxies and evolved galaxies, exhibit systematic discrepancies between optical and TIR SFRs. We demonstrate that these offsets are attributable primarily to survey biases and the large intrinsic uncertainties of the Dn4000- and colour-based optical calibrations used to estimate the SDSS SFRs of these galaxies. Using a classification scheme which expands upon popular emission-line methods, we demonstrate that emission-line galaxies with uncertain classifications include a population of massive, dusty, metal-rich star-forming systems that are frequently neglected in existing studies. We also study the capabilities of infrared selection of star-forming galaxies. FIR selection reveals a substantial population of galaxies dominated by cold dust which are missed by the long-wavelength WISE bands. Our results demonstrate that Herschel large-area surveys offer the means to construct large, relatively complete samples of local star-forming galaxies with accurate estimates of SFR that can be used to study the interplay between nuclear activity and star formation.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».