The JCMT and<i>Herschel</i>Gould Belt Surveys: a comparison of SCUBA-2 and<i>Herschel</i>data of dense cores in the Taurus dark cloud L1495
Notice bibliographique
Résumé
We present a comparison of Submillimetre Common User Bolometer Array-2 (SCUBA-2) 850-μm and Herschel 70–500-μm observations of the L1495 filament in the Taurus Molecular Cloud with the goal of characterizing the SCUBA-2 Gould Belt Survey (GBS) data set. We identify and characterize starless cores in three data sets: SCUBA-2 850-μm, Herschel 250-μm, and Herschel 250-μm spatially filtered to mimic the SCUBA-2 data. SCUBA-2 detects only the highest-surface-brightness sources, principally detecting protostellar sources and starless cores embedded in filaments, while Herschel is sensitive to most of the cloud structure, including extended low-surface-brightness emission. Herschel detects considerably more sources than SCUBA-2 even after spatial filtering. We investigate which properties of a starless core detected by Herschel determine its detectability by SCUBA-2, and find that they are the core's temperature and column density (for given dust properties). For similar-temperature cores, such as those seen in L1495, the surface brightnesses of the cores are determined by their column densities, with the highest-column-density cores being detected by SCUBA-2. For roughly spherical geometries, column density corresponds to volume density, and so SCUBA-2 selects the densest cores from a population at a given temperature. This selection effect, which we quantify as a function of distance, makes SCUBA-2 ideal for identifying those cores in Herschel catalogues that are closest to forming stars. Our results can now be used by anyone wishing to use the SCUBA-2 GBS data set.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».