The Dragonfly Wide Field Survey. II. Accurate Total Luminosities and Colors of Nearby Massive Galaxies and Implications for the Galaxy Stellar-mass Function
Notice bibliographique
Résumé
Abstract Stellar-mass estimates of massive galaxies are susceptible to systematic errors in their photometry, due to their extended light profiles. In this study, we use data from the Dragonfly Wide Field Survey to accurately measure the total luminosities and colors of nearby massive galaxies. The low surface brightness limits of the survey (μ g ≈ 31 mag arcsec−2 on a 1′ scale) allow us to implement a method, based on integrating the 1D surface brightness profile, that is minimally dependent on any parameterization. We construct a sample of 1188 massive galaxies with <?CDATA $\mathrm{log}{M}_{* }/{M}_{\odot }\gt 10.75$?> based on the Galaxy Mass and Assembly (GAMA) survey and measure their total luminosities and g − r colors. We then compare our measurements to various established methods applied to imaging from the Sloan Digital Sky Survey (SDSS), focusing on those favored by the GAMA survey. In general, we find that galaxies are brighter in the r band by an average of ∼0.05 mag and bluer in g − r colors by ∼0.06 mag compared to the GAMA measurements. These two differences have opposite effects on the stellar-mass estimates. The total luminosities are larger by 5% but the mass-to-light ratios are lower by ∼10%. The combined effect is that the stellar-mass estimate of massive galaxies decreases by 7%. This, in turn, implies a small change in the number density of massive galaxies: ≤30% at <?CDATA $\mathrm{log}{M}_{* }/{M}_{\odot }\geqslant 11$?> .
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».