Oguri2018OpticallyselectedClusterCatalog

October 20, 2025

Brief #

要求 z-band mag 亮于 24 并且 mag_err 小于 0.1
- 24 等的阈值可以保证完备性
用 i-band extendedness 作为 separation 的依据（HSC 的质量最好的波段就是 i，seeing 大概是 0.6 角秒）
flag cut 包括 edge、cr_center 以及 cmodel_flag
用 cmodel 作为 luminosity mag，而颜色测量采用 PSF 匹配（也就是都卷积到最低图像质量）的孔径测光进行测量
- 主要是为了避免 deblending failure 导致的颜色测量错误
- 所以这里好像可以解释后一篇里面的 SQL 中的五个 magnitude 的来源？回去看了一下确实相减之后大小就是 color mag diff
光谱数据来自很多大型的 spec survey 的 compilation，并且施加很多的 c-z plane 上的 cut 以去除蓝色星系
相比前一次的 SDSS run Oguri2014ClusterFindingAlgorithm 进行了一些更改
- 将 $\lambda_0$ 以及 intrinsic scatter $\sigma_\mathrm{resi}$ 设置为可以动态变化
- mis-centering 的参数从 0.3 减小到了 0.12

在比 0.1 更低的红移上 cluster 可能张角太大，并且星系太明亮可能超过 HSC saturating limit
richness threshold 设置为 15
没有进行 volume limit 的校正，因为在 z=1.1 处 HSC 对于 0.2 L_star 的探测也是完备的
将 cluster abundance 和 Tinker 2018 进行了对比，发现 N=15 和 1e14 的 virial mass 大致对应
将 cluster redshift 和具有光谱数据的星系进行对比，bias 和 scatter 分别是 -0.001 和 0.008
- HSC 的数据比 SDSS 更好是正常的

主要重叠区域是 XMM-LSS 以及后续的 XXL
计算了 richness 和 X-ray 温度和 luminosity 的相关性
相比 X-ray catalog 完备性在 80-90%
- 有几个高温的 X-ray cluster 没有探测到是因为它们彼此靠近，而 CAMIRA 的 local bkg 方法会抑制这种信号
mis centering 结果仍然类似，70% 是准确定心的，30% 是 miss 的

从 N-body simulation 中提取 DM halo 的分布，然后根据 HOD 向其中填充真实星系，然后在 mock 数据上运行 CAMIRA
- 添加的星系包括 red sequence 和 blue clump 两部分，具体的比例由一个成员星系数以及红移的函数来描述
- 模拟了真实观测的效应，比如 CCD 坏区
结果是 richness 和 halo mass 之间存在具有 scatter 的线性关系