Deep
Nous avons mesurés les décalages spectraux photométriques du CFHTLS- Deep avec le code New-Hyperz. La qualité des redshifts photometriques (notés
zphot dans la suite) a été évaluée grâce à une comparaison directe entre les résultats de New-Hyperz et les échantillons spectroscopiques du VVDS-F02
utilisé pour le champ D1 (Le Fèvre et al., 2005) et du Groth/Deep Survey pour le champ D3 (Weiner et al., 2005), ces deux catalogues de redshifts ayant été
mis à la disposition de la communauté.
Dans les deux cas, on a sélectionné lesredshifts spectroscopiques les plus
sûrs et on a retrouvé les galaxies correspondantes grâce à leurs coordonnées ALPHA et DEC. En pratique, une fois que nous avons éliminé les étoiles et que nous gardons uniquement les objets avec un redshift spectroscopique sûr
(qualité de type 3 et 4, le Fèvre et al., 2005), il nous reste un échantillon de 2847 objets sur D1 et 328 objets sur D3, soit 3175 objets en tout compris entre 0.1 ≤ z ≤ 4 avec 99% d’entre eux à z ≤ 1.5. Nous utilisons les redshifts spectroscopiques (notés zspec dans la suite) à des fins de contrôle uniquement et non pour calibrer nosredshifts. La Figure 7.4 montre le résultat de la com-
paraison en aveugle entre les redshifts photométriques et spectroscopiques.
Les quantités suivantes on été calculées pour quantifier la précision des zphot à travers une comparaison en aveugle avec les zspec :
1. La deviation systématique entre zphot et zspec :< ∆z >= Σ∆z/N, donnée par la différence entre ces deux quantités (avec < ∆z >= zspec− zphot ).
CHAPITRE 7. ADAPTATION DU CODE POUR L’ÉTUDE DU CFHTLSD 72 2. La deviation standard (notée σ(1)) calculée en excluant les identifica- tions catastrophiques pour lesquelles |zphot − zspec| > 0.2(1 + zspec) (voir ci- dessous) : σz(1) =
q
Σ(∆z−<∆z>)2
n−1 .
3. La médiane de la déviation absolue (notée σ(2)) :σz(2) = 1.48mediane(|zspec− zphot|).
4. La médiane normalisée de la déviation absolue définie comme : σz(3) = σ(∆z
1+z) = 1.48mediane(
|zspec−zphot|
1+zspec ) . Cette valeur est identique à celle calcu- lée par Ilbert et al. (2006) qui ont utilisé une approche différente pour calculer les zphot dans les même champs.
5. Le pourcentage d’identifications catastrophiques l%, définies comme |zphot− zspec| > 0.2(1 + zspec) , c’est à dire les galaxies qui sont très en dehors de leur intervalle de redshift d’origine.
6. Le pourcentage de fausses détections g% à l’intérieur d’un intervalle de
redshift photométrique donné, qui correspond aux identifications catas-
trophiques assignées par erreur à cet intervalle. Ces objets risquent de contaminer la statistique dans un intervalle de zphot.
Ces quantités ont été calculées pour tous les intervalles de redshift pertinants dans cette étude, pour les différents types spectraux ainsi que pour différentes sélections des galaxies dans la bande i’. Le Tableau 7.3 donne les valeurs trouvées pour ces différents critères.
La comparaison en aveugle avec les redshifts spectroscopiques que nous avons à notre disposition conduit à une dispersion moyenne de σ(∆z/1 + z)) = 0.056 pour l’échantillon entier entre z = 0 − 1.3, avec des différences allant typiquement de σ(∆z/1 + z)) = 0.045 à 0.08 selon leredshift, le type de galaxie et la sélection appliquée. La fraction d’identifications catastrophiques avec |zphot− zspec| > 0.2(1 + zspec) est typiquement de quelques pourcents dans l’intervalle z ∼ 0.2 − 1.2, mais elle peut monter jusqu’à 13% à z ≤ 0.2 .
Les fausses détections (ou ”spurious” en anglais) sont les objets assignés
par erreur à un intervalle deredshift et qui sont susceptibles de contaminer la statistique de cet intervalle. La fraction despurious est toujours en dessous de
quelques pourcents, excepté pour l’intervalle z ≤ 0.2. Nous soulignons le fait que dans cette étude, nous utiliserons des intervalles de redshift de largeur ≥ 2σ de la déviation standart des zphot.
Si l’on compare nos zphot avec ceux de Ilbert et al. (2006), la qualité glo- bale de nos redshifts photométriques est moins bonne que leur meilleure es-
timation pour l’échantillon spectroscopique le plus brillant (i0 ≤ 22.5 donnant σ(∆z/1+z)) = 0.03), mais elle est proche de leur meilleur résultat pour l’échan- tillon de contrôle avec 22.5 ≤ i0 ≤ 24, avec un nombre similaire d’identifications catastrophiques. D’autre part, comme montré dans le Tableau 7.3, la qua- lité des zphot obtenue ici est peu dépendante de magnitude i’ de l’échantillon. Contrairement à Ilbert et al., les spectres de notre bibliothèque n’ont pas été optimisés et recalibrés pour ajuster spécifiquement l’échantillon spectrosco- pique le plus brillant. Nous voulons retrouver l’évolution en couleur des ga- laxies à différents redshifts, et donc nous avons préféré utiliser l’échantillon
spectroscopique a des fins de contrôle uniquement, au lieu de s’en servir pour modifier les spectres de références et risquer d’introduire des biais dans les résultats.
En conclusion, lesredshifts photométriques que nous avons calculés grâce au logiciel New-Hyperz pour l’échantillon du CFHTLSD, sont d’une qualité
CHAPITRE 7. ADAPTATION DU CODE POUR L’ÉTUDE DU CFHTLSD 73 redshift < ∆z > σz(1) σz(2) σ(∆z/(1 + z)) l% g% All galaxies (i0 ≤ 24) 0-1.3 0.040 0.099 0.090 0.056 3.7 2.6 0.0-0.2 -0.003 0.054 0.059 0.051 13.1 14.2 0.2-0.4 0.032 0.048 0.067 0.053 5.0 4.3 0.4-0.6 -0.033 0.101 0.095 0.064 3.3 0.9 0.6-0.8 0.025 0.088 0.064 0.039 4.7 1.1 0.8-1.0 0.051 0.103 0.110 0.058 3.9 0.4 1.0-1.2 0.073 0.139 0.165 0.078 6.2 4.5 All galaxies 0-1.3 i0 ≤ 21.5 0-1.3 0.046 0.071 0.071 0.053 1.2 1.2 21 ≤ i0 ≤ 22 0-1.3 0.049 0.084 0.080 0.052 3.1 3.3 22 ≤ i0 ≤ 23 0-1.3 0.039 0.092 0.090 0.054 3.0 2.5 23 ≤ i0 ≤ 24 0-1.3 0.030 0.119 0.108 0.062 5.5 3.0 Type 1 0-1.3 0.081 0.115 0.134 0.079 5.6 5.9 Type 2 0-1.3 0.070 0.106 0.140 0.082 11.9 5.8 Type 3 0-1.3 0.036 0.094 0.083 0.055 4.7 1.3 Type 4 0-1.3 0.020 0.081 0.071 0.045 1.6 1.7 Type 5 0-1.3 0.035 0.110 0.107 0.062 6.7 4.1
TAB. 7.3 – Tableau résumant la précision des zphot obtenus dans cette étude (T03). Il donne les informations suivantes : (1) domaine de magnitude et de
redshift, (2) déviation systématique entre zphot et zspec, (3) déviation standard σz(1), (4) médiane normalisée de la déviation absolue σz(2), (5) déviation de la médiane absolue normalisée σ(∆z/(1 + z)), (6) fraction d’identifications catas- trophiques (l%) et (7) fraction (g %) de contamination par les identifications catastrophiques.
tout à fait suffisante pour l’étude que nous avons entreprise.
Nous n’avons pas étudier la dernière version des catalogues du CFHTLSD (T04) parues en juillet 2007 et regroupant les observations faites depuis juin 2003 jusqu’en octobre 2006. Cependant Thibault Levieuge a déterminé lesred- shifts photométriques avec Hyperz pour cette version des données. Le Tableau
7.4 (de la même façon que le Tableau 7.3) donne les performances actuelles obtenues sur la version T04 du CFHTLSD, avec les catalogues contenant 25% des meilleures images. On constate une légère amélioration de la qualité, qui reste toujours très proche des valeurs atteintes dans la version T03.
CHAPITRE 7. ADAPTATION DU CODE POUR L’ÉTUDE DU CFHTLSD 74
FIG. 7.4 – Comparaison en aveugle entre les redshifts photométriques et
spectroscopiques des champs D1 (VVDS Survey) + D3 (Groth/Deep Survey) (3175 galaxies). Ce diagramme trace la densité d’objets avec une échelle li- néaire. En plus de la ligne zphot = zspec (trait plein), nous avons inclu les lignes zphot = zspec± 0.1 pour guider l’oeil.
CHAPITRE 7. ADAPTATION DU CODE POUR L’ÉTUDE DU CFHTLSD 75
FIG. 7.5 – Redshifts photométriques pour 328 galaxies dans le champ D3,
comparés aux redshifts spectroscopiques du Groth/Deep Survey. Le premier
diagramme (en haut à droite) concerne tout l’échantillon et les autres com- parent les résultats pour différents types spectraux : E, Sbc, Scd, Im et SB, du plus rouge au plus bleu.
CHAPITRE 7. ADAPTATION DU CODE POUR L’ÉTUDE DU CFHTLSD 76
FIG. 7.6 – ∆z± σ(1) pour tous les types à la fois et par type spectrophotomè- trique. Le point n’est pas tracé quand il n’y a pas assez d’objet.
CHAPITRE 7. ADAPTATION DU CODE POUR L’ÉTUDE DU CFHTLSD 77
CHAPITRE 7. ADAPTATION DU CODE POUR L’ÉTUDE DU CFHTLSD 78
CHAPITRE 7. ADAPTATION DU CODE POUR L’ÉTUDE DU CFHTLSD 79 redshift < ∆z > σz(1) σz(2) σ(∆z/(1 + z)) l% g% All galaxies (i0 ≤ 24) 0-1.3 0.038 0.095 0.086 0.054 3.9 2.0 0.0-0.2 -0.020 0.054 0.058 0.051 17.1 9.0 0.2-0.4 0.009 0.050 0.049 0.037 5.9 2.4 0.4-0.6 -0.002 0.088 0.074 0.049 2.2 1.8 0.6-0.8 0.028 0.083 0.071 0.042 2.5 1.5 0.8-1.0 0.075 0.096 0.135 0.071 2.3 0.9 1.0-1.2 0.113 0.117 0.196 0.094 5.5 3.1 Type 1 0-1.3 0.061 0.097 0.093 0.057 5.6 4.4 Type 2 0-1.3 0.052 0.106 0.112 0.066 5.6 2.7 Type 3 0-1.3 0.039 0.083 0.073 0.047 2.2 1.5 Type 4 0-1.3 0.026 0.090 0.075 0.047 2.2 1.6 Type 5 0-1.3 0.039 0.108 0.118 0.068 7.5 5.1
TAB. 7.4 – Qualité des zphot obtenus obtenue avec la version T0004 du CFHTLSD, pour le compositage avec 25% meilleures images de D1 et D3 (même légende que pour le tableau 7.3).
Quatrième partie
Evolution des relations
couleur-magnitude-densité des
galaxies jusqu’à z~1.2
81
Introduction
Dans les deux chapitres précédents nous avons décrit les données à notre disposition et nous avons montré la bonne qualité des redshifts photomé-triques déterminés à l’aide du code Hyperz. Grâce aux redshifts, nous avons
pu calculer les magnitudes absolues ainsi que les couleurs de chaque galaxie du catalogue. Nous avons tous les éléments nécessaires pour étudier la cou- leur des galaxies et quantifier son évolution dans le temps.
La première étape de cette étude consiste à sélectionner un échantillon complet de galaxies que l’on pourra découper en intervalles de magnitude et de redshift. Cet échantillon définira les limites de notre étude. Ensuite on
pourra étudier qualitativement et quantitativement l’évolution de la couleur des différentes populations de galaxies en fonction de la luminosité, puis en fonction de l’environnement. Un paramètre de densité a été introduit grâce à un estimateur de la densité locale projetée, que nous avons défini de manière similaire aux usages dans les relevés spectroscopiques. Ici, nous avons choisi d’étudier le comportement de la couleur (u*-r’) des galaxies dans leur référen- tiel propre, car c’est le meilleur indicateur dont nous disposons pour séparer les galaxies en types photométriques précoces et tardifs.
Chapitre 8
Sélection de l’échantillon à étudier
8.1 Sélection des galaxies
Avant de commencer notre étude il faut réaliser un premier ”nettoyage” des catalogues des quatre champs. En effet nous avons calculé les redshifts
de tous les objets des catalogues fournis par Terapix, sans aucune selection préalable. Nous avons appliquer les sélections suivantes de manière séquen- tielles :
1. Les catalogues photométriques originaux comportent un indicateur qui nous permet dans un premier temps, d’éliminer les détections se trou- vant dans les régions masquées, puis d’éliminer les sources saturées ce qui enlève tous les objets brillants avec une magnitude apparente i’(AB)<17. Cela supprime environ 14% des objets.
2. De plus, on prend soin d’enlever les étoiles brillantes de l’échatillon grâce à un indicateur morphologique. On utilise le rayon effectif r2 (ou ”half- light radius” en anglais), qui est le rayon à l’interieur duquel est comprise
la moitié de l’énergie de la galaxie. On trace celui-ci en fonction de la ma- gnitude dans le filtre i’ (Figure 8.1). Les étoiles sont les objets les plus compactes dans le champ et de ce fait, elles se retrouvent en bas du diagramme sur une ligne comprise sous r2 ∼ 2.6 pour i’ < 21 et sous r2 ∼ 2.5 pour i0 ∈ [21, 22]. Cette sélection supprime entre 3000 et 5000 objets stellaires brillants par champ. Pour des magnitudes supérieures à i’~22, galaxies et étoiles deviennent indiscernables les unes des autres par cette méthode. Cependant les quatre champs du CFHTLSD sont si- tués loin du plan galactique, ce qui réduit la contamination par les étoiles de faible magnitude qui sont peu nombreuses au délà de cette limite. En utilisant le modèle de Besançon de synthèse de populations stellaire dans notre galaxie (Robin et al., 2003), nous avons estimé que le nombre maxi- mum d’étoiles avec 22 ≤ i0 ≤ 26 présentent encore dans l’échantillon est d’environ 4500 par champ, et qu’il en reste seulement 2000 par champ dans les échantillons complets définis plus loin. Si l’on considère que toutes ces étoiles se retrouvent quand même dans nos échantillons après le processus de selection décrit dans la suite, la contamination maximale attendue est inférieure à 1%.
Nous n’avons pas utilisé de test pour éliminer les quasars de notre échan- tillon. Cependant, d’après la thèse de Coppolani (2006) ceux-ci ne repré- sentent que quelques centaines d’objets par champ pour un échantillon avec i0 < 22.5. De plus d’après la fonction de luminosité des quasars (Ga- vignaud et al., 2007), ils sont inférieurs au millier d’objets par champ
CHAPITRE 8. SÉLECTION DE L’ÉCHANTILLON À ÉTUDIER 83
FIG. 8.1 – Rayon effectif des galaxies en fonction de la magnitude dans le filtre
i’. Le rayon effectif est un moyen de séparer les étoiles des galaxies pour des magnitudes inférieures à 22(AB).
avec i0 < 24. Enfin, notre sélection des objets sur le critère morphologique r2 en aura éliminé une partie jusqu’à i0 < 22.
3. On choisit également de sélectionner les objets sur la qualité de leur photométrie. On décide de ne conserver que les galaxies détectées avec rapport signal sur bruit SNR ≥ 5 dans au moins un filtre et avec un SN R ≥ 3 dans deux autres filtres, adjacents ou pas (sauf dans i’ et z’ où on ne demande que SNR ≥ 5 en i’ ou z’ et une détection a SNR ≥ 3 dans l’autre filtre). Ceci élimine entre 33 et 35% des objets restant dans nos catalogues selon le champ. Cette sélection peut paraître exigente. Un test nous a montré que l’on obtient les mêmes résultats au final avec une sélection moins exigente en terme de SNR. Ceci s’explique par le fait que dans la suite nous n’avons étudié que les objets faisant partie d’échantillons complets en magnitude absolue u* et en r’. Ces méthodes de sélection sont donc différentes mais produisent des catalogues finaux équivalents.
4. On introduit une dernière selection basée sur la qualité de l’ajustement calculé par Hyperz, en utilisant le paramètre de probabilité intégrée dé-
taillée dans le chapitre précédent. Nous gardons les objets ayant une probabilité intégrée supérieure à 10, ce qui enlève encore 2% des objets restant après la sélection précédente (point 3). La distribution en pro- babilité intégrée des galaxies du catalogue montre que la majorité des galaxies se situent au delà de Pint∼ 17 (cf Figure en haut 8.2).
Si on applique une sélection moins fine sur notre catalogue en termes de SNR, le pic de la distribution en probabilité intégrée se déplace vers les faibles
CHAPITRE 8. SÉLECTION DE L’ÉCHANTILLON À ÉTUDIER 84 probabilités Pint ∼ 10, et ce pic est deux fois plus important (~6.104 objets) par rapport à celui obtenu avec une sélection plus sévère (~3.104 objets)(Figure8.2). Etant donné qu’on ajoute des objets mal détectés et donc mal ajustés à la distribution dans le cas d’une sélection peu exigente, il est normal de trouver plus d’objets avec Pint ≤ 10 .
Même si le pourcentage de galaxies éliminées sur la base d’un mauvais ajustement est très faible, il y a toujours le danger d’avoir biaisé la population que nous voulons étudier. Pour évaluer cet effet nous avons tracé la distribu- tion en couleur de ces objets dans leur référentiel propre (couleur (u*-r’), voir Figure 8.2 en bas). Cette figure donne le pourcentage d’objets de l’échantillon total (après sélection en SNR), pour lesquels Pint ≤ 10. Ce pourcentage est le plus élevé pour des couleurs extrêmes de galaxies (u ∗ −r0) >= 3et (u ∗ −r0) < 0. Cela peut correspondre à des erreurs photométriques ou cela peut venir du fait que nous n ’avons pas de modèle pour ajuster ces galaxies.
Dans l’intervalle de couleur que nous étudierons dans la suite (entre 0 et 3), le pourcentage d’objets mal ajustés est assez homogènes et reste inférieur à 3%. Nous n’avons donc pas introduis de biais en fonction de la couleur des galaxies avec cette sélection.
Au final, après ces premières sélections, notre catalogue comporte un to- tal de 907 505 sources, soit environ 1 million d’objets répartis sur une aire effective totale de 3.29 degrés carrés (aire sans les masques).