Diapositiva 1 - Universidad Nacional de La Plata

Universidad Nacional de La Plata
Propiedades fotométricas y
espectroscópicas del
sistema de cúmulos globulares de
NGC 1316
Lic. Leandro A. Sesto
Dr. Favio R. Faifer
Dr. Juan Carlos Forte
N
E
N
E
Remanente de una fusión
 Arcos no concéntricos, colas y “loops”
 Disco inclinado de gas ionizado
 Brillo superficial central alto
 Estructuras y filamentos de polvo
3Gyr
Goudfrooij et al. 2001, 2004
Richtler et al. 2012, 2014
NASA/ESA – HST 120x120 arcsec
N
E
N
E
Datos y reducción
Tres chips en fila, de 2048 x 4608
píxeles (6144 x 4608 píxeles)
Datos y reducción
Tres chips en fila, de 2048 x 4608
píxeles (6144 x 4608 píxeles)
El tamaño del píxel de 13.5 micrones
cuadrados, proporcionando una escala
de 0.0730”/píxel
El campo de visión es de
5.5 arcmin x 5.5 arcmin
Reducción de Imágenes
• Obtención de las imágenes de calibración necesarias en la base de
datos del Observatorio Gemini.
Reducción de Imágenes
• Obtención de las imágenes de calibración necesarias en la base de
datos del Observatorio Gemini.
• Construcción de un bias maestro, e imagenes de "flat-field"
para corregir por efectos de campo plano (“flat fielding”). Se
emplean las tareas de IRAF gbias y giflat
Reducción de Imágenes
• Obtención de las imágenes de calibración necesarias en la base de
datos del Observatorio Gemini.
• Construcción de un bias maestro, e imagenes de "flat-field"
para corregir por efectos de campo plano (“flat fielding”). Se
emplean las tareas de IRAF gbias y giflat
• Resta del patrón de “fringing”. Se llevó a cabo con la tarea girmfringe
Reducción de Imágenes
• Obtención de las imágenes de calibración necesarias en la base de
datos del Observatorio Gemini.
• Construcción de un bias maestro, e imagenes de "flat-field"
para corregir por efectos de campo plano (“flat fielding”). Se
emplean las tareas de IRAF gbias y giflat
• Resta del patrón de “fringing”. Se llevó a cabo con la tarea girmfringe
•Construcción de mosaicos individuales de cada exposición,
empleando la tarea gmosaic.
Obtención de imágenes finales “limpias” para la fotometría
empleando la tarea imcoadd de IRAF
Detección de objetos y modelado del halo
A fin de realizar la fotometría, el siguiente paso es identificar todos los
objetos presentes en el campo a estudiar. De entre ellos,
posteriormente se identificarán los candidatos a CGs.
Detección de objetos y modelado del halo
A fin de realizar la fotometría, el siguiente paso es identificar todos los
objetos presentes en el campo a estudiar. De entre ellos,
posteriormente se identificarán los candidatos a CGs.
Detección de objetos y modelado del halo
A fin de realizar la fotometría, el siguiente paso es identificar todos los
objetos presentes en el campo a estudiar. De entre ellos,
posteriormente se identificarán los candidatos a CGs.
Una de las principales ventajas de SExtractor es su capacidad de
diferenciar entre fuentes puntuales y extendidas. Esto lo realiza
analizando la estructura de cada objeto a través de una red neuronal,
asignando un valor real. Dicho valor, denominado índice de estelaridad,
se encontrará entre cero y uno, siendo este último el límite superior
correspondiente a un objeto puntual ideal.
Se ha encontrado que este software produce mejores resultados que la
tarea daofind de IRAF.
Armado de la fotometría
magnitudes de ajuste PSF “Point Spread Function”
DaoPhot / IRAF
Calibración al sistema estándar
Corrección por extinción interestelar
Schlafly & Finbeiner 2011
Selección de candidatos a CG
Dado al bajo seeing de las imágenes utilizadas, y la distancia a dicha galaxia
(aproximadamente 20 Mpc), es de esperar que los CGs se encuentren no
resueltos en nuestras imágenes.
Se utilizó el índice de estelaridad de SExtractor (0 para fuentes resueltas y 1
para las no resueltas) para llevar a cabo una primera selección de candidatos.
Consideramos objetos puntuales a aquellos con índice de estelaridad mayor a
0.5.
Adoptamos los rangos de color presentes en la tabla. Esos valores garantizan una
muestra limpia que incluye a la mayoría de los CGs “clásicos”. Adoptando los
criterios de selección antes mencionados, obtenemos una muestra de 2350
candidatos a CGs.
 g’0 < 24.5 superamos el 80% de completitud
 g’0 < 24.2 superamos el 90% de completitud
Resultados fotométricos
0.84
0.97
1.13
0.45
0.84
0.97
1.13
AUTOBOMBO
0.45
0.84
0.97
1.13
0.45
Los parámetros obtenidos dependen fuertemente de los modelos adoptados.
Utilizamos los modelos PARSECS (Bressan et al. 2012).
http://stev.oapd.inaf.it/cgi-bin/cmd
Por otra parte, solo se consideraron objetos más brillantes que g’0=23.5 mag. Para
ese valor obtenemos errores en (g'-i') menores a 0.03 mag.
 g’0 < 23.5 mag
Los parámetros obtenidos dependen fuertemente de los modelos adoptados.
Utilizamos los modelos PARSECS (Bressan et al. 2012).
http://stev.oapd.inaf.it/cgi-bin/cmd
Modelos de distribuciones de colores
Se realizó una descomposición de la distribución de colores en las distintas
subpoblaciones
Con el fin de reproducir las distribuciones de colores integrados para cada
subpoblación, se adoptó una dependencia exponcial del Número de CG
con la abundancia química
Forte et al. 2007, 2009, 2014
Espectroscopía
• 10 horas en Banda 1
• 40 Candidatos a CG
• Red B600
Vhel = 1755 Km/s
Correlación con modelos sintéticos de
librerías MILES de Vazdekis et al. (2012)
CG confirmados
Estrellas de campo
GRACIAS

Download Report