Galaxy cluster detection with optical and infrared imaging

par Rossella Licitra

Thèse de doctorat en Astronomie et astrophysique

Sous la direction de Simona Mei.

Soutenue en 2014

à Paris 7 .

  • Titre traduit

    Détection d'amas de galaxies à partir des images dans le visible et l'infrarouge


  • Résumé

    Being galaxy clusters the most massive bound structures in the Universe, they represent a powerful tool to probe the large-scale structure predicted by the standard cosmological model, and to understand how environmental effects affect galaxy evolution. To conduct these studies and obtain reliable results, it is important to build complete and pure cluster catalogs. The use of these catalogs for cosmology requires accurate estimates of cluster mass. In this work, I describe the cluster detection algorithm that I developed during my PhD thesis : Red-GOLD, and the results that I obtained by applying i to current multi-wavelength surveys. My algorithm is based on the detection of galaxy overdensities and the characterisation of their red-sequence. The algorithm finds red galaxy overdensities with respect to the mean background. I select red galaxies using color predictions given by stellar population synthesis models and impose color limits as a function of redshift. Among those galaxies, I discern the early-type galaxies from their spectral type. I then identify cluster members using accurate photometric redshifts, and estimate the cluster candidate richness. I applied Red-GOLD to optical data coming from two different surveys, the Next Generatiôn Virgo Cluster Survey (NGVS) and the Canada-France-Hawaii Telescope Lensing Survey (CFHTLS) and detected galaxy cluster candidates up to redshift z=1. I assessed the performances of my algorithm by applying it to simulated galaxy catalogs from the Millennium simulations. My cluster catalogue is complete at the 80% up to redshift z=1 and pure at 81%.


  • Résumé

    En tant que structures gravitationnellement liées les plus massives, les amas de galaxies permettent de poser des contraintes fortes sur les structures à grande échelle prédites par le modèle cosmologique standard. Ils permettent aussi de comprendre l'influence de l'environnement sur l'évolution des galaxies. Pour mener ce type d'étude et obtenir des résultats robustes, il est impératif de construire des catalogues d'amas complets et purs. Dans le présent manuscrit, je décris l'algorithme de détection d'amas que j'ai développé lors de ma thèse de doctorat -Red GOLD ainsi que les résultats que j'ai obtenus en l'appliquant aux relevés multi-longueur d'onde. Mon algorithme est fondé sur la détection de surdensités de galaxies et la caractérisation de leur séquence rouge : il détecte les surdensités de galaxies rouges par rapport à la distribution moyenne des galaxies. Je sélectionne les galaxies rouges à l'aide des couleurs prédites par les modèles de population stellaire, en imposant des coupes en couleur en fonction du redshift. Parmi ces galaxies, j'identifie celles ayant un type spectral correspondant à des galaxies de type précoce. J'ai appliqué Red-GOLD à des données dans le visible venant de deux relevés diférents, le Next Generation Virgo Cluster Survey (NGVS) et le Canada-France-Hawaii Telescope Lensing Survey (CFHTLS) et j'ai détecté des candidats amas jusqu'à z~1. J'ai estimé les performances de mon algorithme en l'appliquant aux catalogues de galaxies simulées issus des simulations Millenium. Mon catalogue d'amas est complet à ~ 80 % jusqu'à z=1 et pur à 81%.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (250 p.)
  • Annexes : 211 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris Diderot - Paris 7. Service commun de la documentation. Bibliothèque Universitaire des Grands Moulins.
  • PEB soumis à condition
  • Cote : TS (2014) 149
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.