The age of the milky way halo stars [Elektronische Ressource] : implications for Galaxy Formation / Paula Jofré Pfeil. Betreuer: Achim Weiss

Paula Jofré Pfeil

Sujets

• Astronomie

Informations

• Publié par: ludwig-maximilians-universitat_munchen
• Publié le: 01 janvier 2010
• Nombre de lectures: 18
• Langue: English
• Poids de l'ouvrage: 4 Mo

Extrait

The Age of the Milky Way Halo Stars
– Implications for Galaxy Formation –
Paula Jofr´e Pfeil
Mu¨nchen 2010The Age of the Milky Way Halo Stars
– Implications for Galaxy Formation –
Paula Jofr´e Pfeil
Dissertation
an der Physik Fakult¨at
der Ludwig–Maximilians–Universit¨at
Mu¨nchen
vorgelegt von
Paula Jofr´e Pfeil
aus Santiago de Chile
Mu¨nchen, den 30 September 2010Erstgutachter: Dr. Achim Weiss
Zweitgutachter: Dr. Markus Kissler-Patig
Tag der mu¨ndlichen Pru¨fung: 10. Dezember 2010Contents
Zusammenfassung ix
Abstract xi
1 Introduction 1
2 MAχ 7
2.1 Overview and Motivation for MAχ . . . . . . . . . . . . . . . . . . . . . . 8
2.2 History of the MAχ data-compression method . . . . . . . . . . . . . . . . 9
2.3 Description of the MAχ method . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.1 Maximum likelihood description . . . . . . . . . . . . . . . . . . . . 10
2.3.2 Karhunen-Lo`eve data compression . . . . . . . . . . . . . . . . . . 11
2.3.3 Goodness of fit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.4 Retaining the information after the compression . . . . . . . . . . . 15
2.4 MAχ Cookbook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.1 Configuration of spectra . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.2 Compression procedure . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.3 Parameter recovery . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.5 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3 MAχ for Low-Resolution Spectra 21
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Data: SDSS/SEGUE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Grid of models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.4 Matching models to data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.5 Application to SDSS spectra . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5.1 Whole wavelength domain vs. spectral windows . . . . . . . . . . . 27
3.5.2 Effect of radial velocity uncertainties . . . . . . . . . . . . . . . . . 30
3.5.3 Comparison with the SEGUE Stellar Parameter Pipeline . . . . . . 31
3.6 Systematic effects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.6.1 Choice of fiducial model . . . . . . . . . . . . . . . . . . . . . . . . 33
3.6.2 Choice of grid of models . . . . . . . . . . . . . . . . . . . . . . . . 36
3.7 Summary and conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . 40vi CONTENTS
4 MAχ for high-resolution spectra 43
4.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2 Data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.3 Grid of high-resolution models . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.4 Fitting high-resolution spectra . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.5 Results of the high-resolution analysis using MAχ . . . . . . . . . . . . . . 47
4.5.1 Results of a “classical” analysis . . . . . . . . . . . . . . . . . . . . 47
4.5.2 “Restricted” parameter recovery . . . . . . . . . . . . . . . . . . . . 50
4.6 Summary and conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5 Main-Sequence Turn-Off 53
5.1 The turn-off temperature . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2 Turn-Off detection methods . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.2.1 Cubic Fit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.2.2 Sobel Kernel edge-detection . . . . . . . . . . . . . . . . . . . . . . 58
5.2.3 Uncertainties in the turn-off detection. . . . . . . . . . . . . . . . . 59
5.2.4 Sobel Kernel v/s Cubic Fit . . . . . . . . . . . . . . . . . . . . . . . 61
5.3 Metallicity - Temperature diagram . . . . . . . . . . . . . . . . . . . . . . 62
5.4 The Turn-Off for different stellar samples . . . . . . . . . . . . . . . . . . . 64
5.4.1 SDSS/SEGUE Target selections . . . . . . . . . . . . . . . . . . . . 65
5.4.2 Sky Selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.4.3 Dependency and errors in the edge-determination . . . . . . . . . . 73
5.5 Summary and Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6 Age determination 81
6.1 Historic prelude and motivation . . . . . . . . . . . . . . . . . . . . . . . . 82
6.2 Atomic Diffusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
6.2.1 Diffusion with GARSTEC models . . . . . . . . . . . . . . . . . . . 85
6.2.2 Using GARSTEC isochrones . . . . . . . . . . . . . . . . . . . . . . 86
6.3 [Fe/H] - T diagram for the age determination . . . . . . . . . . . . . . . 89eff
6.3.1 Age reduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.2 The age as a function of metallicity . . . . . . . . . . . . . . . . . . 93
6.4 [Fe/H] - T for Galaxy evolution . . . . . . . . . . . . . . . . . . . . . . . 97eff
6.4.1 One dominating halo population . . . . . . . . . . . . . . . . . . . . 97
6.4.2 Disk stars . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.4.3 Blue metal-poor stars . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.5 Discussion and conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
7 Globular Clusters 103
7.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
7.2 Globular clusters sample . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
7.3 Observational evidence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
7.3.1 Turn-off color . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108Contents vii
7.3.2 Color distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.3.3 Implications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.4 Globular clusters ages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
7.4.1 An09 scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
7.4.2 SW02 scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.4.3 D10 scale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
7.4.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
7.5 Summary and Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
8 Concluding Remarks 127
A The MAχ code 131
A.0.1 Input . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
A.0.2 Preparation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
A.0.3 Fitting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
A.0.4 Optional routines and flags . . . . . . . . . . . . . . . . . . . . . . . 135
B High-resolution tables 137
C MSTO temperature for field halo stars 139
D Ages for the Galactic halo stars 141
Acknowledgments 153viii ZusammenfassungZusammenfassung
Das Studium der Verteilung von Sternen in der Milchstraße anhand der Daten des Sloan
Digital Sky Survey (SDSS) liefert nicht nur Hinweise zu ihrer Bildung, sondern beant-
wortet auch Fragen zur Sternstruktur. Ziel dieser Arbeit ist die Bestimmung des Alter der
Sterne, die sich im Halo der Milchstraße befinden. Dazu werden Hauptreihensterne in der
N¨ahe des Abknickpunkts (engl. turn-off) im Hertzsprung-Russell Diagramm analysiert.
Die Betrachtung von Sternen nahe des Abknickpunktes ist weitverbreitet in Altersbestim-
mungen von Kugelsternhaufen, weil Alter und auch Metallizit¨at an diesem Punkt sensitiv
¨zu Anderungen von der Leuchtkraft und der effektiven Temperatur sind. Um die effektive
TemperaturundMetallizit¨atausetwaeinhunderttausendSternspektrendesSDSSineinem
angemessenenZeitrahmenzubestimmen, isteineffizienterAlgorithmuserforderlich. Dafu¨r
wurde eine Datenskompressionsmethode angewendet, welche die effektive Temperatur und
Metallizit¨at dieser Sterne mit einer Genauigkeit von 120 K bzw. 0.25 dex bestimmt.
Der Abknickpunkt fu¨r die ju¨ngste Sternpopulation konnte mit hoher Genaugkeit als
Funktion der Metallizit¨at abgeleitet werden. Dabei wurden die heißesten Sterne der Stern-
populationmit einer ku¨nstlichen Sternverteilung gleicher Metallizit¨at verglichen. Mit Hilfe
von Isochronen aus der Theorie der Sternentwicklung wurde mit den SDSS Daten ein in-
nerer Galaktischer Halo mit einer dominanten Sternpopulation gefunden, welcher keinen
GradienteninseinemAlterbezu¨glichderMetallizit¨ataufweist. Darauskannmanschließen,
dass die dominante Sternpolulation sich sehr schnell, wahrscheinlich w¨ahrend eines Kol-
lapses von proto-galaktischem Gas, gem¨aß des Szenarios von Eggen (1962) gebildet haben
k¨onnte. Weiterhin wurde eine signifikante Anzahl von heißen Sternen am Abknickpunkt
gefunden, welche als junge Sterne aus Zwerggalaxien interpretiert werden, die sp¨ater von
derMilchstraßeakkretiertwordensind. DieseInterpretationstu¨tztdashierachische Galax-
ienbildungsmodell von Searle & Zinn (1978).
Motiviert von der gegenw¨artigen Debatte in der Theorie der Sternstruckturbildung
u¨berdas gravitative Absenken von Helium in alten sonnen¨ahnlichen Sternen (atomareDi