Galaksi kümelerindeki parlak galaksilerin özelliklerinin ortamla ilişkisinin incelenmesi
2022
0 views
0 downloads
Advisor: Dr. Öğr. Üyesi Sinan Aliş
Abstract (TR)
Bu tez çalışmasında galaksi kümelerinin renk-parlaklık diyagramlarından belirlenen kırmızı kol galaksileri, hem küme merkezinde hem de kümenin dış kısımlarında incelenmiştir. İki farklı küme bulma algoritmasıyla (WaZP ve CAMIRA) ve iki ayrı gökyüzü tarama projesinde (CFHTLS ve Subaru HSC-SSP) belirlenen kümelerdeki kırmızı kolun eğiminin kırmızıya kaymanın bir fonksiyonu olmadığı görülmüştür. Ayrıca, eğimin ortamdan bağımsız olduğu zengin ve fakir kümelerde çok yakın değerlerde olduğu belirlenmiştir. Kırmızı koldaki sönük/parlak galaksi sayı oranlarının hem ortam yoğunluğuna hem de kırmızıya kaymaya bağlı değişimi araştırılmıştır. Galaksilerin küme içindeki konumlarından bağımsız olarak, düşük kırmızıya kaymalardaki sönük/parlak galaksi oranının yüksek kırmızıya kaymalara göre daha yüksek olduğu belirlenmiştir. Ayrıca, kümelerin en parlak üç galaksisinin yapısal parametrelerinin karşılaştırılması, BCG'lerin diğer parlak galaksilerden etkin yarıçap ve Sérsic indeksi bakımından farklı olduğunu önermektedir.
Author
Dr. Eyüp Kaan Ülgen
Institution
İstanbul University
Astronomi ve Uzay Bilimleri Bilim Dalı
How to Cite
Eyüp Kaan Ülgen (Doktora Tezi). Galaksi kümelerindeki parlak galaksilerin özelliklerinin ortamla ilişkisinin incelenmesi, 2022, İstanbul University.
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from İstanbul University
- In the covid 19 pandemic of female employees at a university hospital attitudes and affecting factors in nutrition of 9 months-6 years old children(2022)
- Türkiye'de sağ akımların 27 Mayıs Darbesi'ne dair algısı: 1960-1980(2020)
- La Turquie Gazetesi'nin 1890 yılı haberlerine göre: Osmanlı Devleti'nde iktisadi ve sosyal hayat (Fihrist-çeviri-değerlendirme)(2022)
- Emevîler döneminde toprak rejimi(2022)
- Merkel hücreli karsinomda tanısal ve prognostik belirteçler(2022)
- Solunum sistemi hastalıklarının sınıflandırılmasında makine öğrenmesi yöntemlerinin kullanımı(2021)