Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
Aims. We produce a clean and well-characterised catalogue of objects within 100 pc of the Sun from the Gaia Early Data Release 3. We characterise the catalogue through comparisons to the full data release, external catalogues, and simulations. We carry out a first analysis of the science that is possible with this sample to demonstrate its potential and best practices for its use. Methods. Theselection of objects within 100 pc from the full catalogue used selected training sets, machine-learning procedures, astrometric quantities, and solution quality indicators to determine a probability that the astrometric solution is reliable. The training set construction exploited the astrometric data, quality flags, and external photometry. For all candidates we calculated distance posterior probability densities using Bayesian procedures and mock catalogues to define priors. Any object with reliable astrometry and a non-zero probability of being within 100 pc is included in the catalogue. Results. We have produced a catalogue of 331 312 objects that we estimate contains at least 92% of stars of stellar type M9 within 100 pc of the Sun. We estimate that 9% of the stars in this catalogue probably lie outside 100 pc, but when the distance probability function is used, a correct treatment of this contamination is possible. We produced luminosity functions with a high signal-to-noise ratio for the main-sequence stars, giants, and white dwarfs. We examined in detail the Hyades cluster, the white dwarf population, and wide-binary systems and produced candidate lists for all three samples. We detected local manifestations of several streams, superclusters, and halo objects, in which we identified 12 members of Gaia Enceladus. We present the first direct parallaxes of five objects in multiple systems within 10 pc of the Sun. Conclusions. We provide the community with a large, well-characterised catalogue of objects in the solar neighbourhood. This is a primary benchmark for measuring and understanding fundamental parameters and descriptive functions in astronomy.
Gaia Early Data Release 3: The Gaia Catalogue of Nearby Stars
Smart R. L.;Sarro L. M.;Rybizki J.;Reyle C.;Robin A. C.;Hambly N. C.;Abbas U.;Barstow M. A.;De Bruijne J. H. J.;Bucciarelli B.;Carrasco J. M.;Cooper W. J.;Hodgkin S. T.;Masana E.;Michalik D.;Sahlmann J.;Sozzetti A.;Brown A. G. A.;Vallenari A.;Prusti T.;Babusiaux C.;Biermann M.;Creevey O. L.;Evans D. W.;Eyer L.;Hutton A.;Jansen F.;Jordi C.;Klioner S. A.;Lammers U.;Lindegren L.;Luri X.;Mignard F.;Panem C.;Pourbaix D.;Randich S.;Sartoretti P.;Soubiran C.;Walton N. A.;Arenou F.;Bailer-Jones C. A. L.;Bastian U.;Cropper M.;Drimmel R.;Katz D.;Lattanzi M. G.;Van Leeuwen F.;Bakker J.;Castaneda J.;De Angeli F.;Ducourant C.;Fabricius C.;Fouesneau M.;Fremat Y.;Guerra R.;Guerrier A.;Guiraud J.;Jean-Antoine Piccolo A.;Messineo R.;Mowlavi N.;Nicolas C.;Nienartowicz K.;Pailler F.;Panuzzo P.;Riclet F.;Roux W.;Seabroke G. M.;Sordo R.;Tanga P.;Thevenin F.;Gracia-Abril G.;Portell J.;Teyssier D.;Altmann M.;Andrae R.;Bellas-Velidis I.;Benson K.;Berthier J.;Blomme R.;Brugaletta E.;Burgess P. W.;Busso G.;Carry B.;Cellino A.;Cheek N.;Clementini G.;Damerdji Y.;Davidson M.;Delchambre L.;Dell'Oro A.;Fernandez-Hernandez J.;Galluccio L.;Garcia-Lario P.;Garcia-Reinaldos M.;Gonzalez-Nunez J.;Gosset E.;Haigron R.;Halbwachs J. -L.;Harrison D. L.;Hatzidimitriou D.;Heiter U.;Hernandez J.;Hestroffer D.;Holl B.;Janssen K.;Jevardat De Fombelle G.;Jordan S.;Krone-Martins A.;Lanzafame A. C.;Loffler W.;Lorca A.;Manteiga M.;Marchal O.;Marrese P. M.;Moitinho A.;Mora A.;Muinonen K.;Osborne P.;Pancino E.;Pauwels T.;Recio-Blanco A.;Richards P. J.;Riello M.;Rimoldini L.;Roegiers T.;Siopis C.;Smith M.;Ulla A.;Utrilla E.;Van Leeuwen M.;Van Reeven W.;Abreu Aramburu A.;Accart S.;Aerts C.;Aguado J. J.;Ajaj M.;Altavilla G.;Alvarez M. A.;Alvarez Cid-Fuentes J.;Alves J.;Anderson R. I.;Anglada Varela E.;Antoja T.;Audard M.;Baines D.;Baker S. G.;Balaguer-Nunez L.;Balbinot E.;Balog Z.;Barache C.;Barbato D.;Barros M.;Bartolome S.;Bassilana J. -L.;Bauchet N.;Baudesson-Stella A.;Becciani U.;Bellazzini M.;Bernet M.;Bertone S.;Bianchi L.;Blanco-Cuaresma S.;Boch T.;Bombrun A.;Bossini D.;Bouquillon S.;Bragaglia A.;Bramante L.;Breedt E.;Bressan A.;Brouillet N.;Burlacu A.;Busonero D.;Butkevich A. G.;Buzzi R.;Caffau E.;Cancelliere R.;Canovas H.;Cantat-Gaudin T.;Carballo R.;Carlucci T.;Carnerero M. I.;Casamiquela L.;Castellani M.;Castro-Ginard A.;Castro Sampol P.;Chaoul L.;Charlot P.;Chemin L.;Chiavassa A.;Cioni M. -R. L.;Comoretto G.;Cornez T.;Cowell S.;Crifo F.;Crosta M.;Crowley C.;Dafonte C.;Dapergolas A.;David M.;David P.;De Laverny P.;De Luise F.;De March R.;De Ridder J.;De Souza R.;De Teodoro P.;De Torres A.;Del Peloso E. F.;Del Pozo E.;Delgado A.;Delgado H. E.;Delisle J. -B.;DI Matteo P.;DIakite S.;DIener C.;DIstefano E.;Dolding C.;Eappachen D.;Edvardsson B.;Enke H.;Esquej P.;Fabre C.;Fabrizio M.;Faigler S.;Fedorets G.;Fernique P.;Fienga A.;Figueras F.;Fouron C.;Fragkoudi F.;Fraile E.;Franke F.;Gai M.;Garabato D.;Garcia-Gutierrez A.;Garcia-Torres M.;Garofalo A.;Gavras P.;Gerlach E.;Geyer R.;Giacobbe P.;Gilmore G.;Girona S.;Giuffrida G.;Gomel R.;Gomez A.;Gonzalez-Santamaria I.;Gonzalez-Vidal J. J.;Granvik M.;Gutierrez-Sanchez R.;Guy L. P.;Hauser M.;Haywood M.;Helmi A.;Hidalgo S. L.;Hilger T.;Hladczuk N.;Hobbs D.;Holland G.;Huckle H. E.;Jasniewicz G.;Jonker P. G.;Juaristi Campillo J.;Julbe F.;Karbevska L.;Kervella P.;Khanna S.;Kochoska A.;Kontizas M.;Kordopatis G.;Korn A. J.;Kostrzewa-Rutkowska Z.;Kruszynska K.;Lambert S.;Lanza A. F.;Lasne Y.;Le Campion J. -F.;Le Fustec Y.;Lebreton Y.;Lebzelter T.;Leccia S.;Leclerc N.;Lecoeur-Taibi I.;Liao S.;Licata E.;Lindstrom H. E. P.;Lister T. A.;Livanou E.;Lobel A.;Madrero Pardo P.;Managau S.;Mann R. G.;Marchant J. M.;Marconi M.;Marcos Santos M. M. S.;Marinoni S.;Marocco F.;Marshall D. J.;Martin Polo L.;Martin-Fleitas J. M.;Masip A.;Massari D.;Mastrobuono-Battisti A.;Mazeh T.;McMillan P. J.;Messina S.;Millar N. R.;Mints A.;Molina D.;Molinaro R.;Molnar L.;Montegriffo P.;Mor R.;Morbidelli R.;Morel T.;Morris D.;Mulone A. F.;Munoz D.;Muraveva T.;Murphy C. P.;Musella I.;Noval L.;Ordenovic C.;Orru G.;Osinde J.;Pagani C.;Pagano I.;Palaversa L.;Palicio P. A.;Panahi A.;Pawlak M.;Penalosa Esteller X.;Penttila A.;Piersimoni A. M.;Pineau F. -X.;Plachy E.;Plum G.;Poggio E.;Poretti E.;Poujoulet E.;Prsa A.;Pulone L.;Racero E.;Ragaini S.;Rainer M.;Raiteri C. M.;Rambaux N.;Ramos P.;Ramos-Lerate M.;Re Fiorentin P.;Regibo S.;Ripepi V.;Riva A.;Rixon G.;Robichon N.;Robin C.;Roelens M.;Rohrbasser L.;Romero-Gomez M.;Rowell N.;Royer F.;Rybicki K. A.;Sadowski G.;Sagrista Selles A.;Salgado J.;Salguero E.;Samaras N.;Sanchez Gimenez V.;Sanna N.;Santovena R.;Sarasso M.;Schultheis M.;Sciacca E.;Segol M.;Segovia J. C.;Segransan D.;Semeux D.;Shahaf S.;Siddiqui H. I.;Siebert A.;Siltala L.;Slezak E.;Solano E.;Solitro F.;Souami D.;Souchay J.;Spagna A.;Spoto F.;Steele I. A.;Steidelmuller H.;Stephenson C. A.;Suveges M.;Szabados L.;Szegedi-Elek E.;Taris F.;Tauran G.;Taylor M. B.;Teixeira R.;Thuillot W.;Tonello N.;Torra F.;Torra J.;Turon C.;Unger N.;Vaillant M.;Van DIllen E.;Vanel O.;Vecchiato A.;Viala Y.;Vicente D.;Voutsinas S.;Weiler M.;Wevers T.;Wyrzykowski L.;Yoldas A.;Yvard P.;Zhao H.;Zorec J.;Zucker S.;Zurbach C.;Zwitter T.
2021
Abstract
Aims. We produce a clean and well-characterised catalogue of objects within 100 pc of the Sun from the Gaia Early Data Release 3. We characterise the catalogue through comparisons to the full data release, external catalogues, and simulations. We carry out a first analysis of the science that is possible with this sample to demonstrate its potential and best practices for its use. Methods. Theselection of objects within 100 pc from the full catalogue used selected training sets, machine-learning procedures, astrometric quantities, and solution quality indicators to determine a probability that the astrometric solution is reliable. The training set construction exploited the astrometric data, quality flags, and external photometry. For all candidates we calculated distance posterior probability densities using Bayesian procedures and mock catalogues to define priors. Any object with reliable astrometry and a non-zero probability of being within 100 pc is included in the catalogue. Results. We have produced a catalogue of 331 312 objects that we estimate contains at least 92% of stars of stellar type M9 within 100 pc of the Sun. We estimate that 9% of the stars in this catalogue probably lie outside 100 pc, but when the distance probability function is used, a correct treatment of this contamination is possible. We produced luminosity functions with a high signal-to-noise ratio for the main-sequence stars, giants, and white dwarfs. We examined in detail the Hyades cluster, the white dwarf population, and wide-binary systems and produced candidate lists for all three samples. We detected local manifestations of several streams, superclusters, and halo objects, in which we identified 12 members of Gaia Enceladus. We present the first direct parallaxes of five objects in multiple systems within 10 pc of the Sun. Conclusions. We provide the community with a large, well-characterised catalogue of objects in the solar neighbourhood. This is a primary benchmark for measuring and understanding fundamental parameters and descriptive functions in astronomy.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11577/3538012
Citazioni
ND
144
179
212
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.