Targeting Bright Metal-poor Stars in the Disk and Halo Systems of the Galaxy
Auteurs : Guilherme Limberg, Rafael M. Santucci, Silvia Rossi, Derek Shank, Vinicius M. Placco, Timothy C. Beers, Kevin C. Schlaufman, Andrew R. Casey, Hélio D. Perottoni, Young Sun Lee
Résumé : We present the results of spectroscopic follow-up for 1897 low-metallicity star candidates, selected from the Best & Brightest (B&B) Survey, carried out with the GMOS-N/S (Gemini North/South telescopes) and Goodman (SOAR Telescope) spectrographs. From these low-resolution ($R \sim 2000$) spectra, we estimate stellar atmospheric parameters, as well as carbon and magnesium (representative of $\alpha$ elements) abundance ratios. We confirm that $56\%$ of our program stars are metal-poor ([Fe/H] $< -1.0$), $30\%$ are very metal-poor (VMP; [Fe/H] $< -2.0$) and $2\%$ are extremely metal-poor (EMP; [Fe/H] $< -3.0$). There are 191 carbon-enhanced metal-poor (CEMP) stars, resulting in CEMP fractions of $19\%$ and $43\%$ for the VMP and EMP regimes, respectively. A total of 94 confirmed CEMP stars belong to Group I ($A({\rm C}) \gtrsim 7.25$) and 97 to Group II ($A({\rm C}) \lesssim 7.25$) in the Yoon-Beers $A$(C)$-$[Fe/H] diagram. Moreover, we combine these data with Gaia EDR3 astrometric information to delineate new target-selection criteria, which have been applied to the Goodman/SOAR candidates, to more than double the efficiency for identification of bona-fide VMP and EMP stars in comparison to random draws from the B&B catalog. We demonstrate that this target-selection approach can achieve success rates of $96\%$, $76\%$, $28\%$ and $4\%$ for [Fe/H] $\leq -1.5$, $\leq -2.0$, $\leq -2.5$ and $\leq -3.0$, respectively. Finally, we investigate the presence of dynamically interesting stars in our sample. We find that several VMP/EMP ([Fe/H] $\leq -2.5$) stars can be associated with either the disk system or halo substructures like Gaia-Sausage/Enceladus and Sequoia.
Explorez l'arbre d'article
Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel
Recherchez des articles similaires (en version bêta)
En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.