Rave: A non-parametric method for recovering the surface brightness and height profiles of edge-on debris disks

Auteurs : Yinuo Han, Mark C. Wyatt, Luca Matra

arXiv: 2202.04475v1 - DOI (astro-ph.EP)
16 pages, 11 figures, accepted for publication in MNRAS
Licence : CC BY-NC-SA 4.0

Résumé : Extrasolar analogues of the Solar System's Kuiper belt offer unique constraints on outer planetary system architecture. Radial features such as the sharpness of disk edges and substructures such as gaps may be indicative of embedded planets within a disk. Vertically, the height of a disk can constrain the mass of embedded bodies. Edge-on debris disks offer a unique opportunity to simultaneously access the radial and vertical distribution of material, however recovering either distribution in an unbiased way is challenging. In this study, we present a non-parametric method to recover the surface brightness profile (face-on surface brightness as a function of radius) and height profile (scale height as a function of radius) of azimuthally symmetric, edge-on debris disks. The method is primarily designed for observations at thermal emission wavelengths, but is also applicable to scattered light observations under the assumption of isotropic scattering. By removing assumptions on underlying functional forms, this algorithm provides more realistic constraints on disk structures. We also apply this technique to ALMA observations of the AU Mic debris disk and derive a surface brightness profile consistent with estimates from parametric approaches, but with a more realistic range of possible models that is independent of parametrisation assumptions. Our results are consistent with a uniform scale height of 0.8 au, but a scale height that increases linearly with radius is also possible.

Soumis à arXiv le 09 Fév. 2022

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

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

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.